项目名称: 多语言大数据环境下的复杂网络行为分析、预测和干预

项目编号: No.U1435215

项目类型: 联合基金项目

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: 吾守尔·斯拉木

作者单位: 新疆大学

项目金额: 200万元

中文摘要: 多语言环境下的社交关系、信息传播构成了内容丰富、规模巨大的复杂网络系统。研究针对其中异常行为的高效预测算法和干预理论,将为理解和控制复杂系统行为提供有效的支持。然而,这一复杂网络系统往往呈现出十分复杂的内部结构,使得对其行为进行分析,面临着大规模、多模态等大数据挑战。因此,分析、预测和干预多语言环境下的复杂网络行为,具有重大的理论价值和实际意义。. 本项目中,我们将从“多语言信息管理”、“复杂网络行为分析”,和“异常行为预测与干预”三个方面展开工作。首先,研究如何统一管理多语言信息数据,以实现信息的合理存储,并支持分析算法的高效执行;其次,研究如何利用大规模网络计算方法,分析多语言环境下复杂网络系统的行为特征和演化机理;最后,研究异常行为的建模、预测和干预理论,并设计高效算法,对其干预效果进行实验验证。

中文关键词: 大数据;复杂网络分析;多语言;行为预测;行为干预

英文摘要: The social ties and information exchange under the networking environment with multiple languages, forms the complex network system with rich content and huge volume. To study the efficient algorithms for predicting its abnormal behavior, and the theory of interruption, helps understanding and controlling the complex systems. However, this kind of complex network systems usually reveal extremely complicated structures inside, which bring the challenges of big data, like big volume and high variety, to the analysis. Hence, studying the methods for analyzing, predicting and interruptingthe behavior of complex network systems with multiple languages, is a valuable topic for theoretical research and practical exploration.. In this project, our work will focus on “management of information with multi-languages”, “behavior analysis of complex networks”, and “prediction and interruption of abnormal behaviors”. At first, we will study how to organize and manage the data containing information with multiple languages, in order to store them efficiently and support the algorithm execution with high performance; then, we will study the characters and evolution rules of the complex network behavior, by harnessing the complex network computing techniques for big data; at last, we will study the theory of prediction and interruption of the abnormal behavior, and design efficient algorithms to test the performance of the strategy of interruption.

英文关键词: big data;complex network analysis;multi-language;behavior prediction;behavior control

成为VIP会员查看完整内容
2

相关内容

从各种各样类型的数据中,快速获得有价值信息的能力,就是大数据技术。明白这一点至关重要,也正是这一点促使该技术具备走向众多企业的潜力。大数据的4个“V”,或者说特点有四个层面:第一,数据体量巨大。从TB级别,跃升到PB级别;第二,数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。第三,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。
专知会员服务
36+阅读 · 2021年8月2日
专知会员服务
94+阅读 · 2021年6月23日
专知会员服务
50+阅读 · 2020年12月19日
专知会员服务
43+阅读 · 2020年12月8日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
50+阅读 · 2020年12月1日
专知会员服务
44+阅读 · 2020年11月13日
面向大数据领域的事理认知图谱构建与推断分析
专知会员服务
101+阅读 · 2020年8月11日
金融时序预测中的深度学习方法:2005到2019
专知会员服务
165+阅读 · 2019年12月4日
支持个性化学习的行为大数据可视化研究
干货:复杂网络及其应用简介
数据猿
23+阅读 · 2018年12月21日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
网络舆情分析
计算机与网络安全
18+阅读 · 2018年10月18日
基于 Keras 用 LSTM 网络做时间序列预测
R语言中文社区
21+阅读 · 2018年8月6日
一文详解LSTM网络
论智
18+阅读 · 2018年5月2日
深入理解LSTM网络
深度学习
16+阅读 · 2017年6月7日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013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
1+阅读 · 2013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 · 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
7+阅读 · 2011年12月31日
Arxiv
10+阅读 · 2021年11月10日
Arxiv
14+阅读 · 2021年8月5日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
Arxiv
53+阅读 · 2018年12月11日
A Multi-Objective Deep Reinforcement Learning Framework
小贴士
相关VIP内容
专知会员服务
36+阅读 · 2021年8月2日
专知会员服务
94+阅读 · 2021年6月23日
专知会员服务
50+阅读 · 2020年12月19日
专知会员服务
43+阅读 · 2020年12月8日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
50+阅读 · 2020年12月1日
专知会员服务
44+阅读 · 2020年11月13日
面向大数据领域的事理认知图谱构建与推断分析
专知会员服务
101+阅读 · 2020年8月11日
金融时序预测中的深度学习方法:2005到2019
专知会员服务
165+阅读 · 2019年12月4日
相关资讯
支持个性化学习的行为大数据可视化研究
干货:复杂网络及其应用简介
数据猿
23+阅读 · 2018年12月21日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
网络舆情分析
计算机与网络安全
18+阅读 · 2018年10月18日
基于 Keras 用 LSTM 网络做时间序列预测
R语言中文社区
21+阅读 · 2018年8月6日
一文详解LSTM网络
论智
18+阅读 · 2018年5月2日
深入理解LSTM网络
深度学习
16+阅读 · 2017年6月7日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013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
1+阅读 · 2013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 · 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
7+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员