云计算架构下基于语义驱动的信息推荐理论和实证研究

As the rapid development of information and network technologies, information overload has appeared the outbreak trend. Information recommender systems is the one of the most effective tools to solve the problem of information overload. However, to the best of our knowledge, the existing information recommender systems have the serious drawbacks in the aspects of real-timing, robustness and recommendation quality. Therefore, in this project, we will put forward the theories and approaches for semantic-driven information recommendation under cloud architecture. It mainly includes the following five aspects which are closely related to the project: the research of semantics of foundation data and user preference informations; the research of indexing mechanism of massive semantic informations under cloud architecture; the research of recommendation approaches of based on semantic computation theory; the research of technologies of dynamic migration under cloud architecture; and the demonstration research of semantic-driven information recommendation under cloud architecture. This project fundamentally changes the status quo that the existing information recommender systems focus on the mathematical characteristics of data, and ignore the underlying knowledge semantics of data, and provides a novel theoretical and technical avenue for the information recommendation. Specially, this project will produce the important influence to improve the economic efficiency of enterprises, and the service levels of social management of the governments enterprise and public institutions.

信息和网络技术的迅速发展使得信息过载呈爆发趋势。信息推荐系统是解决信息超载问题最有效的工具之一，然而现有的信息推荐系统在实时性、鲁棒性和推荐质量方面存在着严重的缺陷。为此，本项目将提出云计算架构下基于语义驱动的信息推荐理论和方法，包括以下五个紧密相关的研究内容：基础数据和用户偏好信息的语义化研究、云计算架构下海量语义化信息索引机制研究、基于语义计算理论的信息推荐方法研究、云计算架构下信息推荐系统动态迁移技术研究和云计算架构下基于语义驱动的信息推荐实证研究。本项目从根本上改变了现有系统重数据数学特征，而轻数据背后所隐含知识语义的现状，为信息推荐提供新的理论和技术途径，并在提高企业经济效益和政府、企事业单位的社会管理服务水平方面将产生重要的作用。

信息和网络技术的迅速发展使得信息过载呈爆发趋势。信息推荐系统是解决信息超载问题最有效的工具之一，然而现有的信息推荐系统在实时性、鲁棒性和推荐质量方面存在着严重的缺陷。本项目从如下5个方面解决了上述缺陷：(1)基础数据和用户偏好信息的语义化研究；(2)云计算架构下海量语义信息索引机制研究；(3)基于语义计算理论的信息推荐方法研究；(4)云计算架构下信息推荐系统动态迁移技术研究；(5)云计算架构下基于语义驱动的信息推荐实证研究。在基础数据和用户偏好信息的语义化研究中，我们准确有效地理解了基础数据的内涵和用户偏好的内涵，进而进行合适的语义描述和表示；在云计算架构下海量语义信息索引机制研究中，我们合理组织、存储和定位了这些海量语义信息，为上层的推荐算法提供高效的数据存取接口；在基于语义计算理论的信息推荐方法研究中，我们基于语义计算理论来进行信息推荐，这样，信息推荐的效率和正确性就能得到很好的保证；在云计算架构下信息推荐系统动态迁移技术研究中，我们设计了一套在不同服务器集群间动态灵活的系统迁移方法，在保证业务安全性和推荐正确性的前提下，使得迁移时的系统中断率、停机时间和模块功能恢复时间均最小化；在云计算架构下基于语义驱动的信息推荐实证研究中，我们在现实多个典型的应用领域中进行实证研究，并将检验结果反馈到前四个研究内容中，来进一步提高信息推荐系统的实时性、鲁棒性和个性化自适应推荐效果。本项目改变了现有方法和技术重数据数学特征，而轻数据及其背后所含知识语义特征的现状，并以实证应用为落脚点，为信息推荐理论研究开辟新途径。