高维对象异化机理挖掘的关键技术研究

Discovering differences is a breakthrough point in the analysis of complex objects. The disadvantages of current methods for discovering differences include: the expression of difference is unitary, the measure of difference is inflexible, the efficiency of analyzing high dimensional objects is low, and the explanation for difference is limited. This project proposes and researches on a new data mining task -- outlyingness mechanism mining, which, based on the discovery of differences, provides methods and the theoretical foundation for analyzing the outlyingness rules and the change trends of the target object by exploring the interpretability of the target object’s outlying aspects. The main research tasks include: (1) building the mathematical model of outlyingness mechanism by doing research on the topics of outlyingness expression, outlyingness measure, and outlyingness comparison; (2) designing a series of mining algorithms for discovering outlyingness mechanism knowledge focusing on the characteristics of high dimensionality and massive volume of the target object; (3) studying the management methods for outlyingness mechanism knowledge, and verifying the effectiveness and reliability of outlyingness mechanism mining by applying it to the analysis of infectious diseases monitoring data. Outlyingness mechanism mining is a new exploration of difference discovering from the aspect of interpretability. It is expected that outlyingness mechanism mining will become a new source of innovation, and a hot academic topic.

差异发现是复杂对象分析的突破口，但现有差异发现方法存在差异表达形式单一、差异评价方法欠灵活、高维对象分析效率低、缺乏对差异的解释等不足。本课题提出并研究一种新的数据挖掘任务——异化机理挖掘，在发现差异的基础上，探索分析对象表现差异的可解释性，为分析对象的异化规律和变化趋势提供方法和理论依据。主要研究工作包括：（1）从异化表达、异化度量、异化比较三个层面开展研究，建立异化机理数学模型；（2）针对分析对象高维、海量的主要特点，设计异化机理知识发现的一系列挖掘算法；（3）研究异化机理的知识管理方法，以传染病防控监测数据分析为需求，验证异化机理挖掘的实用性和可靠性。异化机理挖掘是从可解释性的角度对差异发现作出的新探索，可望成为一个新的创新源头、学术热点。

项目组根据研究计划，认真、严谨地对高维对象异化表达、异化度量、异化比较，异化机理数学模型建立，以及异化机理知识管理等高维对象异化机理挖掘的关键技术开展了深入的科研探究，揭示了高维对象异化机理挖掘的特殊矛盾及相应的适用方法。.在项目研究中，项目组一方面以序列数据为研究对象，研究序列数据对象的异化表达、异化度量、异化比较等核心问题，以及面向大规模序列数据集异化度量及异化机理挖掘的分布式计算框架等关键技术。另一方面，项目组以典型生物医学问题为背景，面向多源异构对象设计了异化机理挖掘算法，并基于疾病信息网络元路径开展致病基因相似性分析和异化度量，以验证异化机理挖掘的实用性和可靠性。此外，项目组在若干特定领域实践异化机理挖掘，扩展研究成果的应用范围。.项目组开发了针对序列对象异化机理挖掘的原型系统，发表研究论文28篇（含已录用），完成学术专著章节1篇，翻译学术著作2本，申请发明专利2项。项目组收集整理了不涉及保密要求的适合于异化机理挖掘研究的数据集，并已多次为国内同行提供实验数据集。人才培养方面，博士后出站1人，毕业硕士生13人，目前在读硕士生18人。.项目负责人举办ACM中国图灵大会SIGMOD China 2019会议，逾120人参加。项目组成员积极参加各类学术交流，累计参加国际学术会议22人次，参加国内学术会议25人次，参加各类暑期学校学习35人次。项目组与多位国外专家保持密切科研合作，共同完成多篇高水平学术论文。.在研究过程中，项目组成员充分发挥交叉学科优势，共同努力完成既定科研内容，取得研究成果达到（部分超过）预期目标。同时，项目组注意到高维对象异化机理挖掘研究工作已受到了国内外学者的关注，并开展了相关研究工作。项目组认为，高维对象异化机理挖掘已形成了一个新的学术创新源头，将有更多的学者关注此问题，产出新成果。