项目名称: 面向社会网络用户需求的推荐系统研究

项目编号: No.61300070

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 张日崇

作者单位: 北京航空航天大学

项目金额: 25万元

中文摘要: 随着网络技术的日益成熟,人们逐渐依赖互联网获取信息,交流沟通。社会网络技术的成长使得社会网络中用户间的交流越来越密切,社会网络逐渐成为用户进行信息获取和交互的重要平台。社会化媒体在方便用户交流的同时,也导致用户面对大量信息而无法判断其可靠性。传统推荐系统在处理大规模社会网络数据时往往会遇到计算效率和算法性能等瓶颈,社会网络中数据的多样化也需要提供新的用户建模方法和信息推荐模型满足社会网络用户需求。本课题面向社会网络用户对社会产品评分,社会媒体内容和社会成员关系三个方面的推荐需求展开研究,拟提出分布式自适应的协同过滤计算方法克服传统推荐系统处理大规模数据的性能瓶颈;采用图模型对社会网络中的传播内容与用户间关系进行建模,分析用户的潜在偏好并基于生成者和接受者的偏好分布生成媒体内容推荐;通过对社会网络中成员信任关系使用数学方法建模,建立用户信任关系传递模型并给出可信社会成员推荐。

中文关键词: 推荐系统;社交网络;链接预测;用户建模;

英文摘要: At present, users and contents over the social network are growing dramatically. Internet users retrieve, communicate, and share information in the social network. The development of social media helps the spreading of informaiton. At the same time, however, users have to analyze the credibility of the massive communicated information, mostly generated by users, before making information consumption. Based on users' various information requirements, we proposed novel approachs for developing distributed collaborative filtering algorithms; building social media user preferences to characterize the user behavior over the social media; designing trust model to discover the trust relationships between social network users. More specifically, we intent to pursue researches on the following aspects: Distributed Adaptive Collaborative Filtering (CF): To overcome the limitation of performance of the traditional CF for dealing with massive user rating data, we proposed a divide-and-conqure approach for the item-based recommender system. In this study, we advocate that the ranking performance is more important than the average predicted ratings for recommender system. We also provide an incremental learning, such that parameters can be easily updated as new ratings becomes available. Content Recommendation based on the U

英文关键词: Recommender System;Social Network;Link Prediction;User Profiling;

成为VIP会员查看完整内容
5

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
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
29+阅读 · 2021年2月21日
基于事件社会网络推荐系统综述
专知会员服务
69+阅读 · 2021年1月13日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23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
基于知识图谱的推荐系统总结
机器学习与推荐算法
4+阅读 · 2021年11月11日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
厦大最新《强化学习推荐系统》综述论文
机器学习与推荐算法
7+阅读 · 2021年9月24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
深度 | 推荐系统如何冷启动?
AI100
17+阅读 · 2019年4月7日
【推荐系统】一文读懂推荐系统知识体系
产业智能官
43+阅读 · 2017年10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
0+阅读 · 2013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
1+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013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
1+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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
14+阅读 · 2018年4月18日
小贴士
相关VIP内容
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
29+阅读 · 2021年2月21日
基于事件社会网络推荐系统综述
专知会员服务
69+阅读 · 2021年1月13日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23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
基于知识图谱的推荐系统总结
机器学习与推荐算法
4+阅读 · 2021年11月11日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
厦大最新《强化学习推荐系统》综述论文
机器学习与推荐算法
7+阅读 · 2021年9月24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
深度 | 推荐系统如何冷启动?
AI100
17+阅读 · 2019年4月7日
【推荐系统】一文读懂推荐系统知识体系
产业智能官
43+阅读 · 2017年10月31日
相关基金
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
0+阅读 · 2013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
1+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013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
1+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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员