一种基于后项不定长关联规则的Web个性化推荐方法

1引言 随着Internet的发展,电子商务、远程教育等各种基于网络的服务也得到迅猛发展.实现网上信息个性化已经成为一种热点.

融合用户历史行为与社交关系的个性化社交事件推荐方法

为了提升基于事件的社交网络(EBSN)中社交事件的推荐效果,提出了融合用户历史行为和社交关系的个性化社交事件推荐方法。首先采用深度学习技术从用户的历史行为以及用户之间的潜在社交关系两个方面建立用户模型;然后在对用户偏好建模时,引入用户偏好的负向量表示,并使用注意力权重层根据不同的候选推荐事件为用户历史行为中不同的事件和用户社交关系中不同的好友分配不同的权重,同时考虑了事件以及群组的多种特征;最后在真实数据集上进行了大量实验。实验结果表明,该个性化社交事件推荐方法在命中率(HR)、归一化折损累计增益(NDCG)、平均倒数排名(MRR)评价指标上优于对比的深度用户社交事件推荐(DUMER)模型和融合注意力机制的深度兴趣网络(DIN)模型。