基于社会化感知数据多层次学习的服务推荐

With diversification of service types, rapid increment of service amount and wide applications of services in the Internet, how to recommend appropriate services to users becomes an important research problem. Because service provision is essentially an interactive process, the fulfillment and its effects do not only rely on itself but also depend on its users, its collaborative services and its invocation environment. Therefore, the precise recommendation of services should be based on deep understandings of services, users and their relationships. With the wide applications of services, services, service providers, users and applications have formed a dynamic changing and complex relational network. All social sensory data is produced and transmitted across the network. In this project, the approach to collect and process service related sensory data is proposed at first. Then the multilevel learning method of understanding services and users based on this data is studied. Based on this method, the service recommendation algorithms that can make use of multi-source information, accommodate users' service behaviors and consider services' heterogeneous and dynamic features are designed so that we can provide corresponding recommendation solutions to different applications.

随着互联网上服务形态的日益多样化、服务数量的快速增长和服务的广泛使用，如何为用户推荐合适的服务已经越来越成为一个迫切需要研究的问题。由于服务提供是一个交互过程，一项服务的达成及其效果不仅取决于自身，也取决于使用它的用户、与它协作的服务和应用的场合，因而服务的准确推荐有赖于对服务、用户及其关系的深入认知。随着服务的广泛使用，服务、服务提供者、用户、服务应用之间已经形成了一个动态变化的、复杂的关系网络，围绕服务的各种社会化的感知数据依托此网络不断产生并在互联网上得到传播。本课题中通过采集和处理服务的社会化感知数据，提出基于这些数据对服务和用户模型进行多层次学习的方法，以设计出能有效利用多源信息、针对用户服务请求行为、适应服务异构性和动态性的服务推荐算法，从而能够为不同模式的应用给出相应的服务推荐方案。

随着互联网上服务形态的日益多样化、服务数量的快速增长和服务的广泛使用，如何为用户推荐合适的服务已经越来越成为一个迫切需要研究的问题。项目的主要研究内容和结果包括：.（1）对服务及其感知数据提出了相应的获取与处理方法：针对大规模服务感知数据处理的问题，提出了数据流在线近似查询处理方法和HBase中的数据查询优化问题；设计了具有优先级保证的发布订阅机制来实现数据的按需获取；设计了对运用实体解析技术进行服务数据清洗方法，研究了服务质量的预测方法；.（2）通过服务组合、标签网络、服务主题进行多层次服务语义的获取，提出了服务的关系语义模型，设计了多个方法来进行服务关系的语义获取和服务的组合语义获取；提出了一种基于使用记录和环境的用户使用APP的预测模型；针对目前普遍存在的共享账户问题，研究了如何依据其购买行为进行用户识别的问题；.（3）提供了多模式服务推荐方法，包括基于基于贝叶斯方法的异方差模型的长尾物品推荐、基于概率主题模型和随机游走的评分和内容相结合的推荐方法、新型的基于Session的推荐方法等；结合APP推荐的特点，开展了考虑服务类别关系、基于核约束的推荐算法、面向群组的列表推荐方法的研究。. 在研究中与APP、旅游服务、医疗服务等应用结合，进行了服务推荐技术应用的研究以及推荐方法的验证，项目成果获得2018年上海市科技进步二等奖，成果名称为“个性化、智能化服务技术及其在在线旅游行业的应用”。发表了50篇论文，其中5篇发表在CCF A类期刊或会议上，18篇发表在CCF B类期刊或会议上；申请专利7项，已授权2项，获得软件著作权2项。.项目成果能够为服务的个性化应用提供技术支持。