O2O商务模式下多源异构大数据的挖掘、融合与应用研究

With the rapid development of mobile Internet, Big data technology and artificial intelligence, the online and offline (O2O) model appears as a new-emerging paradigm which promotes the e-commerce from scale-driven to socialization, personalization and diversification. However, the existing O2O researches stay at the theoretical level, and how to release the intelligence of O2O business is still an open question. With the development of big data computing technologies, significant information and technical supports have been applied to O2O intelligent business decision. However, there are still a lot of challenges that poorly solved, such as computational models can't mine the heterogeneous data perfectly, multi-sources heterogeneous knowledge are difficult to be fused effectively, and the storage and computing infrastructures collaborate poorly for e-commerce big data. Due to these problems, driven by the business management and decision making based on the big data technology, we focus on the problems including multi-source heterogeneous big data integration, mining the unstructured big data, and fusion of large-scale date sets. The project is driven by data, model and application, where its research framework including the theoretical analysis, the basic mining models, and the related real applications. In conclusion, this declared project would be expected to replenish and promote both theoretical research and practical applications of e-commerce big data.

随着移动互联网、大数据、人工智能等技术的迅速发展，线上线下(Online-to-Offline, O2O)商务模式也随之出现，使得电子商务由规模化走向社交化、个性化、多元化，推动当今商务模式发生深层次的变革。然而，目前对O2O商务模式的研究仍停留在理论层级上，尚未释放O2O商务模式所具备的智能化特性。大数据计算和分析技术的迅速发展，为O2O商务智能决策提供了优良的信息基础和技术支撑。但是，大数据驱动下的商务智能研究方兴未艾，现有技术存在着建模方法不够完善、多源异构化知识难以有效融合、存储和计算架构协同能力差等问题。为此，本项目面向大数据背景下的商务管理与决策需求，重点解决多源异构大数据集成、非结构化大数据挖掘、及大数据知识融合等问题，其研究内容以数据、模型和应用为驱动，覆盖基础框架、基本挖掘模型、及应用方法等多个层面，有望对O2O智能商务模式的理论和应用实践提供重要的补充和推动作用。

本项目围绕O2O商务大数据的挖掘、融合与应用的关键问题开展了深入、细致的研究，运用大数据分析、机器学习及人工智能等前沿技术，首先针对O2O 商务大数据的知识融合方法，提出了解决具有不同噪声水平的受限数据驱动优化问题的信息融合系统，构建了融合多阶段用户策略的社区检测算法和信任管理机制，进一步利用融合不同类型和层次的符号网络和多层网络，分析了多类型、多层次、多维度O2O电子系统中信息动态传播、演化及关键性质，对有效管理新型O2O电子商务提供了思路和技术手段；其次，针对O2O 商务大数据的挖掘模型与方法，提出了基于信念动力学模型的线性时间的动态图聚类算法，设计了新型的用户社区可识别性指标和马尔可夫全局连通性指标，并提出了新型的双模式加权机制以挖掘和识别系统关键节点及传播途径，从而提高了O2O商务系统机相关应用的数据挖掘效率；最后，基于前期提出的O2O 商务大数据的融合及挖掘模型，设计了O2O电子商务系统动态社区的检查及分析框架，用以追踪用户及商品社区的形成、演化等动态行为，研究了在低速和高速网络模型上研究不同线上-线下层的电子商务网络结构与流量容量之间的关系，设计多主体的领导者-追随者共识系统并在真实应用中验证，以分析电子商务系统的隐藏特征及动态演化。项目组园满完成预期目标，在包括IEEE/ACM顶级汇刊在内的学术期刊上发表论文40余篇，发表文章入选ESI高被引论文7篇，入选热点论文“Hot paper”1篇，总引用1000余次，多次获得包括欧洲科学院院士、IEEE Fellow在内的知名专家正面引用评价，并培养多名青年教师、硕博研究生。