移动互联网中基于历史行为的用户偏好在线学习机制

项目名称： 移动互联网中基于历史行为的用户偏好在线学习机制

项目编号： No.61402331

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： 史艳翠

作者单位： 天津科技大学

项目金额： 24万元

中文摘要： 　　移动用户偏好的准确获取是信息系统为移动用户提供及时准确的个性化服务的关键。然而，庞大的移动用户群、种类繁多的网络服务以及用户使用的移动网络服务有限等因素导致在移动用户偏好学习过程中存在响应时间长、数据稀疏等问题。本项目以移动互联网中的用户偏好在线学习为研究对象进行深入研究。具体内容包括：①利用波动率确定影响移动用户偏好的上下文以及影响程度、采用关联规则计算上下文之间的相关度；利用皮尔森相关系数计算上下文实例之间的相似度、构建基于上下文相关度和上下文相似度的上下文量化模型；②计算移动用户之间的信任度并构建移动社会化网络、构建移动社区划分模型和移动社会化网络演化模型；③利用小波变换对学习数据进行预处理、构建移动用户偏好衰减模型、利用二分网络和链接预测方法缓解数据稀疏性问题、分析移动用户偏好的类型并挖掘移动用户长期偏好的变化规律、构建基于上下文感知和社会化网络的移动用户偏好在线学习模型。

中文关键词： 上下文量化；用户间影响力；移动用户偏好；极限学习机；在线学习

英文摘要： It is key that the mobile users preference is learned accurately for the information system which provides timely and accurately personalized services for mobile users. However , the large number of mobile users , the variety of mobile network services an

英文关键词： context quantification；the influence between users；mobile user preference；extreme learning machine；online learning