Команда Лаборатории больших данных и информационных систем Университета Иннополис приняла участие в международной конференции IEEE

19 ноября 2015

Команда Лаборатории больших данных и информационных систем Университета Иннополис приняла участие в международной конференции IEEE

19 ноября 2015

Мероприятие было посвящено интеллектуальному анализу данных (Data Mining).

Международная конференция по интеллектуальному анализу данных (ICDM) зарекомендовала себя как ведущая научно-практическая конференция, посвященная теме интеллектуального анализа данных (Data Mining). Конференция стала площадкой для международного обсуждения и презентаций исходных результатов исследований, а также распространения и обмена инновационным практическим опытом развития.

В этом году основными докладчиками на конференции стали Роберт Ф. Энгл, лауреат Нобелевской премии по экономике и заслуженный профессор фонда Пехонг Чен (член международных ассоциаций AAAI, ACM, ASA, CSS, IMS, IEEE и SIAM), профессор Майкл. И. Джордан и Лада Адамик, ведущий специалист по обработке и анализу данных социальной сети Facebook.

В рамках конференции доцент Университета Иннополис Цюй Цян организовал и провел сессию по анализу мобильности данных социальных сетей. Доценты Университета Джуйонг Ли и Садех Нобари выступили с докладами.

Доклад Джуйонг Ли был посвящен анализу данных социальной сети Вконтакте. В рамках исследования, в первую очередь, была изучена модель независимых каскадов (Independent Cascade Model), которая предполагает, что каждый узел автономно влияет на соседние узлы в рассматриваемой социальной сети.

Результаты исследования показали различные формы распространения информации в социальной сети в зависимости от тем, находящихся в общем доступе.

Доклад, подготовленный доцентом Садехом Нобари, был посвящен вопросам моделирования социально-значимых тем, поведению пользователей и их местоположению в одной модели обучения, которая может быть использована для контент-анализа в социальном контексте и для прогнозирования местоположения пользователей.

Экспериментальные результаты данного исследования по большим объемам данных, собранным в сети Twitter, подтверждают эффективность модели для выявления интересных тем с привязкой к местонахождению, а также для решения задач прогнозирования.