XML个性化协作搜索及其在社会网络服务中的应用

随着Web2.0和Web3.0应用的迅猛发展，社会网络服务（包括微博、RSS和Facebook图片共享等）发展迅速，普遍采用XML作为其数据交换的载体，导致互联网应用中的XML信息内容增长迅速，传统的Web搜索引擎提供了对无结构的页面数据的检索，由于数据处理对象不同、查询语义和查询策略不同，很难支撑XML数据的个性化检索。本课题以分析用户网络浏览数据和社会网络关联为依据，以图模型为理论基础，以XML数据的个性化搜索服务为中心，探索基于图的查询聚类技术，深入研究相关的挖掘、存储、索引、搜索、排序、优化等技术，建立一个全面及综合性的个性化搜索架构。同时，为了提高系统性能，本课题还将深入探讨协作搜索策略。研究内容包括个性化的表示和建模技术、个性化检索技术、协作检索技术、用户概念图的存储和索引技术、查新结果的打分和排序技术等关键技术。通过开发原型系统，建立示范性应用，为现实应用提供技术支撑。

本课题以用户线上行为数据、用户的社会网络关系等为分析依据，以用户兴趣分析与挖掘、个性化搜索为中心，探索面向个性化搜索的查询优化技术和社会化搜索技术，深入研究相关的搜索、排序、优化等技术，建立一个个性化搜索架构，并探索在相关真实应用的实证研究。项目的主要成果包括：.（1）个性化信息的建模和挖掘算法。要进行个性化推荐，首先需要建模用户的兴趣、概念、偏好等个性化信息。我们研究了基于熵的PU学习方法，该方法针对用户点击数据中负例少的特点，传统数据挖掘方法不能直接用于这类PU数据，我们设计的该套方法发表在WWW Journal、APWEB等国际期刊和会议上。在用户行为建模方面，本课题设计对用户线上行为数据（包括评论数据、浏览点击数据等）进行分析与挖掘的一系列的算法，包括主题分析模型、基于知识图谱的用户特征分析、基于多分类器集成的观点分析等，用来获取用户兴趣，构建有效的用户个性化特征。相关研究成果发表在《计算机学报》、WWW、WISE等国内外重要学术期刊和学术会议上。.（2）建立了面向社会网络数据进行分析的框架，结合内容主题分析技术，确定用户概要产生的社会子网络图。基于此用户社会网络开展的查询和搜索，更具有个性化和针对性的特点，提高了查询结果的质量。相关研究成果发表在ICDE workshop、NDBC、DASFAA等数据管理领域的重要学术会议上。.（3）对于搜索排序和优化技术，探索了基于次模理论的排序算法，不仅提高了搜索的效率，而且从理论上保证了我们提出的排序方法的精度。相关研究成果发表在DASFAA、APWEB、《软件学报》等重要学术刊物上。.（4）对于大规模分布式索引、查询优化等关键技术，设计了分布式索引，用分布式树簇代替传统的集中式树型索引；设计了3类优化方法，实现窗口函数的优化。相关研究成果发表在《计算机学报》、ICDE上。.（5）在上述理论和算法的基础之上，实现了自适应的个性化搜索的框架和核心算法，并在个性化酒店推荐、审稿论文分发等实际应用中进行了验证，不仅申请了软件著作权和专利，而且应用系统得到用户的好评，个性化特征明显，搜索质量高。