基于社交網(wǎng)絡(luò)的同城活動(dòng)推薦方法研究.pdf

1、伴隨著互聯(lián)網(wǎng)的快速發(fā)展與互聯(lián)網(wǎng)技術(shù)的不斷創(chuàng)新，社交網(wǎng)絡(luò)日益成熟和完善。在眾多的社交網(wǎng)絡(luò)類型中，有一種以活動(dòng)為媒介將線上與線下相結(jié)合的社交網(wǎng)絡(luò)——活動(dòng)社交網(wǎng)絡(luò)（Event-based Social Network，EBSN）。和傳統(tǒng)的社交網(wǎng)絡(luò)相比，活動(dòng)社交網(wǎng)絡(luò)中的用戶既可以線上瀏覽活動(dòng)信息，又有可以根據(jù)活動(dòng)信息決定是否線下參加該活動(dòng)。隨著時(shí)間的推移和網(wǎng)絡(luò)的發(fā)展，活動(dòng)社交網(wǎng)絡(luò)中產(chǎn)生的海量數(shù)據(jù)使得用戶難以快速找到自己感興趣的活動(dòng)。因此，急需基

2、于活動(dòng)社交網(wǎng)絡(luò)的推薦系統(tǒng)來(lái)為用戶做活動(dòng)推薦，提高用戶體驗(yàn)。
　　社交活動(dòng)推薦與傳統(tǒng)的推薦有所不同，主要有：（1）活動(dòng)的“一次性消費(fèi)”特性。活動(dòng)是人為發(fā)起的，具有特定主題、時(shí)間、地點(diǎn)，用戶只能參加一次，無(wú)法像商品一樣反復(fù)購(gòu)買，且沒(méi)有歷史評(píng)價(jià)記錄。（2）活動(dòng)社交網(wǎng)絡(luò)中有更多的信息可用于推薦?；顒?dòng)社交網(wǎng)絡(luò)可以形成兩種社交關(guān)系，一種是用戶通過(guò)加入興趣小組等形成的線上社交關(guān)系，另一種是用戶通過(guò)參與相同的社交活動(dòng)而形成的線下社交關(guān)系。此外，還

3、有用戶和活動(dòng)的時(shí)間、地理位置等信息。這些不同使得活動(dòng)推薦不能直接采用傳統(tǒng)的推薦方法，因此本文研究社交活動(dòng)推薦。
　　本文針對(duì)上述特點(diǎn)和現(xiàn)有的社交活動(dòng)推薦中存在不足之處，在已有的推薦相關(guān)理論與技術(shù)的基礎(chǔ)上，給出了本文的基于社交網(wǎng)絡(luò)的同城活動(dòng)推薦方法并對(duì)其進(jìn)行有效性驗(yàn)證。本文的主要工作包括：
　　（1）給出了一種基于社交網(wǎng)絡(luò)的同城活動(dòng)推薦模型。模型包括數(shù)據(jù)獲取模塊、特征提取模塊、學(xué)習(xí)排序模塊和推薦模塊。數(shù)據(jù)獲取模塊解決數(shù)據(jù)獲取問(wèn)

4、題，并將數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和待推薦數(shù)據(jù)。特征提取模塊是分析數(shù)據(jù)信息，提取出用戶偏好、好友影響、時(shí)間匹配度、位置匹配度、活動(dòng)主題流行度五個(gè)特征。學(xué)習(xí)排序模塊是將推薦問(wèn)題轉(zhuǎn)化為學(xué)習(xí)排序問(wèn)題，通過(guò)對(duì)活動(dòng)進(jìn)行學(xué)習(xí)排序，得到衡量所有特征的最優(yōu)權(quán)重W。推薦模塊是根據(jù)用戶IP判斷用戶城市，從而選擇用戶的候選活動(dòng)，根據(jù)最優(yōu)權(quán)重W計(jì)算出用戶對(duì)候選活動(dòng)的評(píng)分，根據(jù)評(píng)分為用戶推薦top-N的活動(dòng)。
　?。?）分析并提取了用戶偏好、好友影響、時(shí)間匹配度、位

5、置匹配度、活動(dòng)主題流行度五個(gè)特征，并給出各個(gè)特征的計(jì)算方法。用戶偏好采用基于內(nèi)容的推薦方法，計(jì)算出用戶與活動(dòng)在主題向量的相似度。使用LDA方法表示對(duì)用戶和活動(dòng)主題向量，降低了文本維度，緩解了數(shù)據(jù)稀疏問(wèn)題。好友影響采用協(xié)同過(guò)濾方法，將用戶偏好視為用戶評(píng)分，同時(shí)將與用戶主題相似度最高的K個(gè)用戶視為其好友。時(shí)間匹配度和位置匹配度分別挖掘用戶在時(shí)間和位置特征上的行為規(guī)律，計(jì)算用戶和活動(dòng)在時(shí)間與位置上的相似度。活動(dòng)主題流行度這一特征是為了衡量活動(dòng)

6、主題與城市流行主題之間的相似度，城市流行主題是指該城市近期的參與度最高的M個(gè)活動(dòng)的主題。同時(shí)，活動(dòng)主題流行度可以在一定程度上可以降低冷啟動(dòng)問(wèn)題對(duì)活動(dòng)推薦的影響。
　?。?）給出了一種基于社交網(wǎng)絡(luò)的同城活動(dòng)推薦算法。將活動(dòng)推薦問(wèn)題轉(zhuǎn)化為學(xué)習(xí)排序問(wèn)題，并借助成對(duì)學(xué)習(xí)排序的思想，將活動(dòng)組成序列對(duì)，分為正序列對(duì)和負(fù)序列對(duì)，從而將問(wèn)題轉(zhuǎn)化為針對(duì)活動(dòng)序列對(duì)的二分分類問(wèn)題。為綜合考慮各個(gè)特征的影響，本文對(duì)邏輯回歸方法進(jìn)行改進(jìn)，使其適用于成對(duì)學(xué)習(xí)

7、排序問(wèn)題。采用平方損失作為損失函數(shù)，在求解過(guò)程中，采用批梯度下降法進(jìn)行求解，并為損失函數(shù)添加正則化項(xiàng)以防止過(guò)擬合，同時(shí)添加用戶系數(shù)以調(diào)節(jié)用戶數(shù)據(jù)不均衡帶來(lái)的影響。
　　本文的活動(dòng)推薦方法是：采用改進(jìn)的邏輯回歸排序方法融合用戶偏好、好友影響、時(shí)間匹配度、位置匹配度、活動(dòng)主題流行度五個(gè)特征，計(jì)算出用戶對(duì)候選活動(dòng)的綜合評(píng)分，并以此進(jìn)行活動(dòng)推薦。為驗(yàn)證本文給出的方法的有效性，實(shí)驗(yàn)選取準(zhǔn)確率和召回率作為推薦結(jié)果評(píng)估指標(biāo)，利用豆瓣同城中的數(shù)據(jù)