《個性化推薦中基於情境感知的多源遷移學習方法研究》是依託大連理工大學,由李先能擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：個性化推薦中基於情境感知的多源遷移學習方法研究
- 依託單位：大連理工大學
- 項目類別：青年科學基金項目
- 項目負責人：李先能
項目摘要,結題摘要,
項目摘要
針對個性化推薦中用戶歷史偏好數據收集困難的難題，引入人工智慧與運籌學最佳化方法，以提高個性化推薦的精確性和智慧型性為目標，提出基於情境感知的多源遷移學習方法。研究包括：1、構建多源遷移學習模型，從用戶其他系統豐富的多源歷史數據中高效挖掘有用知識，並將其遷移至目標系統以解決歷史偏好數據收集困難的難題；2、同時，充分考慮用戶興趣隨情境不同而動態變化的特點，研究多源遷移學習中情境的表達方式，基於情境的多源數據處理方法，及情境感知模型，以實現高效、智慧型的多源知識遷移；3、開發基於情境感知的多源遷移學習的個性化推薦原型系統，並將其套用在跨系統電子商務個性化推薦的實際套用中。本研究提出的多源遷移學習模型及其情境感知模型為提高遷移學習的效率性、適用性和智慧型性帶來了有益的探索；研究成果將為解決個性化推薦中用戶歷史偏好數據收集困難的難題，提供精確智慧型、科學高效的手段。
結題摘要
本項目以個性化推薦中的用戶歷史偏好數據收集困難為切入點，引入了遷移學習、運籌學最佳化等方法，以提高個性化推薦的精確性和智慧型性為目標，提出基於情境感知的多源遷移學習方法。主要研究內容包括：1、構建多源遷移學習模型，將跨系統的多源數據遷移至目標系統以解決訓練數據過少、學習效率過低的問題；2、在遷移的過程中，考慮情境的動態變化性，構建遷移學習中的情境感知模型，研究跨平台、跨領域的遷移學習方法；3、將遷移學習的方法推廣到大規模最佳化問題與智慧型決策等實際問題中，拓展相關研究成果的套用；4、開發相關方法的原型系統和算法庫，與電子商務O2O企業合作，將研究成果套用到跨系統的電子商務個性化推薦的實際套用中，取得了30%的推薦效果提升。本研究提出的多源遷移學習模型及其情境感知模型為提高遷移學習的效率性、適用性和智慧型性帶來了有益的探索；研究成果將為解決個性化推薦中用戶歷史偏好數據收集困難的難題，提供精確智慧型、科學高效的手段。同時，本研究還將相關的研究成果推廣到解決大規模最佳化問題與智慧型決策等實際問題中，拓展了研究成果的科學價值。在本項目的支持下，項目組已發表學術論文11篇（SCI/SSCI期刊論文7篇，其中JCR一區論文6篇、二區論文1篇；EI國際會議論文4篇）。
