赵海燕,孙俊松,陈庆奎,曹 健

1(上海市现代光学系统重点实验室,光学仪器与系统教育部工程研究中心,上海理工大学光电信息与计算机工程学院,上海 200093)

2(上海交通大学 计算机科学与技术系,上海 200030)

1 引 言

近年来,随着移动互联网技术的普及,一种新型的活动社交网络(Event-based Social Networks,简称EBSNs)纷纷出现,在近几年获得大量用户的追捧.以Meetup(活动推荐平台)为例,据官方数据统计,至2019年已经有超过44000000的会员,超过33万的群组以及每周超过84000的活动数.用户通过Meetup平台寻找和建立社区团体,在真实世界中进行面对面的互动.任何人都可以组织小组或参加任何主题的活动,将兴趣相似的人在现实中联系起来.

由于活动社交网络中有着大量的活动,用户搜索感兴趣的活动并不容易,因此,有必要主动为用户进行活动推荐.活动推荐可以简单的理解成向用户个性化地推荐用户可能喜欢的活动.作为推荐系统的一个分支,活动推荐已经成为新兴的研究方向.

在EBSNs环境下,向用户个性化推荐活动面临一系列挑战.冷启动问题是推荐系统常见的问题,在缺乏用户数据和评价的活动推荐中这一问题更为明显.EBSNs上的许多活动生命周期短并且前期参与反馈较少,致使活动推荐必须要求系统能在有效时间内快速推荐,不然推荐会失去意义,因此,在推荐活动的过程中遇到了比物品推荐中更严重的冷启动问题;其次,由于EBSNs中存在线上线下异构社交网络[1],需要考虑两者相互……