科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来，基于事件社会网络(event-based social networks， EBSN)逐渐成为人们寻找感兴趣事件的有效途径， 如何将事件精准地推荐给有需求的用户已成为该领域的重要主题。下一个项目推荐能够捕获用户的动态偏好，在电子商务等领域取得较好推荐效果。然而，鲜见有关EBSN中的面向群组的下一个（Next）事件推荐研究。本文主要研究面向群组的Next事件推荐策略，但由于群组偏好会发生动态变化，且事件生命周期短、新事件冷启动等问题使得针对群组进行Next事件推荐变得更加困难。首先，针对群组偏好会随时间发生动态变化的特征，将群组与事件的历史交互划分为多个时段。考虑到划分后群组成员数据变得更加稀疏，不利于群组偏好建模，采用基于参与度的排序策略提取当前时段核心成员的成员偏好，并利用注意力机制融合出群组静态偏好。然后，通过序列模型将各个时段的静态偏好融合得到群组动态偏好。最后，将事件推荐视为多标签分类问题，即将上下文看作事件的多个标签，通过预测各个上下文的概率分布以匹配事件，从而有效缓解新事件冷启动问题。实验结果表明，所提出的推荐策略具有较好的性能。
- 单位
