基于多源数据的学生需求发现及信息资源实时推荐机制研究

In the ubiquitous Internet era, the campus forms an independent online community. Compared with e-commerce sites, this online community records all online behavior information of users. How to capture students' dynamic online interest model to help students of different knowledge background, different grade and different interests to filter and mine information resources according to their requirements, and to achieve accurate information resources recommendation is a core problem of campus big data mining. Based on this problem, the project is designed to integrate multi-source data from campus, to analysis the needs of students and set up students' dynamic online behavior model , to study influence evaluation mechanism of information resources and to design real-time recommendation algorithm based on depth learning technology. Finally the algorithms and models proposed will be realized on the existing Hadoop distributed data mining platform and TensorFlow open source framework.

在泛互联网时代，大学校园形成一个独立的网络社区。与电子商务网站相比，该网络社区记录了社区内用户的全部上网行为信息。面对校园网络社区内庞大的流量数据和各种应用数据， 如何获取学生的动态上网兴趣模型并帮助不同知识背景、不同年级和不同兴趣爱好的学生对其需求的信息资源进行过滤和挖掘、实现信息资源精准推荐是迫需研究的一个问题。基于该问题，本项目利用校园网络社区中的多源数据，对学生信息资源需求进行动态分析和建模；研究有效的网络信息资源影响力评价机制，建立资源与需求之间的匹配；利用深度学习策略，设计实时的精准推荐模型，满足学生对信息资源的需求。在此基础上，基于已有的Hadoop分布式数据处理平台以及TensorFlow深度学习开源框架，建立个性化服务模型，实现对特定信息资源需求群体的高质量精准推荐服务。

课题在研究网络信息资源需求发现的基础上，以多源数据信息资源推荐机制为研究切入点，研究面向网络社区用户的信息资源精准推荐策略，追踪用户信息需求，为用户提供动态的信息资源个性化推荐服务。为此，课题组从多源数据的需求发现、网络资源影响力评价和基于深度学习的信息资源精准推荐机制三方面进行研究。. 在需求发现与建模方面，以上网行为数据为主线，融合了学校数字化平台中集成的各类应用数据，如学生选课数据、成绩数据、消费数据、校园轨迹、图书馆借阅历史数据等多源数据，通过设计深度学习算法提取了用户的资源需求特征，利用大规模的历史数据训练信息资源需求，最终获得用户需求行为模式，实现了对多维数据的融合、信息资源发现及实时推荐服务的支持。. 在网络资源影响力评价方面，通过研究网络信息资源影响力指标，从多角度对信息势能进行研究。利用深度信息势能来定量计算信息在自身领域的影响力大小，利用广度信息势能来计算信息在自身领域之外的影响力大小，多角度、深层次地评估网络信息影响力，最终建立了网络资源影响力评价模型。. 在基于深度学习的信息资源精准推荐机制方面，选择基于多源数据的信息资源实时推荐为研究的切入点，从上下文感知、位置信息、用户兴趣、时间序列、注意力信息等多个维度入手，提出了一系列的智能化推荐算法，并进行了算法性能优化。同时，利用Hadoop平台进行数据分析，针对提出的算法实现了一些应用原型，如基于消费数据的智能推荐、基于图书及学生行为的推荐应用等，为优化校园业务流程、制定管理决策提供依据。. 在课题研究过程中， 7名教师和多名研究生参与了研究工作，培养博士研究生5名，其中3人已获博士学位，两人获山东省优秀博士论文；培养硕士研究生多人，其中14人已获硕士学位。在国内外重要杂志与会议上发表论文50余篇，其中被SCI、EI收录40余篇，申请发明专利10余项，已授权5项，先后有20余人次参加国内外各种学术会议并发表论文。