Juni 2007


Jon Kleinberg merupakan salah satu peneliti computer science yang sangat berbakat dengan area penelitian yang sangat luas saat ini. Area penelitiannya meliputi web analysis and search, small-world phenomena and decentralized search, social network analysis, algorithms and complexity, data mining, indexing, network analysis, genomics and protein structure analysis.
Beliau telah memperoleh berbagai macam penghargaan seperti Sloan Research Fellow, NSF Career Award, ONR Young Investigator Award, Packard Foundation Fellowship, MacArthur ‘Genius Award’ Fellowship, dan Nevanlinna Mathematics Prize.
Berkaitan dengan data mining, beliau memperoleh dua best paper award KDD:

Komunitas data mining juga mengenal Beliau sebagai founder social network analysis. Selain itu algoritma HITS yang dikembangkannya di IBM Almaden merupakan pendekatan yang baru saat itu dan sangat berpengaruh pada perkembangan area web search engine. Algoritma PageRank Google merupakan salah satu algoritma yang terinspirasi oleh HITS yang lebih mengutamakan link analysis daripada keyword dalam ranking halaman web.
Saat ini, Beliau merupakan professor computer science di Cornell University.
Interview Beliau di KDNuggets dapat dibaca pada [2], memberikan gambaran tentang research yang Beliau kerjakan. Paper-paper Beliau dapat dilihat pada homepage Beliau [1].

Referensi:
1. Jon Kleinberg’s Homepage. http://www.cs.cornell.edu/home/kleinber/.
2. KDnuggets Interview: Jon Kleinberg (KDnuggets News 07:11, item 3, Features). http://www.kdnuggets.com/news/2007/n11/3i.html.
3. Jon Kleinberg Wikipedia entry. http://en.wikipedia.org/wiki/Jon_Kleinberg.

Iklan

Structural pattern mining merupakan data mining yang mencari informasi struktural dari structural database. Jelas, databasenya sangat berhubungan dengan graph. Pentingnya structural pattern mining dapat dilihat karena banyak sekali real world entity dapat dinyatakan dalam bentuk graph mulai dari relational database, molekul, networks, web, sampai proteomics. Berbagai representasi pengetahuan seperti sequence dan tree juga termasuk jenis graph. Karena itulah, area ini menjadi semakin penting saat ini. Beberapa disiplin ilmu seperti bioinformatika dan chem-informatics mulai memanfaatkan structural pattern mining untuk memperoleh deskripsi pola-pola data yang akan dianalisa.
Beberapa task structural pattern mining dapat dibaca pada posting Survey Link Mining.
Resource dan publikasi tentang structural pattern mining dapat dilihat pada [1].
Sedangkan [2], memberikan review tentang algoritma structural pattern mining yang dibagi menjadi kernels methods, molecular query methods, dan maximum common substructure methods bedasarkan sudut pandang molecular mining. Posting ini sangat menarik karena memberikan link ke source code, referensi, dan komentar tentang kelebihan algoritma-algoritma tersebut.

Referensi:
1. Homepage for Mining Structured Data. http://hms.liacs.nl/index.html
2. Mining Drug Space: Molecular Mining Review 2006. http://miningdrugs.blogspot.com/2007/01/molecule-mining-review-2006.html