项目名称: 具有耦合性结构的多视图社交网络社区发现算法研究及其应用

项目编号: No.61502543

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 其他

项目作者: 王昌栋

作者单位: 中山大学

项目金额: 21万元

中文摘要: 随着信息技术的发展,产生了越来越多的多视图社交网络数据。多视图社交网络社区发现不仅仅是社交网络数据分析的基础,同时也是一个亟待解决的科学难题。多视图社交网络社区发现算法研究的关键在于如何有效地整合多视图社交行为信息,挖掘出的社区结构不仅仅需要刻画视图内的用户社交行为,同时还需要反映不同视图之间用户社交行为的跨视图耦合性。本项目拟以模块度理论、谱分析方法、二分法、矩阵向量化技巧、跨视图邻域结构分析、向心度、因子图模型、最大乘积置信传播等作为理论和技术基础,重点研究基于模块度的弱耦合多视图社交网络社区发现模型的优化求解和基于向心度的强耦合多视图社交网络社区建模及其优化求解问题,建立具有耦合性结构的多视图社交网络社区发现新算法及其在多视图社交网络数据分析中的应用。本项目的开展将进一步丰富数据挖掘理论和方法,特别是推动多视图社交网络社区发现研究的发展。

中文关键词: 多视图;社交网络;社区发现;耦合性

英文摘要: With the development of information technology, we are generating more and more multi-view social network data. Community detection in multi-view social network is not only a fundamental problem of social network data analysis but also a challenging research issue. The key to community detection in multi-view social network is to properly combine information of social behaviors from multiple views so as to discover communities that not only characterize the within-view social behaviors, but also reflect the coupling structure of social behaviors across different views. In this project, based on the modularity theory, spectral analysis, bisection, matrix vectorization trick, cross-view neighbor structure analysis, centrality, factor graph model, and max-product belief propagation, we aim to address the following problems associated with community detection in multi-view social network with coupling structure, namely, the optimization problem of modularity-based model for community detection in multi-view social network with weak coupling, and modeling of centrality-based community detection in multi-view social network with strong coupling, as well as its optimization problem. And then we will apply the proposed methods to the tasks of multi-view social network data analysis. The project would further enrich the theories and methods of data mining. In particular, it would enhance the research development of community detection in multi-view social network.

英文关键词: Multi-view;Social network;Community detection;Coupling

成为VIP会员查看完整内容
0

相关内容

超图学习综述: 算法分类与应用分析
专知会员服务
31+阅读 · 2022年2月1日
AAAI 2022 | 面向图数据的对抗鲁棒性研究
专知会员服务
20+阅读 · 2022年1月4日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
134+阅读 · 2021年9月20日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
72+阅读 · 2021年4月8日
专知会员服务
45+阅读 · 2021年3月24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
AAAI 2022 | 面向图数据的对抗鲁棒性研究
专知
1+阅读 · 2022年1月4日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
手机的负一屏有用吗?
ZEALER订阅号
0+阅读 · 2021年11月14日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
基于深度学习的流行度预测研究综述
专知
0+阅读 · 2021年3月24日
综述 | 异质信息网络分析与应用综述
专知
27+阅读 · 2020年8月8日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
Twitter情感分析及其可视化
数据挖掘入门与实战
22+阅读 · 2018年3月20日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013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
0+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 · 2012年12月31日
国家自然科学基金
1+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
4+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月17日
Memory-Gated Recurrent Networks
Arxiv
12+阅读 · 2020年12月24日
Adversarial Mutual Information for Text Generation
Arxiv
13+阅读 · 2020年6月30日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Arxiv
136+阅读 · 2018年10月8日
小贴士
相关VIP内容
超图学习综述: 算法分类与应用分析
专知会员服务
31+阅读 · 2022年2月1日
AAAI 2022 | 面向图数据的对抗鲁棒性研究
专知会员服务
20+阅读 · 2022年1月4日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
134+阅读 · 2021年9月20日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
72+阅读 · 2021年4月8日
专知会员服务
45+阅读 · 2021年3月24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
AAAI 2022 | 面向图数据的对抗鲁棒性研究
专知
1+阅读 · 2022年1月4日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
手机的负一屏有用吗?
ZEALER订阅号
0+阅读 · 2021年11月14日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
基于深度学习的流行度预测研究综述
专知
0+阅读 · 2021年3月24日
综述 | 异质信息网络分析与应用综述
专知
27+阅读 · 2020年8月8日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
Twitter情感分析及其可视化
数据挖掘入门与实战
22+阅读 · 2018年3月20日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013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
0+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 · 2012年12月31日
国家自然科学基金
1+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
4+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员