《推薦系統的信息核挖掘及其套用研究》是依託電子科技大學,由曾偉擔任醒目負責人的青年科學基金項目。
基本介紹
- 中文名：推薦系統的信息核挖掘及其套用研究
- 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：曾偉
項目摘要,結題摘要,
項目摘要
推薦系統已經在理論和套用中取得很大進展，但其所需處理的數據往往規模巨大，從而導致推薦算法的效率不能滿足套用需求。本項目擬基於複雜網路理論，研究基於二部圖網路表示的推薦系統，挖掘推薦系統的信息核，在滿足算法準確性要求的前提下，大大提升推薦算法的效率。首先，從推薦網路拓撲結構的統計特徵入手，挖掘推薦網路的信息核，設計信息核提取算法，確保信息核在滿足推薦算法功能需求的前提下極大化壓縮數據量；其次，通過信息核的演化分析，建立模型刻畫其網路結構的動態演化機制，力求通過信息核網路的演化特徵揭示原始推薦網路的演化特徵，進而實現推薦網路建模；最後，設計基於信息核的靜態和動態算法，利用推薦網路信息核保功能而規模極小的優勢，設計高效的推薦算法。本項目在保證推薦功能的前提下對推薦網路進行結構壓縮，為推薦算法處理大規模數據集提供新思路，其結果不僅有利於在套用實踐中取得效益，而且豐富了複雜網路理論研究。
結題摘要
信息推薦技術的研究，在理論和套用層面都具有重大的意義和價值。從理論上講，信息推薦問題是信息挖掘這一重大科學問題的重要組成部分；從套用上講，信息推薦技術已經成為許多電子商務網站的核心技術，為電商帶來巨大的經濟價值。 針對研究項目立項時所確定的幾個研究目標，我們主要開展以下四個研究內容：（1）利用與單個用戶相關的網路子圖，提取推薦網路的信息骨架。信息骨架和信息核具有相似的功能，他們的規模遠遠小於原始推薦網路，但是它們包含了原始網路大部分信息。（2）為了在有權網路中提取信息核，我們研究顯示評分所蘊含的隱式成分，並設計了基於隱式評分信息的推薦算法。（3）為了研究信息核的分布情況，我們設計了基於同步的共簇社區發現算法，我們的社區發現方法明顯好於現有的一些社區發現方法。（4）為了研究信息核的動態特性，我們利用點過程對用戶的行為建模，通過改變生存模型中瞬時機率函式的定義方式，我們同時考慮三種因素：產品屬性的影響、用戶對產品的偏好和用戶鄰居的影響。 項目組鼓勵項目組成員積極參與國內外學術交流活動，項目組目前與國外大學的知名教授如美國波士頓大學的Stanley院士、瑞士弗里堡大學張翼成教授保持長期合作。本項目組秉承自然科學基金培養基礎研究人才的宗旨，培養一批優秀的青年教師、博士研究生和碩士研究生。項目組積極參與企業合作，部分項目成果已經成功套用於某飛機型號航電系統的故障診斷與預測。
