[发明专利]一种活动社交网络用户参加活动推荐的多因素决策方法

说明书

本发明是一种活动社交网络用户参加活动推荐的多因素决策方法，其步骤如下：面向活动社交网络EBSN构建活动‑主办方‑用户ESU图模型，计算图中活动对用户产生的社交影响力；计算活动和用户参加过的活动内容相关性；计算活动和用户参加过的活动地点相关性；计算活动和用户参加过的活动时间相关性；在上述四个因素的基础上，使用经典J48决策树算法决定用户是否会参加活动。本发明方法提出了利用活动和用户的社交影响力、内容相关性、地点相关性和时间相关性多个因素，预测用户是否参加活动，合理的利用了活动社交网络EBSN的特征，适合活动社交网络EBSN的活动推荐。

技术领域

本发明涉及一种信息挖掘技术，具体地说，涉及一种活动社交网络用户参加活动推荐的多因素决策方法。

背景技术

近几年，活动社交网络(Event-based Social Networks，简写为EBSNs)引起了研究者的关注，主要是因为其通过在线方式为用户提供组织、参加以及分享社交活动的平台，而且用户还可以参加真实的线下活动，比如Meetup，Plancast，Facebook Event以及豆瓣同城等等。面对EBSNs上在不同时间和地点举办的诸多活动，用户需要花费大量时间才能寻找到自己感兴趣的活动。在EBSNs上，实现活动自动向用户精准推荐，进而让用户丰富业余生活、拓展社交关系和享受团队娱乐具有重要的现实意义。

与以往的社交网络不同的是，EBSNs有其独有的特点：(1)活动多是由主办方举办的，举办的活动包含了活动类型、活动内容、活动时间、活动地点以及对活动感兴趣/参加的人等等信息，活动的内涵更加丰富；(2)EBSNs上有大量的实体，包括活动、用户和主办方等，而且这些实体之间构建了特有的复杂社交关系；(3)用户参加活动不仅受活动内容的吸引，而且受社交关系、活动的时间和地点等因素的影响。

在2012年美国出版的会议论文集：2012年第18届知识发现和数据挖掘会议(18thACM SIGKDD conference on Knowledge Discovery and Data Mining)，题目为：活动社交网络：连接线上和线下社交世界(Event-based social networks：linking the onlineand offline social worlds)，作者是Liu X，He Q，Tian Y，Lee WC，McPherson J，Han J，该文第一次定义了活动社交网络EBSNs的概念，认为其连接了线上和线上的社交世界，是一种新型的社交媒体。

在2015年美国出版的会议论文集：2015年普适计算会议(ACM InternationalJoint Conference on Pervasive and Ubiquitous Computing)，题目为：我将邀请谁参加聚会？融合用户偏好和影响最大化的社交活动(Who should I invite for my party？combining user preference and influence maximization for social events)，作者是Yu Z，Du R，Guo B，Xu H，Gu T，Wang Z，Zhang D，该文扩展了信任分布模型识别最具影响力的被邀请者，考虑了用户对活动的偏好及社交影响最大化。

在2017年荷兰出版的期刊：神经计算(Neurocomputing)，题目为：活动社交网络用于社交影响预测的混合协作过滤模型(A hybrid collaborative filtering model forsocial influence prediction in event-based socialnetworks)，作者是Li X，ChengX，Su S，Li SC，Yang JY，该文提出了混合协作过滤模型MF-EUN，融合了活动和用户的邻居，为了解决社交影响矩阵的稀疏性，提出了基于附加信息的邻居发现方法。其对EBSNs的用户之间、用户与活动之间、活动与举办方之间的建模不够准确，而且也没有考虑时间要素对活动推荐的影响。