考虑用户偏好转移的基于动态贝叶斯网络和深度学习的动态推荐方法的研究

Recommendation systems play a key role in E-Commerce. Currently, most recommendation methods assume users have static preference. However, in real-world buying process, users’ preference may experience a multi-period transitional and evolutionary process. Therefore, to designing a dynamic recommendation system considering users’ preference transition is a promising field. Due to the latency of users preference, complexity of transition network as well as the complexity of users’ multi-period buying process, there exists many challenges. In this regards, this proposal targets on depicting user’s preference transition on e-commerce platform, modeling the multi-period buying process of users, designing corresponding recommendation methods. Concretely, we will extract the browsing behaviors of online shopping users, mine their preference patterns, and construct multi-period users’ preference transition models, hereafter to effectively transfer users from browsers to buyers on e-commerce platforms. From an engineering viewpoint, we will conduct the studies from two aspects, i.e., constructing a generative model based on a dynamic Bayesian network, and constructing a discriminative model based a recurrent neural network, as well as designing recommendation methods, respectively.

推荐系统在电子商务中扮演着核心角色。然而目前主流推荐方法大都假设用户偏好是静态的。而事实上，在购买过程中，用户偏好通常会经过一个多阶段转移和演变的过程。因此，针对偏好转移来设计动态推荐系统是一个非常有价值的研究方向。然而，由于用户偏好状态的隐含性、各偏好状态之间的转移网络的复杂性、用户购买行为多阶段的复杂性等，使得此研究尚存较多挑战。本项目的研究目标是在电子商务平台上对用户偏好转移进行刻画，从而实现对用户的多阶段购买过程的建模，并设计出相应的动态推荐方法。具体来说，将通过对进行购买行为的用户从浏览到最终购买过程中的浏览点击行为进行提取，挖掘用户的偏好模式，并建立多阶段用户偏好的动态转移模型，从而更好地刻画将用户从电子商务平台的浏览者转化为购买者的过程。从技术实现角度来看，我们将分别构建考虑时间因素的生成模型（动态贝叶斯网络）和判别模型（循环神经网络），并设计动态推荐方法。

推荐系统在电子商务中扮演着核心角色。随着数智赋能这一新特征和新趋势，电子商务平台上的智能推荐提出了一些新挑战，对多阶段动态性、多模态大数据、深度学习模型等。针对这些挑战，本研究从如下几方面进行探索：（1）基于动态贝叶斯模型的多阶段智能推荐方法；（2）面向多模态数据整合的基于深度学习的智能推荐方法；（3）UGC生成机制分析与基于UGC的产品标题优化方法。经过课题组的深入研究，项目取得了良好的成果，不仅设计了若干具有更好效果的智能推荐方法，还i对其内容影响机制和管理意义进行了深入剖析。不但在领域内重要学术期刊，如Information Systems Research，INFORMS Journal on Computing，Journal of Management Information Systems等上，和重要国际会议上发表多篇学术论文，还获得多项学术奖励，此外，一些成果也通过政策建言、企业示范等得到了应用。

内容获取失败，请点击重试