CCF腾讯犀牛鸟基金项目申报指南Word文档格式.docx

CCF腾讯犀牛鸟基金项目申报指南Word文档格式.docx

《CCF腾讯犀牛鸟基金项目申报指南Word文档格式.docx》由会员分享，可在线阅读，更多相关《CCF腾讯犀牛鸟基金项目申报指南Word文档格式.docx（12页珍藏版）》请在冰豆网上搜索。

项目关键节点如下

1.2016年5月15日项目发布，申请开始；

2.2016年6月25日申请截止，启动评审；

3.2016年7月30日评审截止，发布结果；

4.2016年8月30日签署协议，启动立项；

5.2016年10月CNCC2016颁奖典礼；

6.2017年3月中期检查，提交报告；

7.2017年8月项目结束，提交成果；

8.2017年10月CNCC2017终期答辩。

项目进行过程中的具体时间节点，请关注CCF-腾讯联合项目组通知。

第五条项目审批：

CCF和腾讯将共同邀请项目专家组，由评审专家决定是否资助及资助强度。

专家评审时主要考虑：

1．申请课题的作用、意义、创新性和可行性；

2．申请者的实施计划及输出成果的意义和价值；

3．申请者（及团队）的学术水平和科研能力；

第六条资助金额：

2016年计划资助10-20个犀牛鸟“科研基金”项目，单个项目的资助金额5-20万元人民币。

科研基金获奖者还将有机会获得腾讯提供的研究数据、计算资源等。

同时，将继续面向未获得“科研基金”的申请者提供基金补充计划——犀牛鸟“创意基金”（详细信息见附件三），支持青年学者申请国际、国内专利，资助金额为3万元人民币，计划资助10-20个项目。

根据申请者的具体需求以及资源总体情况，将为基金申请者提供“腾讯云”资源支持。

（如需申请腾讯云资源，请在申请表相应栏中注明）

第七条研究期限及终止：

项目立项启动之日起1年止。

项目立项后不可更换受资助人。

在项目研究工作中，如因受资助者自身原因中断研究工作，项目终止并根据申报时的具体阶段经费使用说明，退回已拨经费的余额。

获得基金资助的申报者原则上不可放弃基金资助，如有特殊情况，需提交《放弃基金声明》并加盖被资助者所在单位公章后由基金项目组存档留备。

第八条管理办法：

CCF和腾讯公司成立联合项目组，对项目进行有效管理。

项目启动阶段，面向国内外学术界共同发布项目信息；

项目评审阶段，组织业界和学界专家对项目进行评审；

基金获批后，CCF代表腾讯与受资助人及其所在单位签署项目协议；

项目进行中期，受资助者填写附件五：

《中期报告表》；

项目完成后，受资助者填写附件六：

《结题报告表》，并向项目专家组公开答辩。

第九条知识产权：

受资助者在课题研究过程中形成的与项目相关的成果的著作权及专利等，包括但不限于论文、著作、源代码等，其知识产权权利归属作者、作者所在院校及腾讯公司三方共同所有。

腾讯公司有权免费优先使用。

具体细节以与受资助者签署的协议为准。

在此期间发表的论文及著作需标注“受CCF-腾讯犀牛鸟基金资助（英文：

SponsoredbyCCF-TencentOpenFund）”，并被收录到CCF数字图书馆，供CCF会员免费浏览。

第十条解释权：

本细则自公布之日起实施，由腾讯公司负责解释。

附件一：

2016CCF-腾讯犀牛鸟基金项目申报主题

开放命题

1.1“互联网+跨学科”研究

跨学科研究体现了当代科学探索的一种新模式，代表了未来的科学研究方向。

随着互联网的普及，以及各行各业的信息化、网络化的发展，以“互联网+”为代表的信息领域的跨学科研究也呈现出蓬勃发展的趋势。

在诸多领域的交叉地带涌现出了一批新兴课题。

建议研究方向包括但不限于：

1）互联网+人文社科，互联网与社会学、经济学、传播学、教育学等人文社科类交叉研究

2）互联网+环境能源，互联网与环境科学、新材料、新能源、城市规划、智能交通的交叉研究

3）互联网+生命科学，互联网与认知科学、脑科学、健康医疗、公共卫生等领域的交叉研究

专项命题（以下主题均不限于给定的建议研究方向，可基于研究者背景及兴趣确定。

）

2.1研究主题：

移动社交数据与用户线上线下行为的关系研究

用户在移动互联网社交产品的使用过程中产生了大量的行为数据。

这些数据不仅能反映用户的线上习惯，同时也能映射出用户的线下真实生活，例如情感、喜好、意图、人生状态等。

如何通过对移动社交数据做跨学科、跨领域的深入挖掘与分析是很有挑战的问题。

例如从社交心理学、经济行为学、经济宏观面、用户行为模式、UGC情感倾向、社交传播等方面找出用户线上、线下所表现出来的个人信用、信息传播、消费习惯、个人状态等行为的内在规律以及其中的关键影响因素。

这些研究成果将帮助我们更好的应用移动社交数据，更深入理解用户，帮助产品不断优化以带给用户更加极致的体验。

建议研究方向：

1）挖掘用户行为及社交网络数据，找出用户线上行为、社交关系对于线下行为的影响

2）研究移动社交数据对个人信用的影响的关键因素，建立用户个人信用预测模型，发现和预警个人及群体信用变化趋势

3）研究信息传播规律，找出预测并且控制信息传播趋势的方法

4）基于用户的线上社交行为预测用户所在的不同的人生阶段

2.2项目主题：

移动社交数据可视化及数据的安全隐私保护

微信的用户基数庞大，关系拓扑结构复杂，信息传播高效。

如能从数据中挖掘出有用的知识并动态可视化的呈现，将极大程度的辅助理解大数据背后所蕴含的知识和挖掘其中的规律。

社交类产品的数据安全与隐私保护极其关键。

如何在保护好用户隐私的前提下，最大限度的开放数据服务，充分挖掘和应用数据的价值，将为数据价值的发现与共享提供有力保障。

1）建立直观展示社交行为内在机制的可视化方法，帮助并优化社交行为规律的分析

2）建立社交行为数据的安全策略和方法，包括数据获取、数据交换、数据抽样，用户隐私保护策略等

3.1项目主题：

互联网热点事件预测以及事件发展序列挖掘

手机浏览器等产品包含了互联网用户每天的大量行为数据：

例如搜索行为，资讯浏览行为，以及视频观看行为数据，其中包含对“马航MH370”，“深圳山体滑坡”等热点事件的关注与跟踪。

如何通过这些行为数据预测可能的网络热点事件，并在事件发生后，挖掘整个事件发展历程中的关键节点，供资讯推荐以及用户跟踪，将是很有实际意义的课题。

1）中文的时事关系信息词组提取：

例如：

当深圳发生山体滑坡期间，我们能够提取（“深圳”，“发生”，“山体滑坡”）的关系信息词组

2）关系信息词组的空间大小优化：

互联网资讯的关系信息词组空间巨大，通过近义词压缩关系信息词组的数量级

3）热点事件（热点关系信息词组）预测，挖掘互联网的不同的关系信息词组的时序特征以及其他特征，预测出未来的热点事件

4）热点事件发展历程梳理，利用关系信息词组，梳理出热点事件发展历程的关键节点

3.2项目主题：

意见挖掘算法与技术研究

互联网越来越深入的融入到人们的生活中，成为人们获取信息、沟通交流、表达意见的重要渠道，每天产生大量数据。

这些数据对于了解社会舆论具有重要作用，为国家安全和商业竞争提供数据支撑。

目前，意见挖掘在某些垂直领域已取得较好的成果，例如，电商领域从商品评论中挖掘用户对商品的看法。

但对于事件的意见挖掘仍然是未解决的难题，目前主要依靠人工抽样总结，这种方式人力成本高、时效性差，从而也使得意见挖掘的意义大打折扣。

我们希望通过意见挖掘技术自动的实现对事件观点的总结和提炼，实时反映舆情动态。

意见挖掘技术在评论的情感分析、观点聚类、观点表达方面面临着很大的挑战。

1）评论的情感分析：

用户发表一条评论时，评价了哪些对象，分别带着怎样的心情和情感倾向来表达意见

2）观点聚类：

关键在于理解评论表达的核心思想，重点解决数据去噪、关键内容提取、单词和句子的语义表示和关联问题

3）观点表达：

通过大量评论学习词的重要度，对特定观点簇，提取核心词，通过摘要抽取和生成技术，生成观点的表述

4.1项目主题：

游戏虚拟世界货币体系研究

货币体系对游戏虚拟世界的重要性不言而喻。

很多游戏通常都含有两种以上的货币，其中至少有一种可以在游戏内产出，在某些游戏中，一种货币可以由另一种货币兑换得到。

每种货币有各自的消耗渠道，也有共同的消耗渠道。

研究由多类型货币组成的货币体系对游戏虚拟世界的影响是一个新颖的有价值的研究点。

1）不同类型货币之间的相互影响分析

2）游戏虚拟世界货币体系健康度分析

3）货币体系对游戏虚拟世界的影响分析

4）游戏虚拟世界货币体系合理化方案研究

5.1项目主题：

视频内容识别理解

视频内容进入百花齐放的众创时代，数量快速增长,视频信息提取和利用越来越重要,传统人工处理的方式只能覆盖到少量的视频,生成的文本信息也比较难达到能跟用戶互动的程度。

对视频内容进行识别和理解,可以从视频内容中提取精细而有用的信息,令互动特性与精准的商业化模式变得可行。

视频标签在搜索与推荐中有重要应用。

当文本信息缺失或者欠准确的情况下，会给标签提取带来难度。

基于视频内容本身的标签抽取方法，可以提供稳定准确的视频描述信息，在相当大程度上弥补了前述缺陷，对于支持当前视频业务有重要的现实意义。

1）识别广告主投放较多的特定物体类别，如汽车，手机，笔记本电脑，家电等

2）对全段视频类型可识别分类：

如体育，戏剧，新闻，自拍等

3）对视频中出现的地点场景进行识别，如婚礼，酒吧，超市，办公室，游乐场，加油站等

4）对于氛围和情感进行识别，如欢乐，忧伤，热闹，休闲等

5）基于视频内容的标签自动化生，自动化视频摘要生成方法

5.2项目主题：

半监督下的图像语义信息自动提取

用户产生的图像数据蕴含着大量的语义信息，诸如物体、场景、人类活动行为等。

近年来随着深度学习的发展，基于卷积神经网络对图像进行特征表达与分类为图像理解提供了方法。

然而实际中的监督训练需要大量的人工标注数据，单纯依赖人工标注不仅费时费力，还可能产生大量的主观性与个体性的标注错误，不具备较好的扩展性。

在海量无标签数据与少量有标签数据及半监督条件下，如何更准确地理解与提取图像语义信息，是一项兼具学术研究价值与工业应用价值的课题。

1）建立一种自动标注海量数据的机制，把半监督问题转化为有监督问题

2）建立一种半监督条件下深度网络模型的训练机制

5.3项目主题：

声纹识别、语音合成前沿技术

当前的声纹识别技术需要背景环境比较安静，并且满足一定时长的语音样本。

但在实际应用中，环境往往比较嘈杂，采集长语音也十分困难，这成为声纹在实际环境中使用的主要障碍。

传统的语音合成方法合成的语音比较平稳，缺少抑扬顿挫的效果以及情感的表现力。

如何提高语音合成的情感表现，并控制合成语音的韵律节奏是语音合成领域的难点问题。

1）短语音下的声纹识别

2）噪声环境下的声纹识别

3）情感增强的语音合成

4）语音合成的韵律控制

6.1项目主题：

社交广告中的广告用户体验研究

社交网络流量在通过广告进行商业化的过程中，遇到的一大挑战就是如何平衡用户体验与平台的利益，避免广告对用户的产品体验造成太多的伤害。

当前采用的一种允许用户干预广告的方式是在广告中添加“不喜欢/Disli