大数据环境下双边感知的主动服务聚合理论与方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61872126
  • 项目类别:
    面上项目
  • 资助金额:
    61.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0203.软件理论、软件工程与服务
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

Recently, with the development and maturation of new computing modes, a lot of services have become available on line. At the same time, mass personalized services became a reality for the popularization of mobile Internet and mobile terminals. However, the passive service mode of “request-response” severely hampered user experience and resource utilization efficiency. For this problem, this project, using Context Awareness and Artificial Intelligence theories, aims to introduce a set of theories and methods of intelligent active service aggregation with high-efficiency, based on big data of user behavior, social network and service application. Major research tasks include: (1) Through the mining and learning of big data of users and with regard to context clues, study the active and precise perceptual method of personalized services demanded. (2) Through the mining and learning of big data of services and users social networking, study the optimal candidate services screening method based on correlation graph model. (3) Based on Hidden Markov Model and Deep Learning Theory, study the active and adaptive perceptual method of quality of services. (4)Based on the above results, study the method of services optimization aggregation based on improved Social Learning Optimal Algorithm. Test and verify the research results through its application in smart elderly care services industry. This project aims to deepen the research on incorporation of big data, artificial intelligence and service computing, to explore new theories and methodologies in smart services.
近年来,随着新型计算模式的发展与成熟,网络上涌现出大量的可用服务;同时,移动互联技术与智能终端的普及,催生了大规模个性化的服务需求。而当前“请求-响应”被动式的服务模式严重影响了用户体验与资源利用率。为此,本课题拟通过对用户行为、社交网络、服务应用等多维大数据的挖掘,基于情景感知与人工智能理论,提出一套高效智能的主动服务聚合理论与方法。主要研究工作包括:(1)通过对用户相关大数据的挖掘,结合实时的情景,研究用户个性化服务需求的主动感知方法;(2)通过对服务与用户相关大数据的挖掘,研究基于关联图模型的最佳候选服务筛选方法;(3)基于隐马尔可夫模型与深度学习理论,研究服务质量的主动自适应感知方法;(4)基于上述结果,研究基于改进社会学习算法的服务优化聚合方法。通过在智慧养老服务领域的应用,验证并完善该课题的研究成果。本课题将深化大数据、人工智能与服务计算领域的结合,探索智能服务的新理论新方法。

结项摘要

服务优化组合技术通过聚合来自于不同领域的简单服务,形成功能强大的聚合服务,是支撑现代服务业(智慧养老、智慧医疗、智慧城市等)快速发展的重要技术。然而,当前已有的服务优化组合技术大都遵循“请求—响应”被动式的服务模式,缺乏智能性与主动性,严重影响了用户的满意度与服务资源的利用率。为此,本课题开展了大数据环境下双边感知的主动服务聚合理论与方法研究,提出了一套大数据环境下情景感知的服务需求主动感知方法、用户偏好演化方法、基于关联图的服务筛选方法、服务QoS主动感知方法以及基于双边感知的服务与组合服务推荐方法,并将研究成果在智慧养老服务领域得到成功的应用。. 为了实现大数据环境下对用户服务需求的主动精确感知,进而为主动服务提供精确的需求信息,本课题提出了一系列基于深度学习模型的服务需求主动感知方法。. 为了缩减候选服务规模,为服务与组合服务主动推荐提供高质量的候选服务,本课题首先构建常用的服务需求与服务之间的关联图;之后,研究了基于图搜索的候选服务筛选方法。. 为了实现大数据环境下对服务质量的主动感知,本课题提出了一种基于多任务深度学习模型的多维情景感知的多QoS预测方法;提出了一种情景感知的自适应QoS预测方法,该方法能够实现对即时服务调用与一段时间之后服务调用场景下,多个QoS值与拟合QoS值的预测,极大地提高了服务QoS预测的灵活性。. 本课题创新性提出了基于双边感知的主动服务推荐方法,以及用户需求驱动的的组合服务主动推荐方法。. 将研究成果应用于智慧养老服务领域,验证了究成果的有效性和正确性。在该项目资助下,发表学术论文35篇 (其中,SCI期刊论文10篇,EI收录16篇);授权国家发明专利6项;获国家软件著作权3项;获2022年度山东省科技进步一等奖1项,获2020年度吴文俊人工智能科技进步奖一等奖1项,获2019年度河南省自然科学奖二等奖1项;培养\资助硕士研究生32名(毕业15人);参加国内外学术会议10余人次,参与承办国内学术会议3次。

项目成果

期刊论文数量(33)
专著数量(0)
科研奖励数量(3)
会议论文数量(2)
专利数量(8)
Reliability assessment of a multi-state distribution network under cost and spoilage considerations
考虑成本和损耗的多州分销网络的可靠性评估
  • DOI:
    10.1111/aeq.12409
  • 发表时间:
    2021
  • 期刊:
    Original Research(中科院SCI基础版 管理科学3区,SCI升级版 管理学3区,jcr Q2,影响因子:4.82)
  • 影响因子:
    --
  • 作者:
    Yi-Feng Niu;Can He;De-Qiang Fu
  • 通讯作者:
    De-Qiang Fu
基于混合预测策略与改进社会学习优化算法的动态多目标优化方法研究
  • DOI:
    10.19734/j.issn.1001-3695.2022.08.0453
  • 发表时间:
    2022
  • 期刊:
    计算机应用研究
  • 影响因子:
    --
  • 作者:
    张杰;马菲菲;郑禾丹;刘志中
  • 通讯作者:
    刘志中
基于身份的车载网批量匿名认证方案研究
  • DOI:
    10.13190/j.jbupt.2018-274
  • 发表时间:
    2019
  • 期刊:
    北京邮电大学学报
  • 影响因子:
    --
  • 作者:
    宋成;顾心安;王磊;刘志中;闫玺玺
  • 通讯作者:
    闫玺玺
多值预测位置隐私保护机制
  • DOI:
    10.13190/j.jbupt.2021-041
  • 发表时间:
    2021
  • 期刊:
    北京邮电大学学报
  • 影响因子:
    --
  • 作者:
    宋 成;金 彤;贺军义
  • 通讯作者:
    贺军义
Spatiotemporal emotion recognition based on 3D time-frequency domain feature matrix
基于3D时频域特征矩阵的时空情感识别
  • DOI:
    10.19682/j.cnki.1005-8885.2022.0017
  • 发表时间:
    2022
  • 期刊:
    The Journal of China Universities of Posts and Telecommunications
  • 影响因子:
    --
  • 作者:
    Chao Hao;Lian Weifang;Liu Yongli
  • 通讯作者:
    Liu Yongli

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

S-ABC——面向服务领域的人工蜂群算法范型
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    计算机学报
  • 影响因子:
    --
  • 作者:
    徐晓飞;刘志中;王忠杰;闵寻优;刘睿霖;王海芳
  • 通讯作者:
    王海芳
基于需求预测的主动服务推荐方法
  • DOI:
    10.19678/j.issn.1000-3428.0053379
  • 发表时间:
    2020
  • 期刊:
    计算机工程
  • 影响因子:
    --
  • 作者:
    刘志中;张振兴;海燕;郭思慧;刘永利
  • 通讯作者:
    刘永利
S-ABC—面向服务领域的人工蜂群算法范型
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    计算机学报
  • 影响因子:
    --
  • 作者:
    徐晓飞;刘志中
  • 通讯作者:
    刘志中
面向集群式供应链的企业服务组合方法
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    计算机集成制造系统
  • 影响因子:
    --
  • 作者:
    薛霄;刘志中;黄必清
  • 通讯作者:
    黄必清
智能化医养融合服务平台关键技术及应用研究
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    智能系统学报
  • 影响因子:
    --
  • 作者:
    初佃辉;吴军;刘志中;涂志莹
  • 通讯作者:
    涂志莹

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

刘志中的其他基金

大数据环境下主动感知驱动的组合服务动态重构关键技术研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码