面向网状结构数据的粒化方法、模型及其应用研究

Granulation is one of effective ways to analyze big data. So far, granulation methods for the ‘element-attribute’ data have been developed thoroughly, while the ones for the data with network structure are rare. To effectively solve the problems with network structures, the granulation methods based on Quotient Space Theory will be discussed in this project. The models given after the granulation will be used in the real networks. The main work includes:(1)Granulation methods for the data with network structure will be analyzed. For the given problem, the algorithm on how to get the coarse granular space will be given.(2)The representations for the multi-granular quotient spaces will be discussed. The model in the same granular space and the one in the different granular spaces are given, respectively. The relationships of data based on these models are built for problem-solving. (3)The effect of the granulation methods for the solution of the problem will be analyzed. The rationality of granulation methods and the error bound will be verified in both theoretical and experimental ways.(4)The proposed methods and models will be applied into the real networks, such as scientific research networks, online social network, and so on. The project will extend the granular computing theory, at the same time, it will provide a novel model and computational method for the analysis of the data with network structure and problem solving.

粒化是分析大数据的有效方法之一。目前，基于“元素-属性”数据的粒化方法研究得较透彻，而对网状结构数据的粒化方法研究较少。为有效地求解以网状结构数据为对象的问题，本项目拟用商空间理论研究网状结构数据的粒化方法以降低问题求解复杂度，并建立模型将其应用于实际网络的分析。主要包括：（1）研究网状结构数据的粒化方法，对给定问题，给出获取粗粒度空间的算法；（2）给出网状结构数据的多粒度商空间表示，包括同一粒度下的商空间模型和不同粒度间的商空间模型，根据多粒度商空间模型建立不同粒度下数据的联系，便于问题求解；（3）研究粒化方法对求解目标的影响，从理论和实验两个角度验证粒化方法的合理性及求解目标误差的界；（4）将方法和模型应用于科研网络、在线社交网络等实际网络的分析，并检验和丰富理论研究的成果。本项目的研究将拓展粒计算理论，为简化网状结构数据的分析和问题求解提供新的理论模型和计算方法。

粒化方法是一种有效的分析大数据的方法，随着互联网的深入发展，很多大数据以网状结构形式出现，传统的粒计算方法无法直接解决网状数据的粒化问题。本课题以网状结构数据为研究对象，以降低问题求解复杂度为目标，主要研究：（1）网状结构数据的粒化准则和算法；（2）粒化后的网状结构数据的描述；（3）粒化方法对求解目标的影响分析；（4）以在线社交网络和科研网络为主要研究对象，对项目所提出的方法和模型进行验证、测试。经过三年的研究，得到了以下研究结果：（1）以网络中所包含的结构特征或节点的相似性为准则进行粒化，并结合具体应用给出粒化算法；（2）根据不同的粒化准则得到多个等价关系/相容关系，以此来描述粒层内部的结构和粒层之间的结构；（3）网络的功能函数在商网络中具有子模性，保证逼近过程中最大误差界；（4）项目中得到的方法在社区发现、结构洞占据者发现、网络最大流求解等具体应用中体现出了良好的性能。项目所研究的内容，进一步发展了粒计算的相关理论，为简化基于网状结构数据的问题求解提供新的理论模型和计算方法，对网状数据的分析具有重要的应用价值。