报告人：杨虎
报告地点：惟真楼523
报告时间：2024年09月24日星期二15:50-16:30
报告摘要：
属性网络是一种用于刻画个体之间复杂关系和个体特征的图结构数据，常用来描述社交网络、联合投资网络、基因网络、交通网络等复杂系统。属性网络的分析和挖掘是我们深入理解复杂系统结构及其运行机制的关键，是揭示系统内部相互作用和潜在规律的基础，近年来受到学界广泛关注。虽然变分图自编码器（VGAE）在属性网络的表示学习中得到广泛应用，也被证明是一种较为有效的分析方法，但应用于社区发现问题中，我们需要给定潜在特征的维度和社区的数量，这限制了该方法在社区发现中的适用性。为了解决该问题，我们结合基于 VGAE 的方法和双向惩罚聚类算法 (BiPClust) 来实现社区检测。该方案通过双向惩罚函数实现聚类个数的确定，同时消除了冗余潜在特征的影响。实验表明，该方案优于其他算法，社区发现的准确性较高。并且，将该方法应用于分析中国投资网络能够发现一些有趣的现象：随着时间推移，中国风险投资的抱团行为在动态演化；同时，本土风险投资具有明显的层级结构，而国外风险投资则关系更为扁平、关系更稠密。
主讲人简介：
杨虎，男，中央财经大学信息学院副教授，中国石油大学（北京）克拉玛依分校援建教师，清华大学社会科学院兼任教师，中国人工智能学会社会计算与社会智能专业委员会委员。先后在丹麦奥胡斯大学公共卫生学院、美国明尼苏达大学生物统计系、日本北海道大学访学。研究方向为：复杂大数据分析、社会计算。承担了国家社科基金后期资助项目、国家自然科学基金青年基金、统计局重点研究项目、统计局优选项目、中央财经大学第七批科研创新团队等课题。在Information Sciences, Decision Support Systems, Statistics in Medicine、Information Processing & Management、International Review of Financial Analysis、Computational Statistics and Data Analysis、经济社会体制比较、南开经济研究、经济管理学刊等国内外知名期刊发表学术成果。目前担任Journal of Social Computing副主编，是IPM、IIJIM、IJPR等国内外期刊与学术会议审稿人。
