社会网络环境下基于用户-资源关联的信息推荐研究

Under social networking environment, the pattern of users' information needs and behavior, and the way of resource organization have been reforming, which demands change in the innovative implementation of information recommendation. That is, considering the associative architecture or structure formed by the interaction between users and information resources, user's preference community oriented and based on resources' semantic mining, this project aims to explore and study the principles, strategies, methods and their implementations of socialization recommendation. According to the general study framework of recommendation implementation, mainly including users' preference modeling, resources content mining and their matching, this project analyzes users' socialization needs and community behavior under social networking environment, and studies the characteristics of associative structure formed by the interaction between users and resources. On the basis of that, the accurate describing and modeling of users' needs and preference based on the improved discovery algorithm of relationship community are achieved, and the modeling of resources content on semantic level combining the topic mining of content based on latent semantic analysis and semantic space vector model is studied. Furthermore, the implementation of socialization recommendation is the focus of this project. First, the bipartite graph of users-resources due to their probability preference relationship is established as the foundation of recommendation system; second, with the aid of the energy distribution theory belonging to mass diffusion and heat spreading in physical kinetics, a socialization recommendation implementation model based on the bipartite graph of users-resources is constructed; third, through the experiment on typical datasets and cases on network services, the personalized and diversified recommendation orienting to users' minority and community needs is achieved. Finally, this project will expand the current theory of information resources organization and recommendation, and have practical significance for the improvement of recommendation effect and service quality.

社会网络环境下，用户信息需求和行为模式及资源组织方式发生了变革，要求从用户与资源之间的关联结构入手，面向用户偏好社区和基于资源内容语义挖掘进行社会化信息推荐原理、策略及方法的创新实现研究。本项目立足于包含用户偏好建模、资源内容挖掘和两者匹配的推荐实现框架，从用户社会化需求及社群行为分析出发，研究用户与资源交互形成的关联结构；基于改进的关系社区发现算法进行用户需求偏好的准确描述和建模，结合基于潜在语义分析的主题挖掘和语义向量空间模型进行语义层次上的资源内容特征建模；在此基础上得到用户与资源之间的概率偏好关系，进而构建用户-资源关联图，引入物理动力学中的物质扩散和热传导能量分配原理，构建基于用户-资源二部关联图的社会化推荐模型，结合典型数据集的实验和网络服务案例分析，实现面向用户小众社群需求的个性化和多样化推荐。本项目将拓展当前信息资源组织和推荐理论，对提升推荐效果和服务质量具有实际意义。

1项目背景. 社会网络环境下，用户信息需求和行为模式的社会化变革，对信息推荐的个性化和多样化提出了新的要求。本项目从用户关系社区的角度进行用户建模，进行语义层次的信息资源内容特征建模，面向用户小众社区需求研究信息推荐的策略和实现问题；即在保证推荐准确度的前提下实现资源推荐的个性化和多样化，提高长尾资源的推荐概率，拓展用户视野，提升资源推荐价值。.2主要研究内容. 在面向用户小众化需求的信息推荐策略和技术实现研究中，根据用户的社群关系特征进行了用户需求偏好描述；面向社群主题，基于改进的潜在语义分析主题模型和概念语义向量空间模型实现了资源内容向量的语义化表示；将上述两者结合，得到了用户与资源之间的概率偏好关系，进而在信息推荐实现框架中，根据用户-资源关联关系构建用户-资源二部图，依据物理动力学中的能量分配理论，通过加权融合构建了社会化推荐引擎，提高了推荐效果的个性化和多样化程度；在实证、案例和应用推广中，进行社会化推荐策略改进和优化，所提出的内容语义关联与推荐方案已在中国科学技术信息研究所信息资源中心得到了应用。.3重要成果. 本项目研究成果均以期刊论文的形式发表，CSSCI及以上级别论文12篇，包括SSCI源刊论文2篇，EI源刊论文1篇，CSSCI与源刊论文9篇。. 重要结果包括揭示了社会网络环境下的信息机制、对资源内容的交互语义特征描述与建模、构建了基于物理动力学的社会化推荐模型、可行且有效的实验验证以及效果明显的案例分析及应用推广。.4关键数据及其科学意义. ①关键数据集构建。本项目仿真实验中利用滚雪球的方式采集了大量的用户-资源交互数据。其次，从语料库中提取训练集和测试集，完成了语义向量空间模型改进和资源内容的语义描述实现。最后，创新了能量分配算法和构建了社会化推荐引擎，依托典型网络数据集和服务案例完成了实验验证和完善了研究成果。. ②科学意义。本项目能够深化基于用户交互的需求偏好描述和建模理论，探索社会网络环境下基于用户交互关系的信息资源语义结构挖掘和组织理论；更重要的是，面向个性化和多样化效果提升的信息推荐原理与实现策略研究，有助于拓展和丰富新一代网络环境下的推荐理论，创新信息推荐实现的方式和手段。