基于时空上下文数据的关联关系挖掘与推理技术研究

项目名称： 基于时空上下文数据的关联关系挖掘与推理技术研究

项目编号： No.61472149

项目类型： 面上项目

立项/批准年度： 2015

项目学科： 自动化技术、计算机技术

项目作者： 余辰

作者单位： 华中科技大学

项目金额： 83万元

中文摘要： 时空数据关联挖掘是对时空数据中非显性知识、时空关系等模式的自动提取。其在交通、生物、公共安全、气候、人口普查等领域等有广泛的用途。基于地理位置的时空上下文数据，是生活中最普通也是最重要的基础数据，同时也是一种复杂的异构环境应用。本项目基于多种时空轨迹数据，采用语义化的上下文描述模型，研究时空位置信息的关联关系推理方法与挖掘技术。拟从四个方面展开：1）多源时空数据的多维度表示理论与模型研究，建立时空数据及时空变化的统一语义描述模型；2）基于概率图模型的关联关系挖掘，从统计学角度阐明时空数据与时空变化的模式特征与关联关系；3）基于行为语义的上下文推理技术研究，根据挖掘出的行为模式特征，进行未知事件的推理预测；4）面向群体用户的空间关联模型研究，挖掘群体活动的行为模式以及对事件的演进路径进行分析。

中文关键词： 时空数据挖掘；上下文推理；多维度建模；概率图模型；事件演进

英文摘要： Spatial-temporal based big data mining aims to extract hidden knowledge and spatial-temporal relationships from human's daily context information. This technology is widely used in transportation, biological, public security, climate, population census and other fields. The location-based spatial-temporal data is the most common and important context in our lives, but also a complex, heterogeneous environments. This project will use semantic context description model to study the spatial and temporal reasoning method of location information associated with mining. There are four aspects proposed: 1 ) Multi-source and multi-dimensional representation theory and spatial-temporal data modeling, based on which we are trying to establish a unified semantic description of spatial- temporal data model. 2 ) The graph modeling, we try to clarify complex big data with temporal and spatial variation of pattern features and association from a point of time and space. 3 ) Behavior based semantic reasoning techniques, according to find out the patterns of behavior characteristics , predicting unknown events. 4 ) Group relationship mining study, learning group behavior activities patterns and user generated content techniques.

英文关键词： Spatial-temporal data mining;context reasoning;multi-dimensional modeling;probabilistic graphical models;gradual progress