推荐系统的信息核挖掘及其应用研究

Recommender systems have made great progress in the theory and application. However, a recommender system usually has a large number of users and items, which make a recommendation algorithm dissatisfy requirements of real applications. This project aims to improve the efficiency of recommender systems by uncovering the information core in recommendation networks based on the theory of complex network. Firstly, we will investigate the property of recommendation networks to uncover the information core, and then propose recommendation algorithms which only use the information core data but generate satisfactory recommendations. Secondly, we will study the evolution characteristics of the information core network and propose models. Our goal is to reveal the evolution characteristics of the origin recommendation network by the evolution of the information core network. Finally, with the information core, we will design static and dynamic algorithms whose efficiency will benefit from the advantage of the information core. In this project, we compress the recommendation network on condition that the performance of the recommender system is preserved. Our project provides a novel way to solve the big data problem in recommender systems. Our results have great significance in real applications as well as the research of the complex network.

推荐系统已经在理论和应用中取得很大进展，但其所需处理的数据往往规模巨大，从而导致推荐算法的效率不能满足应用需求。本项目拟基于复杂网络理论，研究基于二部图网络表示的推荐系统，挖掘推荐系统的信息核，在满足算法准确性要求的前提下，大大提升推荐算法的效率。首先，从推荐网络拓扑结构的统计特征入手，挖掘推荐网络的信息核，设计信息核提取算法，确保信息核在满足推荐算法功能需求的前提下极大化压缩数据量；其次，通过信息核的演化分析，建立模型刻画其网络结构的动态演化机制，力求通过信息核网络的演化特征揭示原始推荐网络的演化特征，进而实现推荐网络建模；最后，设计基于信息核的静态和动态算法，利用推荐网络信息核保功能而规模极小的优势，设计高效的推荐算法。本项目在保证推荐功能的前提下对推荐网络进行结构压缩，为推荐算法处理大规模数据集提供新思路，其结果不仅有利于在应用实践中取得效益，而且丰富了复杂网络理论研究。

信息推荐技术的研究，在理论和应用层面都具有重大的意义和价值。从理论上讲，信息推荐问题是信息挖掘这一重大科学问题的重要组成部分；从应用上讲，信息推荐技术已经成为许多电子商务网站的核心技术，为电商带来巨大的经济价值。.针对研究项目立项时所确定的几个研究目标，我们主要开展以下四个研究内容：（1）利用与单个用户相关的网络子图，提取推荐网络的信息骨架。信息骨架和信息核具有相似的功能，他们的规模远远小于原始推荐网络，但是它们包含了原始网络大部分信息。（2）为了在有权网络中提取信息核，我们研究显示评分所蕴含的隐式成分，并设计了基于隐式评分信息的推荐算法。（3）为了研究信息核的分布情况，我们设计了基于同步的共簇社区发现算法，我们的社区发现方法明显好于现有的一些社区发现方法。（4）为了研究信息核的动态特性，我们利用点过程对用户的行为建模，通过改变生存模型中瞬时概率函数的定义方式，我们同时考虑三种因素：产品属性的影响、用户对产品的偏好和用户邻居的影响。.项目组鼓励项目组成员积极参与国内外学术交流活动，项目组目前与国外大学的知名教授如美国波士顿大学的Stanley院士、瑞士弗里堡大学张翼成教授保持长期合作。本项目组秉承自然科学基金培养基础研究人才的宗旨，培养一批优秀的青年教师、博士研究生和硕士研究生。项目组积极参与企业合作，部分项目成果已经成功应用于某飞机型号航电系统的故障诊断与预测。