主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第11期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
汤小月,周康,王凯.空间上下文感知的用户提及行为建模与目标用户推荐.软件学报,0,(0):0
空间上下文感知的用户提及行为建模与目标用户推荐
Spatial Context-aware Social Media User Mention Behavior Modeling and Target User Recommendation
投稿时间:2018-02-11  修订日期:2018-04-29
DOI:10.13328/j.cnki.jos.005616
中文关键词:  用户提及行为建模  目标用户推荐  空间上下文感知  综合概率模型  社交网络分析
英文关键词:user mention behavior modeling  target user recommendation  spatial context-aware  joint probabilistic model  social networks analysis
基金项目:国家自然科学基金(61502362,61401319,61179032);湖北省自然科学基金(2015CFA061)
作者单位E-mail
汤小月 武汉轻工大学数学与计算机学院, 湖北 武汉 430023 sharontang@whu.edu.cn 
周康 武汉轻工大学数学与计算机学院, 湖北 武汉 430023  
王凯 武汉大学计算机学院, 湖北 武汉 430072  
摘要点击次数: 37
全文下载次数: 14
中文摘要:
      作为一种新兴的社交媒体用户交互服务,提及机制(Mention Mechanism)正在用户在线交互和网络信息传播方面扮演着重要角色.对用户提及行为的研究能够揭示用户的隐式偏好与其显式行为之间的联系,为信息传播监控、商业智能、个性化推荐等应用提供新的数据支撑.当前,对用户提及机制的探索多集中在其信息传播属性上,缺少从普通用户角度对其用户交互属性的学习.本文通过对普通用户提及行为的分析和建模构建一个推荐系统,为给定的社交媒体消息生成目标用户推荐.通过对大型真实社交媒体数据集的分析发现,用户的提及行为受其提及活动的语义和空间上下文因素的联合影响.针对此,提出一个联合概率生成模型JUMBM(Joint User Mention Behavior Model),模拟用户空间关联提及活动的生成过程.通过对用户语义和空间上下文感知的提及行为进行统一建模,JUMBM能够同时发掘用户的移动模式、地理区域依赖的语义兴趣及其对应目标用户的地理聚集模式.此外,提出一个混合剪枝算法,加快推荐系统对在线top-k查询的响应速度.在大型真实数据集上的实验结果表明,本文提出的方法在推荐有效性和推荐效率方面均优于对比方法.
英文摘要:
      As a newly emerging social media user interactive service, mention mechanism is playing an important role in both information sharing and online social interacting. Researches on mention mechanism can provide us valuable resources to reveal the correlation between users' latent preferences and their explicit interacting behaviors and can be constructed as the data foundation for many applications such as information dissemination monitoring, business intelligence and personalized recommendation. However, most of the previous works focused on the information diffusion aspect, lacking the in-depth study on its interaction attribute from the common users' perspective. This paper aims to construct a recommendation system to automatically recommend target users for given social media posts based on the analysis and modeling of common users' mention behaviors. In this paper, we first analyzed two large-scale real-world datasets to explore the mention mechanism from the aspect of users' interactions and found that, users' mention behaviors were impacted by both the semantic and the spatial context of their mention activities. Secondly, based on a unified definition of the joint semantic and spatial context-aware mention behavior, we built a joint latent probabilistic generative model named JUMBM (Joint User Mention Behavior Model) to simulate the generating process of users' mention activities. Specially, JUMBM is able to simultaneously capture users' movement patterns, geographical area-dependent semantic interests, and the geographical clustering patterns of the targets users. Besides, we proposed a hybrid pruning algorithm to achieve a fast high-dimensional retrieval and facilitate the online top-k query answering. Extensive experiments on real-world datasets demonstrate the significant superiority of our approach over the baseline methods to make more effective and efficient recommendations.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利