TRANG THÔNG TIN LUẬN ÁN TIẾN SĨ

Tên đề tài luận án tiến sĩ: “Một số kỹ thuật phát hiện cấu trúc cộng đồng trên đồ thị mạng xã hội”

Chuyên ngành: Khoa học máy tính                          Mã số: 9 48 01 01

Họ và tên NCS: Nguyễn Hiền Trinh

Người hướng dẫn khoa học:

1. PGS.TS. Đoàn Văn Ban

2. TS. Vũ Vinh Quang

Cơ sở đào tạo: Trường Đại học Công nghệ thông tin và Truyền thông - Đại học Thái Nguyên

NHỮNG KẾT QUẢ MỚI CỦA LUẬN ÁN

1. Đề xuất thuật toán SCN xử lý phát hiện cấu trúc cộng đồng trên đồ thị mạng xã hội với nền tảng là kỹ thuật phân cụm phổ, giảm số chiều của dữ liệu (đa chiều) xuống chỉ còn ở dạng véc tơ (chuỗi số thực), phối hợp với ý tưởng tối ưu hóa hàm Min-cut nhờ sử dụng ma trận Laplace, nhằm nâng cao hiệu quả cho quá trình xử lý phát hiện cấu trúc cộng đồng trên đồ thị mạng xã hội.
2. Đề xuất hàm xác định nhãn và lan truyền nhãn trên đồ thị mạng xã hội và cải tiến thuật toán lan truyền nhãn tổng quát, từ đó xây dựng thuật toán LPAMD để nâng cao chất lượng cộng đồng dựa trên sự kết hợp ưu điểm của hai tiêu chí Modularity và Density.
3. Đề xuất thuật toán LPARLV kết hợp giữa thuật toán rút gọn đồ thị mạng ban đầu và đồ thị rút gọn RLVG nhằm giảm kích thước của mạng, sau đó sử dụng thuật toán LPAMD cải tiến với hàm gắn nhãn f_{T_max} để xác định cấu trúc cộng đồng rời nhau.
4. Đề xuất thuật toán COPA-BC phát hiện cấu trúc cộng đồng chồng chéo trong đồ thị mạng xã hội theo cách kết hợp giữa thuật toán lan truyền nhãn và hệ số thuộc về cộng đồng.

CÁC ỨNG DỤNG, KHẢ NĂNG ỨNG DỤNG TRONG THỰC TIỄN

HOẶC NHỮNG VẤN ĐỀ CÒN BỎ NGỎ CẦN TIẾP TỤC NGHIÊN CỨU

1. Khả năng ứng dụng trong thực tiễn

- Các kết quả nghiên cứu có thể áp dụng trong việc phân tích mạng xã hội, hỗ trợ cho nhiều bài toán phân loại, đánh giá xu thế phát triển kinh tế, chính trị, xã hội,… có thể triển khai áp dụng vào điều kiện thực tế Việt Nam, giúp giải quyết nhiều bài toán trong lĩnh vực quản lý tầm quốc gia và khu vực.

- Các kết quả nghiên cứu góp phần phát triển lý thuyết và triển khai ứng dụng, có thể là tài liệu phục vụ nghiên cứu, giảng dạy, học tập cho các nhà nghiên cứu, giảng viên, sinh viên trong lĩnh vực chuyên môn.

2. Những vấn đề còn bỏ ngỏ cần tiếp tục nghiên cứu

- Vận dụng những tiến bộ trong kỹ thuật mạng nơ ron và học sâu vào bài toán phát hiện cấu trúc cộng đồng trên đồ thị mạng xã hội.

- Nghiên cứu các phương pháp và kỹ thuật xử lý song song để phát triển những thuật toán phát hiện các cấu trúc cộng đồng trên đồ thị mạng xã hội.

INFORMATION OF THE DOCTORAL DISSERTATION

Dissertation title: “Some techniques for detecting community structure on social network graph”

Major: Computer Science                                          Code No: 9 48 01 01

Full name of PhD candidate: Nguyen Hien Trinh

Scientific supervisors:

1st. Ass. Prof., Dr. Doan Van Ban

2nd.  Dr Vu Vinh Quang

Training institution: University of Information and Communication Technology - Thai Nguyen University

NEW SCIENTIFIC FINDINGS OF THE DISSERTATION

1. Propose SCN algorithm to detect community structure on social network graph with the foundation of spectral clustering technique, reducing the dimensionality of data (multidimensional) to vector form (series of real numbers), combining with the idea of optimizing the Min-cut function by using Laplace matrices, to improve the efficiency of the community structure detection processing process on the social network graph.
2. Propose the function to determine the label and propagate the label on the social network graph to improve the general algorithm for the label propagation, thereby building the LPAMD algorithm to improve the quality of the community based on the combination of advantages of two criteria Modularity and Density.
3. Propose the LPARLV algorithm that combines the original network graph reduction algorithm and the reduction RLVG graph to reduce the size of the network, then use the improved LPAMD algorithm with the f_{T_max} labeling function to determine the structure of separate community structures.
4. Propose the COPA-BC algorithm to detect overlapping community structures in the social network graph by combining the label propagation algorithm and the community membership coefficient.

APPLICABILITY AND FURTHER RESEARCH

1. Practical applicability

- Research results can be applied in analyzing social networks, supporting many classification problems, assessing economic, political, and social development trends, etc. Applying this to the actual situation in Viet Nam, helping to solve many problems in the field of national and regional management.

- Research results contribute to theory development and application implementation, which can be used as documents for researching, teaching and learning for researchers, lecturers and students in their professional fields

2. Further research

- Applying advances in neural network techniques and deep learning to problems of detecting community structure on social network graphs.

- Research on parallel processing methods and techniques to develop algorithms to detect community structures on social network graphs.

Nguồn: Trường Đại học Công nghệ thông tin và Truyền thông - Đại học Thái Nguyên.