[发明专利]融合主题匹配与双向偏好的个性化事件推荐方法及系统

说明书

本发明公开了一种融合主题匹配与双向偏好的个性化事件推荐方法及系统。首先，利用文档主题生成模型LDA提取事件和用户参与的历史事件的主题信息，计算用户与事件的主题匹配度；其次，对于基于事件的社交网络推荐从用户和事件的双向角度考虑，构建用户和事件的偏好模型，分别得到用户偏好评分和事件偏好评分，从用户和事件两个角度更完整地挖掘偏好关系；最后，将用户‑事件对匹配度融合用户事件双向偏好线性加权组合得到最终的用户‑事件对综合评分，将排序后的TOP‑K个用户‑事件对作为推荐结果。本方案推荐算法的性能优于传统的推荐方案，能很好地预测用户的个性化偏好，从而达到个性化推荐的目的。

技术领域

本发明涉及信息推荐技术领域，具体涉及一种融合主题匹配与双向偏好的个性化事件推荐方法及系统。

背景技术

随着互联网和计算机技术的快速发展，近年来传统的社交网络也朝着不同的革新方向发展，随之形成了一些特殊类型的新型社交网络，比如基于位置的社交网络(Location-Based Social Network, LBSN)，主要根据用户的地理签到信息形成社交关系的社交网络，以及另一种线上与线下结合的复杂异构社交网络——基于事件的社交网络(Events-Based Social Network, EBSN)，区别于传统的社交网络中熟人之间建立的好友关系，基于事件的社交网络中用户通过社会活动建立人际关系，用户根据自身的兴趣或共同点加入线上的兴趣小组和线下的集体社交活动。

基于事件的社交网络正处于快速发展的过程中，越来越多的用户选择在事件社交网络中参与社交活动，在基于事件的社交网络平台上，用户可以加入各种不同的线上群组，组织者或者组内的用户可以发起并参与任意的线下社交活动，例如聚会、徒步旅行、体育活动、演唱会等，并与其他用户进行信息共享。

基于事件的社交网络可以为用户提供从线上到线下结合的社交服务，帮助用户发起及制定个性化的事件参与计划。用户在线上通过共同兴趣形成在线群组关系，并在线上发起线下集会事件，基于事件的社交网络拥有比基于位置的社交网络更广泛的社交属性，已有的工作表明在推荐系统中事件社交网络拥有比传统社交网络的更好的推荐特性。

当前大部分基于事件的社交网络推荐主要是基于用户单向角度提取特征偏好进行推荐，虽然会考虑事件主办方的社交影响，但对于事件的潜在吸引度表示性不足。另一方面，关于主题因素的影响仅仅将事件主题作为推荐因素之一，较少考虑用户主题因素及其与事件主题的匹配度。

发明内容

有鉴于此，有必要提供一种结合几类主要的上下文信息计算用户偏好及事件潜在偏好，并最终融合主题匹配度与用户-事件双向偏好的融合主题匹配与双向偏好的个性化事件推荐方法及系统。

一种融合主题匹配与双向偏好的个性化事件推荐方法，包括以下步骤：

步骤一，以文档主题生成模型LDA提取事件的主题信息，并根据用户参与的历史事件记录得到用户主题信息，计算新事件和用户历史事件的主题，采用JS散度算法计算用户-事件对的主题匹配度评分；

步骤二，分别构建用户偏好模型和事件偏好模型，并分别计算用户偏好评分和事件偏好评分；

步骤三，利用贝叶斯个性化排序算法BPR学习用户偏好评分和事件偏好评分的权重参数，得到用户事件双向偏好评分，将主题匹配度评分和双向偏好评分线性加权组合得出用户-事件对的最终推荐评分，向用户推荐排序后的前K个事件。

进一步地，步骤一中的所述文档主题生成模型LDA具有三层生成式贝叶斯网络结构，包括文档、主题和词，其中文档-主题和主题-词均服从多项式分布；每个文档以一定概率选择一个主题，并从这个主题中以一定概率选择一个词语，在任意文档中的主题均符合Dirichlet分布，通过该分布发掘文本之间的关系。

进一步地，步骤一中的所述计算新事件和用户历史事件的主题，采用JS散度算法计算用户-事件对的主题匹配度评分，具体步骤包括：