Page 20 - 2017 Brochure
P. 20
究群
資料處理與探勘實驗室
在資料爆炸的時代裡，各種資料，例如感應器資料、軌跡 SNMD) 之目的。我們提出了一個機器學習作法－社群網路
資料、交易資料、多媒體資料，以飛快的速度時時刻刻產 心理疾病偵測 (Social Network Mental Disorder Detection，
生。目前硬體與網路高質與量，價錢相對便宜，是最佳時 SNMDD) 以及基於社群網路心理疾病的張量模型（Tensor
刻來發展相關研究議題，來善用這些資料來來改進現有服 Model），以精確地偵測出可能發生社群網路心理疾病的
務，或用來解決目前無法解決的問題。所以本研究小組的 情況，且其實驗結果表明了社群網路心理疾病偵測對於辨
主要目標在於起始相關創新研究以達科學與技術的卓越性。 認 出 可 能 患 有 社 群 網 路 心 理 疾 病 的 使 用 者 相 當 有 效。 關
目前我們著重於以下研究領域 (1) 有效收集、表現、儲存、 於群體治療，我們提出一個線上互助群體成員 (Member
與處理大量各式資料，(2) 探討資料探勘技術來有效率、有 Selection for Online Support Group，MSSG) 選擇問題，在
效益來發現有價值的知識。目前我們研究的議題包括 (1) 社 確保群體中任意兩位成員間並不熟識的狀況下，將所有成
群網路分析與查詢處理，(2) 機器學習於網路廣告即時競價， 員的症狀的相似度最大化。我們證明 MSSG 是個 NP-Hard
(3) 深度學習於都會區空汙預測，(4) 非揮發性主記憶體之索 的問題，且在任意比例內不可近似，故設計了可保證誤差
引設計與資料探勘。各計畫簡述於下： 之 3 倍近似演算法。
(1) 社群網路分析與查詢處理 (2) 機器學習於網路廣告即時競價
社群網路方面的研究貢獻集中於高效率的社群群體查詢以 網路展示型廣告已由過去固定內容固定價位的銷售方式，
及社群影響力。關於地理位置社群網路 (Location-based 演變成為現在根據不同瀏覽人次由競價結果動態決定內容：
Social Networks)，我們提出了新的索引結構並提出社群空 在使用者造訪網址且網頁完整呈現的短時間內，有興趣的
間群體查詢 (Social-Spatial Group Query)，以快速找出距離 廣告主們透過程式化交易競標爭取廣告曝光。在即時競價
近且社群關係緊密之社交群體，並求得適當位置給予所得 交易環境中，廣告主要能快速且精準地跨媒體購買廣告，
之群體。除了考慮時間及空間外，我們亦考慮使用者之偏 必需仰賴好的預測模型自動出價。本實驗室目標協助廣告
好群體搜尋，並設計具效能保證之隨機演算法，其可運用 主在有限且不完整的歷史競價資料中，設計出合適的機器
於線上至線下的社群應用或是團購優惠服務。對於職業社 學習方法，以建立有效的預測模型來精準地預測廣告點擊
群網路，我們提出了新的社群空間查詢，為了形成專業工 率，進而能在有限的廣告成本下決定適切的出價策略。
作團隊，在進行查詢時考慮到群組距離、群組成員的專業
技能以及群組中社群關係。我們證明了此問題在任意比例 (3) 深度學習於都會區空汙預測
內的不可近似性，但在允許可接受誤差的狀況下，我們設
計了一個保證錯誤誤差之近似演算法。此外，考慮到社群 都會區空氣汙染預測與汙染源偵測是一個待解的急迫問題，
心理學中的社會臨場感理論 (Social Presence Theory)，我 嚴重影響到環境、健康、經濟，以及公共利益。近三年來
們提出一個新的有效認識新人群之社群群體查詢問題，並 已有很多研究使用各種方法，包括類神經網路、機器學習
設計了一個 3 倍近似演算法。
此外，針對特定對象的影響力傳播，我們提出一個新的最
佳中介節點選擇問題，以改變特定對象之決定，而我們也
提出行動社群網路中的分散式作法。我們亦結合了頻繁樣
式探勘 (Frequent Pattern Mining)，提出與多個相關商品組
合銷售之病毒式行銷影響力傳播最佳化問題。我們提出以
超 圖 (Hypergraph) 與 超 邊 (Hyperedges) 為 基 礎 以 頻 繁 樣
式之社群物件圖 (Social Item Graph)，提出了一個近似演算
法，並基於 FP-Tree 設計了一個新索引結構。另一方面，
我們觀察到資料探勘線上社群行為，可有效達成早期自動
辨認社群網路心理疾病 (Social Network Mental Disorder，
18 研究群 Research Laboratories
資料處理與探勘實驗室
在資料爆炸的時代裡，各種資料，例如感應器資料、軌跡 SNMD) 之目的。我們提出了一個機器學習作法－社群網路
資料、交易資料、多媒體資料，以飛快的速度時時刻刻產 心理疾病偵測 (Social Network Mental Disorder Detection，
生。目前硬體與網路高質與量，價錢相對便宜，是最佳時 SNMDD) 以及基於社群網路心理疾病的張量模型（Tensor
刻來發展相關研究議題，來善用這些資料來來改進現有服 Model），以精確地偵測出可能發生社群網路心理疾病的
務，或用來解決目前無法解決的問題。所以本研究小組的 情況，且其實驗結果表明了社群網路心理疾病偵測對於辨
主要目標在於起始相關創新研究以達科學與技術的卓越性。 認 出 可 能 患 有 社 群 網 路 心 理 疾 病 的 使 用 者 相 當 有 效。 關
目前我們著重於以下研究領域 (1) 有效收集、表現、儲存、 於群體治療，我們提出一個線上互助群體成員 (Member
與處理大量各式資料，(2) 探討資料探勘技術來有效率、有 Selection for Online Support Group，MSSG) 選擇問題，在
效益來發現有價值的知識。目前我們研究的議題包括 (1) 社 確保群體中任意兩位成員間並不熟識的狀況下，將所有成
群網路分析與查詢處理，(2) 機器學習於網路廣告即時競價， 員的症狀的相似度最大化。我們證明 MSSG 是個 NP-Hard
(3) 深度學習於都會區空汙預測，(4) 非揮發性主記憶體之索 的問題，且在任意比例內不可近似，故設計了可保證誤差
引設計與資料探勘。各計畫簡述於下： 之 3 倍近似演算法。
(1) 社群網路分析與查詢處理 (2) 機器學習於網路廣告即時競價
社群網路方面的研究貢獻集中於高效率的社群群體查詢以 網路展示型廣告已由過去固定內容固定價位的銷售方式，
及社群影響力。關於地理位置社群網路 (Location-based 演變成為現在根據不同瀏覽人次由競價結果動態決定內容：
Social Networks)，我們提出了新的索引結構並提出社群空 在使用者造訪網址且網頁完整呈現的短時間內，有興趣的
間群體查詢 (Social-Spatial Group Query)，以快速找出距離 廣告主們透過程式化交易競標爭取廣告曝光。在即時競價
近且社群關係緊密之社交群體，並求得適當位置給予所得 交易環境中，廣告主要能快速且精準地跨媒體購買廣告，
之群體。除了考慮時間及空間外，我們亦考慮使用者之偏 必需仰賴好的預測模型自動出價。本實驗室目標協助廣告
好群體搜尋，並設計具效能保證之隨機演算法，其可運用 主在有限且不完整的歷史競價資料中，設計出合適的機器
於線上至線下的社群應用或是團購優惠服務。對於職業社 學習方法，以建立有效的預測模型來精準地預測廣告點擊
群網路，我們提出了新的社群空間查詢，為了形成專業工 率，進而能在有限的廣告成本下決定適切的出價策略。
作團隊，在進行查詢時考慮到群組距離、群組成員的專業
技能以及群組中社群關係。我們證明了此問題在任意比例 (3) 深度學習於都會區空汙預測
內的不可近似性，但在允許可接受誤差的狀況下，我們設
計了一個保證錯誤誤差之近似演算法。此外，考慮到社群 都會區空氣汙染預測與汙染源偵測是一個待解的急迫問題，
心理學中的社會臨場感理論 (Social Presence Theory)，我 嚴重影響到環境、健康、經濟，以及公共利益。近三年來
們提出一個新的有效認識新人群之社群群體查詢問題，並 已有很多研究使用各種方法，包括類神經網路、機器學習
設計了一個 3 倍近似演算法。
此外，針對特定對象的影響力傳播，我們提出一個新的最
佳中介節點選擇問題，以改變特定對象之決定，而我們也
提出行動社群網路中的分散式作法。我們亦結合了頻繁樣
式探勘 (Frequent Pattern Mining)，提出與多個相關商品組
合銷售之病毒式行銷影響力傳播最佳化問題。我們提出以
超 圖 (Hypergraph) 與 超 邊 (Hyperedges) 為 基 礎 以 頻 繁 樣
式之社群物件圖 (Social Item Graph)，提出了一個近似演算
法，並基於 FP-Tree 設計了一個新索引結構。另一方面，
我們觀察到資料探勘線上社群行為，可有效達成早期自動
辨認社群網路心理疾病 (Social Network Mental Disorder，
18 研究群 Research Laboratories
