個性化特徵大數據支持下的互動式進化計算及其套用

《個性化特徵大數據支持下的互動式進化計算及其套用》是依託江蘇師範大學，由郝國生擔任項目負責人的面上項目。

基本介紹

• 中文名：個性化特徵大數據支持下的互動式進化計算及其套用
• 項目類別：面上項目
• 項目負責人：郝國生
• 依託單位：江蘇師範大學

項目摘要

根據專家意見與資助年限和經費，本項目旨在通過從個性化特徵大數據中遷移與待最佳化問題特徵相似的數據和主動獲取關鍵數據，提高互動式進化計算性能；為進一步研究其他如下內容奠定基礎：基於群體智慧的最佳化理論與方法，並套用於教育個性化尋優問題，幫助學習者提高學習效率。為此，在個性化特徵大數據支持下，本項目在一年時間內集中研究集成遷移學習與主動學習的互動式進化計算；為後續的兩個內容作理論與實驗環境的鋪墊：（1）基於用戶群體智慧的互動式進化計算基礎理論與方法；（2）在教育個性化的教學資源組合最佳化中的套用。主要解決一個關鍵科學問題：大數據環境下個性化特徵的提取、表示和利用。不同於傳統的通過調節算法參數或增強進化運算元改進算法性能的方法，本項目藉助獨立於算法本身之外的大數據與機器學習方法展開研究。本項目的實施對於推動進化最佳化理論與技術具有重要意義。

結題摘要

互動式進化計算中用戶易疲勞的特點，使得系統得到的關於用戶偏好的信息量少，因此算法性能有待提高。以往的研究中通常從算法性能改進著手，較少從歷史信息以及其他用戶信息利用著手。本項目從用戶的歷史進化信息和其他用戶信息利用角度，藉助大數據技術挖掘用戶個性化偏好特徵，並藉此建立用戶的偏好模型，在此基礎上，結合遷移學習和主動學習，遷移其他用戶的相似偏好知識，彌補系統關於當前用戶偏好不足的特點；藉助主動學習技術，充分利用用戶的鑑賞能力，獲取用戶的關鍵偏好信息，從而提高算法性能。本項目重點研究大數據支持下的個性化特徵，並用占優關係場（DL）表征該特徵，給出了DL的性質與相關定理，並提出了DL等價最佳化問題、DL相似最佳化問題的定義。以DL特徵為基礎，提出用戶偏好相等相似的評判方法，以及用戶偏好的建模方法。在此基礎上，給出了個性化特徵大數據支持下的互動式進化計算框架，以及基於遷移學習的高階最佳化問題的解決方法。針對用戶偏好的動態時序特點，提出了環狀深度學習結構；利用歷史進化信息方面，提出了進化計算中信息反饋模型，並對多種最新進化計算提出了性能改進方法。同時，把理論成果套用於個性化教育，提出以知識點前沿作為個性化特徵的用戶模型構建。在本項目支持下，出版專著一部，發表期刊論文10篇，會議論文5篇。SCI檢索7篇，外文論文12篇，中文論文3篇。本項目的實施，為進一步從大數據和問題特徵角度研究算法性能提供了前期理論鋪墊，也為個性化教育的套用提供了新的研究思路。