高泽锋，王 邦，徐明华

1(华中科技大学 电子信息与通信学院，武汉 430074) 2(华中科技大学 新闻与信息传播学院，武汉 430074) E-mail：zefenggao@163.com；wangbang@hust.edu.cn；xuminghua@hust.edu.cn

1 引 言

近年来，基于活动的社交网络(EBSNs)，例如meetup1和豆瓣同城2，得到了广泛的发展.这些网站不仅为传播各种各样的社交活动提供了一个方便的平台，也在用户之间构建了一个庞大的社交网络.由此，不管是学术界还是工业界，如何高效地为用户推荐个性化的活动成了一个热门的领域[1，2].活动推荐与其他产品的推荐不一样，因为产品推荐通常并没有被嵌入到社交网络中，没有考虑各种复杂的社交关系.所以，社交网络中的活动推荐面临很多新的挑战.

推荐系统的常见方法可分为两种：一种是协同过滤算法，一种是基于内容的推荐算法.在基于内容的推荐算法中，对音乐、电影这一类的物品做推荐时，主要使用的方法是用标签来表征物品的特征[5]，而在对类似于微博这样的文本内容做推荐时，特征值的提取主要有两种方式，一种是基于语义的方法，一种是基于统计的方法[6]；本文即采用基于语义的方法来建立用户兴趣模型.

在对文本使用基于内容的推荐方法时，传统的做法是将用户所有的历史记录数据进行处理分析，并对用户兴趣爱好进行建模[8]，然而这种方法并没有考虑用户的长短兴趣随时间的变化可能有所改变.虽有少量研究考虑了用户的长短兴趣变化[7，10]，但没有区分用户行为记录中的不同行为类别，亦未加入行……