面向數據密集型計算的機率圖模型構建與推理

《面向數據密集型計算的機率圖模型構建與推理》是依託雲南大學，由劉惟一擔任負責人的國家自然科學基金專項基金項目。

基本介紹

• 中文名：面向數據密集型計算的機率圖模型構建與推理
• 負責人：劉惟一
• 依託單位：雲南大學
• 項目類型：專項基金項目

項目摘要

隨著Web套用的普及和信息採集技術的進步，海量數據成為了各類套用的核心，數據密集型計算是目前研究的熱點。對海量數據進行高效的統計分析，是數據密集型計算的重要任務和關鍵技術之一。貝葉斯網是一種重要的機率圖模型，是不確定性知識表示和推理的有效框架，從海量數據中發現所蘊含的貝葉斯網，可進行海量數據的處理、分析和理解，進而支持其上的決策、預測及商務智慧型等套用。本項目基於MapReduce數據密集型計算技術，擴展傳統的貝葉斯網構建和推理機制，研究從海量數據中學習貝葉斯網的方法，針對快速變化數據的貝葉斯網增量維護算法，以及貝葉斯網的分散式存儲和高效機率推理技術，並對新方法進行理論分析及實驗測試。研究成果將為數據密集型計算提供有效的支撐技術，為海量數據分析和理解提供新的解決思路，具有重要的理論意義和套用價值。預期在國內外重要期刊及會議上發表論文15篇，開發面向數據密集型計算的貝葉斯網構建與推理原型系統。

結題摘要

通過對項目中關鍵問題的深入研究，取得了面向數據密集型計算的機率圖模型構建和推理的階段性研究結果，對照項目申請書和計畫任務書中，已按時完成了預期的目標和任務。在理論方法與支撐技術方面：1、面向海量數據分析和基於機率圖模型的知識發現問題，以貝葉斯網（BN）這一重要機率圖模型的構建和推理為核心，擴展現有方法、基於數據密集型計算平台與技術，提出了針對數據海量、分散式、動態和不確定性的BN構建框架和算法；2、在所構建模型的基礎上，提出了面向數據密集型計算的BN機率推理方法；3、將模型的構建與機率推理方法用於Web服務數據、社會用戶行為數據、無線感測器網路數據的分析，提出了知識發現支撐技術，以及相應的最佳化策略。通過理論分析和實驗測試，驗證了方法的高效性、正確性和可用性，也設計並開發了相應的原型系統。 作為這些研究結果的體現，本項目資助在本領域國內外重要期刊及會議上發表了31篇學術論文（其中SCI收錄及源刊11篇，EI收錄及源刊22篇次，CPCI-S收錄及源刊10篇次）；申請發明專利6項（其中授權2項，公開3項，受理1項），申請獲得計算機軟體著作權登記5項；出版專著1部、參編專著1部、參編譯著1部；獲得省部級獎勵1項；依託於本項目的研究，培養青年教師5名、在站博士後1名、博士生6名、碩士生30名。