基于联合潜在因子模型的跨领域信息推荐系统研究

该项目在Web环境下对跨领域信息推荐问题进行了深入研究；建立了跨域信息推荐的实验测试数据集，并在互联网上公开发布；构建了联合潜在因子理论模型和优化算法；实现了基于聚类技术的用户兴趣模型，适用于跨领域；开发了基于迁移学习的多源异构信息对象模型；提出了基于跨域信息共性特征和个性特征的推荐算法；并开发了基于Hadoop平台的大规模数据处理演示平台。

该项目所取得的多个理论成果已在合作企业的相关产品中得到产业化应用。例如，跨领域互联网视频推荐系统已被纳入Docomo的产品开发计划；开发的跨语言信息推荐系统已应用于某电商企业的实际产品部署。

为了探索知识图谱在推荐系统中的应用，并验证知识图谱构建和补全在实际应用中的有效性，该项目设计并实现了一个基于垂直领域知识图谱的景点推荐问答系统。该智能问答系统以网页形式为用户提供服务，主要利用景点信息知识图谱对景点的客观属性进行筛选，并结合从评论中提取的景点各方面（Aspect）打分对景点的主观评分进行排序。在分析用户以自然语言形式提出的问题后，系统会向用户推荐最符合其要求的景点。其中，景点各方面（Aspect）打分是指从用户评论中提取的，对景点在景色、娱乐设施、性价比等方面的综合评价。

该项目充分推广了Web环境下跨领域信息推荐问题的研究；建立了跨域信息推荐的实验测试数据集并在互联网上公开；建立了联合潜在因子理论模型和优化算法；实现了跨领域中基于聚类技术的用户兴趣模型；实现了跨领域中基于迁移学习的多源异构信息对象模型；实现了基于跨域信息共性特征和个性特征的跨域信息推荐算法；开发了基于Hadoop平台的大规模数据处理演示平台。

该项目所开发的多个理论成果都在合作企业的相关产品中进行了产业化应用。比如跨领域互联网视频推荐系统已经列入了Docomo的相关产品开发计划中；该项目开发的跨语言信息推荐系统已经被某电商企业应用于实际产品部署中。

为了探索知识图谱在推荐系统中的应用，同时验证知识图谱构建和补全在实际应用中的有效性，该项目设计并实现了一个基于垂直领域知识图谱的景点推荐问答系统。该智能问答系统以网页的形式为用户提供服务，主要利用景点信息知识图谱对景点的客观属性进行筛选，结合从评论中提取的景点各方面（Aspect）打分对景点的主观评分进行排序，在分析用户以自然语言形式提出问题后，向用户推荐最符合其要求的一个景点。其中景点各方面（Aspect）打分指从用户评论中提取的景点在某个侧面的综合评价，例如景色，娱乐设施和性价比等方面。