(东北大学计算机科学与工程学院 沈阳 110169) (医学影像智能计算教育部重点实验室(东北大学) 沈阳 110169) (yuyx@mail.neu.edu.cn)
出版日期: 2020-07-01基金资助:国家自然科学基金项目(61871106，61973059)；国家重点研发计划项目(2016YFC0101500)Research on User Behavior Understanding and Personalized Service Recommendation Algorithm in Twitter Social Networks
Yu Yaxin, Liu Meng, Zhang Hongyu(School of Computer Science and Engineering, Northeastern University, Shenyang 110169) (Key Laboratory of Intelligent Computing in Medical Image (Northeastern University), Ministry of Education, Shenyang 110169)
Online: 2020-07-01Supported by:This work was supported by the National Natural Science Foundation of China (61871106, 61973059) and the National Key Research and Development Program of China (2016YFC0101500).摘要/Abstract
摘要： 随着社交网迅速发展，产生了大量带有时空信息的短文本数据.这些短文本数据因其文本长度过短且所带地理位置信息过于稀疏导致用户行为主题难于捕捉.此外，由于目前大多数用户行为理解相关研究工作缺少对行为要素间依赖关系的适度融合，因而造成行为理解具有片面性.基于此，首先提出2种综合考虑用户行为发生时间、活动内容、活动区域的用户-时间-活动模型(user-time-activity model, UTAM)和用户-时间-区域模型(user-time-region model, UTRM)，用于深刻理解用户行为规律；然后利用LDA(latent Dirichlet allocation)技术，抽取用户活动-服务主题，提出活动-服务主题模型(activity-to-service topic model, ASTM)，用于挖掘活动和服务间的对应关系；最后将服务地点属性内耦合性纳入考虑，提出了基于耦合和距离的矩阵分解(matrix factorization based on couple & distance, MFCD)算法，用于提高推荐质量.为验证所提模型和算法的有效性，在真实Twitter数据集上进行了扩展性实验，结果表明:所提模型对提高个性化服务推荐质量是有效的，MFCD算法对于用户的行为理解效果也优于传统矩阵分解算法.
参考文献
相关文章 15
| [1] | 郑值, 徐童, 秦川, 廖祥文, 郑毅, 刘同柱, 童贵显. 基于多源情境协同感知的药品推荐[J]. 计算机研究与发展, 2020, 57(8): 1741-1754. |
| [2] | 刘琳,唐麟,唐明靖,周维. 基于布尔矩阵分解的蛋白质功能预测框架[J]. 计算机研究与发展, 2019, 56(5): 1020-1033. |
| [3] | 吴宾,娄铮铮,叶阳东. 一种面向多源异构数据的协同过滤推荐算法[J]. 计算机研究与发展, 2019, 56(5): 1034-1047. |
| [4] | 王智强,梁吉业,李茹. 基于信息融合的概率矩阵分解链路预测方法[J]. 计算机研究与发展, 2019, 56(2): 306-318. |
| [5] | 刘亚姝,王志海,侯跃然,严寒冰. 一种基于概率主题模型的恶意代码特征提取方法[J]. 计算机研究与发展, 2019, 56(11): 2339-2348. |
| [6] | 龚卫华,金蓉,裴小兵,梅建萍. LBSN中基于社区联合聚类的协同推荐方法[J]. 计算机研究与发展, 2019, 56(11): 2506-2517. |
| [7] | 李莹莹,马帅,蒋浩谊,刘喆,胡春明,李雄. 一种基于社交事件关联的故事脉络生成方法[J]. 计算机研究与发展, 2018, 55(9): 1972-1986. |
| [8] | 梁吉业，乔洁，曹付元，刘晓琳. 面向短文本分析的分布式表示模型[J]. 计算机研究与发展, 2018, 55(8): 1631-1640. |
| [9] | 时文华,倪永婧,张雄伟,邹霞，孙蒙，闵刚. 联合稀疏非负矩阵分解和神经网络的语音增强[J]. 计算机研究与发展, 2018, 55(11): 2430-2438. |
| [10] | 余永红,高阳,王皓,孙栓柱. 融合用户社会地位和矩阵分解的推荐算法[J]. 计算机研究与发展, 2018, 55(1): 113-124. |
| [11] | 杜雨萌,张伟男,刘挺. 基于主题增强卷积神经网络的用户兴趣识别[J]. 计算机研究与发展, 2018, 55(1): 188-197. |
| [12] | 高玉凯,王新华,郭磊,陈竹敏. 一种基于协同矩阵分解的用户冷启动推荐算法[J]. 计算机研究与发展, 2017, 54(8): 1813-1823. |
| [13] | 王海艳,董茂伟. 基于动态卷积概率矩阵分解的潜在群组推荐[J]. 计算机研究与发展, 2017, 54(8): 1853-1863. |
| [14] | 何明,常盟盟,吴小飞. 一种基于差分隐私保护的协同过滤推荐方法[J]. 计算机研究与发展, 2017, 54(7): 1439-1451. |
| [15] | 范正光,屈丹,闫红刚,张文林. 基于深层神经网络的多特征关联声学建模方法[J]. 计算机研究与发展, 2017, 54(5): 1036-1044. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4210
