基于社会网络的协作模型及推荐技术研究

应用趋势表明社会网络环境下的协作将在未来企业和个人商务活动中起到越来越重要的作用。为促进社会网络中的协作行为，仍有许多理论和实践问题需要解决，包括：如何建立一个具有社会网络性质、分布式工作环境特点的协作模型？如何根据社会网络关系和协作需求从虚实繁杂的互联网数据中提取有价值的信息？如何根据协作模型从获取的信息产生有效的协作？.本研究将集成研究协作模型、协作信息处理技术和推荐技术三个问题，从理论和实践两个方面为社会网络协作理论和智能推荐给予支持。包括：建立体现社会网络协作的层次性、多维性和自组织性三大特点的协作模型；采用语义Web技术，获取基于协作的社会网络信息处理技术；结合协作模型，按照社会网络信息的特点构建高效的协作推荐方法。.希望通过本项目的研究填补现有研究在社会网络协作方面的一些空白，加深对社会网络协作的的理解，并给予实践相应的指导。

在线社交网站在电子商务的发展和应用中起到日益重要的作用，目前基于社交网站的研究和商业应用多集中于基于社交联系的分析和推荐，关于社交网站如何产生协作，如何获取协作信息以及如何进行协作推荐的研究较少。针对该问题，本项目从协作模型、协作信息提取技术和推荐技术三方面对社会网络环境下的协作问题展开研究。包括：.（1）通过重新定义虚拟网络协作中的社会关系及界定虚拟网络中的合作行为，构造能够反映协作的社会关系度量模型及合作关系度量模型。通过联系关系强度和合作关系强度，建立基于社会网络的协作模型。在此基础上，建立具有无标度特征、小世界特征、分层结构特征的网络模型。.（2）提出了包括分词处理、词性标注、LDA（Latent Dirichlet Allocation）文本训练、同义词拓展等几个环节在内的兴趣特征抽取方法。将LDA模型与协作模型融合，提出了一种主题层面上的用户兴趣建模方法，即使用主题向量模型对用户进行兴趣建模，作为基于兴趣的社区发现的研究基础。.（3）引入张量描述多维、多层的社会网络协作模型，通过统计分析并借鉴二维SVD技术，将其扩展为三维HOSVD方法，将来自多个信息源的信息进行智能复合以产生更有效度量信息。抽取项目的特征信息映射到低维空间，进行维度约减并有效缓解原始矩阵的稀疏性，改进传统协同过滤算法冷启动和稀疏性问题。.（4）通过研究派系间的结构相关度和属性相关度，并结合两者构造出综合相关度，用以改进CPM算法进行社区划分。在发现兴趣社区的基础上，为提高社区发现的研究价值及应用价值，结合模糊综合评价法和TF-IDF的思想，提出了社区兴趣计算方法。.（5）提出根据协作者与项目的发生关系和项目标签集合获取标签共生信息，结合协作者工作偏好和标签相似度研究协作者之间的关系，改进社会网络图的计算方法，解决发生阵的稀疏性问题，预测可能参与项目的协作者，提出协作者推荐算法。.项目组共发表相关论文17篇，弥补了目前社会网络协作方面研究的一些缺失，加深了对社会网络协作的的理解。