基于多张量的多关系强关联子图发现方法研究

通过即时通讯、微博等多种信息交互工具，现实和虚拟世界中的个体形成了多关系网络。如何从多关系网络中挖掘出与初始个体集紧密相关的子网络已成为很多应用领域关注的问题。这个应用问题可以转换为查询驱动的多关系强关联子图发现问题，其关键研究难点是：不同种类关系之间的相关度不一致，导致节点间关联度不仅受拓扑结构影响还依赖于关系间的相关度，这是现有图挖掘方法无法解决的。本课题围绕这个问题，研究查询驱动的多关系强关联子图发现方法，主要内容包括：(1)基于多张量的多关系图表示模型，用于形式化建模；(2)查询驱动的重要关系集选取方法，用于关系筛选；(3)节点间关联度计算方法，用于节点筛选；(4)强关联子图发现算法，用于从局部子图中提取强关联子图。课题的创新在于：(1)基于超边链接分析的重要关系集选取方法；(2)基于多张量分解和节点向量距离的节点间关联度计算方法；(3)基于随机游走策略的强关联子图发现算法。

通过即时通讯、QQ、微博、wiki等多种信息交互工具的普及应用，现实和虚拟世界中的个体形成了多关系网络。如何从多关系网络中挖掘出与初始个体集紧密相关的子网络已成为很多应用领域关注的问题。这个应用问题可以转换为查询驱动的多关系强关联子图发现问题。本课题围绕这个核心问题，研究了查询驱动的多关系强关联子图发现方法，主要内容包括：(1)基于多张量的多关系图表示模型；(2)查询驱动的重要关系集和重要节点集选取方法；(3)强关联子图发现算法；（4）查询驱动的局部社区发现算法。基于项目的相关研究成果，项目组发表学术论文9篇，其中SCI国际期刊3篇，包括重要国际期刊IEEE Transactions on Knowledge and Data Engineering、BMC Genomics和Applied Mathematics and Information Science和国际会议SDM等。