Page 18 - profile-ok

研究群 ｜ Research Laboratories

資料處理與探勘實驗室 Information Processing and Discovery (iPAD)

Laboratory

研究人員 研究群介紹

陳孟彰 Meng-Chang Chen 資料處理與探勘實驗室的研究重點是(1)大量資料計算和(2)資料探勘技術和應用。 我們稱這樣的資料為不確定性資料。不同於定值資料的處理，
Research Fellow 我們需要利用機率或統計理論，來定義新的資料查詢模式，以
Computer Science , University of California, Los 1. 大量資料計算
Angles 及估計不確定性物體之間距離的機率分佈，才能較準確地模擬
● 基於代理人的知識表徵與推理 不確定性帶來的影響。
王大為 Da-Wei Wang
Research Fellow 巨量資料中往往隱藏著許多資訊與知識。我們希望以形式邏輯為基礎，探討智慧型代
Computer Science , Yale University 理人相關的知識表徵與推理問題。我們將探討如何從大量資料中歸納出有用的法則與
徐讚昇 Tsan-sheng Hsu 知識，並特別著重這些知識的表徵問題，經由適當的邏輯語言表徵工具，致使這些歸 ● 社群網路探勘
Research Fellow 納出來的知識可以作為代理人程式進行進一步推理與決策的基礎；而不同代理人程式 近年來由於網際網路 Web 2.0 與社群相關應用的盛行，大量多
Computer Sciences , University of Texas at Austin 可以經由共同的溝通語言，達到交換知識的目的，同時代理人程式從不同來源獲取的 樣化的新型態資料也應運而生。如何在這些大量的社群網路資
陳銘憲 Ming-Syan Chen 知識，亦可經由適當的融合機制，產生更複雜的知識。如此全面性的分散式協同知識 訊中尋求出有價值的知識，進而提供創新的服務與應用，是我
Distinguished Research Fellow 萃取與處理機制，將使得巨量資料中所隱藏的知識，成為有用的決策輔助工具，而決 們極欲研究的方向。未來可能的研究包括：1)建立具效率與系
Computer, Information and Control Engineering , 策者則不會因資訊過度氾濫而無所適從。 統性之社群網路資料收集模組、2)社群網路中重要個體與群體
The University of Michigan at Ann Arbor
識別技術之開發、3)設計漸進式更新的演算法，以適應社群網
葉彌妍 Mi-Yen Yeh 路資料隨時間變動的特性。
Assistant Research Fellow ● 隱私風險和威脅
Electrical Engineering , National Taiwan University
廖弘源 Hong-Yuan Mark Liao 近年來為了各種目的，各單位蒐集大量的個人資料。這些資料如果能夠分享，將可以 ● 雲端環境底下之資料管理與資料探勘
Research Fellow 增進公共利益。不過這同時也對個人隱私造成很大的威脅。如何能夠分享資料同時又
Electrical Engineering , Northwestern University 可以保障個人隱私是我們想要研究的問題。過去幾年我們提出討論資料集公開所帶來 雲端運算提供虛擬化計算資源，讓平台即服務、軟體即服務的
廖純中 Churn-Jung Liau 的隱私威脅的邏輯模式，進而提出量化的隱私風險指標，並以此指標為基礎，設計隱 架構得以實現。在此環境中的研究方向：資料庫與資料探勘即
Research Fellow 私閘門系統 CellSecu。未來我們希望研究更具挑戰性的資料庫連結問題，如何能夠在 服務。傳統資料庫大多採用關聯式資料模型，而在雲端環境中
CSIE , National Taiwan University 不直接串連資料庫的情形下，計算出連結後的重要結果。初步的想法是利用私密的向 必需研究是否有新式組織資料的方法(例如能配合映射與簡化
量內積協定作為基礎元件建構各種應用系統。而終極的目標是，發展能以高階語言為 概念的資料型)，並配合設計出相關資料庫技術，包含新的檢
輸入而自動編 譯出私密協定之系統。 索、同步機制、隱私保護、線上交易分 析等服務。在資料探
勘方面，延伸傳統平行及分散式探勘演算法，我們希望能設計
有效運用雲端資源的方法，分析多重來源的資料，並將結果輸
● 大圖存取 出至有需求的多個端點使用者。
圖可以用來作為許多應用的基本模型，例如圖可應用在社會網路，賽局圖形，以及傳
染病傳播等研究。有些實際的應用所面對的圖相當大，以目前主記憶體的容量，這些 ● 資料流之資料探勘
圖往往沒有辦法整個放進主記憶體內，此時原來發展的許多圖論演算法就必須修改，
或需要重新設計來面對無法存入主記憶體對效能的挑戰。在過去我們對於象棋的殘局 在許多應用中，需要處理大量以資料流形式增加的資料，例如
以及疾病模擬提出演算法方面的修改與設計，得到還不錯的效果。未來我們希望能就 股票交易資料、感測網路的量測資料、監視影像資料、和氣象
這些議題更深入的研究，同時也希望能 將所發展出來的方法，應用到其他的領域。 預報資料等。這些應用中之資料流通常有以下特性，例如：持
續匯入、數量龐大、快速產生等等。在有限運算資源下，我
們必需設計即時且可能是近似的探勘演算法，以適應資料流
2. 資料探勘技術及應用 特性。在這樣的環境下，我們討論議題包括：1)資料流摘要處
理、2)不同資料流處理模型下對應的探勘演算法。我們更 進一
● 不確定性資料查詢處理與探勘
步會驗證探勘所得之近似結果能否滿足需要即時決策之應用。
在資料收集的過程中，可能會因為資料收集設備有誤差，或是一些人為因素，例如為
了保護隱私而刻意將敏感性高的資料模糊化，而造成資料的值可能包含了一些不確定
性。因此，我們所獲得的資料並非是所得的定值，而應該是一個可能值的機率分佈。 ● 多模式資料探勘
多模式探勘為一新研究方向，整合多來源的知識發現，並了解
他們之間的關係和影響。一個典型的應用是股市預測需要從交
易資料以及新聞事件流中探勘知識。整合多來源知識很困難因
為知識的格式、意義、時間性的不一致性。在這項研究中，我
們以預測市場來研究方面多模式探勘問題。

18 19