基于地域特征和异构社交关系的事件推荐算法研究

乔 治，周 川，纪现才，曹亚男，郭 莉

(1. 中国科学院 计算技术研究所 北京100190； 2. 中国科学院大学 北京100049; 3. 中国科学院 信息工程研究所 北京100093)

基于地域特征和异构社交关系的事件推荐算法研究

乔 治1,2，周 川2，3，纪现才3，曹亚男3，郭 莉3

(1. 中国科学院 计算技术研究所 北京100190； 2. 中国科学院大学 北京100049; 3. 中国科学院 信息工程研究所 北京100093)

近几年，在基于事件的社交网络(EBSNs)服务中，为便于增强用户体验，事件推荐任务一直被广泛研究。本文基于对EBSN中用户行为数据的详细分析，提出了一种新型的融合多种数据特征的潜在因子模型。该模型综合考虑EBSN中两种新型的数据特征： 异构的社交关系特征(线上社交关系+线下社交关系)和用户参与行为的地域性特征。基于真实的Meetup数据集，实验结果表明我们的算法在解决事件推荐问题时比传统的算法有更好的性能。

事件推荐；基于事件的社交网络；用户行为倾向；协从过滤；地域特征；异构社交关系

1 引言

近年来，基于事件的社交网络(EBSN)快速发展，积累了大量的用户群体并深受广大用户的喜欢。这种新型社交网络服务的主要应用包括国内的豆瓣同城以及美国的Meetup等网站。这种服务主要给用户提供一种组织、参与、评论和分享线下事件(如酒会、沙龙、演唱会等)的平台。面向该应用场景的事件推荐任务,获得国内外研究者的广泛研究和探索。事件推荐任务旨在为用户推荐最相关、最感兴趣以及用户最有可能参与的事件。从网络服务的宏观角度看，该任务无论对于线下事件的组织者还是事件的参与者都提供便利。……