基于面向话题的加权社会网络的个性化推荐及检索技术研究

社会网络的迅速发展对信息服务提出了严峻的挑战，即如何有效利用大量的、动态的、用户产生的数据以提高服务质量的问题。传统社会网络分析主要关注宏观静态网络结构的分析，缺少针对社会网络微观动态特征的分析，已无法满足基于社会网络的信息服务的需求。为了有效利用社会网络内容以提高信息服务质量，本项目拟对社会网络数据内容和结构及其上的个性化推荐及检索技术进行研究。主要研究内容包括：社会网络微观结构即面向话题的加权社会网络结构的构建；社会网络动态特征分析即基于社会网络用户交互行为的话题兴趣漂移建模；基于面向话题加权社会网络的关系挖掘及社区发现技术；基于社会网络的个性化推荐及检索技术。本项目的研究将建立社会网络的微观结构，并挖掘利用社会网络的动态特征，同时结合传统社会网络分析的成果，全面提升基于社会网络的信息服务质量。

各种形式的社交网络网站为用户提供了一个信息传播与信息共享、个人意见表达、思想交汇、情感交流和经济往来的整合平台。随着用户的增长，社会网络网站已经成为当前最热的网络平台，网络用户生成的信息已经成为互联网内容的主要来源。为了有效利用社会网络内容以提高信息服务质量，本项目主要对社会网络数据内容和结构及其上的个性化推荐及检索技术进行研究。. 本项目的研究工作基本按照拟定的研究计划展开，主要研究工作和研究成果包括如下几个方面：社交网络数据的分类技术研究、构建基于话题的多维加权社会网络模型、社交网络中的用户关系挖掘及社区关联关系挖掘、基于社交网络的推荐技术研究、社交网络中突发事件和热点话题检测技术研究、社交网络中信息传播分析及用户影响力挖掘、社区问答中话题匹配研究以及社交网络中基于用户兴趣的地理位置预测。其中，社交网络中信息传播分析及用户影响力挖掘、社区问答中的话题匹配研究等是原来的研究计划中没有的，但这些问题正在成为当今国内为的研究热点。因此，我们在研究过程中，将上述内容作为重要研究内容添加进来。本研究对于提升个性化推荐和智能检索技术，有潜在的帮助。有助于推动社会网络的基础研究和应用研究，提升社会网络的信息服务质量。. 相关研究成果在包括KDD、SIGIR、AAAI、IJCAI、ACL、SDM、WSDM、CIKM、COLING 等顶级国际会议以及TKDE、KAIS、TIST、J. WWW、Neurocomputing等知名国际期刊，共发表高质量学术论文50余篇，培养博士后1名，培养毕业博士生8名，培养毕业硕士研究生10人。