项目名称: 大数据环境下融合多源信息的推荐系统关键问题研究

项目编号: No.71471016

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 管理科学

项目作者: 甘明鑫

作者单位: 北京科技大学

项目金额: 60万元

中文摘要: 本项目针对大数据环境下推荐系统面临的信息多样化和异质性挑战,提出大数据环境下融合多源信息的推荐系统关键问题研究。项目研究推荐系统多源信息的网络构建、多源信息的网络融合以及基于信息融合的推荐等关键问题,并提出有效的解决途径。项目首先从网络分析的视角将多种信息转化为多个网络。然后从网络融合和信息融合两条思路进行研究。基于网络融合的思想,提出融合多个网络的方法,以及基于网络融合进行推荐的统计学和图论方法。基于信息融合的思想,建立直接基于多源信息进行推荐的统计学和机器学习方法。最后将所提出方法应用于特定应用领域,筛选效果较好的解决方案。项目从系统的、整合的、量化的观点研究大数据环境下融合多源信息的推荐系统关键问题,旨在充分利用多种信息提高推荐的精确性、新颖性和多样性。项目推广应用具有坚实理论基础的统计学、机器学习和图论方法,为运用这些方法解决信息管理领域的重要科学问题提供有益借鉴。

中文关键词: 智能决策支持系统;商务智能;数据挖掘;电子商务;信息系统

英文摘要: In the big data environment, the variety and heterogeneity of information has becoming a great challenge for recommender systems. Rising to this challenge, we propose in this project to study critical issues of multi-source information fusion for recommender systems. We study such critical issues as network construction, network integration for multi-source information and information-fusion based recommendation, and then propose effective solutions to solve them. From the viewpoint of network analysis, we propose to convert multiple information sources into multiple networks. Then, we propose two strategies as network fusion and information fusion to address such critical issuses. First, we suggest to integrate the multiple networks and then develop new recommendation methods from the perspective of statistics and graph theory. Second, we propose to directly fuse these information sources and establish statistics and machine learning methods for recommendation. Finally, we use the proposed methods to certain application fields and select several solutions with better performances. We study the crucial issues of how to fuse multi-source information for recommendation based on such opinions as systems, integrity and quantification. The objective of this research is to more sufficiently utilize multiple information sources, for the purpose of improving recommendation accuracy, novelty and diversity. We places great importance on statistical methods and graph theory with a solid foundation, and thus will provide helpful experiences in future applications of these theories and methods to crucial scientific issues in information management field.

英文关键词: Intelligent decision support systems;Business intelligence;Data mining;Electronic commerce;Information systems

成为VIP会员查看完整内容
5

相关内容

数据挖掘(Data mining)一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息和知识的过程。
个性化学习推荐研究综述
专知会员服务
57+阅读 · 2022年2月2日
知识驱动的推荐系统:现状与展望
专知会员服务
64+阅读 · 2021年11月22日
基于强化学习的推荐研究综述
专知会员服务
79+阅读 · 2021年10月21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
应用知识图谱的推荐方法与系统
专知会员服务
110+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
基于知识图谱的推荐系统研究综述
专知会员服务
321+阅读 · 2020年8月10日
空间数据智能:概念、技术与挑战
专知
7+阅读 · 2022年2月4日
个性化学习推荐研究综述
专知
2+阅读 · 2022年2月2日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
基于区块链技术的推荐算法综述
机器学习与推荐算法
2+阅读 · 2021年12月1日
基于知识图谱的推荐系统总结
图与推荐
1+阅读 · 2021年11月11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
6+阅读 · 2021年9月24日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+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
6+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013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
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Arxiv
14+阅读 · 2021年3月10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
57+阅读 · 2022年2月2日
知识驱动的推荐系统:现状与展望
专知会员服务
64+阅读 · 2021年11月22日
基于强化学习的推荐研究综述
专知会员服务
79+阅读 · 2021年10月21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
应用知识图谱的推荐方法与系统
专知会员服务
110+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
基于知识图谱的推荐系统研究综述
专知会员服务
321+阅读 · 2020年8月10日
相关资讯
空间数据智能:概念、技术与挑战
专知
7+阅读 · 2022年2月4日
个性化学习推荐研究综述
专知
2+阅读 · 2022年2月2日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
基于区块链技术的推荐算法综述
机器学习与推荐算法
2+阅读 · 2021年12月1日
基于知识图谱的推荐系统总结
图与推荐
1+阅读 · 2021年11月11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
6+阅读 · 2021年9月24日
相关基金
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+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
6+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013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
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员