报告摘要:
本报告介绍数据驱动的社交网络动力学建模和内容分发网络的研究工作。
社交网络大数据具有时间动态性和空间复杂性的特点。传统分析方法基于物理建模用动力学模型刻画此类动态变化的现象。当面对数十亿节点数百亿条边的复杂社交网络系统,动态变化现象体现在宏观网络,中观组群,微观用户行为,及信息在网络上的动态传播等不同尺度的场景,传统动力学模型难以刻画此类复杂社交网络系统的动态变化现象。我们通过数据驱动的动力学模型刻画了上述复杂社交网络系统的动力学现象,并进一步解释其变化机制。
大规模网络多媒体内容呈指数增长趋势。传统内容分发方法依靠中心化网络基础设施和全局流行度趋势,无法及时感知、服务多媒体内容请求。我们通过数据驱动的方法,研究多媒体内容、用户行为及其局部流行度规律,提出基于传播预测的社交视频内容部署、基于内容和用户协同的内容部署、基于用户行为的边缘网络内容部署、以及基于用户行为和内容的边缘网络内容部署。
报告人简介:
![](/__local/2/7C/38/41226891CAC035B9A60EE885AE8_E2D5F2B3_3542.jpg)
朱文武,清华大学计算机系副主任,信息科学与技术国家研究中心副主任,大数据算法与分析国家工程实验室副主任,国家973项目首席科学家,国家基金委重大项目负责人。IEEE Fellow、AAAS Fellow、SPIE Fellow。曾任微软亚洲研究院主任研究员,英特尔中国研究院首席科学家与总监,及美国贝尔实验室研究员等职。现主要从事多媒体大数据计算、网络多媒体计算、跨媒体智能等研究工作。在上述研究领域发表高水平国际论文300余篇,7次获ACM及IEEE等国际最佳论文奖。现担任IEEE Transactions on Multimedia 主编。获2018年度国家自然科学二等奖(排名第1)、2012年度国家自然科学二等奖(排名第2)。