《基於社會網路的協作模型及推薦技術研究》是依託北京理工大學，由陳翔擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於社會網路的協作模型及推薦技術研究
- 依託單位：北京理工大學
- 項目負責人：陳翔
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
套用趨勢表明社會網路環境下的協作將在未來企業和個人商務活動中起到越來越重要的作用。為促進社會網路中的協作行為，仍有許多理論和實踐問題需要解決，包括：如何建立一個具有社會網路性質、分散式工作環境特點的協作模型？如何根據社會網路關係和協作需求從虛實繁雜的網際網路數據中提取有價值的信息？如何根據協作模型從獲取的信息產生有效的協作？.本研究將集成研究協作模型、協作信息處理技術和推薦技術三個問題，從理論和實踐兩個方面為社會網路協作理論和智慧型推薦給予支持。包括：建立體現社會網路協作的層次性、多維性和自組織性三大特點的協作模型；採用語義Web技術，獲取基於協作的社會網路信息處理技術；結合協作模型，按照社會網路信息的特點構建高效的協作推薦方法。.希望通過本項目的研究填補現有研究在社會網路協作方面的一些空白，加深對社會網路協作的的理解，並給予實踐相應的指導。
結題摘要
線上社交網站在電子商務的發展和套用中起到日益重要的作用，目前基於社交網站的研究和商業套用多集中於基於社交聯繫的分析和推薦，關於社交網站如何產生協作，如何獲取協作信息以及如何進行協作推薦的研究較少。針對該問題，本項目從協作模型、協作信息提取技術和推薦技術三方面對社會網路環境下的協作問題展開研究。包括： （1）通過重新定義虛擬網路協作中的社會關係及界定虛擬網路中的合作行為，構造能夠反映協作的社會關係度量模型及合作關係度量模型。通過聯繫關係強度和合作關係強度，建立基於社會網路的協作模型。在此基礎上，建立具有無標度特徵、小世界特徵、分層結構特徵的網路模型。 （2）提出了包括分詞處理、詞性標註、LDA（Latent Dirichlet Allocation）文本訓練、同義詞拓展等幾個環節在內的興趣特徵抽取方法。將LDA模型與協作模型融合，提出了一種主題層面上的用戶興趣建模方法，即使用主題向量模型對用戶進行興趣建模，作為基於興趣的社區發現的研究基礎。 （3）引入張量描述多維、多層的社會網路協作模型，通過統計分析並借鑑二維SVD技術，將其擴展為三維HOSVD方法，將來自多個信息源的信息進行智慧型複合以產生更有效度量信息。抽取項目的特徵信息映射到低維空間，進行維度約減並有效緩解原始矩陣的稀疏性，改進傳統協同過濾算法冷啟動和稀疏性問題。 （4）通過研究派系間的結構相關度和屬性相關度，並結合兩者構造出綜合相關度，用以改進CPM算法進行社區劃分。在發現興趣社區的基礎上，為提高社區發現的研究價值及套用價值，結合模糊綜合評價法和TF-IDF的思想，提出了社區興趣計算方法。 （5）提出根據協作者與項目的發生關係和項目標籤集合獲取標籤共生信息，結合協作者工作偏好和標籤相似度研究協作者之間的關係，改進社會網路圖的計算方法，解決發生陣的稀疏性問題，預測可能參與項目的協作者，提出協作者推薦算法。 項目組共發表相關論文17篇，彌補了目前社會網路協作方面研究的一些缺失，加深了對社會網路協作的的理解。
