融合链接结构与语义信息的异构网络分析

In the real world, there are a large amount of complex heterogeneous networks, which consist of multi-typed objects connected by multi-typed links. These heterogeneous networks possess more complex structures and contain more information than the traditional homogeneous networks, which makes the study of them is really an urgent and challenging task.This project is focused on the internal structure and evolution pattern of the heterogeneous network. The main research content of this project is as follows. First, we will study the calculation of structural or semantic similarity between objects in the heterogeneous network, and will use them to guide the similarity search and devise the relevant measure metric. Second, we will research the clustering methods to detect the communities in the heterogeneous network more effectively. Finally, we will study the evolution behavior of the community and examine how the multi-typed objects may influence each other during the network evolution, to understand the evolution pattern of the heterogeneous network better. By analyzing the heterogeneous network, this project aims to reveal the similarity relationship between nodes，mining the intrinsic community structure, understand the function of the heterogeneous network, and discover the evolution law to monitor and forecast the evolution behavior of the heterogeneous network. Meanwhile, we will devise and implement the space/time-efficient, without user intervention, scalable, and robust algorithm package, which can be widely used for the analysis of various real-world heterogeneous network systems.

现实世界存在着大量包含多类对象、对象间存在多种关系的复杂异构网络，这些网络比传统的同构网络具有更加复杂的结构，也包含了更加丰富的信息，这使得对异构网络的研究更为重要也颇具挑战。本项目以异构网络为研究对象，对其内部结构和演变模式进行研究,具体内容包括：研究异构网络对象间结构与语义相似度的计算方法，进而进行相似对象搜索及相关度量指标设计；研究异构网络聚类方法，实现异构网络社团高效探测；研究异构网络中社团的演化行为及演化过程中节点的相互影响，以更好的理解此类网络的演变模式。本项目旨在通过对异构网络的分析，准确、快速地揭示其节点的相似关系、挖掘其内在的社团结构、理解其功能特性、发现其演化规律、监控与预测其演变行为。同时，设计实现时空效率高、无需用户干预、可伸缩性强、鲁棒性好的算法软件包，并使其能广泛用于分析各种真实异构网络系统。

真实世界中存在着大量包含多类对象、对象间存在多种关系的复杂异构网络，相比传统的同构网络，这类网络包含了更加丰富的信息，但同时也具有更加复杂的结构。探索复杂异构网络的结构和性质具有深刻的理论意义和丰富的实用价值。本项目以复杂异构网络为研究对象，针对其内在结构的特点及随时间演变的规律展开研究，主要的研究内容包括：1、复杂异构网络中的聚类分析问题；2、时间演化的复杂异构网络中内在社团结构的演变事件及模式挖掘问题；3、在前两点的基础上，进行了以下的延展性研究：复杂道路网络中的线路推荐问题。.主要的研究进展包括：(1)提出了四种社团发现算法，一种密度子图挖掘算法以及一种频繁子图挖掘算法，解决了已有方法需要用户人工设参、参数敏感、准确率低、时间效率差的问题。(2)提出了一种基于密度的增量式网络聚类方法。较好的捕获了动态复杂异构网络中的社团结构演变情况，并实现了动态网络中的社团结构探测。(3)利用项目执行期间所积累的方法及成果，针对复杂道路网络中的线路推荐问题进行了拓展研究。提出了一种基于动态规划的最优线路推荐算法。此外，针对旅游推荐，提出了一种带有时间约束的最佳线路推荐算法。所提出的方法分别能够在不同约束条件下为用户选择最优线路。.针对所提出方法，项目进行期间共发表学术论文8篇，其中SCI检索论文6篇，EI检索论文6篇，国内核心期刊1篇。协助培养博士研究生1名，硕士研究生4名。申请发明专利1项。.项目的研究成果对于丰富和完善复杂网络分析、图理论、图挖掘、语义分析、聚类分析、模式识别等相关领域的基础理论具有积极的推动作用，能够使我们更加深入地认识动态复杂异构网络的内在拓扑结构、理解其功能特性、发现其中组织的演变规律、为监控和预测网络的行为提供科学依据。