通过社会化媒体挖掘用户兴趣的方法及应用研究

In recent years, social media such as social network and information sharing platform are undergoing rapid development, which has not only changes our ways of information exchange, but also changes the ways of doing business and make the business more depend on analysis and discovery from large volume of data. In this project, we want to study user's behavior patterns through social media in order to describe user's interests from multiple perspectives, and mine the huge business value behind social media. Existing methods proposed to describe user's interests are not enough to deal with huge amount of short texts, dynamic changing network,multimedia and non-structured data, and cannot discover all of new user behaviors hidden in social media. Major research content includes research on the mining of user behavior patterns, research on the user interest modeling, research on the inferring of user interest, research on the detection of typical user groups and difference study, and research on the typical application based on user interests. We will solve important scientific problems about topic detection, information propagation, opinion mining and behavior prediction, and propose a set of theorems, models and methods in the knowledge discovery area. We will also develop demonstration application system based on user interests. This research will provide support in terms of theory and techniques for personalized recommendation, new business model and social commerce.

近年来，社交网络、信息分享平台等社会化媒体的迅猛发展不仅改变了人与人之间的交流方式，也改变了企业的经营模式，使企业的经营更依赖于对大量数据的分析与发现。本研究旨在通过微博这类社会化媒体挖掘用户的行为模式，多方位描述用户兴趣，从而挖掘社会化媒体中的巨大商业价值。已有的用户兴趣的表达和挖掘方法不足以处理微博平台中海量的短文本、动态变化的大规模网络以及富媒体、非结构化的数据，也不能充分挖掘其中隐含的新颖行为模式。本项目的研究内容包括：用户在社会化媒体中行为模式的挖掘方法研究、用户兴趣建模研究、用户兴趣推测方法研究、典型用户群识别及差异研究、基于用户兴趣的典型应用研究。该研究将在话题识别、信息传播、意见挖掘以及行为预测等方面解决关键的科学问题，提出一套具有创新性的知识发现理论、模型和方法，并开发基于用户兴趣的应用演示系统，为电子商务中的个性化推荐、开发新型商业模式及社会化营销提供理论和技术支持。

近年来，社交网络、信息分享平台等社会化媒体的迅猛发展不仅改变了人的行为方式，也改变了企业的运营模式。本项目主要研究通过分析社会化媒体上用户的行为数据，描述和发现用户兴趣偏好的模型和方法，研究基于用户兴趣偏好的应用方法，从而挖掘社会化媒体中的巨大商业价值。为此，在用户兴趣偏好的建模和挖掘方面，具体研究了用户不同类型偏好的建模和挖掘方法，用户偏好差异的挖掘方法以及用户之间社会关系的识别方法等。应用方面，研究了基于用户偏好的个性化推荐方法，研究了考虑用户偏好的竞争者分析方法以及社会网络中谣言的识别方法等。同时，针对用户行为数据的高维度、稀疏性、非结构化、异构性以及动态变化等极端特性，研究了解决这些问题的基础数据挖掘的模型和算法。. 本项目提出了一系列的具有创新性的用户兴趣偏好的建模模型，提出了多个基于用户行为的分析和应用的方法和框架，设计并实现了一系列的用户兴趣偏好的挖掘和应用算法，丰富了数据分析和挖掘的理论和方法。同时，收集了多个实际的社会媒体的用户行为相关的数据集，利用他们对所提模型和算法进行了广泛的实验，验证了所提模型和方法的有效性，同时发现了许多具有管理意义的结论。同时通过与企业合作，解决了手机应用推荐业务中的多个实际问题，取得了良好的效果。. 研究成果以论文、专著、专利等形式体现。论文发表在国内外期刊和会议上，期刊包括国际一流期刊如INFORMS Journal on Computing（JOC）、IEEE Transactions on Data Engineering（TKDE）、Information Systems、Decision Support Systems（DSS）、Management Science、Decision Science等，会议包括高水平国际会议如CIKM、SDM、PACIS、PAKDD等。发表的论文中，SCI 13篇，SSCI５篇，EI 12篇。获得国际会议最佳challenge paper奖论文一篇。出版专著一部。获得国家发明专利授权4项。项目培养了已毕业研究生5名，在读研究生4名。