移动社会网络中基于信任关系的情境感知推荐研究

Facing the fast growing mass information in mobile social networks, how to recommend valuable information to users correspond with their interests is a real problem demanding prompt solution. Mobile social network users' interweaved trust relations and continuously changing contexts determine that high quality recommendation approach in mobile social network should combine trust-based recommendation and context-aware recommendation. This project aims at making context-aware personalized recommendations to mobile social network users. Based on mining users' context-aware interests, we first build context-aware trust model by considering the characteristics of context and trust relations in mobile social networks. Then, we study continuous location dependent user similarity query processing method to efficiently online query the recommended user's similar users in current context. We build the recommended user's personal trust network using user similarity query results and trust model, and study context-aware recommendation approach based on personal trust network. Finally, we build a context-aware personalized recommender system in mobile social network in this project. The research in this project will improve the accuracy and spatial-temporal efficiency of information recommendation in mobile social networks, thus promote the research and application of recommender systems in the era of mobile internet.

面对移动社会网络中快速增长的海量信息，如何推荐给用户符合其兴趣且有价值的信息是一个亟待解决的现实问题。移动社会网络用户相互交织的信任关系和不断变化的情境决定了移动社会网络中高质量的推荐方法必须结合基于信任关系的推荐和情境感知的推荐。本项目以向移动社会网络用户提供情境感知的个性化推荐为目标，从挖掘用户兴趣入手，考虑移动社会网络中情境与信任关系的特点，建立情境感知的信任关系模型，以发现用户之间潜在的信任关系；研究高效的连续位置相关用户相似度查询处理方法，以在线地查询被推荐用户当前情境下的相似用户；利用信任关系模型和用户相似度查询结果建立被推荐用户的个人信任网络，研究基于个人信任网络的情境感知推荐方法，最终建立移动社会网络中情境感知的个性化推荐系统。本项目的研究将提高移动社会网络中信息推荐的准确度和时空效率，从而促进移动互联网时代推荐系统的研究与应用。

在移动社会网络中，用户的活动会产生大量的时空数据，而用户的兴趣随时随地受到其所处情境以及信任好友的影响。本项目以向移动社会网络用户提供情境感知的个性化推荐为目标，从挖掘和分析海量时空数据入手，提出了“黑洞”与“火山”时空模式的高效挖掘算法；并采用角色建模用户情境感知的共同兴趣，设计角色挖掘算法高效地从用户情境感知的行为中挖掘角色，从而提出了基于角色的信任关系模型。提出了加权用户相似度查询算法，构建基于角色的个人信任网络。同时提出了基于集合相似度的子图匹配查询方法以及一种基于包含度的子图匹配方法，以高效地处理针对社会网络大图的子图匹配查询。在以上基础上，提出了一种基于信任网络的情境感知个性化推荐方法，提高了移动环境下推荐的准确性。同时，提出了Web社区的新颖性推荐方法以及均衡性推荐方法，以及一种基于隐反馈的时间感知服务推荐方法。开发了一个情境感知的个性化推荐系统，以及一个Web社区推荐系统，并进行了测评。针对以上研究内容，在国内外重要期刊和会议上（包括CCF A类期刊）发表了 12篇论文、申请4个专利（包括两个美国专利）、项目负责人出版独撰专著两部，项目负责人第一作者发表的TKDE论文获得2016年湖北省自然科学论文二等奖一项，时空数据挖掘与分析系统获得上海开放数据创新应用大赛专项提名奖。项目开展期间组织了一次社交大数据国际学术会议。项目成果已经在多个行业领域进行了转化和应用。