安全可信的社会化服务推荐研究

With of the proliferation of available services on the Internet, a challenging problem is to discover suitable and interesting services for individual users. Unlike traditional service discovery and selection which addresses user requests reactively, personalized service recommendation proactively perceives user requirements and is therefore an effective solution to broaden the range and improve the efficiency of service selection. However, the hardness of user feedbacks collection, the lack of service description, and the underutilization of service unique features, make personalized service recommendation a tough research issue. This project aims at investigating personalized service recommendation based on social network. Based on the structure and data of user social network and service social network, the project focuses on the following research issues: user-service social space modeling, user similarity evaluation based on fusion of multiple information sources, social information aware user trust evaluation, service reputation evaluation based on optimized cooperative game theory, and privacy-preserving service recommendation. This project is an interdisciplinary research of traditional services computing, recommender system, and social network, which provides significant theoretical and technical support to the development of personalized service recommendation system. Hence, this project will have great significance in both theory and practice.

互联网中可用服务的类型和数目都呈爆炸式增长，如何发现满足用户个性化需求的服务是一个极具挑战性的问题。与传统的服务发现技术不同，服务推荐实现了从被动接受用户请求向主动感知用户需求的转变，成为拓宽服务选择范围、提升服务选择效率的有效手段。本项目针对服务推荐面临的用户反馈数据不易收集、服务功能属性描述缺失、服务特征没有高效利用等问题以及开放网络中存在恶意用户的现实，提出研究安全可信的社会化服务推荐系统，通过深入分析用户社交网络和服务社交网络的结构及数据，以提高社会化推荐系统的鲁棒性和可用性为目标，重点研究用户服务社交空间理论、社会信息感知的用户可信度评估、合作博弈优化的服务信誉度评估、以及保护隐私的社会化服务推荐等内容。本项目是服务计算、推荐系统和社交网络研究深化融合的一个最新交叉课题，为构建面向海量服务的社会化推荐系统提供有效的理论和技术支撑，不仅具有重要的理论意义，也具有广泛的商业应用价值。

无处不在的高速网络和个人智能移动设备的普及促进了众包计算模式的流行，从而使得互联网中可用服务的类型和数目出现了爆炸式的增长。如何发现满足用户个性化需求的服务是一个极具挑战性的问题。在开放网络中，用户之间缺少基本的信任，而在推荐过程中又不可避免的需要收集用户的私有数据，因此如何实现安全可信的服务推荐具有重要的应用前景。本项目以安全可信的社会化服务推荐系统为目标，重点研究社交网络空间中的数据管理，社交网络中用户可信度和信誉度的评估、保护隐私的社会化服务推荐系统，以及安全可信的社会化服务应用系统。为了有效提高社会化服务推荐结果的准确性，本项目首先对用户服务社交空间中包含的数据进行了相关处理，重点解决了文本数据中的语义漂移，有监督学习需要大量训练数据、以及社交网络中短文本的情感分析等基础问题。其次，在用户可信度和信誉度评估方面，本项目对社交网络中的图模式匹配、信任子网的抽取、基于上下文的可信用户选择、可信度的高效计算以及鲁棒的社会影响者发现等问题进行了深入研究。在推荐系统特别是保护隐私的推荐系统方面，本项目对基于注意力机制的推荐模型、基于差分隐私的协同推荐模型、保护多方隐私的社会化推荐模型、基于差分隐私和随机扰动的安全推荐模型等进行了深入的研究。最后，在安全可信的社会化服务应用系统方面，本项目重点研究了空间众包这一应用，特别是安全可信的空间众包任务分配和推荐算法。总体而言，本项目的研究为实现安全可信的社会化服务推荐系统提供了有效的技术支撑。在本项目的支持下，项目组在国内外重要学术期刊和会议上发表54篇高质量论文，其中包括中国计算机学会CCF推荐的A类文章4篇，B类文章29篇，C类文章17篇，获得授权发明专利3项，培养硕士研究生7人，完成了预定的各项研究任务。