基於社會化感知數據多層次學習的服務推薦

《基於社會化感知數據多層次學習的服務推薦》是依託上海交通大學，由曹健擔任項目負責人的面上項目。

基本介紹

• 中文名：基於社會化感知數據多層次學習的服務推薦
• 項目類別：面上項目
• 項目負責人：曹健
• 依託單位：上海交通大學

項目摘要

隨著網際網路上服務形態的日益多樣化、服務數量的快速增長和服務的廣泛使用，如何為用戶推薦合適的服務已經越來越成為一個迫切需要研究的問題。由於服務提供是一個互動過程，一項服務的達成及其效果不僅取決於自身，也取決於使用它的用戶、與它協作的服務和套用的場合，因而服務的準確推薦有賴於對服務、用戶及其關係的深入認知。隨著服務的廣泛使用，服務、服務提供者、用戶、服務套用之間已經形成了一個動態變化的、複雜的關係網路，圍繞服務的各種社會化的感知數據依託此網路不斷產生並在網際網路上得到傳播。本課題中通過採集和處理服務的社會化感知數據，提出基於這些數據對服務和用戶模型進行多層次學習的方法，以設計出能有效利用多源信息、針對用戶服務請求行為、適應服務異構性和動態性的服務推薦算法，從而能夠為不同模式的套用給出相應的服務推薦方案。

結題摘要

隨著網際網路上服務形態的日益多樣化、服務數量的快速增長和服務的廣泛使用，如何為用戶推薦合適的服務已經越來越成為一個迫切需要研究的問題。項目的主要研究內容和結果包括： （1）對服務及其感知數據提出了相應的獲取與處理方法：針對大規模服務感知數據處理的問題，提出了數據流線上近似查詢處理方法和HBase中的數據查詢最佳化問題；設計了具有優先權保證的發布訂閱機制來實現數據的按需獲取；設計了對運用實體解析技術進行服務數據清洗方法，研究了服務質量的預測方法； （2）通過服務組合、標籤網路、服務主題進行多層次服務語義的獲取，提出了服務的關係語義模型，設計了多個方法來進行服務關係的語義獲取和服務的組合語義獲取；提出了一種基於使用記錄和環境的用戶使用APP的預測模型；針對目前普遍存在的共享賬戶問題，研究了如何依據其購買行為進行用戶識別的問題； （3）提供了多模式服務推薦方法，包括基於基於貝葉斯方法的異方差模型的長尾物品推薦、基於機率主題模型和隨機遊走的評分和內容相結合的推薦方法、新型的基於Session的推薦方法等；結合APP推薦的特點，開展了考慮服務類別關係、基於核約束的推薦算法、面向群組的列表推薦方法的研究。 在研究中與APP、旅遊服務、醫療服務等套用結合，進行了服務推薦技術套用的研究以及推薦方法的驗證，項目成果獲得2018年上海市科技進步二等獎，成果名稱為“個性化、智慧型化服務技術及其在線上旅遊行業的套用”。發表了50篇論文，其中5篇發表在CCF A類期刊或會議上，18篇發表在CCF B類期刊或會議上；申請專利7項，已授權2項，獲得軟體著作權2項。 項目成果能夠為服務的個性化套用提供技術支持。