多图数据管理关键技术研究

Multi-graph is modeled as a multi-set of connected graphs. The techniques of of multi-graph data management have wide application fields, such as web page recommendation, plagiarism detection, drug activity prediction, pattern recognition and so on. However, there is few research works of multi-graph data management. These works mainly focus on multi-graph similarity search and multi-graph classification. In addition, there is a suppose that all graphs included in a multi-graph, called elemental graphs, possess the same properties and importance. This assumption is too one-sided to meet all actual demands. Thus, we will mainly in-depth study the key technologies of multi-graph data model, storage, indexing, containment and similarity query processing, and strive for some original achievements in the areas of the key technologies of multi-graph data management. Related research achievements will provide new solutions for multi-graph data management, further enlarge the application scope of multi-graph data, and have very important theoretical significance and practical application value.

多图是由多个连通图组成的集合。多图数据管理技术具有广泛的应用领域，如网页推荐、剽窃检测、药物预测和模式识别等。然而现有的针对多图数据管理的研究工作寥寥无几，主要集中在多图相似性搜索和多图分类。并且多图模型假设包含的各个图的性质和重要程度均相同，此假设相对片面，不符合实际的需求。为此本项目紧紧围绕多图数据管理问题，重点就多图数据模型、存储与索引、包含和相似性查询处理等关键技术展开深入研究，力争在多图数据管理相关关键技术方面取得原创性成果。相关研究成果将为多图数据的管理提供新的解决方案，进一步拓宽多图数据的应用领域，具有重要的理论意义与实际应用价值。

多图是由多个连通图组成的集合。多图数据管理技术具有广泛的应用领域，如网页推荐、剽窃检测、药物预测和模式识别等。然而现有的针对多图数据管理的研究工作寥寥无几，主要集中在多图相似性搜索和多图分类。并且多图模型假设包含的各个图的性质和重要程度均相同，此假设相对片面，不符合实际的需求。为此本课题主要研究内容包括：新型多图数据模型研究，多图精确匹配搜索技术研究、基于复合子图和超限学习机的超图分类技术研究、基于最优特征选择和超限学习机的多图分类技术研究、基于信息熵的多图多标签学习技术研究和基于MapReduce的大规模多图相似性搜索技术研究等。针对设定的研究内容，分别提出了超图数据模型和多图精确匹配搜索方法、基于复合子图和超限学习机的超图分类算法、基于最优特征选择和超限学习机的多图分类算法、基于信息熵的多图多标签学习、基于差分进化的半监督超限学习机、基于MapReduce的大规模多图相似性搜索算法等相应的解决方案，并对提出的解决方案进行了综合、全面的实验测试。研究成果主要体现在，发表学术论文总计14篇，国际、国内学术期刊11篇，会议3篇。SCI检索6篇。培养硕士生10名，先后派35人次去参加国内学术会议、进行学术交流。项目负责人以第一作者兼通讯作者发表的学术论文“Efficient Large-Scale Multi-graph Similarity Search Using MapReduce”荣获第十六届中国信息系统及应用大会(WISA 2019)优秀论文奖。研究成果“基于混合式特征选择的图聚类算法”和“一种基于差分进化和超限学习机的半监督分类算法”相关资料正在整理，准备申请软件著作权。相关研究成果将为多图数据的管理和分析提供新的解决方案，进一步拓宽多图数据的应用领域，具有重要的理论意义与实际应用价值。