基于用户偏好的可信社交服务推荐技术研究

With the development of WEB2.0, the amount of information in social network has explosive growth. This project aimed at users individual relationship, individual behavior, chose service preference etc. in social network, studying the key technical problems of social relations recommendation, exploring a discovery mechanism about the social network resources service. Firstly, focus on credible neighborhood social services and its modeling, establishing the filling technology of the integration of user service attributes, solving the problem of latent semantic failure to the cold start. Secondly, this project combined user of interest, need, preference, location and other factors, exploring social individual select multi-attribute service of credible metric method, designing based on Skyline of credible location service framework, solving the problem of credible service discovery model in the social service; Based on this, considering the influence of user’s social relationships and impact metrics, designing user face service multi-attribute of dynamic weight selection mechanism, solving the modeling of social relationship and service multi-attribute in the social network services. Through the integration of user relationship, behavioral characteristics and preferences, we design and realize a dynamic adjustment of the service recommendation technology under different group decision-making, and provide users with more reliable support and service guarantee.

随着WEB2.0技术的发展，社交网络的信息量呈爆炸式增长。本项目针对用户在社交网络中的个体关系、个体行为、选择服务的偏好等指标,研究基于社会关系的推荐关键技术问题，探索一种社交网络资源服务的发现机制。首先，重点研究社交服务的可信邻域并对其进行建模，建立融合用户服务属性的填充技术，解决隐语义遇冷启动失效的问题。其次，本项目结合用户的兴趣、需求、偏好、位置等因素，探讨社交个体选择多属性服务的可信度量方法，设计基于Skyline的可信位置服务框架，解决社交服务中的可信服务发现模型；在此基础上，研究用户的社会关系和用户影响力的度量，设计用户面对服务多属性的动态权重选择机制，解决社交网络服务中的社会关系建模和服务多属性的建模；通过用户关系、行为特征和偏好的整合，设计实现不同群体决策下动态调整的服务推荐技术，为社交网络用户提供更加可靠的技术支持和服务保障。

随着推荐技术研究的发展，融合用户特征的个性化推荐越来越受到关注。本项目从用户特征分析入手对社交网络服务推荐开展研究，解决服务推荐中的关键技术问题。首先，结合用户评级数据、用户画像等用户特征，引入新的度量模型，提出相应的的个性化推荐算法；其次，结合网络空间中的异构信息、时间衰减因子、注意力机制等建立新的信任推荐模型，提出融合信任度的推荐算法；再次，围绕用户影响力，考虑节点的个性化特征设计度量方法；最后，建立信息传播模型，并将用户情绪和群体特征、内聚熵等因素应用于影响力信息传播的研究。本项目的研究所提供的个性化推荐机制丰富了社交网络研究的内容和范围，可进一步提高推荐系统算法的有效性和效率。.本项目属于复杂网络数据分析预测研究领域，在影响力分析和服务推荐算法的改进方面具有一定的理论意义和应用价值。可在社交网络的推荐系统中引用该算法用于改善推荐质量。.在本项目的资助和带动下，项目组成员还开展了一系列学术交流活动，从而锻炼了队伍，增强了团队的实力，同时该项目的研究过程对研究生的科研能力的培养起到了重要作用。