SocialRec：基于用户活动的帖子加权动态个性化推荐系统
信息检索
2024-07-24 v1 机器学习
社会与信息网络
摘要
用户活动可以影响其后续与帖子的互动，从而生成用户的兴趣。在社交媒体（如 Facebook、Twitter 和 Reddit）上，用户通常通过评论和使用表情符号来与来自朋友的帖子进行互动，从而反映他们的兴趣程度。我们的目标是分析用户随时间推移的历史记录，包括他们的帖子和各主题上的参与度。此外，我们考虑用户的个人资料，寻找出他们的活动与社交媒体平台之间的联系。通过整合用户历史记录、互动情况和个人画像，我们旨在基于相关项目共享情况评估推荐得分，其中使用 Hit Rate (HR) 和归一化折扣累积收益 (NDCG) 来衡量排序系统的质量，我们实现的最佳结果分别为 NeuMF 的 0.80 和 0.6。我们的混合方法解决了当存在新用户时的冷启动问题，但对于新物品的冷启动问题则永远不会发生，因为我们考虑了帖子类别的值。为了提高模型在冷启动情况下的性能，我们引入基于相似用户的协同过滤，通过寻找相似用户并根据最高相似度得分对用户进行排序。
引用
@article{arxiv.2407.09747,
title = {SocialRec: User Activity Based Post Weighted Dynamic Personalized Post Recommendation System in Social Media},
author = {Ismail Hossain and Sai Puppala and Md Jahangir Alam and Sajedul Talukder},
journal= {arXiv preprint arXiv:2407.09747},
year = {2024}
}
备注
This research paper has been accepted in the Social Media Sway: Unraveling the Impact of Social Media on Human Behavior - SMS workshop, to be held in conjunction with the International Conference on Social Networks Analysis and Mining (ASONAM 2024) and will be published in Springer