需求发布 成果发布 科创案例库 揭榜挂帅
技术路演 会议展览 科创联合体 项目申报
前沿动态 科技政策 院士开讲 青托工程
科技服务团 学术资源
试点城市(园区) 双创活动周
协作站点 学会服务
问题库 项目库 开源库
English
您所在的位置: 成果库 领域驱动的网络大数据分析理论与方法研究

领域驱动的网络大数据分析理论与方法研究

发布时间: 2022-09-15

来源: 科技服务团

基本信息

合作方式： 合作开发
成果类型： 发明专利
行业领域：
电子信息技术
成果介绍
本项目围绕大规模信息网络、动态疾病传播网络和多元异构网络开展了网络大数据分析理论与方法研究，解决了信息获取、疾病防控和复杂系统认知三个领域中亟待解决的挑战性问题，该成果可以用于疾病防控，社会治理和智能制造等领域，已获得国家专利3项，获得2021年吉林省自然科学奖一等奖。 1、社会化协同过滤算法原理和实验结果：确定性社会化谢勇过滤算法的图模型；不确定性社会化协同过滤算法的模型图；相比现有算法，冷启动推荐误差大幅降低；相比现有算法，冷启动推荐精度大副提升。 2、基于网络大数据分析的动态接触网络构建原理与实验结果：融合异构数据的动态解除网络推断架构；基于张量反卷积的动态解除网络逆向推断过程；准确模拟了延迟开心对2009年香港H1N1传播趋势的影响。 3、多元结构发现方法的原理和应用：基于合成复杂网络的多元结构发现过程；发现了世界贸易网络中存在的多元结构。
成果亮点
1.发现了社交网络中用户行为和信任传播之间的相互影响机制，提出了基于信任的社会化协同过滤算法，有效解决了推荐领域长期面临的稀疏性和冷启动问题;发现超链接来源多样性是区分权威和垃圾网页的重要特征，提出网页排名新方法，有效解决了搜索引擎优化问题。 2.发现人口接触模式的时空演化规律，提出大规模人口动态接触网络反演方法，解决了在成本和隐私约束下准确建立千万级人口接触网络这一公共卫生领域的难题;发现社会经济因素对疟疾传播的影响机制，提出基于异构传播网络的主动监控方法，解决了资源严重受限条件下的传染病主动监控难题。 3.发现多元结构存在的普遍性，突破了对复杂网络结构的传统认识，提出多元结构发现理论与方法，有效解决了复杂系统认知领域面临的自动结构发现难题，引领了多元结构发现这一新的研究领域。
团队介绍
吉林大学计算机科学与技术学院，杨博教授团队
成果资料
产业化落地方案
点击查看
成果综合评价报告

评价单位：- (-) 评价时间：2022-11-05

张进

重庆理工大学

教授

综合评价

从该 技术角度和应用角度分析了学习分析这个新兴领域的发展，总结了它的挑战和展望。总体而言，学习分析令决策者、学生、教师都受益，学习分析的价值和潜在影响得到了教育界的肯定。随着学习内容和技术手段的多样化，学习分析变得更加复杂，在多学科协同配合下，学习分析将融入多方面的新技术（如虚拟现实、深度学习等）来研究学习发生的内在机制和深层次的原因，揭示学习规律，从而为学习者提供更优化的学习环境。
查看更多>
更多