本文首先定义了具有模糊时态的广义可能性线性时序逻辑GPoFLTL（Generalized Possibilistic Fuzzy Linear Tempora Logic）的语构以及基于路径和基于语言的两种语义解释，证明了GPoFLTL在模糊时态方面对GPoLTL（Generalized Possibilistic Linear Tempora Logic）进行了扩张，并通过实例说明了GPoFLTL比GPoLTL具有更强的表达能力；其次在广义可能性测度下通过模糊矩阵运算讨论了"不久"，"几乎总是"等几类模糊时态性质的模型检测问题；最后研究了模糊时态性质的必要性阈值模型检测问题，给出了基于自动机的GPoFLTL的阈值模型检测算法及算法的复杂度.
微博用户转发行为预测是微博社交网络消息扩散模型构建的基础，在舆情监控、市场营销与政治选举等领域有着广泛的应用.为了提高用户转发行为预测的精度，本文在MRF（Markov Random Field）能量优化框架下综合分析了用户属性与微博内容特征、用户转发行为约束、群体转发先验等因素对用户转发行为的影响，并在逻辑回归模型的基础上构造了相应的能量函数对用户转发行为进行了全局性的预测.实验结果表明，微博用户转发行为不仅取决于用户属性、微博内容等特征，而且也受到用户转发行为约束、群体转发先验等因素不同程度的影响.相对于传统算法，本文算法可以更准确地对用户转发行为进行建模，因而可获得更好的预测结果.
针对在线文本情感摘要生成问题，本文提出了一种基于Opinosis图和马尔科夫随机游走模型的情感摘要框架.首先，该框架将原始文本转化为Opinosis图，并利用其挖掘出文本中的特征词，这些特征词可以用来对原始文本的句子进行分类；其次本文在基于聚类的条件马尔科夫随机游走模型的基础上增加了情感层，改进后的模型可以判断同一聚类中各句子的情感倾向是否具有代表性并结合情感和聚类信息对句子进行排序.实验结果表明，本文提出的方法与基准算法相比在ROUGE（Recall-Oriented Understudy for Gisting Evaluation）值上具有明显提高.
基于角色协同（Role-Based Collaboration，RBC）的软件工程与协同计算方法以角色为基础进行研究，能有效促进信息系统的抽象与分类，有利于单元协作与协同计算.为支撑RBC及其角色引擎，本文从元理论角度出发，运用子结构逻辑对RBC的关键元素：群组、角色和代理进行了考量与印证，并提出了系列多项式时间复杂度的角色扮演逻辑系统（Role Playing Logic，RPL）及相关代数模型.通过逻辑强刻画与形式化方法对RBC系统基本关联性和层次结构的剖析，系列角色扮演逻辑可因不同的设计需求做扩充与变化，以支撑RBC做各类工程应用与研发.
