负责人
林琛：博士，副教授；硕士研究生导师；厦门大学信息科学与技术学院计算机科学系。
项目团队：厦门大学数据挖掘研究组创立于2011年初，隶属于厦门大学计算机科学系，成员副教授2名、研究生20名、毕业2011级研究生6名，均就职于百度、阿里巴巴等公司。
梦想成果
更智能，更精准、更便捷
在和每个人息息相关的生活服务领域，做更智能、更精准、更便捷的生活服务推荐系统，它会猜你的需求，看大家的点评，找产品的不同，在线点评仍然可以依赖，选择焦虑症却不需再有。
你有选择焦虑症吗？你小到每天中午吃饭，大到情人节约会都不知道去哪儿吗？你是重度在线点评依赖者吗？你无论买什么，都要先查一下大众点评才做决定吗？更糟糕的是，你两者都是吗？你有为了买一个鼠标，花了一晚上查数十个产品的评论，却越发纠结和迷茫，带着溢出的收藏夹最后什么也没买成的经历吗？现代工业给我们带来极大丰富的物质，互联网给我们带来浩如烟海的信息。然而我们却没有获得乘风破浪的满足感，反而充满了海底捞针的无力感。选择焦虑，是因为产品太相似。点评依赖，却发现信息已过载。
项目综述
1. 研究了面向观点查询的产品检索。提出基于邻近度的检索语言模型；结合基于本体的查询扩展方法；改进传统的索引获得观点索引。实验表明，该方法更好地反映了产品特征与观点的关联程度，取得了较高的查全率和查准率，显著优于其他语言模型检索方法。
2. 研究了个性化动态产品摘要问题。提出在用户隐式反馈中更新用户偏好方法；提出增量更新多产品摘要算法；并提出基于排序学习的特征树构建方法。实验表明，该方法在特征树构建的准确率和召回率，摘要的覆盖率、动态性和可解释性上都取得了较好效果。
3. 研究了情境敏感的团购推荐问题。提出基于一种产生式模型的推荐方法，提出半监督的情境分类方法；提出半监督分类方法学习基于用户评论的团购效用模型。实验显示，该方法学习到了较为合理的场景敏感的用户偏好，在推荐的准确度和可解释性等指标上达到了较好的效果。
项目发表学术论文5篇，其中JCR小类1区论文1篇，JCR 4区论文1篇，CCF A类会议演示1篇，CCF B类会议长文1篇，中文期刊论文1篇。在投论文3篇，其中CCF A类会议论文1篇，CCF B类会议论文2篇。
我的感言
生活服务O2O是当前互联网领域待抢占的另一个滩头。本项目组对智能生活服务推荐的一些相关问题进行了初步探索，结合了观点挖掘、半监督学习、语言模型等当前较为先进的方法和技术，提出了若干创新的模型和算法，在真实数据集上获得了较好的实验结果；同时设计了一些较为新颖的应用，更好地解决了信息过载问题，提升了用户体验。
在与腾讯对接团队的头脑风暴中，我们得到了很多来自实际的应用需求和反馈，碰撞出了不少创新的火花。我们深深的感受到，既要高大上，也要接地气。来自实际又高于实际，最终还能落地的研究，才是有生命力的研究。
感谢腾讯对接团队，感谢厦门大学数据挖掘组的同学们，特别是已经毕业的好几位2010级、2011级同学现在还在繁忙工作中抽空义务维护我们的服务器。感恩过去一年的美好时光。让我们继续努力，追逐梦想，创造未来。
