基于异构社交网络信息和内容信息的事件推荐

• 作者: 刘燕兵 尚燕敏 曹亚男
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 事件推荐 异构社交网络 内容信息 正则项 贝叶斯潜在因子模型
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 数据库技术
• 页码范围: 1212-1224
• 页数: 13页
• 分类号: TP311
• 字数: 9323字
• 语种: 中文

摘要

基于事件的社交网络使得事件推荐受到越来越多的关注.不同于其他推荐问题(如电影推荐等),事件推荐具有3类不同信息:用户构成的异构社交网络关系信息(在线社交网络和离线社交网络)、用户/事件的内容信息、用户对事件的隐式反馈信息.如何有效融合这些信息进行事件推荐是该领域学者普遍关注的问题.提出一种新的混合事件推荐方法CHS-BPR,该方法以贝叶斯潜在因子模型为基本框架来处理用户对事件的隐式反馈信息,同时考虑用户/事件的内容信息和用户之间的异构社交网络信息,首次实现了同时使用3种信息来做事件推荐,并以真实数据集验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹亚男	中国科学院信息工程研究所	7	37	4.0	6.0
2	刘燕兵	中国科学院信息工程研究所	20	149	7.0	11.0
3	尚燕敏	中国科学院信息工程研究所	6	36	4.0	6.0