社交网络中的智能群组事件推荐系统
社会与信息网络
2020-06-17 v1 信息检索
摘要
上下文的重要性在面向个体的推荐系统中已被广泛认识。然而，基于事件的社交网络（EBSNs）中多数现有群组推荐模型聚焦于如何聚合群组成员的偏好以形成群组偏好。在这些模型中，上下文对群组的影响虽被考虑，却以手动方式简单定义，无法建模上下文与群组间复杂而深层的交互。本文中，我们提出 EBSNs 中基于注意力的上下文感知群组事件推荐模型（ACGER）。ACGER 通过多层神经网络建模上下文对用户、群组和事件的深层非线性影响。特别地，设计了一种新颖的注意力机制，使上下文对用户/群组的影响权重随所关注事件动态变化。考虑到群组可能具有与群组成员完全不同的行为模式，我们提出群组偏好需从间接与直接视角获取（分别称为间接偏好与直接偏好）。为获得间接偏好，我们提出一种基于注意力机制的偏好聚合方法。与现有预定义策略相比，该方法可根据群组所关注事件灵活调整策略。为获得直接偏好，我们采用神经网络直接从群组-事件交互中学习。此外，为充分利用 EBSNs 中丰富的用户-事件交互，我们将上下文感知的个体推荐任务集成到 ACGER 中，从而增强用户嵌入与事件嵌入学习的准确性。在来自 Meetup 的两个真实数据集上的大量实验表明，我们的模型 ACGER 显著优于最先进模型。
引用
@article{arxiv.2006.08893,
title = {An Intelligent Group Event Recommendation System in Social networks},
author = {Guoqiong Liao and Xiaomei Huang and Neal N. Xiong and Changxuan Wan},
journal= {arXiv preprint arXiv:2006.08893},
year = {2020}
}