《大規模圖數據集成關鍵技術研究》是依託北京大學，由高軍擔任負責人的面上項目。
基本介紹
- 中文名：大規模圖數據集成關鍵技術研究
- 項目負責人：高軍
- 項目類別：面上項目
- 依託單位：北京大學
項目摘要,結題摘要,
項目摘要
不同套用領域中湧現的大圖數據存在互補，大圖數據集成將豐富個體數據特徵，有效支持信息推薦、客戶評估等諸多套用。面對大圖數據集成和服務中不確定性、海量數據、隱私保護等挑戰，本課題從關鍵技術和原型系統兩個層面展開研究。.在關鍵技術層面，本課題將研究大圖數據的通用集成方法，擬提出基於遷移學習的隱含屬性疊代推測方法、基於用戶反饋的多特徵機率集成方法、隱私保護感知的高精度群體查詢策略；本課題將研究分散式環境中大圖數據集成的最佳化策略，擬提出感知局部內容+結構的初始映射構建方法、基於三階段訊息擴展的分散式大圖集成方法、同時支持線上查詢和離線分析的分散式圖數據處理框架的擴展機制；本課題將研究面向套用領域的大圖數據集成，擬提出面向最少元搜尋的知識網路集成方法、基於推薦反饋的社交網路集成方法等。.在原型系統層面，本課題擬利用現有的分散式大圖計算框架Giraph，研製面向社交網路和知識網路的大圖數據集成原型系統。
結題摘要
不同套用領域中湧現的大圖數據存在互補，大圖數據集成將豐富個體數據特徵，有效支持信息推薦、客戶評估等諸多套用。面對大圖數據集成和服務中不確定性、海量數據、隱私保護等挑戰，本課題從關鍵技術和原型系統兩個層面展開研究。在關鍵技術層面，本課題研究了大圖數據的通用集成方法，提出了基於遷移學習的隱含屬性疊代推測方法、基於用戶反饋的多特徵機率集成方法、隱私保護感知的高精度群體查詢策略；本課題研究了分散式環境中大圖數據集成的最佳化策略，提出了感知局部內容+結構的初始映射構建方法、基於三階段訊息擴展的分散式大圖集成方法、同時支持線上查詢和離線分析的分散式圖數據處理框架的擴展機制；本課題研究了面向套用領域的大圖數據集成，提出了面向最少元搜尋的知識網路集成方法、基於推薦反饋的社交網路集成方法等。在原型系統層面，本課題利用現有的分散式大圖計算框架Giraph，研製了面向社交網路和知識網路的大圖數據集成原型系統。課題執行期間，課題組將研究的關鍵技術成果套用於實際系統，並根據實際套用的反饋最佳化研究路線。套用中我們發現，單純結構信息不足以支持用戶套用，融合內容、結構、時間、空間等特徵才能實現有效的圖數據分析。課題組以異構信息網路為數據模型，設計圖神經網路融合多源異構信息，支持商品推薦、異常發現等套用。課題執行期間，發表CCF A類會議或者期刊論文9篇(包括VLDB J、TKDE, ICDE、AAAI、IJCAI等)，B類會議(包括CIKM)論文一篇，申請2項專利，課題組研究生畢業3名，成果套用於阿里和國家政務相關的場景。
