面向活动社交网络的活动推荐方法研究

发布时间：2021-03-27 04:07

　　近年来,基于活动的社交网络越来越流行,比如,Meetup,Facebook Events和豆瓣同城等。这些社交网络允许个人或组织创建、发布、管理各种类型的活动。用户既可在线上沟通交流、分享体验,又可通过参与线下活动结识新的朋友,拓展社交关系。有效的活动参与不仅丰富了用户体验,也使得活动组织者能够受到更多人的关注。精确的活动推荐对组织或参与活动具有指导作用。因此,研究活动推荐问题具有现实意义。但是,由于活动社交网络是一种异构型复杂网络,且活动不同于一般物品,传统的推荐算法难以直接应用于活动推荐领域。针对活动推荐的特点,本文提出了一种基于特征提取与融合技术的活动推荐方法并对其有效性进行了验证。本文的工作主要包括以下三个方面:（1）设计了社交活动推荐模型。在统筹考虑可能影响推荐结果的多方面因素的基础上设计了社交活动推荐模型。（2）给出了社交活动推荐方法。该方法首先从影响用户活动参与行为的时间因素、空间因素、内容因素和社交因素出发,分别建模并计算用户与活动的相似性特征值。然后根据不同相似性特征值分别产生候选活动集并对所有候选集融合叠加得到总的候选集。最后,借鉴对级排序学习思想设计了深度排序网络... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

豆瓣同城中的社交关系

图 3-1 豆瓣同城中的活动示例Figure 3-1 Example of Event in Douban图 3-1 可以看出，豆瓣同城中与活动相关的信息主要有以下几个 地点：活动举办的地理位置。通常，活动举办的场所是某个比地方。 时间：活动的开始、结束时间。现实中，活动的开始和结束时型有关。比如聚会一般发生在晚上，而摄影则一般在白天。 活动成员：成员包括“要参加”和“感兴趣”的两类用户。对文主要考虑“要参加”的用户。 主办方/发起人：活动的主办方表示注册为主办方的用户，而发用户。从发起活动的角度考虑，二者可归为同一类。 活动须知：活动须知通常包括活动的补充信息和其它重要信息。 活动内容：本文将活动详情和活动标题作为活动的内容信息。 活动类型：活动类型往往体现了活动的主题与内容，豆瓣同城

图 4-1 同一用户参加活动的时间间隔概率分布 4-1 Distribution of time duration between two consecutive events participated by t图 4-1 中可以看出，用户参与活动每 7 天有一个高峰，而在高峰期较小，这表明用户参与活动的行为在时间上倾向于一个规则的周模于以上的分析，本文把每个活动的时间用一个向量te 表示，该向量维度。例如，如果一个活动从星期一 18:00 开始，那么在它的活动第 42（24+18=42）个维度的值是 1，其他维度的值为 0。每个用户以通过其随时间衰减的过去参加活动的时间向量的和来表示： 11 ut tee Eu e 中，β 代表时间衰减因子， e 代表过去的天数。随时间衰减的积用户的偏好建模，因为用户的偏好可能随时间变化并且近期的信息映用户的偏好。最后，用户 u 和活动 e 在时间上的相似性特征可以


本文编号：3102855