面向移动用户个性化服务的情境数据挖掘方法及应用研究

移动用户行为建模是近年来兴起的一个具有重要应用价值的研究方向。目前的研究多注重静态的移动用户行为统计，对用户动态行为模式进行挖掘的工作相对较少，且很少考虑如何减少移动用户建模带来的用户负担以及移动用户行为建模的实际应用。本项目针对上述问题,首先拟研究基于典型情景-用户行为关联关系的移动用户动态行为模型。此模型将解决用户动态行为行为模式的统一表示问题，使不同用户行为模式的比较成为可能。其次，本项目拟研究基于情景信息的移动用户行为模式挖掘的理论框架和高效算法。最后，本项目还将挖掘出的用户动态行为模型应用到用户自动分类领域并通过用户个性化服务来验证其有效性。本项目具有重要的理论意义和实际应用价值，将为移动用户的动态行为模式建模提供可行的理论框架和易于被用户接受的解决方案。此外，本项目提出的基于移动用户动态行为模型的用户自动分类方法将进一步拓展移动用户行为建模的应用领域。

个性化用户行为建模是具有重要应用价值的一个新的研究方向。目前的研究多基于静态用户行为统计，较少考虑用户所处的情境信息。事实上，随着智能移动设备、社交网络等媒体的高速发展，大量的用户情境数据得以采集。这些情境数据为精确的分析用户行为习惯、开发个性化服务带来了全新的机遇。基于以上背景，本课题提出了面向移动场景的情境数据建模及挖掘方法、面向个性化推荐系统的数据挖掘方法、面向社交情境的数据建模及挖掘方法，以及其他面向个性化服务和情境建模方法与应用研究。课题执行期间，在国内外学术会议做特邀报告3次，获得国家杰出青年基金1项、教育部自然科学二等奖1项。已发表相关学术论文36篇，包括IEEE TKDE, IEEE TMC, IEEE TSMC-B, ACM TIST, KAIS, WWWJ等重要国际学术期刊论文，以及IJCAI, WWW, CIKM, ICDM, ECML-PKDD, NIPS等高水平国际学术会议论文，获得数据挖掘领域的顶级国际会议ICDM-2011的“最佳研究论文奖”(Best Research Paper)以及知识管理类国际会议KSEM-2011的“最佳学生论文奖”(Best Student Paper)。依托本课题已培养博士生6名，硕士生5名, 并获得了中科院院长特别奖、微软学者奖、教育部博士学术新人奖等在内的多个奖项。