主题：属性社交网络的团体质量 Community quality of attributed social networks
时间👩🏼🎤：6月26日 13:00
地点：19号楼301会议室
主办：工学部计算机与信息工程学院网络工程教研室
主讲人🖖🏽：
李晓鸥
主讲人简介：
李晓鸥，教授、研究员🥷🏻，墨西哥国家科学院院士，墨西哥国立理工学院高级教育与研究中心计算机科学系主任🔏。目前，她正在担任IEEE出版社编以及《IEEE自动化科学与工程》等国际重要学术期刊编委🆖。她积极组织学术活动，她曾担任IEEE网络、传感与控制年会👂🏽✬、IEEE自动化科学与工程年会（CASE）等领域内重要国际会议的大会主席以及发起委员会委员🏰。她的研究兴趣包括数据挖掘及应用🕸，社交网络分析，人机界面，大数据，知识系统建模与仿真，主动数据库系统，Petri网应用，教育机器人，STEM教育方法等👩👦。她已经在国际期刊🦹🏼♂️、图书、会议上发表学术论文100多篇，成功地完成了多项国家自然科学基金项目以及国际合作项目，指导硕士、博士论文30多篇🏃♂️➡️。
讲座简介🥔：
传统的社区检测方法侧重于社会网络的对应图结构。随着互联网技术的进步→，特别是社交网络的发展❤️🔥，除网络拓扑结构外，还可以收集节点属性等信息，这些社交网络一般称为属性社交网络（ASN）👎。因此🙆🏼，最近，这些附加信息与网络拓扑均被用于发现具有更好解释的社区🧑🏻⚕️。然而，对于一个好团体的定义仍然因方法而异。我们认为，在ASN中👨🍼🧗，一个好的团体除了紧张的结构关系之外，还应该具有很强的属性交互作用💪🏻。学者研究结构连接措施已经有几十年的历史👩🏻🏭，如模块化等🧑🧒。因此⚖️，衡量属性间的相互作用是非常必要和紧迫的。这里基于三个因素来衡量属性连接：1）全局重要性，2）局部重要性🍃，3）属性密度。通过计算这些属性的接近度，我们可以发现潜在的团体可能存在着结构联系较差🚴🏽，但属性上的联系却很强。我们通过在一些著名的合成和真实的社交网络上进行演示✯🤦🏽♂️，证明了新措施的有效性。
Traditional community detection methods focused on the corresponding graph structure of social networks. Along with the advance on internet technology, especially online social networks, information besides network topology, such as node attributes, can be collected; such social networks are generally called attributed social networks (ASN). Therefore, recently, together with network topology such additional information is used to discover communities with better interpretation. However, definitions on a good community still vary from approach to approach. We assume that a good community in ASN should have strong attributes interactions besides of tense structural relation. Structural connections measures have been investigated for several decades, such as modularity. So, measuring attribute interactions is essential and urgent. We propose to measure attributes connections based on three factors: 1) global importance, 2) local importance, and 3) attribute density. By calculating such attributes closeness we can find potential communities that may have poor structural connection but strong attributes connections. We show the new measure effective through demonstration on some well known synthetic and real social networks.
|
|
|
|
第五次党代会
劳模文化研究
智能制造工厂
二工大官方微信
