动态信息网络中基于角色的结构演化与预测

动态信息网络是当前复杂网络领域中一个极具挑战的问题,其动态的演化过程具有时序、复杂、多变的特点.结构是网络最基本的特征,也是进行网络建模和分析的基础,研究网络结构的演化过程,对全面认识复杂系统的行为倾向具有重要意义.使用角色来量化动态网络的结构,得到动态网络的角色模型,应用并改进多类标分类问题的问题转换思想,将动态网络的角色预测问题视为多目标回归问题,以历史网络数据作为训练数据构建模型,预测未来时刻网络可能的角色分布情况,提出基于多目标回归思想的动态网络角色预测方法 MTR-RP(multi-target regression based role prediction).该方法不仅克服了基于转移矩阵方法忽略时间因素的不足,还考虑了多个预测目标之间可能存在的依赖关系.实验结果表明,提出的MTR-RP方法具有更准确且更稳定的预测效果.

基于角色发现的动态信息网络结构演化分析

动态信息网络是当前复杂网络领域中极具挑战的新问题之一,对其动态的演化过程进行研究,有助于分析网络结构、理解网络特性、发现网络中潜在的信息及演化规律,具有重要的理论意义与应用价值.基于网络结构本身量化表示的复杂性以及网络演化时序、复杂、多变的挑战,使用角色来量化动态网络的结构,并对模型进行分析,给出了两种角色解释的方法;在角色发现的基础上,将动态网络结构预测问题转换为可以表示结构特征的角色预测问题,通过向量自回归的方法,以历史网络角色分布矩阵作为训练数据构建模型,预测未来时刻网络可能的角色分布情况,提出了基于潜在角色的动态网络结构预测方法 LR-DNSP(latent role based dynamic network structure prediction).该方法克服了已有基于转移矩阵方法忽略历史信息的不足,并且考虑了多个预测目标之间可能存在的相互关系.实验结果表明,提出的LR-DNSP方法具有更准确的预测效果.

基于动态异构信息网络的时序关系预测

动态异构信息网络中的时序关系预测问题近些年被广泛研究,时序关系预测旨在预测关系产生时间的同时预测关系的类型.动态异构信息网络是包含不同类型的点和边且边上带有时间信息的网络.现有的方法主要考虑了网络中拓扑结构对于关系预测的影响,而并未将时间和结构信息整合到一个统一的模型中进行研究.针对以上问题,提出了一个时间差关系路径法(time-difference-labeled path,TDLP)用于实现时序关系预测,该方法将网络中边上的时间信息融入到结构路径中从而得到更好的预测效果.在一个学术网络上的实验证明,提出的TDLP方法相比当前流行的方法具有更高预测准确率.

一种面向动态异构信息网络的高效极大motif团挖掘方法

异构信息网络是一种把顶点与类型标签相关联的数据图,用于刻画不同类型对象间的复杂限制语义,如地理社交网络和生物网络等。给定不同类型顶点间的限制关系,极大motif团是符合这种限制关系的“完全子图”。通过发现极大motif团可以在异构信息网络上找到满足特定限制关系且关联紧密的群体。考虑到实际应用中异构信息网络频繁更新,且现有的极大motif团挖掘算法不支持动态图上极大motif团的高效挖掘问题,本文通过设计新的加边、减边策略,提出了一种支持极大motif团更新的算法UMMD。基于多个真实数据集的实验结果表明,UMMD算法具有高效性。

动态信息工作的探索与实践

文章论述了全国科技兴市信息通道太原分中心在网络信息数据检索系统方面的设计与应用。

基于SRIT创新项目的实施,网络整体安全策略研究

根据信息安全与对抗专业实验的要求,开展具有前瞻性的SRIT创新项目探索,结合专业知识的扩展,增设具有设计性、研究性和开发性的综合课题,实施自主创新与启发式教学方法的研究。

以信息化管理促进企业突破式发展

第一阶段,加大硬件设施投入,实施办公流程电脑化、生产流程数据化、岗位操作智能化、通讯手段网络化“四化”工程;第二阶段借助信息化管理破解企业发展难题,规整产业格局,扩大招商引资;第三阶段将信息化管理提升为系统工程,在更广更深的层面上将员工培训、安全管理、员工思想动态纳入信息网络系统。

英语语言自动化研究的新视角

国内外学者从普遍语法、信息编码、知识转移、语块储存等视角对第二语言或者外语自动化进行了研究,取得了丰厚的研究成果,但研究视角过于单一。英语语言信息网络动态化,基于动态系统理论,从生态交互观全面揭示了英语语言自动化的本质。