目標導向的網路挖掘與推薦關鍵問題研究

《目標導向的網路挖掘與推薦關鍵問題研究》是依託中國科學院大學，由張彥春擔任項目負責人的面上項目。

基本介紹

• 中文名：目標導向的網路挖掘與推薦關鍵問題研究
• 項目類別：面上項目
• 項目負責人：張彥春
• 依託單位：中國科學院大學

項目摘要

網際網路上的海量數據和各種各樣的信息服務為人們信息獲取提供了極大的方便和自由。一方面，巨大數量的日益成熟的網路用戶對網際網路上搜尋信息質量的要求變得越來越高，另一方面，網路已成為信息發布的最重要媒介，對企業產品和服務的推廣起著越來越不容忽視的重要作用。本研究通過利用兩種目標導向因素：用戶動機因素和表現其使用Web行為的具體上下文環境的情境因素來進行網際網路數據挖掘，旨在從海量的Web網頁數據中快速而準確地挖掘出用戶需要的資源或服務以滿足資源搜尋和廣告推薦的需要。本研究的目的就是在Web挖掘和推薦領域開闢一個新的研究方向，即通過引入新的結構維數（即引入用戶動機和使用情境兩個目標導向因素）從而以更加有效的方式來推薦，聚類和結構化Web資源。這種新技術的研發包括：因果網路動機模型，動機連結分析，基於動機的Web聚類，使用情境知識挖掘以及一個基於動機的推薦原型系統。

結題摘要

本研究在先前研究的基礎上構建新的網路挖掘和個性化推薦模型，從 而達到實現高效而精確地進行個性化推薦的目的。解決問題的思路是對用戶使用網路的 動機和行為進行分析來幫助進行網際網路數據挖掘，具體來說，就是利用用戶動機和表現 其使用Web行為的具體上下文環境的情境（Context）信息來進行網際網路數據挖掘的研究 。開發新的基於情境感知計算的新算法的目的是，既要能有效地使所設計的新算法克服 傳統算法存在的不足，同時又不會顯著地增加計算複雜度和影響現有算法的精度。 本研究通過利用兩種目標導向因素：用戶動機因素和表現其使用Web行為的具體上下文環 境的情境因素來進行網際網路數據挖掘，旨在從海量的Web網頁數據中快速而準確地挖掘出 用戶需要的資源或服務以滿足資源搜尋和廣告推薦的需要。本研究的目的就是在Web挖掘 和推薦領域開闢一個新的研究方向，即通過引入新的結構維數（即引入用戶動機和使用 情境兩個目標導向因素）從而以更加有效的方式來推薦，聚類和結構化Web資源。這種新 技術的研發包括：因果網路動機模型，動機連結分析，基於動機的Web聚類，使用情境知 識挖掘以及一個基於動機的推薦原型系統。在社交網路尤其是信任網路中，用戶扮演著不同的角色： 信任者和被信任者。不同的角色下用戶可能表現出不同的興趣偏好。我們嘗試利用矩陣 分解和網路結構化信息刻畫角色感知的興趣偏好。對於決策上下文，我們在去年多層上 下文圖模型的工作基礎上，通過引入圖結構中的語義信息進一步強化了對決策上下午信 息的使用，從而提高了模型性能。具體地，我們提出以語義路徑的形式挖掘路徑背後的 語義信息，並引入原先排序方法，刻畫特定的語義關係對排序結果的影響。，我們打破傳統方法用戶之間獨立同分布的假設，嘗試通過在排序學習 中引入社交信息刻畫好友對用戶偏好的影響。具體地，我們將用戶對物品的偏好建模成 用戶自身偏好和好友影響的結合，再通過直接最佳化基於列表的損失函式從而學習到用戶 、物品的特徵表示，得到個性化的排序函式。我們注意到在社交網路尤其 是信任網路中，用戶扮演著不同的角色：信任者和被信任者。不同的角色下用戶可能表 現出不同的興趣偏好。我們嘗試利用矩陣分解和網路結構化信息刻畫角色感知的興趣偏好。