一种基于协同上下文关系学习的同城活动推荐算法

• 作者: 孟祥武 张玉洁 杜雨露 赖奕安
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 活动推荐 推荐算法 上下文感知 多关系学习 个性化
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 数据库技术
• 页码范围: 421-438
• 页数: 18页
• 分类号: TP311
• 字数: 17145字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005618

摘要

新兴的基于活动的社交网络以活动为核心,结合线上关系与线下活动促进用户真实、有效的社交关系的形成,但过多的活动信息会使用户难以分辨和选择.结合上下文进行个性化同城活动推荐,是解决活动信息过载问题的一种有效手段.然而大部分现有的同城活动推荐算法都是从用户参与活动记录中间接统计用户对上下文信息的偏好,忽略了两者之间潜在的交叉影响关系,从而影响了推荐结果的有效性.为了解决用户参与活动偏好与上下文信息潜在交叉影响关系利用不足的问题,提出了一种基于协同上下文关系学习的同城活动推荐算法(colletive contextual relation learning,简称CCRL).首先,对用户参与活动记录和活动主办方、活动内容、活动地点、举办时间等相关上下文信息进行关系建模;然后,采用多关系贝叶斯个性化排序学习方法进行协同上下文关系学习及同城活动推荐.Meetup数据集上的实验结果表明,该算法在多项指标上均优于现有的主流活动推荐算法.