融合情境信息的多目标社会化商务推荐系统研究

As the rapid development of Web 2.0 and social network, e-commerce is gradually turning to social commerce, which leads to bran-new opportunities and challenges to recommender technologies. How to combine contextual information mined from social networks with traditional recommender techniques has become a hot research topic, so that the effectiveness and efficiency of recommender systems as well as the performance of e-business enterprises will be enhanced. The project will conduct research on key theory and technology of multi-targeting recommender systems incorporating contextual information in social commerce. Firstly, the contextual information retrieval technology based on social network mining will be investigated. We will focus on the mining and evolution of two types contextual information that are closely related to recommender systems; that are, communities and their opinion. Secondly, to solve the contextual recommendation generation problem, recommendation models, algorithms and their evolution mechanisms for incorporating contextual information will be studied. Thirdly, from the perspective of e-commerce enterprises, the relationship among product costs, sales volume and benefits will be analyzed, and thus the optimization strategy for recommendation output will be explored. Finally, a prototype system will be designed and implemented. Simulation experiments on open data sets will be conducted to verify the results of our research. The prototype system will also be applied to e-business companies for case study, which in turn justify the value of our research and helps to improve the company performance.

随着Web 2.0理念的逐渐深入及社会网络的迅猛发展，电子商务逐渐向社会化商务转变，电子商务推荐技术面临着新的机会与挑战。如何从社会网络蕴藏的海量数据中提取出有价值的情境信息，融合到传统推荐技术中，以提高推荐系统的性能和效率、并提升电子商务企业绩效，成为下一代推荐系统的研究热点。为此，本课题将对融合情境信息的多目标社会化商务推荐系统的关键理论和技术展开研究。首先，研究基于社会网络挖掘的情境信息获取，重点研究社区结构和社区意见两类与推荐密切相关的情境信息的挖掘与演化；其次，研究融合情境信息的电子商务推荐模型、算法及演化机制，解决情境推荐生成问题；再次，从企业角度出发，分析商品成本、销量和效益之间的关系，从而研究推荐结果优化策略，以增强推荐系统效果。在理论研究的基础上，设计并实现原型系统作为理论研究验证平台，并将原型系统应用到电子商务企业的案例研究中，通过案例研究为电子商务企业提升绩效服务。

项目组紧紧围绕“基于社会网络挖掘的用户情境信息获取”、“融合情境信息的电子商务推荐系统”、“基于企业角度实证分析的推荐优化策略”以及“社会化商务推荐应用”四个方向开展研究，取得了一批高质量的研究成果。首先，针对社会网络表现出大规模性、动态性和社区性等多个方面的特点，提出了基于多智能体(Multi-Agent)局部社区抽取算法，并借助局部移动启发式权重模块优化算法和潜在吸引聚类方法来挖掘大规模社会网络的重叠和非重叠社区结构，发表了包括IEEE Trans.、ComJ在内的多篇高水平论文。其次，项目组针对旅游产品和基于位置的兴趣点推荐的稀疏性和冷启动性等问题问题，提出提出基于主题序列模式的旅游产品推荐算法和基于时空概率矩阵分解的兴趣点推荐模型，发表了多篇期刊和会议论文。第三，在电子商务背景下，课题组对推荐系统托攻击检测和恶意商评进行了深入的研究，提出了多种模型检测这些恶意用户和恶意群组，发表论文包括ICDM、科学通报、OIR等论文。第四，从社会化商务推荐应用角度来研究情境推荐，同时结合数据挖掘中一致性聚类和模糊一致性聚类问题，为推荐提供辅助信息。本项目取得的成果可归纳为以下几个方面：(1) 在国内外发表期刊论文16篇，SCI收录23篇，影响因子高于2.0的3篇；(2) 发表国际会议论文13篇，包含IJCAI、ICDM、SDM论文各1篇；(3)“电子商务数据处理平台关键技术研究及应用”获得教育部科技进步二等奖一项；(4) 获批科技部国家级电子商务信息处理国际联合研究中心和电子商务交易技术国家地方联合工程实验室；（5）培养博士生5名、硕士生17名。本课题的研究有望为电子商务推荐系统研究和发展提供重要参考，课题研究成果则有望在社会化商务、新型信息消费、信息安全服务等产业发挥重要作用。