【ECML-PKDD 2019】发现具有简单描述的鲁棒性连通子图（Discovering Robustly Connected Subgraphs withSimple Descriptions）

题目： Discovering Robustly Connected Subgraphs withSimple Descriptions

摘要：

我们研究了发现具有不完全描述的鲁棒性连通子图的问题。也就是说，我们的目标是发现这样的节点集:对于这些节点集，诱导的子图不仅很难分割成不连接的组件，而且对于这些节点集，只需对顶点属性进行一个简单的连接查询，就可以将它们从整个图中分离出来。由于许多子图没有这样简单的逻辑描述，所以首先挖掘鲁棒性的子图，然后在事后发现它们的描述会导致次优结果。相反，我们建议只对可描述子图进行运算时间化。为了有效地做到这一点，我们提出了一个非冗余迭代深化方法，我们装备了乐观估计器，允许我们修剪搜索空间的大部分。通过大量的实证评价，我们证明我们的方法可以考虑大的真实世界图，并且发现不仅是可解释的而且是有意义的子图。

邀请嘉宾：

Janis Kalofolias是Saarbrucken计算机科学研究生院的博士生，该学院由CISPA Helmholtz信息安全中心资助。此外，他还隶属于马克斯·普朗克信息学研究所的数据库和信息系统部。他的研究兴趣从用于子群发现的乐观估计器、基于内核的图间相似性度量方法到用于从复杂数据中获得主观上感兴趣的结构的信息论方法。Janis Kalofolias2011年在希腊佩特雷大学获得理学学士学位。2012年，他加入萨尔大学(Saarland University)攻读计算机科学硕士学位，并在马克斯·普朗克信息学研究所(Max Planck Institute for Informatics)担任研究助理。2016年11月，他以博士生身份加入EDA集团。

Mario Boley是一名机器学习和数据挖掘研究员，他是位于Saarbrucken的Max Planck信息学研究所探索性数据分析小组的成员。2011年，他在德国波恩大学获得了计算机科学的博士学位。Mario的研究目标一方面是对算法数据挖掘问题有一个合理的理论理解，另一方面是他的结果的实际适用性和实用性。因此，他不断地将理论见解集成到健壮的、可重用的软件中，并寻求跨学科合作。