隨著社交網絡的迅速發(fā)展,出現(xiàn)了一種新型的異構社交網絡:基于活動的社交網絡(Event Based Social Network,EBSN)。面對EBSN社交平臺上種類繁多、數(shù)量巨大的活動,用戶往往面臨著選擇困難問題,因此基于EBSN的活動推薦受到人們的關注。不同于其他推薦,EBSN的許多特性使得活動推薦面臨眾多挑戰(zhàn):用戶在活動中可以扮演不同的角色(組織者或參與者);大部分用戶只會參與少數(shù)活動,且大部分活動只會被少數(shù)人參與,故用戶-活動矩陣十分稀疏;活動內容為吸引用戶參與的直接因素,但是活動描述文本較為簡短,且噪聲詞較多,傳統(tǒng)的基于內容的推薦無法取得較好的效果。為了解決這些問題,本文基于EBSN的異構社交網絡特征和活動內容文本信息提出了一個新的主題模型TM-HSNT,并根據(jù)用戶主題與活動主題的相似性實現(xiàn)活動推薦,在Meetup數(shù)據(jù)集上驗證了模型的優(yōu)越性,最后基于TM-HSNT設計并實現(xiàn)了一個活動推薦系統(tǒng)。論文主要內容如下:(1)提出一種新的用戶信任度計算方法。在EBSN中,傳統(tǒng)的信任度計算只關注用戶加入相同群組的個數(shù)及參加相同活動的數(shù)量,本文認為群組或活動中用戶角色的不同,對其他用戶的吸...

【文章來源】： 北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 基于活動的社交網絡
        1.2.2 傳統(tǒng)主題模型
        1.2.3 基于短文本信息的主題模型
        1.2.4 活動推薦
    1.3 主要研究內容
    1.4 論文組織結構
第二章 融入用戶吸引力的信任度
    2.1 用戶信任度
        2.1.1 社會化推薦和信任計算
        2.1.2 EBSN的用戶信任度
    2.2 融入用戶吸引力的信任度
        2.2.1 用戶吸引力的定義
        2.2.2 用戶吸引力的影響因素
        2.2.3 用戶吸引力的計算
        2.2.4 融入用戶吸引力的信任度
    2.3 實驗與分析
        2.3.1 數(shù)據(jù)集
        2.3.2 實驗方法和評價指標
        2.3.3 實驗對比
    2.4 本章小結
第三章 基于用戶群組關系和活動內容信息的主題模型
    3.1 基于活動內容的推薦模型
        3.1.1 泊松分解模型
        3.1.2 主題模型
        3.1.3 詞對共現(xiàn)
    3.2 構建G-wBTM模型
        3.2.1 群組關系及活動文本信息
        3.2.2 改進的主題模型
    3.3 活動推薦
    3.4 實驗及分析
        3.4.1 對比模型
        3.4.2 實驗結果及分析
    3.5 本章小結
第四章 基于異構社交網絡關系和活動文本信息的主題模型
    4.1 構建TM-HSNT
        4.1.1 改進的主題模型
        4.1.2 模型推理
    4.2 活動推薦
    4.3 實驗結果及分析
        4.3.1 對比模型
        4.3.2 實驗及分析
    4.4 本章小結
第五章 活動推薦系統(tǒng)需求分析及設計
    5.1 系統(tǒng)需求分析
    5.2 系統(tǒng)總體設計
        5.2.1 系統(tǒng)體系架構
        5.2.2 系統(tǒng)功能模塊及流程
        5.2.3 數(shù)據(jù)庫設計
        5.2.4 推薦列表的生成過程
    5.3 本章小結
第六章 活動推薦系統(tǒng)實現(xiàn)與測試
    6.1 系統(tǒng)實現(xiàn)
        6.1.1 系統(tǒng)主要使用技術
        6.1.2 服務端API
        6.1.3 模塊實現(xiàn)
    6.2 系統(tǒng)測試
        6.2.1 測試環(huán)境
        6.2.2 模塊測試
        6.2.3 系統(tǒng)性能測試
    6.3 本章小節(jié)
第七章 總結和展望
    7.1 總結
    7.2 展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于雙詞語義擴展的Biterm主題模型 [J]. 李思宇,謝珺,鄒雪君,續(xù)欣瑩,冀小平.  計算機工程. 2019(01)
[2]基于社交網絡信任關系的服務推薦方法 [J]. 王佳蕾,郭耀,劉志宏.  計算機科學. 2018(S2)
[3]基于用戶軌跡數(shù)據(jù)的移動推薦系統(tǒng)研究 [J]. 孟祥武,李瑞昌,張玉潔,紀威宇.  軟件學報. 2018(10)
[4]聯(lián)合建模異構社交和內容信息的活動推薦模型 [J]. 王紹卿,王征,李翠平,趙衎衎,陳紅.  軟件學報. 2018(10)
[5]融合主題模型和協(xié)同過濾的多樣化移動應用推薦 [J]. 黃璐,林川杰,何軍,劉紅巖,杜小勇.  軟件學報. 2017(03)
[6]社會網絡中基于UBTM模型的主題挖掘 [J]. 李雷,朱玉婷,施化吉,周從華.  計算機應用研究. 2017(01)
[7]基于社交網絡用戶信任度的混合推薦算法研究 [J]. 文俊浩,何波,胡遠鵬.  計算機科學. 2016(01)
[8]基于用戶信任度和社會相似度的協(xié)作過濾算法 [J]. 楊海月,朱玉婷,施化吉,徐慧.  電子技術應用. 2016(01)
[9]社會化推薦系統(tǒng)研究 [J]. 孟祥武,劉樹棟,張玉潔,胡勛.  軟件學報. 2015(06)
[10]高效的短文本主題詞抽取方法 [J]. 常鵬,馬輝.  計算機工程與應用. 2011(20)

碩士論文
[1]結合信任的個性化推薦算法研究[D]. 王維.東南大學 2016
[2]基于多特征的社交活動推薦算法研究[D]. 何平.浙江大學 2015



本文編號：3480824