《计算机科学与探索》专题征文——社交媒体数据融合与大模型知识挖掘
更多学术信息，请关注计算机期刊网官方微信公众号“智刊IT”
本信息来源于《计算机科学与探索》官网(http://fcst.ceaj.org/CN/1673-9418/home.shtml), 所有信息最终解释权归《计算机科学与探索》所有.
本网站所有转载的文章、图片、视频、音频文件等资料版权归版权所有人所有，本站转载文章均出于非营利目的的、非商业性的教育和科研目的，本站采用的非本站原创文章及图片等内容无法一一与版权者联系，如果本站所选用内容的文章作者及编辑认为其作品不宜上网供大家浏览，或不应无偿使用，请及时用电子邮件或电话通知我们，我们会立即删除，避免给双方造成不必要的经济损失。
《计算机科学与探索》专题征文——社交媒体数据融合与大模型知识挖掘
近年来，社交媒体快速普及迭代，文本、图像、视频、用户行为及社交关系等多源异构数据海量爆发，承载着丰富的舆情动态、用户特征与社会化隐性知识，具备极高的挖掘价值。随着大模型技术持续革新，其优异的语义理解、特征萃取与知识推理能力，有效突破了传统社交数据分析碎片化、噪声冗余、融合难度大的技术瓶颈，为社交大数据的智能化治理与深度价值挖掘提供了全新技术路径。目前，基于大模型的社交数据融合、隐性知识挖掘、舆情演化分析与智能内容治理技术，已广泛应用于舆情研判、新媒体传播、个性化推荐、数字风控等场景，是人工智能与大数据交叉领域的研究热点。当前该领域发展仍面临诸多关键难题：跨平台异构社交数据难以高效融合与降噪提纯，大模型在复杂社交场景中易出现语义偏差、知识幻觉等问题，隐性知识挖掘的精准度与可解释性不足。同时，垂直场景模型适配优化难度大，数据挖掘过程中的隐私安全与伦理合规问题，也制约着技术的规模化落地，亟需学术界与工业界协同攻关、创新突破。
为聚焦领域前沿理论与核心技术痛点，推动大模型与社交大数据深度融合创新，《计算机科学与探索》特设“社交媒体数据融合与大模型知识挖掘”专题。本专题聚焦多源社交数据融合、大模型语义萃取、社交知识图谱构建、舆情智能挖掘、场景化模型优化等研究方向，汇聚优质原创研究成果与创新实践方案，旨在为社交大数据的智能化、合规化、高效化利用提供理论支撑与技术指导，助力社交人工智能向精准、可信、通用的方向高质量发展。
特邀编辑
o 陈晋鹏 副教授 北京邮电大学
o 李 环 教授 浙江大学
o 王晨旭 教授 西安交通大学
o 鲍 鹏 教授 北京交通大学
一、征文范围（包括但不限于以下方向）
多源异构社交媒体数据融合、清洗、降噪与质量优化技术
面向社交场景的大模型语义理解、特征提取与表示学习方法
社交媒体隐性知识挖掘、关联推理与知识发现算法
社交知识图谱构建、更新、融合及与大模型协同应用
基于大模型的网络舆情识别、演化分析、预警与溯源技术
大模型在新媒体内容生成、审核、治理与智能推荐中的应用
社交场景下大模型知识幻觉、语义偏差的抑制与修正方法
大模型挖掘社交知识的可解释性、鲁棒性增强技术
垂直领域社交媒体大模型适配、轻量化与场景化优化方案
社交数据挖掘中的隐私保护、内容安全与伦理合规技术
面向社交媒体的多模态大模型（文本 / 图像 / 视频）融合与知识挖掘
社交大数据与大模型结合的数字风控、用户画像、行为分析技术
相关方向前沿综述、技术评测、数据集构建与实证研究
二、投稿指南
1. 征文类型：原创研究论文、综述与前沿技术探讨。论文必须具有原创性、学术性、科学性、准确性、规范性和可读性，所述内容应为作者独立或与他人合作完成的研究成果，且未在国内外公开发行的刊物或会议上发表过，不存在一稿多投问题。
2. 格式要求：中文撰写，Word格式排版，版式请参照《计算机科学与探索》提供的“论文写作模板”以及近期已发表的论文。
3. 投稿方式：请通过《计算机科学与探索》官方网站（http://fcst.ceaj.org）在线投稿系统进行投稿，同时请提供作者联系方式，并请在论文标题后注明“（社交媒体）”字样（否则按自由来稿处理）。
三、重要日期
收稿截止日期：2026年9月30日
预录用结果通知日期：2026年11月30日
计划出版时间：2027年2月
四、联系方式
办公地址：北京市海淀区北四环中路211号电科太极北四环园区
电话：010-89056056
E-mail：fcst@vip.163.com
