典型文献
结合用户长短期兴趣与事件影响力的事件推荐策略
文献摘要：
事件社交网络的快速发展引起的信息过载问题是当前面临的主要挑战,深度学习等技术可从大量的数据中挖掘潜在的关联信息,从而有效应对该问题.同时,有研究表明用户兴趣在长期和短期的时序上具有不同的特征模式,深度挖掘用户的时序特征和兴趣可有效地为用户提供个性化的事件推荐信息.基于此,提出一种将用户长短期兴趣与事件影响力相结合的推荐策略.通过带注意力机制的图神经网络和长短期记忆网络获取用户的长短期兴趣,同时,对候选事件构建针对目标用户的影响力.根据用户长短期兴趣和事件影响力预测目标用户的参与概率,最终通过排序后的参与概率向用户推荐TOP-K兴趣事件.实验结果表明,所提推荐模型在多个指标上均有所改善,其推荐性能优于已有对比模型,具备很好的推荐效果.
文献关键词：
基于事件的社交网络;个性化事件推荐;长短期兴趣;图神经网络;注意力机制
中图分类号：
作者姓名：
钱忠胜;杨家秀;李端明;叶祖铼
作者机构：
江西财经大学信息管理学院,南昌 330013
文献出处：
引用格式：
[1]钱忠胜;杨家秀;李端明;叶祖铼-.结合用户长短期兴趣与事件影响力的事件推荐策略)[J].计算机研究与发展,2022(12):2803-2815
A类：
基于事件的社交网络,个性化事件推荐
B类：
户长,长短期兴趣,事件影响,推荐策略,信息过载,过载问题,主要挑战,联信,用户兴趣,特征模式,深度挖掘,时序特征,推荐信,注意力机制,图神经网络,长短期记忆网络,取用,力预测,向用,用户推荐,TOP,趣事,推荐模型,有所改善,推荐性,对比模型,推荐效果
AB值：
0.347858
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
