注意力感知的群组Next事件推荐策略

摘要：

近年来,基于事件社会网络(EBSN)逐渐成为人们寻找感兴趣事件的有效途径,如何将事件精准地推荐给有需求的用户已成为该领域的重要主题.下一个项目推荐能够捕获用户的动态偏好,在电子商务等领域取得较好推荐效果.然而,鲜见有关EBSN中的面向群组的下一个(Next)事件推荐研究.主要研究面向群组的Next事件推荐策略,但由于群组偏好会发生动态变化,且事件生命周期短、新事件冷启动等问题使得针对群组进行Next事件推荐变得更加困难.首先,针对群组偏好会随时间发生动态变化的特征,将群组与事件的历史交互划分为多个时段.考虑到划分后群组成员数据变得更加稀疏,不利于群组偏好建模,采用基于参与度的排序策略提取当前时段核心成员的成员偏好,并利用注意力机制融合出群组静态偏好.然后,通过序列模型将各个时段的静态偏好融合得到群组动态偏好.最后,将事件推荐视为多标签分类问题,即将上下文看作事件的多个标签,通过预测各个上下文的概率分布以匹配事件,从而有效缓解新事件冷启动问题.实验结果表明,所提出的推荐策略具有较好的性能.

关键词：基于事件社会网络(EBSN)、下一个事件推荐、群组推荐、注意力机制、多标签分类

所属期刊栏目：17

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61772245

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：499-510