《動態演化線上系統中的信息推薦問題研究》是依託電子科技大學,由尚明生擔任醒目負責人的面上項目。
基本介紹
- 中文名：動態演化線上系統中的信息推薦問題研究
- 依託單位：電子科技大學
- 項目類別：面上項目
- 項目負責人：尚明生
項目摘要,結題摘要,
項目摘要
推薦技術的研究在理論和套用層面都有著重大的意義和價值。現有研究主要集中在靜態系統的推薦算法，考慮單步推薦的準確性，而實際的推薦系統是動態演化系統。本項目使用二部圖來刻畫線上推薦系統，從網路演化分析入手，來研究系統動態發展過程中的信息推薦問題。首先，將系統研究網路結構對推薦效果的影響，提取決定推薦效果的網路信息骨架，並設計基於網路的動態調整方法來最佳化推薦過程。其次，將通過考察推薦系統和推薦網路的協同演化過程，設計具有長期優勢的線上推薦算法，不僅滿足個體需求，同時最佳化整個系統。第三，項目還將研究推薦算法的個性化使用問題，探究不同算法的最適用用戶群，為不同的用戶及其在系統的不同階段設計最恰當的推薦算法。最後，項目將研究演化推薦網路中的趨勢預測問題，力求通過微觀的推薦過程來預測巨觀的商品流行性演化。項目將不僅在理論上填補信息推薦系統的動態演化研究的空白，而且在實踐中能提高推薦系統的長期效果及效率。
結題摘要
研究內容：網路結構對推薦效果的影響；推薦算法和線上系統的協同演化；推薦網路演化中推薦算法的動態個性化；基於演化推薦網路的流行趨勢預測。 主要結果：（1）提出一種基於隨機遊走的信息推薦廣義模型，通過調整參數對表征推薦系統二部圖的網路結構進行模擬。經過大量試驗分析發現網路聚類稀疏、稠密度和用戶對象比與預測精度為正相關，其中用戶對象比為新提出的指標。發現只需部分網路信息即可以保存大部分推薦功能，提出推薦系統信息核和信息骨架等新概念，從網路拓撲和時間演化等兩個方面提出信息核挖掘算法，並從連邊等方面挖掘針對推薦算法更好的網路骨架。（2）提出長期有效推薦系統的概念，設計了一種基於推薦算法驅動的網路演化模型，用於評測使用推薦系統的長期效應。提出了一種有利於推薦系統長期有效的推薦策略，採用該策略在顯著提高推薦精度的同時，在推薦系統的健康性方面還可以起到很好的均衡作用。（3）提出推薦算法個性化的概念，將個性化推薦研究引入一個新階段。提出了基於混合算法中參數個性化的方法，以及基於Slope-One算法為例的參數個性化的推薦算法，結果表明相對於固定參數推薦算法，算法參數個性化可以有效提升推薦精度。（4）將推薦技術的微觀預測引入巨觀趨勢預測，提出多個預測算法。分析了多種偏差對預測結果的影響，同時結合數值特徵和網路特徵，在表征推薦系統的隱特徵分析等方面提出多個高效方法。將巨觀預測算法套用於流行商品預測、重要論文預測、微博轉發預測等等。（5）還提出多個個性化推薦算法和最佳化算法。針對稀疏性問題提出了一種基於產品質量和用戶評分偏好的推薦算法，在計算效率、產品覆蓋率、算法準確性等方面有大幅提高。針對推薦系統多樣性問題，提出了一種基於多維度分析的協同過濾推薦算法。 考核指標完成情況：在質量和數量上均遠超預期。（1）發表論文42篇，其中SCI檢索24篇，包括中科院1區論文2篇，二區論文4篇，三區論文12篇。CCF A和B類會議各1篇。（2）培養人才14人，2名博士生畢業即被聘為985高校副教授，2名青年研究人員入選中科院人才計畫，10名碩士繼續攻讀博士或者進入知名IT企業或研究所。（3）申請發明專利9件。
