产学研前瞻性联合研究项目申报书1.doc

项目类别： 面上引导项目 申报代码： ???申报ID号： SBY201220078 校企联盟登记编号： NBG0020119 江苏省科技计划项目申报书 (省产学研前瞻性联合研究项目) 项目名称： 基于云计算的电子商务个性化推荐技术及其应用 申报单位（盖章）： 东南大学 合作单位（盖章）： 焦点科技股份有限公司 合作单位（盖章）： 项目负责人： 罗军舟 联系电话： 推荐部门（盖章）： 申报日期：2012 年 03 月 12 日 江苏省科学技术厅 二〇一二年制 一、项目立项的意义及必要性 1、项目涉及的技术领域发展的现状，国内外最新研究进展情况。 个性化推荐是一种根据用户的兴趣特点和使用行为，主动向用户推荐其可能感兴趣的资源的信息过滤技术。个性化推荐技术作为一种重要的信息过滤手段，能够有效解决互联网的信息超载问题，目前已经成为电子商务、社交网络和在线视频等互联网应用的核心技术。近几年来，国内外学术界对个性化推荐相关的研究工作逐渐增多，在数据挖掘和机器学习领域的顶级会议（SIGCHI, KDD, SIGIR）中，研究个性化推荐的文章也在逐年增加，各种推荐算法涵盖了包括认知科学、近似性理论、信息检索等众多研究领域。与此同时，应用于各个领域的个性化推荐系统纷纷产生，其中具有代表性的有：Xerox公司为了解决研究中心资讯过载问题而开发的邮件过滤器Tapestry system，Netflix公司推出的电影推荐系统以及YouTube的视频个性化推荐服务。本项目的申请单位东南大学江苏省网络与信息安全重点实验室在个性化推荐领域具有坚实的研究基础，提出了普适环境下基于上下文感知的资源推荐模型，结合隐性动态上下文信息进行有效地资源过滤与个性化推荐。 电子商务是个性化推荐最典型的应用领域，具有良好的发展和应用前景。商家根据用户的兴趣、爱好推荐顾客可能感兴趣或满意的商品，顾客的需求通常是不明确的、模糊的，如果商家能够把满足用户模糊需求的商品推荐给用户，就可以把用户的潜在需求转化为现实需求，从而达到提高产品销售量的目的。目前，国外知名的电子商务企业，如Amazon和eBay等，都不同程度地开发了适合企业自身的个性化推荐系统，同时每年会投入大量精力改进其推荐算法。例如Amazon通过提出基于商品(item-based)的协同过滤推荐算法，计算商品间的相似度并向用户推荐与其使用过商品相似的商品，以解决用户兴趣度变化问题。随着电子商务的发展，其往往拥有海量的评分数据集，在利用已有个性化推荐技术处理电子商务应用时很难保证其推荐准确率和推荐时延，目前研究面向海量数据集的个性化推荐技术的研究工作还比较少。 我国的电子商务行业目前正处于快速发展阶段，其中本项目合作单位焦点科技股份有限公司是国内领先的B2B电子商务企业，其自主开发运营的中国制造网(Made-in-China)拥有面向全球范围的海量用户和资源数据集，能够为本项目的研发提供数据方面的技术保障。与此同时，我国在电子商务领域的个性化推荐技术发展缓慢，目前市场上鲜有成熟的电子商务个性化推荐产品问世。本项目拟结合我国电子商务企业的实际运营模式和数据特点，提出一个能够高效处理海量数据集的个性化推荐服务实现方案。 云计算是信息产业界提出的一种新型分布式计算模式，其在处理海量数据方面具有显著优势。云计算分别从计算与存储两方面考虑面向海量数据的解决方案。存储方面，国外知名大公司如Google、Yahoo!等纷纷研究、建立面向海量数据的分布式文件系统如GFS、HDFS等，实现对数据的高效存储和快速访问。在此基础上，Google、Amazon、Yahoo!公司的研究人员又提出面向上层应用的云数据库技术与产品，如BigTable、DynamoDBHBase等，以key-value的形式按列存储结构化或半结构化数据，为上层大规模互联网应用提供高效的数据支持。计算方面，为了实现对海量数据的高效处理，研究人员提出了MapReduce、Dryad等并行程序编程模型，简化处理模型，同时屏蔽底层复杂性，为上层应用提供高可靠、高效率、高并行化的数据处理环境。此外，为了实现上层应用向MapReduce、Dryad的自动封装与转化，文献分别提出了面向应用的Sawzall、Pi