我们生活在一个网络化的社会，人、信息和其他实体通过互联网、电子邮件网络、即时信息网络、移动通信网络、在线社会网络、物联网联接在一起，从而产生了大量的社会化信息。由于社会媒体所具有的开放性、共享性、互动性、社区性等特点，近年来以微博微信为代表的社会媒体迅猛发展，成为人们彼此之间分享信息的工具和平台，已经越来越深入地影响到了每个人的生活，同时，由于社会媒体所带来的巨大影响和变革，针对社会媒体的各种分析和处理需求也愈加强烈。

但是，社会媒体中包含的多源异构信息种类繁多、数量巨大，用户所使用的语言口语化严重，这些社会媒体所具有的特性，对传统的针对内容的自然语言处理提出了新的挑战，这也制约了社会媒体分析更加广泛和深入的应用。另外，社会媒体不仅具备内容信息，还具备社会网络、用户关系、用户行为等结构化信息，因此内容与结构的融合挖掘对社会媒体处理具有重要意义。

针对这些现象，学术界和企业界利用自然语言处理、信息检索、数据挖掘、社会计算等各种手段，从众多方面开展研究，以提高社会化媒体自动分析和处理的能力。

《中国科学：信息科学》2015年第12期出版“社会媒体处理专题”，该专题由清华大学唐杰教授牵头组织，收录了我国在社会媒体分析方面的最新研究进展，反映了我国在社会媒体分析方面研究的最高水平。

专题共收录6 篇论文，涉及社会媒体用户消费意图检测、谣言语义分析、热点主题检测、事件结果预测等任务，也涉及社会媒体情感语料库构建、基于社会媒体的词表示等基础性问题。这些论文既对社会媒体进行了定性或定量地刻画，又采用了深度学习、图排序等机器学习框架进行社会媒体处理，也包含情感语料库设计、标注和质量控制等资源性工作，内容丰富多样，相信对相关领域的研究人员有较好的参考价值。

欢迎到刊物网站免费阅读该专题：

基于图排序的社会媒体用户的消费意图检测

http://info.scichina.com/sciF/CN/abstract/abstract519353.shtml

中文社交媒体谣言统计语义分析

http://info.scichina.com/sciF/CN/abstract/abstract519542.shtml

基于情感时间序列的微博热点主题检测

http://info.scichina.com/sciF/CN/abstract/abstract519354.shtml

社会网络中序列行为的链接值及事件结果预测

http://info.scichina.com/sciF/CN/abstract/abstract519352.shtml

情感隐喻语料库构建与应用

http://info.scichina.com/sciF/CN/abstract/abstract519385.shtml

基于非线性全局上下文的词嵌入

http://info.scichina.com/sciF/CN/abstract/abstract519391.shtml

《中国科学》杂志社微信公众号

关注请加：scichina1950/中国科学杂志社 或扫描识别二维码：