科研進(jìn)展
重慶研究院在推薦系統(tǒng)信息核方面取得研究進(jìn)展
時(shí)間：2016-10-24編輯：信息所大數(shù)據(jù)挖掘及應(yīng)用中心
近日，重慶研究院大數(shù)據(jù)挖掘及應(yīng)用中心團(tuán)隊(duì)在挖掘推薦系統(tǒng)的信息核方面取得進(jìn)展，該研究成果在保證推薦功能的前提下對推薦網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)壓縮，為推薦算法處理大規(guī)模數(shù)據(jù)集提供了新思路。
個(gè)性化推薦技術(shù)，在理論層面和應(yīng)用層面都具有十分重要的意義。一方面，個(gè)性化推薦可以看作是稀疏矩陣的完備問題，另一方面，個(gè)性化推薦已經(jīng)成為在線網(wǎng)站的核心技術(shù)，取得了巨大的經(jīng)濟(jì)和社會(huì)效益，切實(shí)改善了人們的工作和生活。
在線系統(tǒng)中，推薦系統(tǒng)要做的就是分析用戶的上網(wǎng)行為，主動(dòng)為用戶推薦可能感興趣的對象，比如新聞、商品、好友、音樂等。到目前為止，大多數(shù)的工作主要研究如何提高推薦算法的性能，例如推薦系統(tǒng)的準(zhǔn)確性、多樣性和效率等，只有極少量的工作試圖研究推薦系統(tǒng)的工作原理，以及推薦算法有效的原因。
一般地，推薦系統(tǒng)可以簡化為一個(gè)用戶—商品的二部分圖。近年來，蓬勃發(fā)展的復(fù)雜網(wǎng)絡(luò)研究為推薦系統(tǒng)研究提供了新的理論和方法，基于網(wǎng)絡(luò)的推薦系統(tǒng)逐漸成為一個(gè)重要的分支，在理論和應(yīng)用中都取得了很好的成果。另一方面，復(fù)雜網(wǎng)絡(luò)的發(fā)展也為研究人員更深刻地理解推薦系統(tǒng)提供了有力的工具。其中，對給定數(shù)據(jù)集，如何在眾多推薦算法中找到合適的推薦算法是一個(gè)相當(dāng)重要而又非常困難的問題。針對上述問題，中科院重慶研究院大數(shù)據(jù)中心尚明生研究員及其研究團(tuán)隊(duì)提出并研究了推薦算法和數(shù)據(jù)集的特征關(guān)聯(lián)問題，提出一種使得通過事先分析數(shù)據(jù)集的特征就能找到適合該數(shù)據(jù)集的推薦算法[1]。
同時(shí)，該研究團(tuán)隊(duì)進(jìn)一步提出并研究了推薦系統(tǒng)的數(shù)據(jù)壓縮問題，通過提取用戶—商品二部分網(wǎng)絡(luò)的信息核[2]或者信息骨架[3]，大幅提升推薦算法的計(jì)算效率。信息核定義為推薦系統(tǒng)中小部分核心用戶，這些用戶攜帶了大量的信息。研究表明，當(dāng)推薦算法只考慮信息核的信息時(shí)，算法有時(shí)候比用所有信息得到的推薦精確度還要高；最差的情況下，也能達(dá)到91.4%的精確性。但該算法只考慮了一些簡單的網(wǎng)絡(luò)結(jié)構(gòu)，比如網(wǎng)絡(luò)中的四邊形。
為了彌補(bǔ)現(xiàn)有方法的不足，該研究團(tuán)隊(duì)提出基于用戶和商品鄰居節(jié)點(diǎn)的信息，提取用戶—商品二部分網(wǎng)絡(luò)的信息骨架[4]。測試結(jié)果表明，該方法要明顯好于現(xiàn)有的信息骨架提取方法。進(jìn)一步深入分析所提取的信息骨架的結(jié)構(gòu)特征，發(fā)現(xiàn)該方法提取的信息骨架具有較高的聚集系數(shù)，這從一定程度上揭示了該算法優(yōu)于現(xiàn)有算法的原因。以上研究已獲得國家自然科學(xué)基金項(xiàng)目支持。
相關(guān)成果均已發(fā)表：
[1] Shang M-S, Lü L, Zhang Y-C, Zhou T, Empirical analysis of web-based user-object bipartite networks, EPL, 2010, 90: 48006
[2] Zhang Q-M, Zeng A, Shang M-S, Extracting the information backbone in online system,2013, PLoS ONE 8: e62624
[3] Zeng W, Zeng A, Liu H, Shang M-S, T Zhou, Uncovering the information core in recommender systems, Scientific Report 2014, 4: 6140
[4] Zeng W, Fang M, Shao J, Shang M-S. Uncovering the essential links in online commercial networks. Scientific Report, 2016, 6: 34292.
[5] 曾偉,尚明生. 一種基于關(guān)鍵用戶的個(gè)性化推薦方法和系統(tǒng).發(fā)明專利申請?zhí)枺?/span>201510157504.9
論文鏈接：
1http://iopscience.iop.org/article/10.1209/0295-5075/90/48006/meta
2http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0062624
3http://www.nature.com/articles/srep06140?WT.ec_id=SREP-639-20140826
中國科學(xué)院重慶綠色智能技術(shù)研究院 版權(quán)所有京ICP備05002857號渝公網(wǎng)安備50010943035號
