WeChat ve Weibo hakkında bu kadar çok veri varken, bunlardan potansiyel bilgileri nasıl çıkarabiliriz? | CCF-ADL 87. Sayı
Sosyal ağ oluşturma ve veri madenciliği, bilgisayar bilimi ile ilgili araştırmalarda gündemdeki konulardır.
Son yıllarda Weibo ve WeChat tarafından temsil edilen çevrimiçi sosyal medya, yavaş yavaş insanların bilgi yayınlaması, yayması ve alması için ana medya haline geldi. Sosyal ağlarda büyük miktarda kullanıcı ilişkisi verisi ve bilgi yayma verisi toplanır.Sosyal ağ verilerinin araştırılması ve madenciliği, insan toplumu, ekonomisi ve iş dünyasının altında yatan yasaları anlama ve inceleme konusunda bize büyük yardım sağlayacaktır.
Peki, büyük sosyal ağ verilerinin altındaki özellikler ve yasalar nelerdir? Çevrimiçi sosyal ağların bilgi yayılımı ile fiziksel sosyal ağların bilgi yayımı arasındaki benzerlikler ve farklılıklar nelerdir? Bazı potansiyel sosyal, ekonomik ve ticari yasaları keşfetmek için sosyal ağ verilerini nasıl araştırabilirim? Sosyal ağların ve veri madenciliğinin en son araştırma yönleri nerede?
İster genç bir meraklı, bir bilgisayar bilimi çalışanı, bir sosyal bilimler araştırmacısı veya bir işletme veya kurumun yöneticisi olun, bu konuların tartışılması ve incelenmesi işiniz, eğitiminiz ve araştırmanız için çok yardımcı olacaktır.
22-24 Aralık tarihleri arasında Çin Bilgisayar Derneği'nin (CCF) ev sahipliği yaptığı 87. CCF Disiplin Sınır Çalıştayı (CCF-ADL), tema olarak "Sosyal Ağlar ve Veri Madenciliği" alacak ve bu alanda yurtiçi ve yurtdışından birçok kişiyi davet edecek. Üst düzey uzmanlar ve akademisyenler bu konularla ilgili bir dizi konu raporu hazırladı. Leifeng.com, seçkin bir kooperatif medyası olarak Daniel'in paylaşımını dinlemek ve çalıştayın içeriği hakkında rapor sunmak için de hazır bulunacak.
Sosyal ağların ve veri madenciliğinin temel teorilerini, temel teknik yöntemlerini ve güncel güncel konularını basit ve basit terimlerle tanıtacaklar ve bu alanda en son teknoloji araştırmalarının nasıl yürütüleceğini tartışacaklar ve son yıllarda çevrimiçi sosyal medyada bilgi yayılımını paylaşacaklar. Tahminde araştırma sonuçları. Katılımcıların sosyal ağlar ve veri madenciliği alanındaki kilit noktaları ve sıcak noktaları öğrenebileceklerine ve çalışmalarına, araştırmalarına ve çalışmalarına yeni ilhamlar getirebileceklerine inanılıyor.
(Lei Feng.com Editörün Notu: CCF-ADL serisinin açılmasından bu yana konular derin öğrenme, beyin benzeri hesaplama, blok zinciri teknolojisi, kentsel bilgi işlem, bilgisayar görüşü ve diğer önemli alanları içermektedir. Akademi ve endüstri, Microsoft araştırmacısı Zheng Yu dahil , 360 Baş Bilim İnsanı Yan Shuicheng, Hong Kong Bilim ve Teknoloji Üniversitesi Profesörü Yang Qiang, vb. Hayatın, akademinin ve araştırmanın her kesiminden insanları bir araya getirdi ve akademik en son sonuçları ve uygulama yöntemlerini binlerce kişiyle paylaştı. Leifeng.com, özel bir kooperatif medyası olarak atölye hakkında derinlemesine raporlar yürütecek ve olay yerine ulaşamayacak Leifeng.com · AI MOOC Academy öğrencileri ayrıca öğrenim için yetkili özel çevrimiçi videoyu ( sunacaklar.
Aşağıdaki Lei Feng web sitesi, kursun içeriğine kısa bir giriş sağlar.Ayrıntılar için lütfen AI MOOC Akademisinin girişine bakın.
Konuk konuşmacı
Philip S. Yu: Sosyal ağ bilgi füzyonu yoluyla "Geniş Öğrenme"
Philip S. Yu, ACM / IEEE Akademisyeni, Chicago Illinois Üniversitesi'nde Seçkin Profesör ve Tsinghua Üniversitesi Yazılım Okulu'nda Misafir Profesör.
Rapora giriş:
Büyük veri çağında, çeşitli formatlardaki veri kaynakları çok fazladır. İlginç bir fikir, bu kaynakları farklı formatlarda birleştirerek verilerin arkasındaki bilgileri işbirliği içinde madenciliği yaparak tek bir veri kaynağından daha değerli sonuçlar elde etmektir. "Geniş Öğrenme", sadece böyle yeni bir öğrenme görevidir. Bununla birlikte, BL'nin farklı veri kaynaklarını etkin bir şekilde entegre etme sürecinde hala büyük zorlukları vardır, bu sadece veri kaynağının uygunluğuna değil, aynı zamanda hedef uygulamaya da bağlıdır. Bu raporda, çeşitli uygulama senaryolarında veri madenciliğinin etkisini iyileştirmek için sosyal ağ bilgilerinin nasıl entegre edileceğini tartışacağız.
Tang Jie: Sosyal etki ve davranış tahmini
Tang Jie, Doçent Doktor, Doktora Danışmanı, CCF'nin Değerli Üyesi, Tsinghua Mühendislik Üniversitesi, Doçent, Tsinghua Mühendislik Üniversitesi Bilgi İstihbarat Ortak Laboratuvarı Araştırmacının sosyal ağ madencilik sistemi AMiner'in araştırma ve geliştirmesine başkanlık etmiş, yüz milyonlarca literatür verilerinden bilimsel ve teknolojik bilgi madenciliği yapmış, 220 ülkeden / bölgeden 8 milyondan fazla bağımsız IP ziyareti çekmiştir; Temel teknolojiler Bilim ve Teknoloji Bakanlığı, Çin Doğa Bilimleri Vakfı, Çin Mühendislik Akademisi, ACM, Allen Institute of Artificial Intelligence, Sogou, Alibaba, Tencent ve diğer birimler.
Özet:
Sosyal ağlar, gerçek fiziksel dünya ile sanal birbirine bağlı alan arasında bir köprü haline geldi. İnternetteki davranışımız, gerçek dünyadaki faaliyetlerimizi ve duygularımızı doğrudan yansıtır. Kullanıcılar arasındaki etkileşim etkisini ve büyük ölçekli gerçek ağlarda (WeChat, Weibo, Twitter, AMiner, vb. Gibi) ağ topolojisine dayalı yapısal etkiyi nasıl analiz edeceğimi ve etkiye dayalı olarak kullanıcı davranışını nasıl tahmin edeceğimi anlatacağım. Model ayrıca ağ yapısını, kullanıcı özniteliklerini ve ağ kullanıcı tercihlerini de dikkate alır. Ve büyük ölçekli ağlar için paralel bir öğrenme algoritması tasarladı. Gerçek çevrimiçi sosyal sistemde doğrulandı.
Shen Huawei: Çevrimiçi Sosyal Medyada Bilgi Yayma Tahmini
Shen Huawei, PhD, Çin Bilimler Akademisi Bilgisayar Teknolojisi Enstitüsü'nde araştırmacı, Çin Çin Bilgi Toplumu Sosyal Medya İşleme Komitesi direktör yardımcısı.
Özet:
Son yıllarda Weibo ve WeChat tarafından temsil edilen çevrimiçi sosyal medya, yavaş yavaş insanların bilgi yayınlaması, yayması ve alması için ana medya haline geldi. Sosyal medya, büyük miktarda kullanıcı ilişkisi verisi ve bilgi yayma verisi toplayarak, insan sosyal faaliyetlerini analiz etmek ve incelemek için değerli veri kaynakları sağlar. Çok kaynaklı ve heterojen verilerin özellikleri, bireyler arasındaki karmaşık ilişkiler ve sosyal medyada ani bilgi yayılması, sosyal medya analizi için bilimsel ve teknolojik zorluklar ortaya çıkarmaktadır. Sosyal ağların yapısal yasalarını analiz edin, kullanıcı davranışının içsel kalıplarını keşfedin, ağ bilgisinin yayılmasının dahili mekanizmasını keşfedin ve bilimsel anlayış düzeyini ve çevrimiçi sosyal medyanın etkili kullanımını iyileştirmeye yardımcı olan verimli sosyal ağ analizi ve ağ bilgisi yayma tahmin yöntemlerini inceleyin. kabiliyet. Rapor, son yıllarda muhabirin, ağ yapısı analizi, ağ ifade öğrenimi ve ağ bilgi yayma tahmini gibi çeşitli yönlerden çevrimiçi sosyal medyada bilgi yayılımının tahminine ilişkin araştırma sonuçlarını tanıtacak.
Song Guojie: Sosyal ağ bilgilerinin yayılmasının etkisini en üst düzeye çıkarmak
Song Guojie, Pekin Üniversitesi Bilgi Bilimi ve Teknolojisi Okulu'nda doçent ve Akıllı Ulaşım Sistemi Araştırma Merkezi'nin müdür yardımcısıdır.
Özet:
Ağ bilgilerinin yayılması ve madenciliği üzerine araştırma, son yıllarda sosyal ağ analizi alanında sıcak bir konudur. Rapor, araştırma çalışmasının iki yönüne odaklanacak: maksimizasyonu etkileme ve ağ çıkarımı. İlki esas olarak, yerleşik yayma modeli altında sosyal ağlarda bilgi yayımı üzerinde en büyük etkiye sahip olan Top-k düğüm kümesinin nasıl verimli bir şekilde bulunacağını incelerken, ikincisi, belirli bir gözlemsel bilgi yayma kademeli veri kümesine dayanmaktadır, gizli , Doğrudan gözlemlenemeyen sosyal ağ topolojisi. Rapor, bu iki tür çalışmanın temsili araştırma sonuçlarına odaklanacak ve gelecekteki gelişmeleri dört gözle bekleyecektir.
Wei Wang: Dinamik Ağın Sistem Modellemesi
Wei Wang, Bilgisayar Bilimleri Baş Profesörü Leonard Kleinrock, California Üniversitesi, Los Angeles, ScAi Enstitüsü Direktörü ve NIH BD2K Merkezi İşbirliği Merkezi Eş Direktörü.
Özet:
Zamansal ağların (yani, ağa zaman bileşenlerinin eklenmesi) her yerde olduğu söylenebilir, çünkü birçok uygulama (WeChat, Weibo, twitter, vb. Dahil) esas olarak zamana bağlı bir şekilde oluşturulan ağ yapılarıdır. Son yıllarda, anormal araç tespiti, bağlantı tahmini ve düğüm sınıflandırması gibi evrimsel ağ analizi alanında çok sayıda araştırma çalışması yapılmıştır. Bu sorunların birçok ayrı çözümü var, ancak benzer sorunları daha geniş bir şekilde çözmek istiyorsak, şunları göz önünde bulundurmalıyız: Ağ yapısını doğrudan zamanın bir işlevi olarak tanımlayabilir miyiz? Ağ yapısını farklı uygulama ortamlarında kullanırken, bunu zamanın bir işlevi olarak tanımlamak çok önemlidir, çünkü böyle bir açıklama, temeldeki ağ yapısı hakkında çok zengin bilgileri yakalayabilir. Raporda, dinamik ağ modellemenin bazı zorluklarını ve çözümlerimizi göstereceğim.
Hu Xiangen: Anlamsal Temsil ve Analiz (SRA) ve potansiyel uygulamalar
Dr. Hu Xiangen, Memphis Üniversitesi'nde (UOFM) Psikoloji Bölümü, Elektrik ve Bilgisayar Mühendisliği ve Bilgisayar Bilimleri Bölümü'nde profesör, UofM'deki Akıllı Sistemler Enstitüsü'nde (IIS) kıdemli bir araştırmacı, Orta Çin Normal Üniversitesi Psikoloji Fakültesi Dekanı ve UOFM İleri Dağıtılmış Öğrenme (ADL) Kooperatif Laboratuvarı Direktörü, Çin Eğitim Bakanlığı Gençlik Çevrimiçi Psikolojisi ve Davranışı Anahtar Laboratuvarında Kıdemli Araştırmacı.
Özet:
Anlamsal Temsil Analizi (SRA), vektör tabanlı anlamsal analizin genel bir çerçevesidir. Bu çerçevede, doğal dilin anlambilimi, uyarılmış anlamsal yapılar biçiminde ifade edilir. SRA, bilgi alma, metin analizi ve akıllı eğitim sistemlerinde harika uygulamalara sahiptir. Bu derste: 1) SRA'nın matematiksel modelini tanıtacağım; 2) kişiselleştirilmiş, alana özgü, bağlama duyarlı anlamsal temsil üretme yöntemini tanıtacağım ve göstereceğim; 3) yerel bir öğrenci olarak tanıtacağım ve göstereceğim Modelin öğrenen karakteristik eğrisi ve akıllı öğretim sisteminde uygulaması.
Ishikawa: Heterojen Bilgi Ağı Modellemesi ve Analizi
Ishikawa, Ph.D., Bilgisayar Bilimleri Fakültesi, Pekin Posta ve Telekomünikasyon Üniversitesi profesörü, PhD süpervizörü, Pekin Akıllı İletişim Yazılımları ve Multimedya Temel Laboratuvarı müdür yardımcısı.
Özet:
Mevcut sosyal ağ analizi esas olarak homojen ağlara odaklanır (yani, ağdaki düğüm türleri aynıdır), ancak gerçek dünyadaki ağa bağlı veriler genellikle farklı türde nesneler içerir ve nesneler arasındaki ilişkiler farklı anlamsal ilişkileri temsil eder. Heterojen bilgi ağlarının (yani, farklı türlerde düğümler veya kenarlar içeren ağlar) inşa edilmesi, nesneler arasında daha eksiksiz bir ilişki bilgisi içerebilir.Bu nedenle, bu tür ağların analiz edilmesinin daha doğru modeller bulacağı umulmaktadır. Bu konu, nesne olarak heterojen bilgi ağlarını alır ve heterojen ağların karmaşık yapısı ve zengin anlambiliminin veri madenciliğine getirdiği zorlukları derinlemesine analiz eder. Bu rapor, heterojen bilgi ağlarının temel kavramlarını, özelliklerini ve analiz yöntemlerini ve bunların pratik problemlerdeki uygulamalarını tanıtacaktır.
Cui Peng: Ağ Yerleştirme: Vektör Alanında Ağ Analizi ve Akıl Yürütmeyi Etkinleştirme
Cui Peng, Tsinghua Üniversitesi'nde doçenttir.
Özet:
Şimdi, uygulamalarda görünen daha büyük ve daha büyük ağlarla, ağ verileri gittikçe daha karmaşık ve zorlu hale geldi. Grafik verilerini etkili bir şekilde işlemek için, ilk temel zorluk, zaman ve uzayda model keşfi, analiz ve tahmin gibi gelişmiş analiz görevlerini verimli bir şekilde gerçekleştirmek için ağ verilerinin nasıl temsil edileceği, yani ağın nasıl doğru bir şekilde temsil edileceğidir. Bu raporda, ağ yerleştirmeye ilişkin en son fikirleri ve araştırma sonuçlarını gözden geçireceğim. Daha spesifik olarak, ağ gösteriminin neden yeniden gözden geçirilmesi gerektiği, ağ yerleştirmenin araştırma hedefinin ne olduğu, ağ yerleştirmenin nasıl öğrenileceği ve ağ yerleştirmenin ana gelecekteki yönleri dahil olmak üzere, ağ yerleştirmedeki bir dizi temel konu tartışılacaktır.
Liu Zhiyuan: Dil Temsili Öğrenme ve Hesaplamalı Sosyal Bilimler
Liu Zhiyuan, Tsinghua Üniversitesi Bilgisayar Bilimleri Bölümü'nde yardımcı doçenttir.
Özet:
Dil, bir insan iletişim aracı, insan kültürünün bir taşıyıcısı ve insan toplumunu anlamak için önemli bir perspektiftir. Son yıllarda, doğal dil işlemede temsil öğreniminin uygulanmasıyla, dil temsili öğrenimi, özellikle kullanıcı ve içerik analizi için büyük ölçekli çevrimiçi sosyal medya kullanıcı tarafından oluşturulan içerik için sosyal bilim araştırmaları için yeni teknik araçlar sağlamıştır. Avantaj. Bu rapor, hesaplamalı sosyal bilimlerde dil temsili öğrenme teknolojisindeki en son gelişmeleri tanıtacak ve bu yöndeki gelecekteki gelişme eğilimlerini keşfedecektir.
Han Jiawei: Büyük Ölçekli Derlemin Çok Boyutlu Analizi
Jiawei Han, ACM ve IEEE Akademisyeni, Profesör Abel Bliss, Bilgisayar Bilimleri Bölümü, Illinois Üniversitesi, Urbana-Champaign.
Özet:
Gerçek dünyadaki büyük veri, büyük ölçüde doğal dil metni biçiminde yapılandırılmamış ve birbirine bağlı verilerdir. Bu kadar büyük metin verileri için, onu çok boyutlu bir perspektiften görüntülemek ve analiz etmek idealdir. Bununla birlikte, bu aynı zamanda önemli bir zorluk, yani yapılandırılmamış metin verilerinin yapılandırılmış metne nasıl dönüştürüleceği ve ardından bu verilerin çok boyutlu bir alanda nasıl analiz edileceği anlamına gelir. Bu tür analizi kolaylaştırmak için, bir metin küpü modelleme yöntemi önerdik ve çok sayıda metin külliyatından böyle bir küpün nasıl oluşturulacağını ve bu metin küpünün çok boyutlu OLAP analizi için nasıl kullanılacağını tartıştık. Geçtiğimiz birkaç yılda, büyük miktarda veriye güvenmek yerine yalnızca uzaktan veya minimum denetim gerektiren bir metin madenciliği yöntemi geliştirdik. Bu raporda şunları göstereceğim:
(1) Büyük metin verilerinden yüksek kaliteli ifadeler çıkarmak;
(2) Uzaktan denetim yoluyla büyük metin verilerinden türleri çıkarın;
(3) Meta yol yönlendirme modu aracılığıyla varlıkları, nitelikleri ve değerleri keşfedin;
(4) Çok sayıda külliyattan çok yönlü bir sınıflandırma oluşturun;
(5) Büyük miktarda metinden bir metin küpü oluşturun;
(6) Bu küpler üzerinde çok boyutlu analiz gerçekleştirin.
Burada gösterdiğimiz örnek - büyük miktarda metin verisini yapılandırılmış ve yararlı bilgiye dönüştürmek - çok umut verici bir yön olacaktır.
Zhao Xin: Sosyal medya platformları için ticari veri madenciliği
Zhao Xin, Çin Renmin Üniversitesi'nde bilgisayar bilimi doçentidir.
Özet:
İnternet teknolojisinin sürekli gelişmesiyle birlikte çeşitli sosyal medya platformları yaygın olarak kullanılmaktadır. Sosyal ağ platformları, kullanıcının kişisel özellikleri (yaş, cinsiyet vb. Gibi), kullanıcılar tarafından yayınlanan içerik bilgileri vb. Dahil olmak üzere büyük miktarda kullanıcı bilgisi içerir. Kullanıcıların kişiselleştirilmiş modellemesini güçlendirmek ve ticari veri madenciliğini teşvik etmek için sosyal medya platformlarının bilgilerinden tam olarak nasıl yararlanılacağı bir araştırma noktası haline geldi. Bu rapor, kullanıcı niyet tespiti, kullanıcı portre oluşturma ve öneri algoritmaları gibi bazı önemli iş büyük veri uygulama sorunlarını sistematik bir şekilde çözmeye çalışır.
Yang Yang: Göçmenlerin Kentsel Rüyası-Şangay Göçmen Entegrasyonu
Yang Yang, Zhejiang Üniversitesi Bilgisayar Bilimi ve Teknolojisi Okulu'nda yardımcı doçenttir.
Özet:
Eşi görülmemiş insan akışı, dünya çapında hızlı kentleşme sürecini teşvik etti. Çin'de, 1978 ile 2012 arasında, şehir sakinlerinin oranı% 17.9'dan% 52.6'ya yükseldi. Böylesine büyük ölçekli göç, politika yapıcılar ve araştırmacılar için hem büyük bir zorluk hem de önemli bir konudur. Bu raporda, göçmen entegrasyonu süreciyle ilgili araştırmamızı tanıtacağım.
Spesifik olarak, 54 milyon kullanıcısı ve 698 milyon arama kaydı olan Şangay'da bir ay boyunca eksiksiz bir telekom meta verisi veri seti kullandık. Mobil iletişim ağlarında ve coğrafi konumlarda yerel halk ve göçmenler arasında sistematik farklılıklar olduğunu gördük. Örneğin, göçmenler yerleştikten sonra yerel halktan daha fazla sosyal ilişkiye sahip olacaklar ve şehirdeki hareket alanı yerel halktan daha büyük. Yeni göçmenleri (yakın zamanda Şangay'a taşınmış) ve yerleşik göçmenleri (bir süre Şangay'da kalan) ayırt ederek, ilk üç hafta içinde yeni göçmenlerin entegrasyon sürecini keşfettik. Ek olarak, ilk hafta göçmenlerin davranışlarını, özellikle davranışları ile son erken ayrılışları arasındaki ilişkiyi daha da araştırdık. Sonunda ayrılan göçmenlerin genellikle ilk haftalarda kalkınma ofisinin çeşitlilik bağlantısına sahip olmadıklarını, şehirde dolaşmadıklarını; faaliyet alanlarındaki konut fiyatlarının da sonunda geride kalan göçmenlerden daha yüksek olduğunu gördük.
Akademik Direktör: Tang Jie, Liu ZhiyuanZaman: 22-24 Aralık 2017
yer : Konferans Salonu, 1. Kat, Bilgisayar Teknolojisi Enstitüsü, Çin Bilimler Akademisi (No. 6, South Ke Xue Xue Road, Zhongguancun, Haidian District, Beijing)
kayıt yolları:
1) Yerinde dersler: 20 Aralık 2017 tarihine kadar lütfen kayıt olun Giriş https://jinshuju.net/f/yxdpPx
2) Çevrimiçi ders: Tıklayın Kayıt bağlantısı , Leifeng.com AI MOOC Academy özel video yetkisi aldı veya kaydolmak için aşağıdaki QR kodunu tarayın
