信息网络中基于结构及属性的社区挖掘研究

With the recent advances in information networks, the problem of community detection in large-scale information networks has received a significant amount of attention in the past decade. A majority of the conventional methods focus on community detection based on the topological structure and linkage information of a network, while neglecting the attributes of each object in the network. However, in many real applications, both the network structure and the attributes of the objects are important. In this project, we study the problem of community detection based on structures and attributes in large-scale information networks, with the following goals: 1)Improve the performance of community detection; 2)design a methodology for community detection in incomplete networks; 3)learn to discover communities and label them simultaneously. Furthermore, we will consider the multi-view information in information networks, and investigate into the problem of multi-view community detection. Finally, based on the theoretical analysis and empirical evaluation, we apply the algorithmic framework to real applications, and explore novel methodology for community mining in large-scale information networks.

随着大数据时代的来临，信息网络在近些年经历了快速的发展，而基于大规模信息网络的社区挖掘也成为了一个重要的课题而被广泛研究。当前大多数传统的社区挖掘方法着重于网络中的结构与连接信息而忽略了网络中数据节点的自带属性。然而在很多实际应用中，网络结构信息与节点信息对有效的社区挖掘同样重要。为此，我们在本课题中立足于大规模网络，同时考虑其中的结构信息及节点属性，进行数学抽象与建模，定义对应的数学问题，利用机器学习的思想进行分析与求解，以达到以下研究目标：1）提高社区挖掘的性能；2）实现对不完全信息网络的社区挖掘；3）发现社区并同时对社区进行标注。此外，本课题将进一步考虑社区挖掘问题中存在的多元化信息，对多视角信息网络的社区挖掘进行探索。最后，在对算法进行理论分析与实际验证的基础上，实现基于大规模网络的应用，为大规模信息网络的社区挖掘问题探究一条新的思路。

本项目的主要出发点是立足于大规模网络，同时考虑其中的结构信息及节点属性，利用机器学习的思想进行分析与求解，以提高社区挖掘的性能。在此基础之上进一步考虑社区挖掘任务中存在的多元化信息，对多视角信息网络的社区挖掘进行探索。因此，本项目的总体目标即为基于信息网络中结构及属性等多元信息发展有效、高效的社区挖掘方法。..在国家自然科学基金面上项目的资助下，我们对信息网络中基于结构及属性等多元信息的社区挖掘以及一些相关引申展开了深入研究，共发表标注基金资助文章11篇，包括于人工智能、机器学习与数据挖掘等领域顶级会议AAAI, IJCAI, ICDM及SDM发表的高质量工作，总计CCF-A类论文5篇，CCF-B类论文6篇，超额完成任务。总的来说，在本项目的资助下，课题组在多种社区挖掘方法及相关应用等方面均取得了较好的成果。