《基於社交網路的多樣性小眾推薦技術研究》是依託電子科技大學,由周俊臨擔任醒目負責人的青年科學基金項目。
基本介紹
- 中文名：基於社交網路的多樣性小眾推薦技術研究
- 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：周俊臨
項目摘要,結題摘要,
項目摘要
傳統的推薦技術以提高推薦精度為主要目的，推薦列表往往聚焦於少量的流行商品。為了提高用戶-系統粘度，針對老顧客在流行性推薦失效後必須考慮推薦列表的多樣性，才能滿足顧客的個性化需求。因此，如何在兼顧精確性的同時保證推薦列表多樣性，成為當前推薦系統的面臨的一個重要問題。同時，隨著facebook，世紀佳緣，新浪微博等社交網路的興起，基於社交網路的社會化推薦越來越流行，如何有效利用各種社交網路信息進行商業推薦也越來越受到人們的關注。由此，本項目基於複雜網路分析技術並結合網路社區結構及其演化特性提出一種同時滿足精確性和多樣性的推薦方法，並利用超圖聚類方法融合信任網路、標籤網路等各種社交網路信息，實現具有多樣性的社會化推薦服務。最後，研究大規模複雜網路的近似計算方法，將各項技術推廣到套用領域。本研究成果不僅能套用於基於社交網路的社會化推薦，在傳統基於長尾的推薦任務中，也能起到很好的胖尾提升效果。
結題摘要
本課最終目標是實現基於用戶的一種或多種社交網路進行社會化推薦，並同時保證推薦結果的精確性和多樣性，隨著時間推移還能有效解決長尾產品銷售的胖尾提升問題。在研究期間，2013年獲得四川省科技進步一等獎一項，排名3，2014年中國計算機學會自然科學二等獎一項，排名9。項目組共發表標準資助論文18篇，其中SCI期刊論文14篇，EI論文3篇，核心期刊論文1篇。培養博士研究生2名，碩士研究生5名。傳統的推薦技術以提高推薦精度為主要目的，推薦列表往往聚焦於少量的流行商品。為了提高用戶-系統粘度，針對老顧客在流行性推薦失效後必須考慮推薦列表的多樣性，才能滿足顧客的個性化需求。有鑒於此，本項目研究了基於社交網路的推薦技術，並利用社交信息同時提升推薦系統的精確性和多樣性，主要包括以下幾點：①提出一種基於信息增益的個性化推薦方法，解決傳統流行性推薦算法的長尾問題；②通過結合用戶之間的社會影響和購買行為的相似性，提出一種集成的協同過濾方法，能同時提升系統的準確性和多樣性；③本項目研究了有向社會網路上的三種社會相似性度量標準，並提出一種社會相似性和用戶偏好相似性的非線性融合方法，通過調整融合參數的自動調整，使得推薦結果形成由長尾向胖尾的轉變；④在傳統基於相似性推薦的基礎上，提出一種基於時間特性的二部圖推薦方法，通過調整初始資源權重分布體現用戶興趣隨時間的變化趨勢，在Top-N推薦中命中率大幅提升。⑤在推薦系統訪問用戶信息的同時，研究了基於隱私保護的個性化推薦方法，並從文本內容和用戶關係兩個角度提出了保護的策略。
