最新资讯   News
搜索   Search

关于推荐申报2017年度高等学校科学研究优秀成果奖(科学技术)项目的公示6

发布:2017-05-05 15:31       作者:成果办      来源:      点击:

根据教育部办公厅关于推荐2017年度高等学校科学研究优秀成果奖(科学技术)的通知(教技厅函〔201730号)的规定,对我校推荐申报2017年度高等学校科学研究优秀成果奖(科学技术)的项目进行公示,公示材料附后。公示时间为:201755日至2017511日。对公示内容有异议者,请与我校科研院成果奖励办公室联系,联系电话:61831397,联系人:王璐瑶。

特此公示。

 

电子科技大学

2017-5-5




项目名称:基于复杂网络的信息萃取基础理论与关键技术

推荐奖种:自然科学奖

推荐单位:电子科技大学

项目简介:“基于复杂网络的信息萃取基础理论与关键技术”项目组针对复杂网络上的信息萃取具有代表性的三类问题——个性化推荐、链路预测和节点影响力排序——进行了全面深入的研究,取得了系统性的贡献。项目执行期间,项目组3名成员在这三个方向上发表了96SCI论文,出版了1部专著,包括9篇代表性论文。其中,9篇代表性论文的SCI影响因子总和达48.180SCI总他引968次,Google Scholar总他引3052次。出版的专著获得了第四届中国大学出版社图书奖优秀学术著作一等奖。

 

本项目在理论和方法层面都产生了重要贡献。理论层面,原创性地提出了以系综理论和似然分析为基础的网络信息过滤基础理论体系。方法层面,原创性地提出了以扩散动力学为基础的网络信息过滤系列方法。就个性化推荐问题而言,将经典的物理过程应用于推荐算法中,得到了复杂性低且精确度高的算法;提出了成体系的多样性和新颖性指标,解决了推荐算法中“多样性-精确性”两难问题;设计了包含标签信息的推荐算法,部分解决了推荐系统中冷启动问题。就链路预测问题而言,提出了一系列表现优异的基于局部信息的预测方法;将链路预测和网络演化问题统一在系综分析的理论框架中。就节点影响力排序问题而言,提出了基于随机游走的无参数节点排序方法和一系列局部的影响力排序方法。

 

本项目研究获得了国内外学术界广泛认可。一些知名科学家对我们的研究工作给予了正面的评价,如美国科学院院士H. J. Schellnhuber认为我们提出的混合推荐是理解人类行为模式后的典型应用。一些有代表性的学者将我们的算法作为领域基准方法,如图灵奖得主J. Hopcroft多次引用项目组链路预测方面的多篇论文,并作为基准方法进行对比。一些国际顶级学术期刊,如Rev. Mod. Phys.Phys. Rep.Nat. Phys. 也多次引用项目组的论文,并将项目组提出的评价指标评估他们提出的方法。一些重要的学术媒体给予相关工作高度评价,如《自然》杂志长篇报道了代表性论文2。论文1,2,3,4,5,7入选ESI高被引用论文。

 

直接应用本项目的算法成果,在若干重要场景中产生了重大价值。将迭代扩散算法应用于“医生-患者”二部分图上,为医生和患者参与医保欺诈的风险进行排序,在新农合医保中覆盖了8900万人口,医保欺诈检出率由基于专家系统的不足3%提高到了4%以上,20162月刘延东总理听取了项目组成员汇报。通过致密子图挖掘甄别非法集资的连锁公司,在e租宝等大案要案中做出了重要贡献,20164月李克强总理听取了项目组成员汇报。将LeaderRank算法应用于原发或转发过有重要影响的食品安全内容的微博账户中,通过监测不到1/40000的微博用户就能跟踪99%重大食品安全舆情,实现了社交媒体舆情的实时监控,201610月汪洋总理听取了项目组成员汇报。

主要完成人情况:

姓名

排名

技术职称

工作单位

完成单位

对本项目技术创造性贡献

曾获国家科技奖励情况

周涛

1

教授

电子科技大学

电子科技大学

负责项目整体的组织领导工作,在个性化推荐、链路预测和节点影响力三项重要科学发现中都有主要贡献。是9篇代表性论文、论著的主要作者,其中是第128篇代表性论文的第一作者,是第5篇代表性论文的通讯作者,是第10篇代表性论著的第二著者。

2011年,第十二届中国青年科技奖。

吕琳媛

2

教授

杭州师范大学

杭州师范大学

本项目主要参与者,部分重要科学发现的主要贡献者,是7篇代表性论文、论著的主要作者,其中是代表性论文3,4,5,6,9和代表性论著10的第一作者,代表性论文7的通讯作者。


陈端兵

3

副教授

电子科技大学

电子科技大学

项目主要参与者,参与了节点影响力排序的部分研究工作,提出了适合大规模网络节点影响力排序局部算法,是第7篇代表性论文的第一作者。


代表性论文专著目录:

[1]      T. Zhou, J. Ren, M. Medo, Y.-C. Zhang, Bipartite network projection and personal recommendation, Phys. Rev. E 76 (2007) 046115.

[2]      T. Zhou, Z. Kuscsik, J.-G. Liu, M. Medo, J. R. Wakeling, Y.-C. Zhang, Solving the apparent diversity-accuracy dilemma of recommender systems, PNAS 107 (2010) 4511.

 

[3]      L. Lü, M. Medo, C. H. Yeung, Y.-C. Zhang, Z.-K. Zhang, T. Zhou, Recommender Systems, Phys. Rep. 519 (2012) 1.

[4]      L. Lü, L. Pan, T. Zhou, Y.-C. Zhang, H. E. Stanley, Toward link predictability of complex networks, PNAS 112, 2325 (2015).

[5]      L. Lü, T. Zhou, Link Prediction in Complex Networks: A Survey, Physica A 390 (2011) 1150.

[6]      L. Lü, Y.-C. Zhang, C. H. Yeung, T. Zhou, Leaders in Social Networks, the Delicious Case, PLoS ONE 6 (2011) e21202.

[7]      D.-B. Chen, L. Lü, M.-S. Shang, Y.-C. Zhang, T. Zhou, Identifying influential nodes in complex networks, PhysicaA 391 (2012) 1777.

[8]      T. Zhou, L.-L. Jiang, R.-Q. Su, Y.-C. Zhang, Effect of initial configuration on network-based recommendation, EPL 81 (2008) 58004.

[9]      L. LüW. Liu. Information filtering via preferential diffusionPhys. Rev. E83 (2011)066119.

[10]  吕琳媛,周涛. 链路预测,高等教育出版社,2013.08

 


Copyright © 2016-2017 电子科技大学科学技术发展研究院 技术支持 微微校