多关系图的多类标分类关键技术研究

With various physical and virtual spaces, the relation between people becomes a complex multirelational social network. How to identify the interests for each person in this complex network is a fundamental problem in many real applications, which can be formaluated as a problem of multi-label classification of multirelational graph. The big challenge of this problem lies in the complex dependency and correlation among vertexs, edges and labels, and the classification performance will highly depend on the effectiveness of exploiting these correlations and dependencies. This project will first propose a tensor based representation model for multirelational graph, and then explore the following research issues: (1) label set propagation methods via high-order Markov chain model; (2)learning various dependencies of label set by exploiting both content information and topology information among the network; (3) both static and incremental multi-label classification method for large-scale multirelational graph. The main innovations of this proposal are as follows: a tensor based multi-label classification model; a high-order Markov chain based method for label set propagation problem; a label dependency learning approach through the combination of content and topology information.

基于各种现实和网络虚拟空间，人与人之间形成了复杂的多关系社会网络。如何判定这个复杂网络中每个人的兴趣集合是许多应用的基础问题，可以形式化的映射为多关系图的多类标分类问题。其研究难点是：多关系图中节点、关系和类标集具有复杂的依赖关系和语义关联性,如何有效挖掘并利用隐藏在这些要素之间的关联信息是提高分类性能的关键。围绕着这个核心问题，课题将提出基于张量的多关系图表示模型，并在此基础上重点研究以下内容：(1)基于高阶马尔科夫链的类标传递要素计算方法，用于解决类标传递性计算问题；(2) 基于内容属性与多关系图拓扑结构信息融合的学习方法，用于解决类标之间依赖性的学习问题；(3)静态和增量式多类标分类方法，用于解决大规模多关系图的动态分类问题。课题的创新在于：基于张量的多关系图多类标分类模型；基于高阶马尔可夫链的类标传递计算方法；基于内容属性与多关系图拓扑结构的类标间依赖性学习方法。

基于各种现实和网络虚拟空间，人与人之间形成了复杂的多关系社会网络。如何判定这个复杂网络中每个人的兴趣集合是许多应用的基础问题，可以形式化的映射为多关 系图的多类标分类问题。其研究难点是：多关系图中节点、关系和类标集具有复杂的依赖关系和语义关联性,如何有效挖掘并利用隐藏在这些要素之间的关联信息是提高分类性能的关键。围绕着这个核心问题，课题提出了基于张量的多关系图表示模型，并在此基础上重点研究了以下内容：(1)基于高阶马尔科夫链的类标传递要素计算方法，用于解决类标传递性计算问题；(2) 基于内容属性与多关系图拓扑结构信息融合的学习方法，用于解决类标之间依赖性的学习问题；(3)动态多类标分类方法，用于解决大规模多关系图的动态分类问题；(4)基于生成模型的多属性关系图的半监督协同分类算法，用于解决多属性图分类问题；(5) 面向多类意见社会网络的多意见环可视化布局算法，用于解决多类意见社会网络的可视化问题。基于这些研究成果，在包括IEEE Transactions on Knowledge and Data Engineering、IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Image Processing等重要国际期刊和重要国际会议上发表学术论文22篇。