情景驱动的机会发现关键技术研究

In the real world, discovering rare but important events or situations is playing a more vital role in human decision making. Chance Discovery has been developed as an emerging field, extending Knowledge Discovery and Data Mining, which is a human-computer interaction process that detects rare but important chances for decision making. However, the following three problems still need to be solved in the practical applications: (1) ignoring the timeliness of sequence of events causes lower precision of chance mining; (2) human makes limit level of awareness during the human-computer interaction; (3) The efficiency and adaptability of chance discovery process needs to be further improved in an increasingly complex and dynamic environment. This project takes "scenario" as the driving power, researching on the approach of sequence-based chance mining and scenario construction, scenario awareness oriented chance retrieval model, and human-computer collaborative chance discovery approach under the dynamic scenario. At last, a prototype system will be developed and validated by case studies. The result will extend traditional "Pattern-Prediction" discovery and provide the key techniques for "Scenario-Foresight" discovery process, which can be widely used in the early warning of natural catastrophes, early diagnosis of latent disease, development of customer implicit demands, and discovery of latent business chance, etc. Moreover, this project will contribute to promoting the development of this new discipline in our country.

现实世界中，对罕见重要事件或者形势的发现往往对人的判断决策起着更重要的作用。机会发现作为扩展知识发现和数据挖掘的一个新兴研究领域应运而生。机会发现是通过人机交互过程来发现对未来决策有重要影响的潜在事件或者形势。然而，在实际应用中仍然存在如下三个问题：①序列事件的时间性被忽略导致机会挖掘精度较低；②人机交互过程中人对机会感知程度有限；③日趋复杂的动态环境迫使机会发现过程的效率和自适应性有待于进一步提高。本项目拟以"情景"为驱动，研究基于序列事件的机会挖掘方法以及情景图构建方法；研究面向情景感知的机会检索模型；研究基于动态情景的人机协同机会发现方法；最后开发原型系统并实例验证分析。研究成果将扩展传统的“模式-预测”发现模式，为“情景-预见”发现过程提供关键技术支撑，可广泛应用于自然灾害早期预警、潜伏病情早期诊断、客户隐性需求开发和潜在商机发现等。本项目也促进了这个崭新的学科在我国的快速发展。

日趋复杂的现实世界中，传统的方法通常聚焦在从海量数据中挖掘频繁模式而忽略了隐藏其中的潜在事件，而这些罕见重要事件或者形势（而不是模式）对决策者的未来行为起着更重要的作用。本项目扩展了传统的“模式-预测”发现模式，提出了“情景-预见”新模式框架，并在该框架下建立新的理论、技术和方法。.本项目主要研究内容包括：①基于序列事件的机会挖掘及情景图构建方法；②面向情景感知的机会检索模型；③基于动态情景的人机协同机会发现方法；④原型系统研发并实例验证。. 项目研究按照研究计划顺利完成，已经达到预期研究目标。研究内容①中，本项目提出了一个事件及事件序列重要性度量方法，并从事件图中挖掘机会事件以及机会事件序列模式；此外，本项目提出了一个面向感知的情景图布局方法，将异构事件以一种层次全景图的展示方式呈现，从而进一步提升人对情景图的感知和认知能力；最后，考虑到能够处理大数据，本项目提出了一个分布式方法对算法进行并行化。研究内容②中，本项目提出了一个机会事件相似性度量方法；并在此基础上，提出了一个基于语义相似度的大规模机会检索模型。研究内容③中，传统的机会发现方法聚焦在挖掘词共生信息作为事件特征，而忽略了事件间语义信息，本项目提出一个基于语义信息和词共生信息融合的机会事件发现方法；此外，本项目集成了人的感知和认知过程到传统的以计算机为中心的知识发现过程，即人在回路的思想，提出一个新颖的“以人为中心”的动态机会发现框架。研究内容④中，研发机会发现可实用系统进行实际的案例验证。. 本项目关键数据包括：采集公开的社交媒体文本数据以及地理社会化网络数据；此外，与有关合作部门提供的内部数据。本项目的科学意义：①克服了传统机会挖掘方法无法处理序列数据的不足，同时解决了大数据处理算法并行化问题；此外，实现了情景图布局方法加速人对情景图的感知和认知过程。②实现了机会检索中机会间的度量学习方法，解决了跨域机会的度量方法以及在多核上的学习方法，这些为机会关系分析和检索模型提供重要的理论支撑。③建立了一个以“人为中心”的知识发现框架，将人的感知和认知过程与计算机的数据挖掘过程进行有效融合，从而能够揭示复杂系统问题更深层的模式或者潜在重要机会。. 当前本项目产出17篇高水平论文，16篇已出版，其中CCF A类文章4篇，CCF B类2篇。另外申请1个国际专利和2个中国专利。