物联网中物理实体个性化实时推荐与搜索的关键技术研究

In the face of tens of billions of physical entities in the Internet of Things (IoT), it's urgent to develop recommender and search techniques to satisfy users’ requirements that they are able to obtain the information of physical entities anytime and anywhere. According to the characteristics of physical entity recommendation and search in the IoT, this project raises three scientific problems: 1) the dynamic attributes of users and physical entities modeling; 2) user profiles modeling with temporal-spatial features; 3) personalized real-time physical entity recommendation and search based on context-aware. To address these problems, we focus of four important issues including an asynchronous periodic sequential pattern mining model and algorithm, individual user traveling pattern modeling and topic user group traveling pattern modeling, a mutual context-aware collaborative filtering approach using multidimensional tensor factorization, a real-time search approach for dynamic attributes of physical entities. We intent to make several breakthroughs in theoretical models and key algorithms to make physical entity recommendation and search more pervasive and more intelligent.

面对着物联网中数以百亿计的物理实体，急需发展物理实体推荐与搜索技术，以满足用户随时随地获取兴趣物理实体相关信息的需求。针对物联网中物理实体推荐与搜索的鲜明特征，本项目凝练出“用户与物理实体的动态属性建模、支持时空特性的用户特征模型的构建、基于情景感知的物理实体个性化实时推荐与搜索”三个科学问题。在异步周期的序列模式挖掘模型与算法、用户个体和主题群体的路径模型、基于双面情景感知的多维度协同推荐算法和面向物理实体动态属性的实时搜索算法四个方面展开研究，拟在相关理论模型和关键算法上取得突破，使物理实体推荐与搜索更加普及、更加智慧。

本项目主要研究用户与物理实体的动态属性建模、支持时空特性的用户特征模型的构建、基于情景感知的物理实体个性化安全推荐与搜索。主要研究成果包括：1)提出了物联网用户的时空特征挖掘算法，从用户GPS轨迹中挖掘出频繁且呈现出异步周期性的时空运动模式。首先，利用GPS点的时空特性将GSP轨迹转化为热点区域序列。然后，采用一种基于模式增长的多最小支持度的异步周期的序列模式挖掘算法，按照多最小支持度，先深递归地挖掘异步周期的序列模式。2)提出了一种轻量级的隐私保护的ORH行程匹配方法（命名为lpRide）实时地为rider搜索距离其最近的taxi。提出了一种面向加密数据的最短路网距离计算算法和一种加密距离比较算法实现最短路网距离密文的安全计算与比较。3)首次提出了一种隐私保护的ORH共乘匹配方法（命名为PSRide），该方法能够实时地完成基于加密数据共乘匹配，而非预设匹配位置的一次性匹配。4)提出了一套用于描述虚拟实体、资源和物联网服务的元数据模型。基于元数据模型的概念表征信息以明确的语义定义和标准化的语法描述为基础，提供了高质量的概念表征信息，可被物理实体搜索服务直接下载、理解、处理和共享。构建了基于RESTful的物联网实时搜索原型系统。5)针对分布式研究应用场景，在MapReduce编程框架中提出了物联网数据完整性违背的检测与修复方法，包括基于xCFD（增强的条件函数依赖）的一致性违背的检测与修复算法、基于主数据的MapJoin和ReduceJoin算法、基于kNN的完整性违背检测与修复算法。6)提出了一种改进的信号空间加噪方法，能够快速的生成接入点噪声数据。用户通过对自身真实感知的接入点数据加噪，使得定位服务提供者生成多个难以分辨的位置数据，从而保护了定位服务用户的真实位置信息。7)提出了一种兼顾实时速度信息的轨迹隐私保护方法，基于对真实位置数据中实时速度信息的仿真，生成的泛化轨迹数据与真实轨迹具有实时速度上的高相似性，能够有效抵御针对实时速度信息的位置辨识威胁行为。8)基于信号接入点与兴趣点之间的空间绑定关系，提出了一种基于R-树模型的兴趣点查询结构和对应的查找方法，使得近邻查询过程能够直接基于信号接入点实现。相关研究成果已在中国移动物联网有限公司的物联网开放平台OneNET上部署应用。