多因素特征融合的EBSN活动推荐方法

基于活动的社交网络(Event-based Social Network,EBSN)是一种新型的复杂异构社交网络,其中的个性化活动推荐具有一定的应用价值.近年来,随着EBSN的快速发展,传统方法利用数据挖掘技术有效解决了活动推荐的信息过载问题.然而,仅利用单特征属性或少量线性组合进行计算,且预定义固定权重将降低活动推荐的准确度,此外大多数方法忽略了用户反馈信息对后续推荐的影响.针对上述问题,提出了 一种两阶段构成的多因素特征融合的活动推荐方法.查询预处理阶段,将EBSN中的活动、历史用户及其之间的关系抽象为有向异构图,并提取节点及边的特征信息进行辅助存储;利用该辅助数据过滤无效节点及边,进而获得相对较小的候选集;根据查询语境,将查询语义转化为查询图.在线查询阶段,融合潜在好友关系、基于活动的协同过滤以及用户对活动的兴趣这3方面特征进行活动推荐,并接收用户是否接受活动的反馈信息作为后续推荐的参考因素.在真实数据集和模拟数据集上进行了大量实验,结果表明所提方法相比对比算法在EBSN中活动推荐的精确度和用户的满意度方面更优.