联合建模异构社交和内容信息的活动推荐模型

来源：软件学报杂志2018年第10期北京时间：

作者：王绍卿,王征,李翠平,赵衎衎,陈红

单位：王绍卿，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 100872;山东理工大学 计算机科学与技术学院, 山东 淄博 25509111,王征，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087202,李翠平，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087203,赵衎衎，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087204,陈红，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087205

摘要：随着基于活动的社交网络的迅速发展，活动推荐已成为一个重要的工具，帮助人们在线上发现有趣的活动，并在线下面对面地参与活动.但是，相对于传统的推荐系统，活动推荐面临着很多挑战.（1）用户只能参与很少的活动，这就导致一个非常稀疏的用户-活动矩阵；（2）用户对活动的响应是隐性反馈；（3）活动本身有生命周期，已经过期的活动不能再向用户推荐；（4）每天会有很多新的活动产生，需要及时向用户推荐.为了应对这些挑战，提出一个联合建模异构社交和内容信息的活动推荐模型.该模型可同时探索用户的线上和线下社交活动，并结合活动内容建模用户对活动的决策行为.在Meetup数据集上做实验以评估所提出模型的性能.实验结果表明，提出的模型优于其他方法.

关键词：基于活动的社交网络;社交网络分析;活动推荐;联合建模;泊松因子分解

基金资助：国家重点研发计划（2016YFB1000702）；国家基础研究发展计划（973）（2014CB340402）；国家自然科学基金（61772537，61772536，61702522）；中国人民大学科学研究基金（中央高校基本科研业务费专项资金资助）（15XNLQ06）