面向電子商務協同推薦的新型用戶興趣模型研究

《面向電子商務協同推薦的新型用戶興趣模型研究》是依託四川師範大學，由李聰擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：面向電子商務協同推薦的新型用戶興趣模型研究
• 項目類別：青年科學基金項目
• 項目負責人：李聰
• 依託單位：四川師範大學

項目摘要

用戶興趣模型是實現電子商務協同推薦的核心和基礎。但傳統的評分矩陣模型會導致稀疏性、興趣漂移及可擴展性問題，新興的對分網路模型還只能部分解決之。對此，本項目研究擬構建一種新型用戶興趣模型多源進化網路，可望在該模型統一框架下綜合解決上述問題：（1）採用源自人工智慧理論的智慧型agent方法來設計多源用戶興趣數據採集機制，並通過構造兩級多元函式組對所采數據進行信息融合以解決稀疏性；（2）借鑑仿生計算思想，建立包括養分蔓延策略、養分耗散策略的模型自適應進化機制以解決興趣漂移；（3）基於圖論來設計準確、高效的模型相似性計算方法，在此基礎上構建模型最近鄰搜尋機制以解決可擴展性。本項目的研究成果不僅可以促進協同推薦理論的完善及其在電子商務中的套用、推廣與普及，為新一代電子商務個性化推薦服務提供理論模型、算法實現及系統平台，也有助於構建電子商務智慧型數據挖掘與複雜機器學習系統。

結題摘要

本項目針對電子商務協同推薦的用戶興趣建模展開研究，構建完成了一種新型用戶興趣模型“多源進化網路”，主要研究工作和成果包括： （1）提出了一種基於智慧型Agent的多源用戶興趣數據採集機制DFM-IA(Data Fetching Mechanism based on Intelligent Agent)。DFM-IA設計了四種智慧型Agent和三條排序規則，對七類用戶興趣數據進行排序與合併處理。在此基礎上，設計了多源進化網路模型的自適應機制，包括養分賦權算法、分層擴散算法、增量重構機制等。 （2）由於多源進化網路本質上是一種動態賦權樹型網路，為此提出了一種基於權重層次路徑分解的樹型網路相似性算法S-WHPD(Similarity measure based on Weighted Hierarchical Path Decomposition)，基於商品目錄樹生成樹型網路，通過權重層次路徑分解和編碼以獲取路徑集合，再基於路徑集合的匹配計算得到樹型網路相似性，實現了基於多源進化網路模型的最近鄰搜尋機制。 （3）針對協同推薦所面臨的數據稀疏性問題，提出了一種基於Rough集理論的最近鄰協同過濾算法。以用戶評分項並集作為用戶相似性計算基礎，設計了一種基於Rough集理論的評分預測方法來填補評分項並集中的缺失值，從而通過實現用戶評分項並集的完備化來降低數據稀疏性和提升協同推薦質量。 （4）由於鄰居用戶的信譽(reputation)對於最終的推薦結果會產生重要影響，課題組增加了分別以C2C、B2C、電子易貨(e-barter)為背景的電子商務用戶信譽評價機制研究工作，提出了兩種分別面向C2C和B2C的電子商務差異化折扣模型，商家可實施更精準的一對一行銷、動態定價策略和價格歧視策略；提出了一種基於啟發式搜尋策略的電子易貨資源匹配算法，構建滿足當前易貨者供需要求的多方交易樹MPTT(Multi-Party Trade Tree)，建模過程中基於設計的多條啟發式規則和提出的多維信譽模型e-BRM對MPTT剪枝，以縮減算法搜尋空間。從而e-barter運營商可採用HETS算法來實現最大化資源匹配以提升收益，同時最佳化線上用戶體驗。 綜上所述，本項目為電子商務協同推薦理論建設與套用提供了新的理論模型和算法等研究成果，有助於提升新一代電子商務個性化推薦服務水平和構建電子商務智慧型推薦系統。