《融入社交信息的情景感知推薦關鍵技術研究》是依託浙江大學，由徐從富擔任項目負責人的面上項目。
基本介紹
- 中文名：融入社交信息的情景感知推薦關鍵技術研究
- 依託單位：浙江大學
- 項目負責人：徐從富
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
推薦系統是解決當今網際網路信息過載問題的有效技術手段，具有重要的研究價值和廣闊的套用前景。作為推薦系統領域的一個重要分支，情景感知的推薦系統（CARS）能夠提供更準確的推薦服務，代表了推薦系統未來的主要發展方向。然而，CARS的研究仍處於起步階段，面臨著很多困難和挑戰。本項目擬結合社交網路這一熱點研究領域，對情景感知推薦技術進行較為系統化、理論化的探索，在融入社交信息的基礎上，為CARS中的關鍵技術提供新的設計思路和解決方案。本項目擬重點研究相關情景的界定、情景信息的獲取、情景相關用戶偏好的提取、情景感知的推薦生成算法以及CARS的效用評價等幾個方面，所提出的新方法，可望豐富CARS領域的理論成果，並為CARS在社交網路領域中的套用提供技術支撐。
結題摘要
作為推薦系統領域中的一個重要分支，情景感知的推薦系統（CARS）能夠為用戶提供更加精準的推薦服務，是推薦系統未來發展的重要趨勢之一。然而，情景感知的推薦系統仍處於探索階段，面臨著不少難題和挑戰。本項目結合社交網路這一熱點研究領域，對情景感知推薦技術進行較為系統化、理論化的探索，在融入社交信息的基礎上，為CARS中的理論基礎和關鍵技術提供新的設計思路和解決方案。 本項目的主要研究內容包括：（1）相關情景的界定；（2）情景信息的獲取；（3）情景相關用戶偏好的提取；（4）情景感知的推薦生成算法；（5）CARS的效用評價等。同時，在四年的研究過程中，本項目組密切跟蹤該領域的國內外最新研究進展和發展趨勢，在完成原計畫的任務基礎上，有針對性地適當增加了一些最新的研究前沿，主要包括：與CARS直接相關的大規模矩陣快速填充及恢復算法、具有自適應性的文本過濾方法、面向商品推薦的約束偏好嵌入方法等最新的額外研究內容。 所取得的重要結果主要有：（1）多源異構情景信息的獲取及表達方法；（2）面向大規模矩陣填充和恢復的快速混合算法；（3）具有線性時間複雜度的精確子空間聚類方法；（4）面向多源異構數據的社會化推薦算法；（5）可同時最佳化點擊率、用戶滿意度和網站收益的推薦算法及新的評價指標；（6）面向商品推薦的約束偏好嵌入算法；（7）面向網上社區問答的協同專家推薦算法等。本項目在CARS領域的理論基礎、模型設計、算法實現等方面都取得了預期的研究目標，所提出的新方法可為CARS在社交網路領域中的套用提供技術支撐。
