[01397646]基于全覆盖粒计算的智能决策支持系统

1.课题来源与背景 在大数据环境下,人们在享受信息时代带来的便利的同时,也不得不面对浩如烟海的数据以及大量的垃圾信息,人们无法从海量的信息中快速准确地定位到自己所需要的信息,也就是著名的“信息过载”问题。如何利用新技术从海量数据中挖掘出潜在的、有价值的信息并做出正确的决策已经成为目前学术届和企业界关注的热点和难点问题。智能决策支持系统能够通过用户的个人信息,智能地感知用户的兴趣或需求,实现信息的高质量推荐,有效地解决了“信息过载”问题。然而目前的决策支持系统存在数据稀疏、用户/物品冷启动和推荐精度和多样性差等问题。在国家自然科学基金面上项目的有力支撑下,项目组深入研究和分析现有决策支持技术,利用全覆盖粒计算丰富且成熟的理论框架,将决策支持系统中用户的信息进行细分粒化,从不同角度、不同粒度层次建立粒结构,并选择合适的粒度对决策支持问题进行分析,形成完整且可靠的粒关系,实现用户层级的全方位智能决策支持。基于以上研究,项目组成功开发了一系列智能决策支持系统,例如：海洋经济运行预测管理系统和个性化广告推荐系统,实现了科研成果从实验室转向企业的产学研模式,推动了本市在大数据和人工智能领域的发展。 2.技术原理及性能指标 粒计算是模拟人类思路、求解复杂问题和海量数据挖掘的重要工具。全覆盖粒计算是是Lin提出的九种粒计算模型之一,在复杂数据/文本检索、数据挖掘和知识发现等诸多领域具有重要的应用价值。Zakowski首次将经典粗糙集中的划分拓广成为一般的覆盖,由于覆盖允许数据有重合的属性和特征,因此不仅丰富了粗糙集理论的研究内容,而且增强了粗糙集处理复杂数据的能力,拓宽了粗糙集的应用领域。Pomykala等通过对比属性之间的相似性和差异性,提出了第二类全覆盖粒计算模型的定义。Tsang等在第一类全覆盖粒计算的基础上提出了第三类全覆盖粒计算模型。祝峰等从不同的覆盖近似空间出发,探讨了第四类和第五类全覆盖粒计算的上下近似及其公理化,并阐明了不同上下近似的相互近似依赖关系以及近似运算和内部算子之间的关系。为了得到概念或者规则的最简表达。Tsang首次提出了诱导粒的概念,在此基础上利用可辨识矩阵设计了一种与Pawlak粗糙集中的属性约简相一致的覆盖的属性约简算法。杨田不仅提出了覆盖属性约简的简化算法,还建立了覆盖属性约简与二元关系属性约简之间的联系。Chen等对一致和不一致覆盖决策系统进行了研究,设计了一种新的覆盖决策系统的属性约简方法。Li等从信息观的角度,通过引入信息熵和条件熵的概念,提出了一种基于信息理论的覆盖决策系统的属性约简方法。张志鹏等将全覆盖粒计算应用于决策支持系统中,提出了一种基于覆盖的协同过滤决策支持算法,该算法可以有效地提高决策支持的精度和多样性。姚一豫等对粒计算的未来和挑战进行了总结,提出了粒计算的基本概念,包括基本粒、粒化和粒关系等,表明粒度计算研究正在进入计算机科学的主流。项目组旨在借鉴全覆盖粒计算的丰富理论基础,针对现有决策支持技术存在的诸如数据稀疏和冷启动等问题,采用多粒度分治处理的思路,探索决策支持信息的粒化、极小表示、数据降维、排序学习等方法,从理论、模型和算法三个层次系统地开展基于全覆盖粒计算的个性化决策支持技术研究。最终通过精确度和多样性两个重要指标对提出的新方法进行度量。 3.技术的创造性与先进性 本项目实现一种基于全覆盖粒计算的决策支持系统,为不同类型的目标用户/目标物品提供个性化的决策支持。其特色在于把全覆盖粒计算的丰富理论研究应用于个性化决策支持系统中,将全覆盖粒计算中的基本粒、粒层以及粒结构分别与决策支持系统中的用户/物品基本信息、相关性以及决策支持排序相结合,提出了一种全新的逐层递进的三个决策支持层面：决策支持粒层、决策支持族层和决策支持簇层,从而构建一种具有完整性和高效性的基于全覆盖粒计算的个性化决策支持理论体系和应用框架。 4.技术的成熟程度及存在的问题 基于本项目提出的成熟的理论框架,以及获得的发明专利,我们分别与大连相关科技公司开发了一系列智能决策支持平台,取得了良好的社会和经济效益,但由于随着用户数量的增加,存在一些可扩展性问题尚待解决。