社团发现的图挖掘算法及其并行化以及应用研究

项目名称： 社团发现的图挖掘算法及其并行化以及应用研究

项目编号： No.61370202

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 姚远哲

作者单位： 电子科技大学

项目金额： 76万元

中文摘要： 图作为常用数据结构在复杂结构及其相互作用的建模中愈发重要。图挖掘已经成为数据挖掘中活跃而重要的课题。本课题以运用非频繁子图模式解决一类或若干类社团的快速识别与发现问题作为总体目标，研究基于BSP模式的并行最大流/最小割理论的图划分算法，提升针对大规模和超大规模数据图最大流求解的效率，并将其运用于社团发现研究中，以适应迅猛发展的社会网络、社交网络等带来的大数据快速处理和挖掘问题；提出并定义多维属性-权值图，基于多维属性-权值图的理论研究，探索新的基于朴素的社团密度思想的社团的识别和发现方法、机制与算法；同时致力于运用上述算法进行多尺度、多粒度的社团发现研究，探索在实际的社交网络的进行社团发现、基于节点属性与相互关系的小微社团的细分与发现研究，有助于在大的社交网络中发现恐怖组织等小微社团，在应用研究中解决复杂问题的图建模挖掘问题，检验算法的理论和实用价值及可用性，为图挖掘的进一步发展提供新思路

中文关键词： 多维属性-权值模型；社团发现；节点影响力；伤寒论；方剂聚类

英文摘要： As the regular data structure, graphs are playing a more and more important role in the modeling of complicated structures and also the reciprocal interaction. Graph mining has become one significant research task of tremendous momentum in the work of dat

英文关键词： multi-dimensional property-weight model；Community detection；Node influence；Shang Han Lun；Prescription clustering