异构信息网络中的关联关系预测与协同进化模型研究

In view of the potential common security threats caused by sensitive information’s rapid and wide dissemination in heterogeneous information networks, some key basic theorem relative to relationship prediction and cooperative evolutional model is studied in the project. And this is a problem demanded for solving by network analysis and monitoring of public opinions. Four aspects of contents will be studied. (1). The topology features are analyzed in heterogeneous information networks. And the reasonable object ranking models and feasible similarity search methods are investigated. (2). For the properties of dependency and heterogeneity of linkage structures in heterogeneous networks, the correlations among different links are analyzed, and then the corresponding relationship prediction model is established. (3). For the diversity and incompleteness of object properties in heterogeneous information networks, their corresponding cluster and center characteristics are discussed and their influences on clustering are explored. Based on these, the ultimate communities are detected. (4). The formal description of heterogeneous information networks is proposed, and the influence of some structure properties on the formation of linkage structure is analyzed and quantized. And finally the cooperative evolutional model of heterogeneous information networks is built. Research results will reveal cooperative cognition rules in heterogeneous information networks, and then provides basic theoretical supports for analysis and monitoring of networks public opinions.

针对敏感信息在异构信息网络中快速、大范围传播带来的潜在公共安全威胁，研究网络舆情分析与监控所亟需的异构信息网络中的关联关系预测与协同进化模型等关键基础理论。项目将进行以下四方面的研究：分析异构信息网络的拓扑特征，研究合理的对象排序模型及其相似性搜索方法；针对异构信息网络链接结构的“相依性”和“异构性”，分析隐藏在不同链接关系之间的相关性，并建立相应的关联关系预测模型；针对异构信息网络上数据对象属性的多样性和不完整性，分析其聚类性和中心性及其这两个特征对聚类的影响，进而发现相应的社区；提出异构信息网络的形式化描述方法，并量化分析这些结构特性对建立链接结构的影响，建立异构信息网络的协同进化模型。项目研究成果将揭示信息在异构信息网络中的协同认知规律，为网络舆情分析与监控提供基础理论支持。

针对敏感信息在异构信息网络中快速、大范围传播带来的潜在公共安全威胁，研究了网络舆情分析与监控所亟需的异构信息网络中的关联关系预测与协同进化模型等关键基础理论。项目将进行以下几方面的研究：对异构信息网络中的节点相似性衡量指标进行分析、研究，提出了一种基于节点相似度的社团检测算法；对异构信息网络的节点重要性衡量指标进行分析、研究，提出了一种基于节点重要度的社团检测算法；对词频、词条的类内分布以及词条的类间分布对文本分类的影响进行分析、研究，提出了一种基于词频的特征选择算法；对词条的词频以及词条对类别的相对贡献率进行分析、研究，提出了一种基于词条相对贡献率的特征选择算法；对异构信息网络中的一种特定网络-蛋白质网络进行了研究，对蛋白质之间固有的生物特性进行分析、量化，提出了一个基于语义相似度的蛋白质复合物识别算法；对蛋白质的重要性及其分层扩展策略进行分析、研究，提出了一个基于关键节点分层扩展的蛋白质复合物识别算法；针对异构信息网络上数据对象属性的多样性和不完整性，分析其聚类性和中心性，提出异构信息网络的形式化描述方法，并量化分析这些结构特性对建立链接结构的影响，建立异构信息网络的协同进化模型。实验结果表明，项目组所提算法及其模型都具有预期的可行性和优越性。项目研究成果将揭示信息在异构信息网络中的协同认知规律，为网络舆情分析与监控提供基础理论支持。