目标导向的网络挖掘与推荐关键问题研究

Sheer volume of data on the Internet and a variety of information services for the people access to information provide a great convenience and freedom. On one hand, a growing huge number of the Internet users have put forward increasingly high requirements on the quality of the information search on the Internet. On the other hand, as one of the most important platforms of information dissemination, the internet plays a more important role in provision of enterprise products and services that cannot be overlooked. In this project, we aim to develop web mining techniques based on two goal-oriented factors - the user motivation and the contexts of the Web environment where users use the Web resources - to quickly and accurately satisfy users' real needs for information resources or services in Web search, while providing a suitable advertising delivery...This project will open up a new research direction in the field of Web mining and recommendation by the introduction of a new structural dimension (i.e., the introduction of two goal-oriented factors of user motivations and contexts), and thus make the recommendation, aggregation and reconstruction of Web resources more effective and efficient. The new technologies developed in this project include: model of Web motivation, analysis of motivation links, Web clustering based on motivations, context-aware Web mining and a recommendation prototype system based on motivations.

互联网上的海量数据和各种各样的信息服务为人们信息获取提供了极大的方便和自由。一方面，巨大数量的日益成熟的网络用户对互联网上搜索信息质量的要求变得越来越高，另一方面，网络已成为信息发布的最重要媒介，对企业产品和服务的推广起着越来越不容忽视的重要作用。本研究通过利用两种目标导向因素：用户动机因素和表现其使用Web行为的具体上下文环境的情境因素来进行互联网数据挖掘，旨在从海量的Web网页数据中快速而准确地挖掘出用户需要的资源或服务以满足资源搜索和广告推荐的需要。本研究的目的就是在Web挖掘和推荐领域开辟一个新的研究方向，即通过引入新的结构维数（即引入用户动机和使用情境两个目标导向因素）从而以更加有效的方式来推荐，聚类和结构化Web资源。这种新技术的研发包括：因果网络动机模型，动机链接分析，基于动机的Web聚类，使用情境知识挖掘以及一个基于动机的推荐原型系统。

本研究在先前研究的基础上构建新的网络挖掘和个性化推荐模型，从 而达到实现高效而精确地进行个性化推荐的目的。解决问题的思路是对用户使用网络的 动机和行为进行分析来帮助进行互联网数据挖掘，具体来说，就是利用用户动机和表现 其使用Web行为的具体上下文环境的情境（Context）信息来进行互联网数据挖掘的研究 。开发新的基于情境感知计算的新算法的目的是，既要能有效地使所设计的新算法克服 传统算法存在的不足，同时又不会显著地增加计算复杂度和影响现有算法的精度。 本研究通过利用两种目标导向因素：用户动机因素和表现其使用Web行为的具体上下文环 境的情境因素来进行互联网数据挖掘，旨在从海量的Web网页数据中快速而准确地挖掘出 用户需要的资源或服务以满足资源搜索和广告推荐的需要。本研究的目的就是在Web挖掘 和推荐领域开辟一个新的研究方向，即通过引入新的结构维数（即引入用户动机和使用 情境两个目标导向因素）从而以更加有效的方式来推荐，聚类和结构化Web资源。这种新 技术的研发包括：因果网络动机模型，动机链接分析，基于动机的Web聚类，使用情境知 识挖掘以及一个基于动机的推荐原型系统。在社交网络尤其是信任网络中，用户扮演着不同的角色： 信任者和被信任者。不同的角色下用户可能表现出不同的兴趣偏好。我们尝试利用矩阵 分解和网路结构化信息刻画角色感知的兴趣偏好。对于决策上下文，我们在去年多层上 下文图模型的工作基础上，通过引入图结构中的语义信息进一步强化了对决策上下午信 息的使用，从而提高了模型性能。具体地，我们提出以语义路径的形式挖掘路径背后的 语义信息，并引入原先排序方法，刻画特定的语义关系对排序结果的影响。，我们打破传统方法用户之间独立同分布的假设，尝试通过在排序学习 中引入社交信息刻画好友对用户偏好的影响。具体地，我们将用户对物品的偏好建模成 用户自身偏好和好友影响的结合，再通过直接优化基于列表的损失函数从而学习到用户 、物品的特征表示，得到个性化的排序函数。我们注意到在社交网络尤其 是信任网络中，用户扮演着不同的角色：信任者和被信任者。不同的角色下用户可能表 现出不同的兴趣偏好。我们尝试利用矩阵分解和网路结构化信息刻画角色感知的兴趣偏好。

内容获取失败，请点击重试