近年來,互聯(lián)網(wǎng)快速發(fā)展,網(wǎng)絡(luò)技術(shù)日新月異,社交網(wǎng)絡(luò)隨之不斷涌現(xiàn)、廣泛普及。其中,隨著線下與線上社交活動(dòng)相結(jié)合,一種以事件為媒介的,以Meetup,Plancast和Douban等網(wǎng)絡(luò)平臺(tái)為代表的,將線上與線下相結(jié)合的社交網(wǎng)絡(luò)——基于事件的社交網(wǎng)絡(luò)（Event-based Social Networks,EBSN）得到快速發(fā)展。不同于以往的社交場景,基于事件的社交網(wǎng)絡(luò)中的用戶可以瀏覽線上群組信息參與線上互動(dòng),又可以根據(jù)線上體驗(yàn)進(jìn)而決定是否參與線下事件。然而,新穎的社交方式,巨大的用戶群體,海量的事件數(shù)據(jù),復(fù)雜的行為交互,使得用戶難以在平臺(tái)中快速發(fā)現(xiàn)自己感興趣的事件、興趣群組。因此,基于上述原因,為了給用戶更好的體驗(yàn),研究EBSN中的推薦算法非常急切且必要。然而,由于EBSN的網(wǎng)絡(luò)特殊性質(zhì),僅面向用戶的傳統(tǒng)推薦方法已不再能解決實(shí)際需求。同時(shí),為了滿足用戶的多種需求,應(yīng)當(dāng)實(shí)現(xiàn)多任務(wù)推薦。合理的EBSN推薦算法應(yīng)同時(shí)考慮用戶、事件和興趣群組的特征,即,在盡可能滿足用戶偏好興趣的同時(shí),要保證特征的全局均衡分配,充分計(jì)算特征間相互關(guān)系。因此,本文對EBSN聯(lián)合推薦算法及其應(yīng)用展開了研究,概述如下:... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

Meetup中的一個(gè)活動(dòng)事件頁面

2圖 1. 2 Meetup 中的一個(gè)興趣群組頁面Fig 1.2 The group web of Meetup隨著基于事件的社交網(wǎng)絡(luò)的流行和普及，網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大、用戶數(shù)量的成倍增長，事件數(shù)量也在成倍增長，根據(jù)[1]，網(wǎng)站 Meetup 每月有超過 1600 萬用戶新發(fā)布超過 30 萬事件。這就造成了推薦系統(tǒng)中面臨著一個(gè)關(guān)鍵難題——信息過載

圖 1. 3 EBSN 的網(wǎng)絡(luò)結(jié)構(gòu)及節(jié)點(diǎn)內(nèi)容示例Fig 1.3 The network structure of EBSN and node example隨著基于事件的社交網(wǎng)絡(luò)的出現(xiàn)與發(fā)展，事件推薦得到了廣泛的關(guān)注，Liu一次給出了具體的概念，指出了該網(wǎng)絡(luò)中的事件只存在在一定的時(shí)間段內(nèi)析了該類型社交網(wǎng)絡(luò)推薦與圖書、電影等推薦的不同與難點(diǎn)。隨后，國內(nèi)人員對這一問題展開了研究，基于事件的社交網(wǎng)絡(luò)推薦問題按推薦任務(wù)的分為事件推薦和興趣群組推薦，下面將對這兩個(gè)推薦問題展開介紹。1 事件推薦事件推薦（Event Recommendation）是指在 EBSN 中為用戶推薦感興趣的、生的事件，除了活動(dòng)事件的主題要符合用戶喜好外，還需要考慮地點(diǎn)、事合適，并且一個(gè)用戶對一個(gè)事件只能響應(yīng)一次。目前，研究事件推薦算法基于協(xié)同過濾算法的基礎(chǔ)上通過計(jì)算社交網(wǎng)絡(luò)中不同的特征間的影響獲得果，或結(jié)合文本挖掘算法與其他特征以計(jì)算用戶、事件之間的相似度。文章[2]通過利用線上、線下的社交網(wǎng)絡(luò)之間的聯(lián)系計(jì)算 EBSN 中的唯一性和


本文編號：2987928