多语言大数据环境下的复杂网络行为分析、预测和干预

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 interrupting the 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.

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。

我们围绕着复杂网络分析展开工作，在复杂网络模型分析、复杂网络数据分析、用户行为分析等方面取得了一系列研究成果。我们从理论上通过对复杂网络的结构和特征进行了深入分析，得到了泛化的数据表达以及特征模式，进而实现了通用的普适性解决方案；将通用性特征、算法与具体所研究问题的特点相结合，在多个研究问题中给出了高性能的解决策略，对传统的处理方法提出了指导性的改进方案，获得以下成果：.1.研究多语言环境下的信息处理方法和技术.针对多语言环境下图像/视频文字识别的需求，着重进行了复杂背景、多版式图像中，文本行检测，连写文字整体识别方法的研究工作。.针对多语言信息处理的特殊性，着重进行了资源建设及维汉英跨语言呈现方面的研究工作。.针对情感倾向分析的应用需求，着重展开了传统机器学习与深度学习上实现情感分类算法并进行了性能对比。.2，研究复杂网络行为分析和预测理论、方法和技术.针对复杂网络模型分析的需求，展开了冗余信息处理、分布式信息收集、网络连通性、网络资源分配等方面的研究工作.针对多语言应用环境中复杂网络数据分析的特殊性，着重进行了社交网络数据收集和管理，热点话题发现和定位，网络节点聚类和连通性分析方面的研究工作。.用户行为分析和预测方面的应用需求，着重展开了特定类型的应用场景下，用户行为的典型模式分析方面的研究工作。.3，取得成果：.出版专著方面：已出版学术专著2部；.发表学术论文方面：发表论文91篇，其中期刊论文57篇，国际会议论文34篇；.申报专利方面：已授权和申请国家发明专利30项；.人才培养方面：培养博士后3人，博士生10人，硕士生35人。