《面向用戶意圖的行為軌跡搜尋與推薦系統》是依託蘇州大學，由許佳捷擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向用戶意圖的行為軌跡搜尋與推薦系統
- 項目類別：青年科學基金項目
- 項目負責人：許佳捷
- 依託單位：蘇州大學
項目摘要,結題摘要,
項目摘要
隨著智慧型終端的普及套用和社交媒體網站的發展，近年來產生了海量的行為軌跡數據（如一系列有位置信息的微博），它們既含有真實的時空軌跡信息，還蘊含豐富的用戶行為信息，使得我們可以理解活動行為的具體內容和泛在規律，實現基於用戶意圖的精準推薦。而現有軌跡數據研究主要集中在時空維度的索引、查詢與匹配，不能支持時空、文本相結合數據的有效存取，更不用說活動軌跡與用戶意圖的相似度度量和軌跡推薦。..本項目研究適用於海量行為軌跡數據管理的方法，首先通過主題機率模型來理解軌跡中的行為內容與主題，挖掘泛在的主體關聯模式和移動模式，並在此基礎上設計模式敏感的活動軌跡數據模型、索引策略和查詢最佳化方法，採用分層機率化的方法提升數據存取性能，然後進一步結合用戶意圖進行活動軌跡的相關性度量，並根據實時路況進行線路適配，最終實現高性能、高精度的行程推薦，並對理論方法通過原型系統與真實數據進行驗證。
結題摘要
用戶行為軌跡的分析與挖掘是個性化、精準化LBS服務的重要技術。本項目以信息金字塔模型為指導，針對行為軌跡處理技術開展了系統化的研究。針對大規模的行為軌跡原始數據，我們首先開展了面向軌跡數據理解的預處理框架和系統，提出了基於深度學習和主題機率模型的軌跡行為文本內容理解方法，通過具有高表征能力的隱空間語義特徵向量來表示用戶行為。在軌跡數據預處理方面，我們設計了一種基於深度學習的軌跡行為理解方法和深度度量學習模型，實現在語義隱空間對數據的準確表示和相似性評估。在數據存儲管理方面，我們設計了一種能夠融合空間、行為語義、軌跡序列等信息的層次化索引結構，避免了高維向量表示遇到的“高維詛咒”及其導致的索引死區過大問題，因而實現高效的查詢剪枝和數據檢索性能，對比現有方法降低I/O近35%、CPU代價近20%。在軌跡知識挖掘方面，我們研究了行為軌跡大數據的挖掘與推薦技術，包括基於查詢意圖理解的個性化軌跡搜尋與推薦方法、面向多目標查詢語義的POI搜尋算法、軌跡大數據驅動的時空模式發現、評估與異常軌跡識別算法等問題。由於對用戶活動意圖的理解是高質量LBS服務推薦所面臨的重要瓶頸，我們的研究成果將使得系統能夠更好地認知規律並理解用戶，保證推薦算法的科學性和有效性。同時這樣一個框架融合了時空資料庫、自然語言理解、機器學習，是對現有軌跡數據管理技術的突破。 依託本項目的開展，團隊一共發表了CCF A/B類相關論文20篇，其中期刊論文8篇、會議論文12篇，另獲CCF C類國際會議最佳論文1次、CCF C類國際會議最佳學生論文獎1次；申請專利5項並授權1項、獲得軟體著作權8項；培養博士生1人、碩士生9人，其中已畢業5人；主辦CCF B類國際會議1次，邀請相關領域國際學者多人交流訪問。除原定計畫，我們還針對本領域相關的一些研究熱點展開了調研，包括基於行為軌跡數據的用戶畫像、用戶行為的信息抽取與知識表示、基於用戶行為知識圖譜的模式匹配查詢等技術，取得了理想的研究成果，為後續研究指明了方向。
