项目名称: 大规模动态多维社会网络的社区发现算法研究

项目编号: No.61303167

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 赵中英

作者单位: 山东科技大学

项目金额: 23万元

中文摘要: 社区结构研究,对理解网络结构和功能、揭示网络中的隐含模式、分析及预测网络行为等具有非常重要的理论意义。同时,还可以应用在智能推荐、精准营销等诸多领域,具有广泛的应用价值。然而,网络的大规模性、动态性、多维性等特点,对现有的社区发现算法提出了挑战。本课题拟针对大规模、动态、多维社会网络,研究如下内容:(1)探索有效的多维网络建模方法;(2)基于多维网络建模,研究多维社区的评价方法及发现算法;(3)基于增量学习技术,研究增量的动态社区发现算法以及增量的多维社区动态发现算法;(4)结合算法机理和并行性分析,研究适用于大规模、动态、多维社会网络的算法优化技术。最后,基于上述研究结果,设计开发一个面向大规模复杂网络的社区发现软件系统。本课题的研究结果不仅能够为社会网络分析与挖掘领域提供理论基础,而且还能够为广告投放、个性化推荐、精准营销等相关领域提供科学分析的依据,具有重要的理论意义和应用价值。

中文关键词: 社区发现;社交媒体;数据挖掘;多维网络;动态网络

英文摘要: Studying community structures has a very important theoretical significance. It helps us understand the structures and functions of networks, reveal the implicit patterns, analyze and predict the network behaviors. Meanwhile, studying community structures has a wide range of application prospects. It is able to be applied to many fields, such as business intelligence, intelligent recommendation, and social marketing. However, the characteristics of large scale, dynamic and multi-dimensional of social networks, are putting forward the new challenges to the existing methods of community detection. This project aims to study the effective and efficient algorithms to detect communities in large scale, dynamic and multi-dimensional social networks. We first study and effective data modeling methods based on tensor. Based on multi-dimensional model, we explore the evaluating metrics and study the algorithm to detect multi-dimensional communities. Based on incremental machine learning techniques, we explore some incremental algorithms to detect dynamic communities, multi-dimensional dynamic communities. Furthermore, we study the optimizing techniques to improve the complexity and parallelism of the above algorithms. With the above theoretical studies, we will design and develop a software system which is oriented to co

英文关键词: community detection;social media;data mining;multi-dimensional network;dynamic network

成为VIP会员查看完整内容
1

相关内容

在网络中发现社区(称为社区检测/发现)是网络科学中的一个基本问题,在过去的几十年中引起了很多关注。 近年来,随着对大数据的大量研究,另一个相关但又不同的问题(称为社区搜索)旨在寻找包含查询节点的最有可能的社区,这已引起了学术界和工业界的广泛关注,它是社区检测问题的依赖查询的变体。
「大规模图神经网络系统」最新2022综述:从算法到系统
专知会员服务
113+阅读 · 2022年1月14日
专知会员服务
138+阅读 · 2021年3月30日
基于事件社会网络推荐系统综述
专知会员服务
69+阅读 · 2021年1月13日
面向健康的大数据与人工智能,103页ppt
专知会员服务
108+阅读 · 2020年12月29日
知识图谱上的神经和符号逻辑推理,99页ppt
专知会员服务
109+阅读 · 2020年12月17日
专知会员服务
45+阅读 · 2020年11月13日
最新《图神经网络模型与应用》综述论文
专知会员服务
293+阅读 · 2020年8月2日
SIGIR'21 | 推荐系统中的多关系图神经网络
图与推荐
3+阅读 · 2021年10月10日
技术动态 | 多模态知识图谱
开放知识图谱
37+阅读 · 2020年8月5日
关系图谱在贝壳的构建和应用
DataFunTalk
29+阅读 · 2020年3月4日
支持个性化学习的行为大数据可视化研究
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月14日
AliCoCo: Alibaba E-commerce Cognitive Concept Net
Arxiv
13+阅读 · 2020年3月30日
Arxiv
101+阅读 · 2020年3月4日
小贴士
相关VIP内容
「大规模图神经网络系统」最新2022综述:从算法到系统
专知会员服务
113+阅读 · 2022年1月14日
专知会员服务
138+阅读 · 2021年3月30日
基于事件社会网络推荐系统综述
专知会员服务
69+阅读 · 2021年1月13日
面向健康的大数据与人工智能,103页ppt
专知会员服务
108+阅读 · 2020年12月29日
知识图谱上的神经和符号逻辑推理,99页ppt
专知会员服务
109+阅读 · 2020年12月17日
专知会员服务
45+阅读 · 2020年11月13日
最新《图神经网络模型与应用》综述论文
专知会员服务
293+阅读 · 2020年8月2日
相关资讯
SIGIR'21 | 推荐系统中的多关系图神经网络
图与推荐
3+阅读 · 2021年10月10日
技术动态 | 多模态知识图谱
开放知识图谱
37+阅读 · 2020年8月5日
关系图谱在贝壳的构建和应用
DataFunTalk
29+阅读 · 2020年3月4日
支持个性化学习的行为大数据可视化研究
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员