《信息網路中基於結構及屬性的社區挖掘研究》是依託中國科學技術大學，由徐林莉擔任項目負責人的面上項目。
基本介紹
- 中文名：信息網路中基於結構及屬性的社區挖掘研究
- 項目類別：面上項目
- 項目負責人：徐林莉
- 依託單位：中國科學技術大學
中文摘要,結題摘要,
中文摘要
隨著大數據時代的來臨，信息網路在近些年經歷了快速的發展，而基於大規模信息網路的社區挖掘也成為了一個重要的課題而被廣泛研究。當前大多數傳統的社區挖掘方法著重於網路中的結構與連線信息而忽略了網路中數據節點的自帶屬性。然而在很多實際套用中，網路結構信息與節點信息對有效的社區挖掘同樣重要。為此，我們在本課題中立足於大規模網路，同時考慮其中的結構信息及節點屬性，進行數學抽象與建模，定義對應的數學問題，利用機器學習的思想進行分析與求解，以達到以下研究目標：（1）提高社區挖掘的性能；（2）實現對不完全信息網路的社區挖掘；（3）發現社區並同時對社區進行標註。此外，本課題將進一步考慮社區挖掘問題中存在的多元化信息，對多視角信息網路的社區挖掘進行探索。最後，在對算法進行理論分析與實際驗證的基礎上，實現基於大規模網路的套用，為大規模信息網路的社區挖掘問題探究一條新的思路。
結題摘要
本項目的主要出發點是立足於大規模網路，同時考慮其中的結構信息及節點屬性，利用機器學習的思想進行分析與求解，以提高社區挖掘的性能。在此基礎之上進一步考慮社區挖掘任務中存在的多元化信息，對多視角信息網路的社區挖掘進行探索。因此，本項目的總體目標即為基於信息網路中結構及屬性等多元信息發展有效、高效的社區挖掘方法。 在國家自然科學基金面上項目的資助下，我們對信息網路中基於結構及屬性等多元信息的社區挖掘以及一些相關引申展開了深入研究，共發表標註基金資助文章11篇，包括於人工智慧、機器學習與數據挖掘等領域頂級會議AAAI, IJCAI, ICDM及SDM發表的高質量工作，總計CCF-A類論文5篇，CCF-B類論文6篇，超額完成任務。總的來說，在本項目的資助下，課題組在多種社區挖掘方法及相關套用等方面均取得了較好的成果。
