《泛在網路環境下用戶興趣建模與移動推薦方法研究》是依託湖南大學，由陳浩擔任項目負責人的面上項目。
基本介紹
- 中文名：泛在網路環境下用戶興趣建模與移動推薦方法研究
- 項目類別：面上項目
- 項目負責人：陳浩
- 依託單位：湖南大學
中文摘要,結題摘要,
中文摘要
傳統推薦難以滿足泛在網路環境下不同情境、不同位置、不同目的及不同時期的個性化推薦需求。為提升推薦質量及效率，本研究首先探尋上下文情境與用戶興趣遷移之間的內在關聯與定量表達方法，構建融合移動情境、用戶偏好、行為軌跡及移動社交網路的多維度用戶興趣模型；然後，通過分離空間位置與拓撲屬性集，揭示用戶興趣模型與推薦項目之間的多元拓撲關聯與時空混合索引存儲結構；隨後，將移動上下文分為內層穩定偏好與外層機遇興趣，設計基於情境感知的移動上下文啟發式搜尋算法；結合商品森林分類體系設計基於情感語義的智慧型推薦算法；採用卡爾曼濾波方法對非平穩隨機過程所匯集結果集進行時間域優先快速過濾；最後，設計推薦效用評價模型對所提模型與算法的有效性進行分析與驗證。本課題的研究將為泛在網路環境下的用戶興趣建模與情境感知推薦研究提供新思路與研究參考。
結題摘要
傳統的推薦難以滿足泛在網路環境下不同情境、不同位置、不同目的及不同時期的個性化推薦需求。為提升推薦質量及效率，本研究首先探尋上下文情境與用戶興趣遷移之間的內在關聯與定量表達方法，構建融合移動情境、用戶偏好、行為軌跡及移動社交網路的多維度用戶興趣模型；然後，通過分離空間位置與拓撲屬性集，揭示用戶興趣模型與推薦項目之間的多元拓撲關聯與時空混合索引存儲結構；隨後，將移動上下文分為內層穩定偏好與外層機遇興趣，設計基於情境感知的移動上下文啟發式搜尋算法；結合商品森林分類體系設計基於情感語義的智慧型推薦算法；我們採用卡爾曼濾波方法對非平穩隨機過程所匯集結果集進行時間域優先快速過濾；最後，我們設計推薦效用評價模型對所提模型與算法的有效性進行分析與驗證。本課題的研究將為泛在網路環境下的用戶興趣建模與情境感知推薦研究提供了新思路與研究參考。
