社交网络中企业创新与用户偏好的时空跨媒体大数据的搜索与推荐研究

Social network contains a lot of spatio-temporal information related to firm innovation and user preferences. Traditional methods cannot meet the needs to achieve intelligent and precise information search and recommendation. Therefore, conducting research on search and recommendation of spatio-temporal cross-media big data in social network is of great significance to promote firm innovation. On the basis of previous scientific research, this project proposes an active acquisition and spatio-temporal feature expression method for firm innovation and user preference big data, and achieve consistent feature expression for spatio-temporal big data. The semantic learning and fusion methods of firm innovation and user preferences spatio-temporal cross-media big data are proposed to realize knowledge association and semantic expression. A spatio-temporal cross-media big data search and mining method based on firm innovation intention and user preference matching is proposed to realize extensible social network object deep searching and mining mechanism. This project establishes a firm innovation and user preferences spatio-temporal cross-media big data search and recommendation system to provide scientific decision-making basis for higher-level analysis, search and recommendation of social network firm innovation intention and user preference big data and to strive to make a breakthrough in the field of search and recommendation of spatio-temporal cross-media big data, which can enhance the innovation ability of firms and contribute to the construction of an innovative country.

社交网络中包含大量与企业创新动态和用户偏好相关的时空信息，传统技术难以满足目前企业创新意图搜索和推荐的智能化需求，深入开展社交网络时空跨媒体大数据的搜索与推荐研究对于促进企业创新具有重要意义。本项目在以往科学研究基础上，提出社交网络中企业创新与用户偏好的大数据的主动获取与时空特征表达方法，实现时空大数据的一致性特征表达；提出企业创新与用户偏好的跨媒体大数据的语义学习与融合方法，实现跨媒体时空大数据的知识关联和语义表示；提出基于企业创新意图与用户偏好匹配的时空跨媒体大数据搜索与挖掘方法，建立可扩展的社交网络对象深度搜索与挖掘机制；实现社交网络中企业创新与用户偏好的时空跨媒体大数据搜索与推荐系统，为实现更高层次的社交网络企业创新与用户偏好大数据分析、搜索、推荐提供科学的决策依据，力争在社交网络时空跨媒体大数据搜索与推荐领域取得突破性进展，从而提升企业的创新能力，为建设创新型国家贡献力量。

本项目从模型建立、算法设计、关键技术和系统实现等方面对社交网络中企业创新与用户偏好的时空跨媒体大数据的搜索与推荐关键理论与技术进行了深入研究。提出了面向企业创新与用户偏好的跨媒体时空大数据的主动获取与时空特征表达方法，建立了支持时空特性的虚拟空间内与企业创新动态和用户行为特征相关的感知模型，实现了虚拟空间跨媒体大数据及其关联特征信息的实时动态自动感知与主动获取；提出了面向企业创新与用户偏好的跨媒体大数据的语义学习与融合方法，实现了社交网络企业创新领域大数据语义关系抽取以及实现了不同属性跨媒体大数据的时空知识关联；提出了基于企业创新意图与用户偏好匹配的时空跨媒体大数据搜索与挖掘方法，建立了可扩展的社交网络对象深度搜索与挖掘机制，构建了社交网络中企业创新与用户偏好的时空跨媒体大数据搜索与推荐系统，为实现更高层次的社交网络企业创新与用户偏好大数据分析、搜索、推荐提供了科学的决策依据，在社交网络时空跨媒体大数据搜索与推荐领域取得了突破性进展。项目组取得了一系列具有创新性和自主知识产权的研究成果，得到国际和国内同行的高度评价。在TKDE, VLDB Journal, Science China Information Sciences, Neurocomputing等著名国际期刊和本领域著名国际会议上发表学术论文13篇，其中发表SCI期刊论文8篇，发表EI期刊和EI会议论文5篇，发表IEEE 汇刊文章3篇，CCF A类论文4篇，二区论文6篇。申请发明专利2项。获2022年ACM北京分会新星奖、CAAI第八届中国科协青年人才托举工程项目、IEEE CCIS 2021云计算与智能系统国际会议最佳论文奖、2020年中国社会心理学会学术年会优秀报告奖、2022年中国智能物联系统会议优秀论文奖。