上下文感知的移動社交網路社會化挖掘與推薦技術研究

上下文感知的移動社交網路社會化挖掘與推薦技術研究

《上下文感知的移動社交網路社會化挖掘與推薦技術研究》是依託電子科技大學,由牛新征擔任醒目負責人的青年科學基金項目。

基本介紹

  • 中文名:上下文感知的移動社交網路社會化挖掘與推薦技術研究
  • 依託單位:電子科技大學
  • 項目類別:青年科學基金項目
  • 項目負責人:牛新征
項目摘要,結題摘要,

項目摘要

移動社交網路是多個有著相似興趣個體組成的社交網路,為用戶提供便捷的移動互動體驗。面對移動用戶動態上下文信息感知、社會屬性挖掘等需求,傳統網際網路的社會化信息挖掘及推薦技術面臨巨大挑戰,目前,該問題的研究處於起步階段。本課題將研究移動社交網社會化挖掘與推薦技術,為以社交關係為中心的個性化服務實現提供有力的支持。我們將基於模糊序列模式挖掘等理論和國外測試實驗平台(JiST/SWANS),研究適用於關係隱藏較深、上下文變化快的移動社交社會化挖掘與推薦策略。研究主要包括:提出基於社會信息的輕量級能量感知路由策略,同時達到合理使用能量和保護隱私等目標;設計基於頻繁特徵模式樹與互動關係超圖的社群發現、模糊序列模式挖掘下的關鍵成員挖掘、基於興趣度的關聯最佳化推薦策略,保證用戶的移動社交行為的實時性和有效性。也將構建移動社交微博套用原型和融合不同網路模式的算法評估平台等,可最佳化算法的快速適應性演化和調整能力。

結題摘要

本課題研究移動社交網路社會化挖掘與推薦技術,為以社交關係為中心的個性化服務提供有力的支持。面對具有動態變化的網路拓撲結構、有限的無線傳輸頻寬、移動終端的能量限制、具有社會屬性的移動服務等特點的移動社交網路,針對移動社交網的個性化服務需求和移動用戶間的社會關係挖掘等問題,我們進行了以上下文感知的移動社交網路社會化挖掘與推薦技術為主題的相關技術研究。我們通過研究頻繁特徵模式樹、動態網路社團發現、移動用戶行為分析與偏好挖掘、模糊序列模式挖掘理論、關聯規則挖掘理論、興趣度規則最佳化算法,以及當前相關的最新理論技術,重點研究基於上下文感知的社會化挖掘與推薦的相關問題,並探索適合行動網路環境下的社會化挖掘與推薦策略的多網路模式測試評估平台。我們提出了基於FPMAX和數組前綴樹的頻繁模式挖掘改進算法,改進後的算法面對海量移動社交數據時更加高效;我們通過引入了標籤傳播的思想,結合網路的動態特性,即同時考慮時間開銷和歷史開銷,提出了基於標籤傳播的多目標最佳化的進化聚類算法LDMGA,有效解決了動態網路社團發現的準確率低和效率低的問題;我們將機器學習中的ε-greedy高斯策略引入AC算法,提出一種新的ε-greedy高斯策略,解決了AC算法在決策時難以獲得很好的收斂速度與質量等問題,使得能更快速地得到更準確的推薦決策;我們還提出一系列針對移動對象的隱私保護方法,有效地從數據端和移動終端解決了移動社交的隱私保護問題;我們通過將最小二乘時間差(LSTD)算法和正則化相結合,提出了兩種新的線上LSTD算法OSKRLSTD-2 和OSKRLSTD-1,新的算法利用線上稀疏的特點,可以較好地處理未知區域並用於移動社交的線上學習。最後,我們結合移動群智感知技術,設計了一個完整、健全、高效的移動社交網路社會化挖掘推薦框架。這個基於移動情景感知的推薦系統框架充分利用用戶豐富的上下文信息(如位置、偏好、社交圈等),實現不同的有歸屬感的社交服務,個性化地滿足移動用戶的服務需求,帶來更好的移動社交體驗,在以人際關係為基礎的服務通信融合、社交關係的挖掘和信息推薦、服務個性化支持等移動社交網服務建設目標的基礎上,為用戶打造全新的移動社交生活。
check!

熱門詞條

聯絡我們