基於用戶線上行為時空規律的個性化推薦算法研究

《基於用戶線上行為時空規律的個性化推薦算法研究》是依託杭州師範大學，由賈春曉擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於用戶線上行為時空規律的個性化推薦算法研究
• 項目類別：青年科學基金項目
• 項目負責人：賈春曉
• 依託單位：杭州師範大學

項目摘要

網際網路的快速發展促使大數據時代的到來，一方面給人們帶來了信息過載的困境，另一方面也為實現更為智慧型化和個性化的信息推薦服務提供了基礎。本項目擬從人類行為規律及其生成機制的研究出發，找出能夠支配用戶購物決策的因素，並建立基於人類行為動力學的個性化推薦算法。研究內容包括：第一、發現用戶強意圖行為的時空統計規律，並找出其背後的機制，從而建立用戶購物意圖強度的識別算法。第二、根據用戶購物意圖的強弱，抽取用戶行為數據的信息骨架，從而建立商品之間的相關性和用戶不同行為之間的關聯，設計基於用戶時間規律的個性化推薦算法。第三、研究用戶不同的行為與其所在空間的關聯，建立基於用戶空間規律的推薦算法。然後結合用戶行為的時間規律性，建立基於用戶時間和空間規律的混合算法，同時研究用戶在不同意圖強度下的推薦策略。本項目不僅可以為推薦算法的研究開拓新的思路，而且為人類行為動力的研究提供參考。

結題摘要

在本項目的研究期間，我們的研究涉及如下四個方面的內容。首先，我們研究了有關用戶行為的時間特性對於個性化推薦算法精度的作用，以及用戶行為特性對於度量用戶或者商品相似性的參考價值。我們的研究結果表明，用戶行為的時間特性對於算法的精度有著非常大的影響。在協同過濾算法中度量用戶或者商品相似性的時候，考慮共同商品或者共同用戶產生的時間間隔對於相似性的影響可以有效提升算法的精度。第二，我們研究了有關用戶向鄰居學習的空間範圍對用戶行為演化的影響；研究發現了觀察學習和實踐學習的合力作用，即適度增大用戶觀察學習的機率有利於合作的維持。第三，我們研究了用戶收益波動對其學習行為演化的影響。我們發現噪聲在公共品博弈中並不是始終促進合作的，在增益因子不利於合作的時候，適度的噪聲有利於合作的湧現。而增益因子有利於合作的時候，噪聲對於合作行為有較強的破壞作用。第四，我們研究了依賴關係與耦合關係對整個網路結構演化的影響，我們發現依賴關係與耦合關係對於網路的破碎形式有著重要的影響。總之，我們從用戶行為時空特性，用戶的相互作用形式，外部環境的影響和系統之間的耦合等幾個因素對於個性化推薦算法的作用，有利於我們構建全新的個性化推薦算法。