《社會化網路社區中跨域推薦技術研究》是依託浙江大學，由卜佳俊擔任項目負責人的面上項目。
基本介紹
- 中文名：社會化網路社區中跨域推薦技術研究
- 依託單位：浙江大學
- 項目負責人：卜佳俊
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
隨著社會化網路社區中資源的大量增加，越來越多的網上社區採用推薦技術來方便用戶獲取信息。而傳統推薦算法在用戶興趣信息缺失或較少的情況下很難給出準確的推薦結果，這被稱為冷啟動問題或稀疏問題。跨域推薦是緩解該難題的有效途徑，即利用用戶在其它服務或社區中的信息來最佳化目標服務的推薦準確度。本項目旨在利用豐富的社會媒體及多渠道網路信息，實現不同服務或社區中用戶的自動識別和對應，定義和計算屬於不同類別或媒體資源的相關性，進而跨域遷移用戶興趣，預測用戶在目標服務中的興趣，最終實現社會化網路社區中的跨域推薦以緩解傳統推薦算法面臨的冷啟動或稀疏問題，同時尋求跨域推薦的合理解釋，方便用戶獲取和選擇信息。本項目將研究多種跨域推薦算法，搭建原型併力求在實際系統中套用推廣。
結題摘要
隨著社交網路的蓬勃發展，越來越多用戶參與其中並不斷提供自己的資源與他人分享，因此社會化網路社區中的資源總量也在不斷膨脹。這些海量的信息資源雖然為用戶帶來了大量的便利，卻也使他們難以準確定位到自己需要的內容。本項目按照計畫書所列研究內容順利開展研究工作，主要圍繞如何利用社會化網路社區中的多源信息，研究不同類型、來源的數據處理手段與高速計算方法，並研究實際套用場景中用戶的需求體驗，進而為用戶提供更優質的信息推薦服務。基於項目研究成果研發了適用於盲人的信息檢索與推薦系統，套用於“中國盲人數字圖書館”中，已為來自全球116個國家的300多萬人提供了服務，用戶總點擊數超億次。 項目共發表論文20篇，其中SCI期刊論文12篇（11篇2015年影響因子大於2），頂級國際會議論文8篇，申請發明專利7項，超過項目計畫書要求。在社交網路個性化推薦、跨域推薦、社交媒體數據表征與高性能語義處理等領域取得了一系列成果，包括：（1）針對推薦系統中普遍存在的數據稀疏問題，提出一種基於用戶-資源興趣子集的協同過濾方法，在數據稀疏時仍有較好的推薦效果。（2）針對社交網路“小圈子”現象阻礙信息廣泛傳播的問題，提出一系列推薦算法，突破用戶信息傳播的局部區域限制，實現跨區域的有效信息傳播。（3）社交化網路社區中的數據往往來源迥異且種類繁多，跨域數據理解及潛在信息挖掘一直是業界研究熱點。研究團隊從多個實際問題入手，如新聞圖片人臉——名字對應、多渠道用戶信息挖掘、社交網路潛在關係挖掘等，研究各個套用場景中合適的社交網路挖據算法。（4）針對社交化網路社區中數據量巨大且維度較高的問題，提出利用流形學習方式將數據緯度進行合理化壓縮，並利用圖排序方法大大提高在海量數據集上的計算效率。
