基于情感语义的全局均衡智能推荐理论与应用研究

在互联网、电子商务、云计算、网格计算以及普适计算蓬勃发展的时代，个性化服务及资源的科学合理调度成为人们迫切的希望和需要紧迫解决的问题。本项目以情感语义及资源全局智能均衡调度与推荐为研究对象，通过科学合理的归纳调查，获取情感语义的组成要素及其对人们行为影响程度的差异，把它们用于情感语义本体的构造，在此基础上，建立情感语义的产生方法，设计并优化基于语义元的情感语义相似度计算方法，寻找到情感语义与智能算法结合的有效途径。通过科学合理地设计和优化效用函数，寻找全局语义纳什均衡点，实现全局语义均衡调度与推荐。本研究将首次系统科学地归纳和明确情感语义因素及其对人们行为的影响程度差异，阐明情感语义的产生办法，建立基于情感语义的全局均衡调度与推荐机制与方法，为网格计算、云计算、电子商务以及普适计算等实现个性化服务推荐和资源的科学合理管理与调度，提供新的思路，奠定理论基础。

把语义链网络和引文网络相结合提出的引文语义链网络，可以使引文网络不但具有语义表示能力而且具有推理能力。我们可以根据引文语义链推理规则获得网络中隐含的引文语义链和引文之间新的语义关系，这为引文网络的查询检索和复杂网络的研究提供了一种更高效率的方法。本文在引文语义链网络模型的基础上提出了基于引文语义链网络的相似度计算方法。该相似度计算方法是引文语义链网络社区发现的关键。引文语义链网络的相似度计算方法为发现引文网络中不同研究领域的语义社区和预测各领域的发展方向以及热点问题奠定了基础。. 利用眼动轨迹包含的参数来预测顾客是否喜欢某些商品，对于电子商务的推荐系统具有重要意义。通过采集顾客观察某物品的眼动参数，借鉴Find-s算法概念学习的思想，提出眼动轨迹语义提取算法，该算法首先学习先验知识，然后通过让样例正反例距离最大实现确定眼动参数包括注视时间、瞳孔大小、眨眼次数以及回视次数的权重，利用SEBET（Semantic Extraction Based Eye Tracking）算法，通过计算样例正反例之间的距离，依照距离的远近来判断顾客是否喜欢某商品，从而实现从眼动轨迹进行语义提取，试验表明了该方法的有效性。. 以网络为基础的网络社会包含海量新闻信息，基于内容语义的新闻推荐成为迫切需求。针对上述目的以及社会网络中新闻推荐方法的独特性，改进了基于社会网络的新闻推荐模型。利用历史新闻中人们的新闻相似性、浏览时间、浏览次数、外推行为以及评价等指标，发掘和构建了社会网络中人与人之间的朋友关系，并把它与个人历史浏览记录结合，计算当前新闻的综合推荐度，从而进行推荐。实验表明，本项目方法改进了社会网络中的新闻推荐，能更好地向用户推荐新闻。研究了最优投资模型。