面向复杂链接关系数据的健壮统计关系模型和关系核方法研究

现实世界中存在着大量的复杂链接关系数据，如何利用其中的链接和关系信息来执行有效的学习任务是机器学习必须要解决的问题。传统统计机器学习方法假设所有数据都是独立同分布的同构实例，因此当应用到链接关系数据时将忽略数据实例间的关系结构，从而不能达到良好的学习性能。.本项目以建立高效、健壮的统计关系学习理论与方法为科学目标，以解决链接关系数据中的链接语义复杂性、链接时间维、可伸缩性等关键性问题为研究基点，重点研究基于上下文的健壮统计关系模型、概率关系核、关系支持向量分类器等理论与方法。同时，项目将以Blog挖掘、Web多媒体分类和检索两个领域作为理论和算法的测试与应用环境，其中Blog代表了一种新兴的、迅猛发展的互联网媒体，而Web多媒体检索是下一代互联网可视信息服务的基础。本项目的实施，将对统计机器学习基础理论与技术的研究起到推动作用，并为下一代网络信息服务提供核心算法与技术。