面向信息茧房困境的跨领域推荐方法研究

Due to the positive reinforcement effect of personalized recommendation technologies, the recommended products and information received by consumers begin to be narrowed, and users are easily trapped in the “Information Cocoons” dilemma. The emergence of the information cocoons effect has brought negative impact on consumers and corporate business activities. It has received extensive attention from the industry and academia and is becoming a hot research issue in the field of personalized recommendation. This project will apply text analysis, Bayesian networks, cross-domain recommendations, and intelligent optimization theories and methods to study the cross-domain recommendation methods for information cocoons problems. Specifically, This project will study the generation mechanism of information cocoons effect and identify user groups corresponding to strong and weak information cocoons effect. Then, through mining and transferring knowledge in the entire domain, the cross-domain recommendation methods for users faced with high information cocoons effect will be studied. Through extracting and fusing interest labels in specific domains, cross-domain recommendation methods for users faced with weak information cocoons effect will be conducted. This project not only has important theoretical significance for promoting the research progress of online consumer behavior and personalized recommendation, but also has practical value for enterprises in building a cross-domain recommendation system for information cocoons dilemma and developing personalized marketing campaigns to improve the satisfaction of online users and the diversification of corporate sales.

由于个性化推荐技术的正强化效应，消费者接收到的推荐产品和信息开始窄化，容易陷入“信息茧房”困境。信息茧房效应的出现给消费者和企业商务活动都带来了负面影响，已经受到工业界和学术界的广泛关注，正成为个性化推荐领域的热点研究问题。本项目将应用文本分析、贝叶斯网络、跨领域推荐和智能优化理论与方法，研究面向信息茧房困境问题的跨领域推荐方法，具体研究信息茧房效应的生成机理，找出强弱信息茧房效应用户群体；通过对全领域知识的挖掘和迁移，研究面向高信息茧房效应用户的跨领域推荐方法；通过对特定领域兴趣标签的提取和融合，研究面向弱领域信息茧房效应用户的跨领域推荐方法。本项目的研究对推进在线消费者行为和个性化推荐的发展具有重要的理论意义，对于企业构建面向信息茧房困境的跨领域推荐系统和开展个性化营销活动，提升在线用户的满意度和企业销售多样化等具有实际价值。

本项目针对推荐系统中信息茧房困境下的跨领域推荐问题，应用社交网络分析法、文本分析、机器学习、贝叶斯网络、跨领域推荐和智能优化理论等方法，围绕信息茧房效应的生成机理、面向强信息茧房效应用户的跨领域推荐方法和面向弱信息茧房效应用户的跨领域推荐方法开展了系统的研究。在信息茧房效应形成机理方面，项目组构建一种协同演化模型研究个体的受到群体压力影响产生的兴趣趋同现象；项目组通过回归分析分析了在线社交平台用户人格特质对用户内容偏好的影响；项目还提出一种多任务学习方法，用以从用户行为中识别用户人格；项目组通过构建可解释个个性化推荐方法探究算法推荐结果的内部影响机理；在全领域偏好知识挖掘方面，项目组提出基于数据增强的主题模型发掘短评论文本的知识；项目组提出一种分层贝叶斯方法可以从用户生成内容中区分一般偏好和利基偏好；针对标签融合的跨领域推荐方法，项目组提出一种基于自适应多样性正则化的跨领域矩阵分解模型。本项目的研究对推进在线消费者行为和个性化推荐的发展具有重要的意义，对于企业构建面向信息茧房困境的跨领域推荐系统和展开个性化营销活动，提升在线用户的满意度和企业销售多样化等具有实际价值。项目组在研究期内先后在《ACM Transactions on Information Systems》等国内外学术期刊和会议上共发表论文28篇。其中被SCI/SSCI收录21篇，EI收录7篇；承办了第二届和第三届电子商务与数字创新年会以及管理科学与工程学会2019年年会暨第十七届中国管理科学与工程论坛，组织和参加国内外学术交流5次；支持了3名博士生和5名硕士生的学位论文。