项目名称: 推荐系统的信息核挖掘及其应用研究

项目编号: No.61502078

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 计算机科学学科

项目作者: 曾伟

作者单位: 电子科技大学

项目金额: 21万元

中文摘要: 推荐系统已经在理论和应用中取得很大进展,但其所需处理的数据往往规模巨大,从而导致推荐算法的效率不能满足应用需求。本项目拟基于复杂网络理论,研究基于二部图网络表示的推荐系统,挖掘推荐系统的信息核,在满足算法准确性要求的前提下,大大提升推荐算法的效率。首先,从推荐网络拓扑结构的统计特征入手,挖掘推荐网络的信息核,设计信息核提取算法,确保信息核在满足推荐算法功能需求的前提下极大化压缩数据量;其次,通过信息核的演化分析,建立模型刻画其网络结构的动态演化机制,力求通过信息核网络的演化特征揭示原始推荐网络的演化特征,进而实现推荐网络建模;最后,设计基于信息核的静态和动态算法,利用推荐网络信息核保功能而规模极小的优势,设计高效的推荐算法。本项目在保证推荐功能的前提下对推荐网络进行结构压缩,为推荐算法处理大规模数据集提供新思路,其结果不仅有利于在应用实践中取得效益,而且丰富了复杂网络理论研究。

中文关键词: 推荐系统;协同过滤;复杂网络;网络演化

英文摘要: Recommender systems have made great progress in the theory and application. However, a recommender system usually has a large number of users and items, which make a recommendation algorithm dissatisfy requirements of real applications. This project aims to improve the efficiency of recommender systems by uncovering the information core in recommendation networks based on the theory of complex network. Firstly, we will investigate the property of recommendation networks to uncover the information core, and then propose recommendation algorithms which only use the information core data but generate satisfactory recommendations. Secondly, we will study the evolution characteristics of the information core network and propose models. Our goal is to reveal the evolution characteristics of the origin recommendation network by the evolution of the information core network. Finally, with the information core, we will design static and dynamic algorithms whose efficiency will benefit from the advantage of the information core. In this project, we compress the recommendation network on condition that the performance of the recommender system is preserved. Our project provides a novel way to solve the big data problem in recommender systems. Our results have great significance in real applications as well as the research of the complex network.

英文关键词: recommender system ;collaborative filtering;complex network ;network evolution

成为VIP会员查看完整内容
7

相关内容

推荐系统,是指根据用户的习惯、偏好或兴趣,从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同,这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
协同过滤推荐系统综述
专知会员服务
44+阅读 · 2021年11月4日
图嵌入推荐系统技术综述,64页pdf422篇文献
专知会员服务
62+阅读 · 2021年9月22日
专知会员服务
54+阅读 · 2021年8月12日
个性化广告推荐系统及其应用研究
专知会员服务
92+阅读 · 2021年2月27日
【WWW2021】场矩阵分解机推荐系统
专知会员服务
31+阅读 · 2021年2月27日
应用知识图谱的推荐方法与系统
专知会员服务
111+阅读 · 2020年11月23日
【CIKM2020】推荐系统的神经模板解释生成
专知会员服务
33+阅读 · 2020年9月9日
基于旅游知识图谱的可解释景点推荐
专知会员服务
90+阅读 · 2020年9月4日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
2021 推荐系统领域最新研究进展
图与推荐
1+阅读 · 2021年10月26日
综述 | 异质信息网络分析与应用综述
专知
27+阅读 · 2020年8月8日
推荐系统(一):推荐系统基础
菜鸟的机器学习
25+阅读 · 2019年9月2日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
如何将知识图谱特征学习应用到推荐系统?
人工智能头条
12+阅读 · 2018年6月10日
深度学习在推荐系统中的应用综述(最全)
七月在线实验室
15+阅读 · 2018年5月5日
深度学习在推荐系统上的应用
架构文摘
13+阅读 · 2018年2月22日
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
12+阅读 · 2021年6月29日
Arxiv
10+阅读 · 2018年4月19日
小贴士
相关VIP内容
个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
协同过滤推荐系统综述
专知会员服务
44+阅读 · 2021年11月4日
图嵌入推荐系统技术综述,64页pdf422篇文献
专知会员服务
62+阅读 · 2021年9月22日
专知会员服务
54+阅读 · 2021年8月12日
个性化广告推荐系统及其应用研究
专知会员服务
92+阅读 · 2021年2月27日
【WWW2021】场矩阵分解机推荐系统
专知会员服务
31+阅读 · 2021年2月27日
应用知识图谱的推荐方法与系统
专知会员服务
111+阅读 · 2020年11月23日
【CIKM2020】推荐系统的神经模板解释生成
专知会员服务
33+阅读 · 2020年9月9日
基于旅游知识图谱的可解释景点推荐
专知会员服务
90+阅读 · 2020年9月4日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
相关资讯
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
2021 推荐系统领域最新研究进展
图与推荐
1+阅读 · 2021年10月26日
综述 | 异质信息网络分析与应用综述
专知
27+阅读 · 2020年8月8日
推荐系统(一):推荐系统基础
菜鸟的机器学习
25+阅读 · 2019年9月2日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
如何将知识图谱特征学习应用到推荐系统?
人工智能头条
12+阅读 · 2018年6月10日
深度学习在推荐系统中的应用综述(最全)
七月在线实验室
15+阅读 · 2018年5月5日
深度学习在推荐系统上的应用
架构文摘
13+阅读 · 2018年2月22日
相关基金
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员