0
雷鋒網(wǎng) AI 科技評(píng)論按：自韓家煒和 Philip S Yu 等人在 2009 年提出「異質(zhì)信息網(wǎng)絡(luò)」的概念以來，異質(zhì)信息網(wǎng)絡(luò)的研究受到越來越多國內(nèi)外學(xué)者的關(guān)注和研究。那么什么是異質(zhì)信息網(wǎng)絡(luò)？對(duì)異質(zhì)信息網(wǎng)絡(luò)的研究現(xiàn)狀和未來發(fā)展方向是什么？
為了收集這方面的信息，雷鋒網(wǎng) AI 科技評(píng)論注意到北京郵電大學(xué)的石川教授及他的學(xué)生專門收集和整理了近十年來國內(nèi)外在異質(zhì)信息網(wǎng)絡(luò)方面的經(jīng)典研究文獻(xiàn)和相關(guān)數(shù)據(jù)集的資料。這些資料對(duì)無論是剛接觸數(shù)據(jù)挖掘的學(xué)生還是研究多年的老師，應(yīng)該都有極大的幫助。
而另一方面，石川教授作為國內(nèi)數(shù)據(jù)挖掘（尤其是異質(zhì)信息網(wǎng)絡(luò)）領(lǐng)域的青年學(xué)者，常年與 Philip S Yu 等人進(jìn)行合作研究，做出了許多關(guān)于異質(zhì)信息網(wǎng)絡(luò)的重要研究工作。
藉此之故，雷鋒網(wǎng) AI 科技評(píng)論有幸邀請(qǐng)到石川教授向我們?cè)敿?xì)介紹了異質(zhì)信息網(wǎng)絡(luò)基本的概念、現(xiàn)狀以及未來發(fā)展的方向，同時(shí)石川教授還介紹了他們收集的資源和北京郵電大學(xué) 數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)課題組的基本情況。
本文為雷鋒網(wǎng) AI 科技評(píng)論向石川教授的約稿，相關(guān)內(nèi)容已經(jīng)發(fā)表在《中國計(jì)算機(jī)學(xué)會(huì)通訊》2017年第11期，雷鋒網(wǎng) AI 科技評(píng)論獲其授權(quán)發(fā)表。
石川，北京郵電大學(xué)計(jì)算機(jī)學(xué)院教授、博士研究生導(dǎo)師、智能通信軟件與多媒體北京市重點(diǎn)實(shí)驗(yàn)室副主任。主要研究方向: 數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能和大數(shù)據(jù)分析。近五年來，發(fā)表高水平學(xué)術(shù)論文 40 余篇，包括數(shù)據(jù)挖掘領(lǐng)域的頂級(jí)期刊和會(huì)議 IEEE TKDE、ACM TIST、KAIS、DKE、KDD、SDM、EDBT、ECML、CIKM 等。在 Springer 發(fā)表異質(zhì)信息網(wǎng)絡(luò)方向第一部英文專著。申請(qǐng)國家發(fā)明專利十余項(xiàng)，國際專利 1 項(xiàng)，已授權(quán) 2 項(xiàng)。獲得 ADMA2011 國際會(huì)議最佳論文獎(jiǎng)、CCF-騰訊犀牛鳥基金及項(xiàng)目優(yōu)秀獎(jiǎng)，并指導(dǎo)學(xué)生獲得頂尖國際數(shù)據(jù)挖掘競(jìng)賽 IJCAI Contest 2015 全球冠軍。獲得北京市高等學(xué)校青年英才計(jì)劃支持。
現(xiàn)實(shí)生活中的大多數(shù)實(shí)際系統(tǒng)是由大量相互作用、類型不同的組件構(gòu)成，當(dāng)前的分析方法通常將其建模為同質(zhì)信息網(wǎng)絡(luò)（Homogeneous information network）。采用同質(zhì)網(wǎng)絡(luò)的建模方法往往只抽取了實(shí)際交互系統(tǒng)的部分信息，或者沒有區(qū)分交互系統(tǒng)中對(duì)象及關(guān)系的差異性，這些做法都會(huì)造成信息不完整或信息損失。
最近，越來越多的研究人員開始將這些互連的多類型網(wǎng)絡(luò)化數(shù)據(jù)建模為異質(zhì)信息網(wǎng)絡(luò) [1]（Heterogeneous information network），并且通過利用網(wǎng)絡(luò)中豐富的對(duì)象和關(guān)系信息來設(shè)計(jì)結(jié)構(gòu)分析方法。與廣泛研究的同質(zhì)信息網(wǎng)絡(luò)相比，異質(zhì)信息網(wǎng)絡(luò)包含全面的結(jié)構(gòu)信息和豐富的語義信息，這也為數(shù)據(jù)挖掘提供了新的機(jī)遇與挑戰(zhàn)。
這里我們簡(jiǎn)單介紹這種建模方式的基本概念、分析方法和未來發(fā)展。
[1] 這里我們將 Homogeneous / Heterogeneous information network 翻譯成為同質(zhì)/異質(zhì)信息網(wǎng)絡(luò)。雖然有些學(xué)者將其翻譯為同構(gòu)/異構(gòu)信息網(wǎng)絡(luò)，但是這種翻譯容易和通信網(wǎng)絡(luò)中的同構(gòu)/異構(gòu)網(wǎng)絡(luò)的概念混淆。另外，同質(zhì)/異質(zhì)更能反映網(wǎng)絡(luò)中節(jié)點(diǎn)和邊的類型和性質(zhì)不一樣這種特性。
我們先介紹一下異質(zhì)信息網(wǎng)絡(luò)中的基本概念。
異質(zhì)信息網(wǎng)絡(luò)被定義為一個(gè)有向圖，它包含多種類型的對(duì)象或者關(guān)系，每個(gè)對(duì)象屬于一個(gè)特定的對(duì)象類型，每條關(guān)系屬于一個(gè)特定的關(guān)系類型。網(wǎng)絡(luò)模式（Network schema）是定義在對(duì)象類型和關(guān)系類型上的一個(gè)有向圖，是信息網(wǎng)絡(luò)的元描述。
圖1 由文獻(xiàn)數(shù)據(jù)構(gòu)建的異質(zhì)信息網(wǎng)絡(luò)
圖 1(a) 是一個(gè)由科技文獻(xiàn)數(shù)據(jù)構(gòu)成的典型異質(zhì)信息網(wǎng)絡(luò)實(shí)例。該網(wǎng)絡(luò)包含三種類型的對(duì)象：論文、會(huì)議和作者；每篇論文有到作者和會(huì)議的鏈路關(guān)系，每條鏈路屬于一種關(guān)系類型。
圖 1(b) 是該網(wǎng)絡(luò)的網(wǎng)絡(luò)模式，描述了文獻(xiàn)網(wǎng)絡(luò)包含的對(duì)象類型（會(huì)議、論文、作者）和相應(yīng)的關(guān)系（撰寫/被撰寫、出版/被出版、引用/被引用）。
異質(zhì)信息網(wǎng)絡(luò)分析中一個(gè)重要的概念是元路徑（meta-path）。元路徑是定義在網(wǎng)絡(luò)模式上的鏈接兩類對(duì)象的一條路徑，形式化定義為
，表示對(duì)象類型之間的一種復(fù)合關(guān)系 R=R1*R2*......*Rl，其中 * 代表關(guān)系之間的復(fù)合算子，Ai 表示對(duì)象類型，Ri 表示關(guān)系類型。
圖2 由文獻(xiàn)數(shù)據(jù)構(gòu)建的異質(zhì)信息網(wǎng)絡(luò)
元路徑不僅刻畫了對(duì)象之間的語義關(guān)系，而且能夠抽取對(duì)象之間的特征信息。圖 2 顯示了文獻(xiàn)網(wǎng)絡(luò)中兩個(gè)元路徑的例子，分別簡(jiǎn)記為「APA」和「APVPA」（A、P、V 分別表示作者、論文和會(huì)議類型）?？梢钥闯?，基于不同的元路徑，對(duì)象之間的語義關(guān)系是不同的。元路徑「作者-論文-作者」（APA）表示兩個(gè)作者合作撰寫了同一篇論文；元路徑「作者-論文-會(huì)議-論文-作者」（APVPA）表示兩個(gè)作者在同一會(huì)議上發(fā)表了論文。鏈接兩類對(duì)象的不同元路徑表示了不同的語義關(guān)系和不同的鏈接網(wǎng)絡(luò)，這也造成了不同的分析結(jié)果和不同的特征表示。
實(shí)際上，大多數(shù)真實(shí)系統(tǒng)都存在多種類型對(duì)象的相互交互。例如，社交媒體網(wǎng)站（如微信和微博）包含多種類型的對(duì)象（如用戶、帖子和標(biāo)簽）和這些對(duì)象之間的復(fù)雜交互（如用戶之間的朋友、跟帖、通信等關(guān)系，用戶和帖子之間的發(fā)布關(guān)系）。醫(yī)療系統(tǒng)包含醫(yī)生、病人、疾病和設(shè)備等對(duì)象類型以及他們之間的交互。一般來說，這些交互系統(tǒng)都可以被建模為異質(zhì)信息網(wǎng)絡(luò)。
傳統(tǒng)的同質(zhì)網(wǎng)絡(luò)建模方法只是抽取了這些真實(shí)交互系統(tǒng)的部分信息，而且這些信息往往也可以從異質(zhì)信息網(wǎng)絡(luò)中推導(dǎo)出來。例如，經(jīng)常分析的作者合作網(wǎng)絡(luò)可以通過元路徑「APA」從上述科技文獻(xiàn)網(wǎng)絡(luò)中得到。
作為數(shù)據(jù)挖掘的重要研究方向，在過去的近20年里，網(wǎng)絡(luò)分析方法已經(jīng)被深入研究，并且應(yīng)用于很多數(shù)據(jù)挖掘任務(wù)，在這些工作中往往將網(wǎng)絡(luò)化數(shù)據(jù)建模成同質(zhì)信息網(wǎng)絡(luò)。然而，異質(zhì)信息網(wǎng)絡(luò)的一些獨(dú)特特征使得異質(zhì)信息網(wǎng)絡(luò)分析變得十分重要。
首先，異質(zhì)信息網(wǎng)絡(luò)分析是數(shù)據(jù)挖掘的新發(fā)展。近年來，大量涌現(xiàn)的社會(huì)媒體網(wǎng)站包含許多不同類型的對(duì)象和對(duì)象之間復(fù)雜的交互。將這些相互作用的對(duì)象建模為同質(zhì)網(wǎng)絡(luò)是很困難的，然而使用異質(zhì)信息網(wǎng)絡(luò)為其建模卻是很自然的方式。特別的，大數(shù)據(jù)的一個(gè)顯著特征是數(shù)據(jù)的多樣性，作為半結(jié)構(gòu)化的表示方法，異質(zhì)信息網(wǎng)絡(luò)可以有效建模和處理大數(shù)據(jù)中復(fù)雜多樣的數(shù)據(jù)。
其次，異質(zhì)信息網(wǎng)絡(luò)是融合更多信息的有效工具。與同質(zhì)網(wǎng)絡(luò)相比，異質(zhì)網(wǎng)絡(luò)可以融合更多類型的對(duì)象及其之間復(fù)雜的交互關(guān)系，也可以融合多個(gè)社交網(wǎng)絡(luò)平臺(tái)的信息。
最后，異質(zhì)信息網(wǎng)絡(luò)包含豐富的語義。在異質(zhì)網(wǎng)絡(luò)中，不同類型的對(duì)象和鏈接共存，它們具有不同的語義含義，在數(shù)據(jù)挖掘任務(wù)中考慮語義信息將導(dǎo)致更細(xì)微的知識(shí)發(fā)現(xiàn)。同質(zhì)網(wǎng)絡(luò)中的大多數(shù)方法并不能直接應(yīng)用于異質(zhì)網(wǎng)絡(luò)中，因此在異質(zhì)信息網(wǎng)絡(luò)中發(fā)現(xiàn)有趣的模式是十分必要的。
異質(zhì)信息網(wǎng)絡(luò)為更好地分析網(wǎng)絡(luò)化數(shù)據(jù)提供了一種新的研究模式，同時(shí)也給許多數(shù)據(jù)挖掘任務(wù)帶來了新的挑戰(zhàn)。很多基于異質(zhì)信息網(wǎng)絡(luò)的數(shù)據(jù)挖掘問題已經(jīng)被廣泛研究，圖 3 是對(duì)過去 6 年這一方向相關(guān)研究工作的近 200 篇論文按照研究問題分類的分布圖。從圖中可以看出，異質(zhì)信息網(wǎng)絡(luò)已經(jīng)廣泛應(yīng)用于主要的數(shù)據(jù)挖掘問題，特別是相似性度量、聚類、分類、鏈接預(yù)測(cè)、推薦等任務(wù)。
圖3 異質(zhì)信息網(wǎng)絡(luò)分析相關(guān)論文的分布情況
異質(zhì)信息網(wǎng)絡(luò)建模的優(yōu)勢(shì)在于整合更多信息和包含豐富語義，這同時(shí)也造成了異質(zhì)信息網(wǎng)絡(luò)分析的難點(diǎn)：如何有效利用異質(zhì)信息和探索豐富語義。
作為有效利用異質(zhì)信息和探索語義的工具，元路徑被廣泛應(yīng)用于異質(zhì)網(wǎng)絡(luò)分析。例如，PathSim 利用對(duì)稱元路徑抽取兩個(gè)節(jié)點(diǎn)之間的連通路徑來度量二者的相似性，這樣不僅利用到了相關(guān)的異質(zhì)信息，而且體現(xiàn)了節(jié)點(diǎn)和邊的豐富語義。很多機(jī)器學(xué)習(xí)技術(shù)都可以應(yīng)用到異質(zhì)網(wǎng)絡(luò)分析中，例如隨機(jī)游走模型、主題模型、矩陣模型和概率模型。各類信息也都能夠整合到異質(zhì)網(wǎng)絡(luò)分析中，例如屬性信息、文本信息和用戶指導(dǎo)信息。
圖 4 從網(wǎng)絡(luò)結(jié)構(gòu)和語義探索兩個(gè)角度，總結(jié)了該領(lǐng)域的一些典型工作。沿著 X 軸，網(wǎng)絡(luò)結(jié)構(gòu)變得更加復(fù)雜；沿著 Y 軸，語義信息變得更加豐富。
圖4 從網(wǎng)絡(luò)結(jié)構(gòu)和語義探索兩個(gè)維度對(duì)異質(zhì)網(wǎng)絡(luò)典型工作的總結(jié)
例如，PathSim 可以處理星型模式網(wǎng)絡(luò)，并使用元路徑挖掘語義關(guān)系。SemRec 在基本元路徑上增加了鏈接的權(quán)值約束，以在帶權(quán)異質(zhì)網(wǎng)絡(luò)中探索更微妙的語義信息。從圖中我們可以發(fā)現(xiàn)，大多數(shù)研究都集中在簡(jiǎn)單網(wǎng)絡(luò)結(jié)構(gòu)（例如二分或星型模式網(wǎng)絡(luò)）和基本語義探索（例如元路徑）上，未來在利用更強(qiáng)大的語義探索工具分析更復(fù)雜的異質(zhì)網(wǎng)絡(luò)方面還需要做更多探索。
雖然異質(zhì)信息網(wǎng)絡(luò)已經(jīng)應(yīng)用于很多數(shù)據(jù)挖掘任務(wù)，但它仍然是一個(gè)年輕而且快速發(fā)展的研究領(lǐng)域。在這里我們簡(jiǎn)單討論一下未來的研究方向。
當(dāng)前研究大多假定異質(zhì)信息網(wǎng)絡(luò)是明確定義的，網(wǎng)絡(luò)中的對(duì)象和關(guān)系是清晰的。然而，在實(shí)際應(yīng)用中，從真實(shí)數(shù)據(jù)構(gòu)造異質(zhì)信息網(wǎng)絡(luò)會(huì)遇到很多挑戰(zhàn)。對(duì)于關(guān)系數(shù)據(jù)庫之類的結(jié)構(gòu)化數(shù)據(jù)，構(gòu)造異質(zhì)信息網(wǎng)絡(luò)比較容易，然而即使是在這種網(wǎng)絡(luò)中，對(duì)象和關(guān)系也可能具有噪聲，比如會(huì)出現(xiàn)對(duì)象重名或關(guān)系不完整等問題；對(duì)于像文本、圖像等非結(jié)構(gòu)化數(shù)據(jù)，如何準(zhǔn)確抽取出相應(yīng)的對(duì)象和關(guān)系，進(jìn)而建立更加完善和準(zhǔn)確的異質(zhì)信息網(wǎng)絡(luò)也將面臨更多挑戰(zhàn)，在實(shí)踐中會(huì)用到諸如信息抽取、自然語言處理、圖像處理等各種技術(shù)。
在異質(zhì)信息網(wǎng)絡(luò)中，對(duì)象可通過不同的方式組織在一起。星型模式是廣泛使用的異質(zhì)信息網(wǎng)絡(luò)類型，例如前面介紹的科技文獻(xiàn)網(wǎng)絡(luò)。之后，又出現(xiàn)了帶環(huán)的星型模式和多中心網(wǎng)絡(luò)等網(wǎng)絡(luò)模式。
實(shí)際應(yīng)用中，網(wǎng)絡(luò)化數(shù)據(jù)通常更加復(fù)雜和沒有規(guī)律性。某些實(shí)際網(wǎng)絡(luò)中的鏈路會(huì)包含屬性值，而這些屬性值可能包含重要的信息，這樣就構(gòu)成了帶權(quán)異質(zhì)信息網(wǎng)絡(luò)，例如前面介紹的電影網(wǎng)絡(luò)。另外一些應(yīng)用中，用戶可能存在于多個(gè)異質(zhì)網(wǎng)絡(luò)，這時(shí)需要對(duì)齊不同網(wǎng)絡(luò)中的用戶，有效融合不同網(wǎng)絡(luò)的信息。還有很多網(wǎng)絡(luò)數(shù)據(jù)，例如知識(shí)圖譜，包含有很多種類型的對(duì)象和關(guān)系，很難用簡(jiǎn)單的網(wǎng)絡(luò)模式來描述。這種豐富模式（schema-rich）的異質(zhì)網(wǎng)絡(luò)中也出現(xiàn)了很多新的研究問題，例如多種類型對(duì)象關(guān)系的管理以及元路徑的自動(dòng)產(chǎn)生等。這些復(fù)雜的網(wǎng)絡(luò)化數(shù)據(jù)，給異質(zhì)信息網(wǎng)絡(luò)建模與分析提出了更多的機(jī)遇和挑戰(zhàn)。
異質(zhì)信息網(wǎng)絡(luò)中的對(duì)象和關(guān)系包含著豐富的語義信息，而元路徑可以捕捉這種語義信息。異質(zhì)信息網(wǎng)絡(luò)上的很多數(shù)據(jù)挖掘任務(wù)是基于元路徑進(jìn)行研究的，但是元路徑在某些應(yīng)用場(chǎng)景中并不能捕捉到精細(xì)的語義信息。例如，“作者-論文-作者”路徑表示了作者之間的合作關(guān)系，但卻不能描述特定條件下（例如KDD領(lǐng)域）的合作關(guān)系。為了克服這個(gè)不足，很多研究者提出了受限元路徑、帶權(quán)元路徑、元結(jié)構(gòu)等概念擴(kuò)展元路徑的語義抽取能力。針對(duì)更加復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)（如知識(shí)圖譜），如何設(shè)計(jì)更加靈活精細(xì)的語義探索工具仍然需要進(jìn)一步的研究。
近些年出現(xiàn)的深度學(xué)習(xí)在圖像、自然語言等高維復(fù)雜數(shù)據(jù)處理上展現(xiàn)了優(yōu)異的特征抽取能力，因此可以利用深度學(xué)習(xí)方法處理異質(zhì)網(wǎng)絡(luò)數(shù)據(jù)。當(dāng)前深度學(xué)習(xí)和表示學(xué)習(xí)已經(jīng)開始用于網(wǎng)絡(luò)的結(jié)構(gòu)特征表示。異質(zhì)網(wǎng)絡(luò)中包含不同類型的節(jié)點(diǎn)和邊，而且元路徑體現(xiàn)了豐富的語義信息，這些特征使得異質(zhì)網(wǎng)絡(luò)的特征表示學(xué)習(xí)表現(xiàn)出很大的不同。異質(zhì)網(wǎng)絡(luò)的表示學(xué)習(xí)對(duì)異質(zhì)網(wǎng)絡(luò)分析提出了新思路，也為結(jié)構(gòu)信息與其他模態(tài)信息融合提供了新途徑。
為了展現(xiàn)異質(zhì)網(wǎng)絡(luò)建模的優(yōu)勢(shì)，我們需要在更廣泛的領(lǐng)域中對(duì)大型網(wǎng)絡(luò)化數(shù)據(jù)設(shè)計(jì)實(shí)用的數(shù)據(jù)挖掘算法。多樣性是大數(shù)據(jù)的重要特征，異質(zhì)網(wǎng)絡(luò)是處理大數(shù)據(jù)多樣性的有效方法。然而，構(gòu)建一個(gè)真正的基于異質(zhì)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)也是具有挑戰(zhàn)性的工作。實(shí)際的異質(zhì)網(wǎng)絡(luò)是巨大的，甚至是動(dòng)態(tài)的，所以它通常不能存儲(chǔ)在內(nèi)存中直接處理。由于用戶往往只對(duì)一小部分節(jié)點(diǎn)、鏈接或子網(wǎng)絡(luò)感興趣，我們可以根據(jù)用戶需求，從現(xiàn)有網(wǎng)絡(luò)中動(dòng)態(tài)地提取子網(wǎng)絡(luò)進(jìn)行分析。另外，設(shè)計(jì)基于異質(zhì)網(wǎng)絡(luò)的快速算法和并行算法也是亟需研究的內(nèi)容。
其他一些研究方向也值得關(guān)注。相比于學(xué)習(xí)大數(shù)據(jù)的深層特征的深度學(xué)習(xí)方法，最近興起的廣度學(xué)習(xí)（broad learning）整合不同類型的多個(gè)數(shù)據(jù)源進(jìn)行融合學(xué)習(xí)，并在一些應(yīng)用中取得了顯著效果。由于異質(zhì)信息網(wǎng)絡(luò)是大數(shù)據(jù)時(shí)代整合不同類型數(shù)據(jù)的天然工具，因此結(jié)合異質(zhì)信息網(wǎng)絡(luò)研究廣度學(xué)習(xí)方法不僅會(huì)推動(dòng)新的機(jī)器學(xué)習(xí)方法的發(fā)展，而且為解決大數(shù)據(jù)的多樣性提供新的思路。針對(duì)具體問題的異質(zhì)網(wǎng)絡(luò)分析系統(tǒng)也是重要發(fā)展方向。2017年KDD的最佳應(yīng)用論文利用異質(zhì)網(wǎng)絡(luò)和元路徑構(gòu)建和描述Android手機(jī)的APP應(yīng)用和API調(diào)用的豐富交互，并將其用于惡意軟件檢測(cè)。這也為采用異質(zhì)信息網(wǎng)絡(luò)解決實(shí)際問題帶來有益啟示。
近年來，由于異質(zhì)信息網(wǎng)絡(luò)包含全面的結(jié)構(gòu)和豐富的語義信息，采用異質(zhì)網(wǎng)絡(luò)建模和分析的研究大量涌現(xiàn)。本文對(duì)這個(gè)發(fā)展快速的領(lǐng)域進(jìn)行了一個(gè)簡(jiǎn)要的介紹，希望研究者更好地了解異質(zhì)信息網(wǎng)絡(luò)分析的基本思路和特點(diǎn)，能夠采用這種模式對(duì)實(shí)際的網(wǎng)絡(luò)化數(shù)據(jù)進(jìn)行建模和分析。
石川個(gè)人主頁：http://shichuan.org/ShiChuan_ch.html
異質(zhì)信息網(wǎng)絡(luò)資源：http://shichuan.org/HIN_topic.html
為了方便對(duì)這一領(lǐng)域感興趣的讀者更好地了解異質(zhì)信息網(wǎng)絡(luò)分析的整體研究情況，我們收集了從數(shù)據(jù)挖掘權(quán)威 Jiawei Han 和 Philip S. Yu 等人于 2009 年提出異質(zhì)信息網(wǎng)絡(luò)的概念以來發(fā)表在重要的數(shù)據(jù)挖掘?qū)W術(shù)會(huì)議和期刊（諸如 KDD、ICDM、WWW、TKDE 等）上的有關(guān)異質(zhì)信息網(wǎng)絡(luò)分析方面的論文，分別按照論文發(fā)表的時(shí)間順序以及論文研究的任務(wù)角度對(duì)其進(jìn)行了排列展示。
同時(shí)，我們也收集整理了實(shí)驗(yàn)室中常用的數(shù)據(jù)集以及其他相關(guān)異質(zhì)信息網(wǎng)絡(luò)論文中常用的數(shù)據(jù)集。實(shí)驗(yàn)室常用的數(shù)據(jù)集主要有科技文獻(xiàn)數(shù)據(jù) (ACM 和 DBLP) 、電影數(shù)據(jù) (IMDB 和 Douban) 、音樂數(shù)據(jù)、社會(huì)媒體數(shù)據(jù) (如豆瓣網(wǎng)和微博) 、以及知識(shí)圖譜數(shù)據(jù)（Yago）等等，我們都給出了相關(guān)數(shù)據(jù)集的鏈接，鏈接里有相應(yīng)的數(shù)據(jù)集說明及下載入口；其他相關(guān)異質(zhì)信息網(wǎng)絡(luò)論文中常用的數(shù)據(jù)集，主要包括一些大型數(shù)據(jù)源諸如 Stanford Large Network Dataset Collection 等，以及常用的經(jīng)典數(shù)據(jù) Aminer 等，也都給出了相應(yīng)的鏈接和說明。
數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)課題組隸屬于北京郵電大學(xué)數(shù)據(jù)科學(xué)與服務(wù)中心。該中心是智能通信軟件與多媒體北京市重點(diǎn)實(shí)驗(yàn)室的核心成員單位。課題組創(chuàng)建人是石川教授，智能通信軟件與多媒體北京市重點(diǎn)實(shí)驗(yàn)室副主任。
課題組長期專注于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)研究及其在行業(yè)數(shù)據(jù)分析中的應(yīng)用，參與了 10 余項(xiàng)數(shù)據(jù)挖掘領(lǐng)域的科研項(xiàng)目，其中主持國家自然科學(xué)基金項(xiàng)目 3 項(xiàng)、國家 863 項(xiàng)目子課題 1 項(xiàng)、北京市青年英才計(jì)劃項(xiàng)目 1 項(xiàng)，北京市自然科學(xué)基金 1 項(xiàng)；另外作為研究骨干，參與了國家 973 子課題、基金重點(diǎn)項(xiàng)目、重點(diǎn)研發(fā)計(jì)劃等項(xiàng)目。
在數(shù)據(jù)挖掘領(lǐng)域的一流國際會(huì)議和期刊上發(fā)表了 20 余篇論文，包括 IEEE TKDE、ACM TIST、KDD、SDM 等；在數(shù)據(jù)挖掘領(lǐng)域頂級(jí)期刊 TKDE 上以第一作者發(fā)表異質(zhì)信息網(wǎng)絡(luò)方向的第一篇綜述論文，并在 Springer 出版該方向的第一本英文專著。申請(qǐng)發(fā)明專利 10 余項(xiàng)，授權(quán) 2 項(xiàng)；學(xué)生多次獲得數(shù)據(jù)挖掘競(jìng)賽獎(jiǎng)勵(lì)，例如獲得頂尖國際數(shù)據(jù)挖掘競(jìng)賽 IJCAI Contest 2015 全球冠軍等等。
課題組和眾多國內(nèi)外頂尖企業(yè)有合作關(guān)系。團(tuán)隊(duì)成員與騰訊、大眾點(diǎn)評(píng)等企業(yè)有合作關(guān)系。一方面，能夠了解這些企業(yè)的真實(shí)需求，也容易從企業(yè)獲得真實(shí)數(shù)據(jù)；另一方面，能夠?yàn)檎撐牡难芯砍晒D(zhuǎn)化提供真實(shí)應(yīng)用環(huán)境。另外，也經(jīng)常和數(shù)據(jù)挖掘方面的國內(nèi)外知名學(xué)者進(jìn)行合作交流。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
