仲兆滿,戴紅偉,管 燕

(1. 淮海工學院 計算機工程學院，江蘇 連云港 222005；2. 江蘇金鴿網絡科技有限公司 大數據事業(yè)部， 江蘇 連云港 222005)

0 引言

近幾年，活動社交網絡(Event-based Social Networks，EBSNs)引起了研究者的關注。這主要是因為其通過在線方式為用戶提供組織、參加以及分享社交活動的平臺，且用戶還可以參加真實的線下活動。比如，Meetup，Plancast，Facebook Event以及豆瓣同城等等。面對EBSNs上，在不同時間和地點舉辦的諸多活動，用戶需要花費大量時間才能尋找到自己感興趣的活動。在EBSNs上，實現活動自動向用戶精準推薦，進而讓用戶豐富業(yè)余生活、拓展社交關系和享受團隊娛樂具有重要的現實意義。

與以往的社交網絡不同的是，EBSNs有其獨有的特點: ①活動多由主辦方舉辦。主要包含活動類型、活動內容、活動時間、活動地點以及對活動感興趣/參加的人等等信息，活動內涵更加豐富；②EBSNs上有大量實體。包含活動、用戶和主辦方等，且這些實體之間構建了特有的復雜社交關系； ③用戶參加活動不僅受活動內容的吸引，而且受社交關系、活動的時間和地點等因素的影響。

已有的EBSNs用戶參加活動推薦的研究主要是圍繞EBSNs上的活動及用戶的屬性展開。根據研究成果利用EBSNs上的實體及其關系深度的不同，現將已有工作總結如下:

2012年，Liu等[1]第一次定義了活動社交網絡EBSNs的概念，認為其連接了線上和線下的社交世界，是一種新型的社交媒體。在EBSNs的社群檢測時，側重于用戶和活動之間的關聯分析。

文獻[2-3]利用了EBSNs上朋友間的關系進行活動參加預測。Chin等[2]調研了用戶參加線下活動的行為習慣，發(fā)現EBSNs上社交影響存在。并且用戶選擇參加活動在一定程度上受朋友的影響，但僅僅使用關注構建社交關系。Xu等[3]驗證了EBSNs上朋友間的相互動態(tài)影響力對活動的參加有較大的作用，考慮到了用戶的偏好和基于朋友的社交關系。

Jamali等[4]使用社交矩陣分解技術MF(Matrix Factorization)，提出了整合用戶—活動參加結果和簡單社交關系的SocialMF方法，社交影響力的計算僅考慮了用戶和活動間的關系。

Li等[5]討論了社交活動組織(SEO)問題，而不是活動的檢測，但其僅僅考慮了屬性間的相似度及用戶間的朋友關系兩個因素。

文獻[6-7]以豆瓣同城為例，研究了EBSNs的活動參加預測問題，側重于邀請有影響力的關注者(followers)。Yu等[6]擴展了信任分布模型識別最具影響力的被邀請者，考慮了用戶對活動的偏好及社交影響最大化。Du等[7]提出了奇異值分解方法用于活動參加的預測，考慮到了活動的內容、上下文(時空)及社交影響。

Zhang等[8]研究EBSNs活動參加預測問題的主要思想是: 如果一個用戶對一個主題的活動感興趣，他可能參加與這個主題相關的新活動。對用戶參加活動的分析包括語義、時間和空間特征。

Li等[9]提出了混合協(xié)作過濾模型MF-EUN，融合了活動和用戶的鄰居。為了解決社交影響矩陣的稀疏性，提出了基于附加信息的鄰居發(fā)現方法。其對EBSNs的用戶之間、用戶與活動之間、活動與舉辦方之間的建模不夠準確，且未考慮時間要素對活動推薦的影響。

Qiao等[10]提出了貝葉斯?jié)撛谝蛩啬Ｐ陀糜诨顒油扑]，該模型融合了異構社交關系、地理特征和潛在排名。Zhang等[11]側重于EBSNs上的冷啟動活動的推薦研究。

Liu等[12]提出了上下文(靜態(tài)的和動態(tài)的)感知推薦方法SoCo，使用隨機決策樹用于用戶-活動分組，利用朋友關系推導出用戶的興趣偏好，但其構建的社交網絡圖僅僅是用戶之間的。

Tong等[13]提出了瓶頸感知社交活動安排模型(BSEA)用于EBSNs的全局推薦，使用貪婪、隨機貪婪和基于局部搜索的最優(yōu)化技術解決BSEA的NP問題。

Müngen等[14]將Meetup社交網絡形式化為二部圖，重點利用用戶和活動的地點進行活動推薦。

Liu等[15]將豆瓣社交網絡形式化為9元組混合網絡，包括用戶U、活動E、群組G，發(fā)起者H和標簽T。其中，活動E包括活動時間Em、地點El、成本Ec、類型Et。使用帶重啟的隨機游走算法預測用戶參與的活動，并考慮了用戶和活動的相似性。

已有研究存在的不足及本文的創(chuàng)新點: ①EBSNs的建模不夠準確，多強調用戶與活動之間的關系描述，例如，文獻[1,4,8]，而忽略了用戶與主辦方、活動與主辦方之間的關系。本文提出的ESU圖模型，更精準的揭示了EBSNs的實體及其復雜社交關系，對面向EBSNs的后續(xù)研究有重要的參考價值； ②用戶是否參加活動是受多個因素影響的，已有方法對這些因素利用的不夠，比如文獻[2-4,6-7,9]。本文提出的基于ESU圖融合了活動對用戶的社交影響力、活動內容、地點和時間多因素的活動推薦模型，能全面的捕捉EBSNs上活動推薦的本質特征； ③由于對EBSNs建模多側重用戶和活動的關聯，因此活動與用戶之間的影響力計算多基于矩陣分解技術，未能考慮到活動主辦方的作用。例如，文獻[4,6,7,9]。本文根據ESU圖實體獨有的特點，提出了基于雙向重啟隨機游走算法BD-RWR的實體重要度計算方法，能更好的利用ESU圖的整體結構，更合理地計算不同實體的影響力。

1 ESU圖模型

在EBSNs中，實體主要包括活動、主辦方和用戶，這三者之間存在復雜的社交關系，每個實體又包含了多種屬性。全面地理清這些實體之間的關系及每個實體包含的屬性，是面向EBSNs開展后續(xù)研究工作的基礎。

本文在深入調研EBSNs特點的基礎上，提出的活動—主辦方—用戶ESU(Event-Sponsor-User)圖模型，如圖1所示。

圖1 ESU圖模型

圖1所示的ESU圖模型中，節(jié)點e代表活動(圖左)，s代表活動主辦方(圖中)和u代表用戶(圖右)，圖下方是對每個實體的屬性描述。主辦方s會舉辦多個活動，與其舉辦的活動是單向關聯；主辦方s會包含多個用戶，與其包含的用戶是單向關聯；用戶之間通過關注(follow)建立單向關聯，兩者之間如果相互關注，則形成雙向關聯，并且雙向的權重不同；用戶u可以感興趣/參加活動e，用戶與活動是單向關聯。ESU圖具有較高的稀疏性，體現在以下4點: (1)活動之間沒有連接關系； (2)主辦方之間沒有連接關系； (3)用戶之間雙向關系較少； (4)一些用戶可能不屬于任何的舉辦方，不參加任何活動。

ESU圖模型的相關概念描述如下:

定義1 ESU圖，描述為一個二元組: ESU=(Entity，Relation)。其中，Entity代表實體，包括活動集E、主辦方集S和用戶集U；Relation代表關系，有主辦方-活動關系集SE、主辦方—用戶關系集SU、用戶-活動關系集UE以及用戶之間關系集UU。

定義2 ESU圖活動e，描述為一個九元組:e=(id,etype,es,ebd,ec,et,el,p,w)。其中，id為活動唯一標識，etype是活動類型標簽，es為活動發(fā)起人，ebd為活動簡述，類似于活動名稱，ec為活動詳情，et為活動時間，el為活動地點，p為要參加活動的用戶，w為對活動感興趣的用戶。

定義3 ESU圖主辦方s，描述為一個五元組:s=(id,name,type,e,u)。其中,id為主辦方唯一標識，name為主辦方名稱，type為主辦方的活動類型，e為舉辦的活動，u為關注主辦方的用戶。不同的EBSNs對活動舉辦者的稱謂有所不同，常見的有社區(qū)、社群、組織者、舉辦方、主辦方等等，本文統(tǒng)一稱為主辦方。

定義4 ESU圖用戶u，描述為一個十元組:u=(id,name,s,l,ct,fu,bfu,fs,d,ph)。其中，id為用戶唯一標識，name為用戶名，s為用戶興趣簽名，l為用戶常居地，ct為賬號創(chuàng)建的時間，fu為他關注的用戶，bfu為關注他的用戶，fs為他關注的主辦方，d為用戶日記，ph為用戶相冊。

定義5 ESU圖主辦方—活動關系集，描述為SE={se=(si,ej)∧si→ej|si∈S,ej∈E}，主辦方si通過“舉辦”的方式與活動ej建立單向關系。

定義6 ESU圖主辦方—用戶關系集，描述為SU={su=(si,uj)∧si→uj|si∈S,uj∈U}，主辦方si通過“包含”的方式與用戶uj建立單向關系。

定義7 ESU圖用戶—用戶關系集，描述為UU={uu=(ui,uj)∧uiuj|ui∈U,uj∈U}，用戶ui和uj通過“關注”的方式建立單向關系，如果相互關注，則建立雙向關系(好友關系)。

定義8 ESU圖用戶—活動關系集，描述為UE={ue=(ui,ej)∧ui→ej|ui∈U,ej∈E}，用戶ui通過“感興趣/參加”的方式與活動ej建立單向關系。

基于ESU圖，在全面利用實體及其關系的基礎上，可以進行重要活動、主辦方及用戶的挖掘，用戶參加活動傾向性的挖掘，活動社群檢測，信息流分析，活動到用戶的推薦或預測，用戶的活動行為分析及主辦方舉辦活動的行為分析等等系列研究。

2 基于ESU圖的用戶參加活動推薦

2.1 活動推薦多因素決策模型

定義9 用戶參加活動推薦，描述為f(EF(ei),EF(uj))?YN(ei,uj)，EF(·)為特征抽取函數，f(·)為根據活動ei和用戶uj的特征決策是否將活動ei推薦給用戶uj，YN(ei,uj)為決策結果，其值為“是(Yes)”和“否(No)”。

在EBSNs上，用戶uj參加活動受到多種因素的影響，比如用戶uj的好友參加了某個活動ei，則用戶uj可能會參加活動ei；用戶uj經常參加主辦方sk的活動。當主辦方sk再次舉辦活動時，用戶uj可能參加sk舉辦的活動，這都體現為社交影響因素。當一個新活動ei到來時，如果活動ei與用戶uj曾經參加過的活動的相似度非常高，用戶uj可能參加活動ei，這體現為活動的內容因素。但EBSNs上活動的時間和地點與用戶參加活動的時間和地點又有著密切關系。比如，用戶uj習慣周末參加聚會活動，即使活動內容非常接近，但時間不吻合，用戶uj也不一定有時間參加；又如用戶uj經常參加某個地點的活動，即使活動內容非常接近但地點相距較遠，用戶uj也不一定愿意參加遠距離的活動。

基于EBSNs的ESU圖模型，本文提出活動推薦多因素決策模型，如圖2所示。

圖2 基于ESU圖的活動推薦多因素決策模型

圖2所示模型中，活動ei通過ESU圖的活動—主辦方—用戶關系對用戶uj產生的社交影響力記為si(ei,uj)，ei的活動內容與用戶uj曾經參加過的活動內容的相關性記為c(ei,uj)，ei的活動地點與用戶uj曾經參加過的活動地點的相關性記為l(ei,uj)，ei的活動時間與用戶uj曾經參加過的活動時間的相關性記為t(ei,uj)，最終在四個因素的基礎上得到活動ei對用戶uj的推薦結果為YN(ei,uj)。

下面詳細的介紹活動推薦多因素決策模型中的四個因素的計算方法。

2.2 社交影響力因素

ESU圖包含活動、主辦方和用戶三類實體，以及實體之間的各種關系，活動對用戶的影響力受三類實體的共同作用。

對于構建了活動和用戶二者之間的關系模型，使用潛在因子模型可以直接挖掘活動與用戶之間的潛在主題，包括矩陣分析、概率主題模型及LDA等技術。而對于包括了多個實體及其關系的ESU圖模型而言，隨機游走算法具有明顯的優(yōu)勢。隨機游走算法具有可解釋性強、緩解稀疏性、邏輯簡潔、易于實現等優(yōu)點，其在信息檢索和推薦系統(tǒng)中已得到了廣泛的應用。

為了計算ESU圖上活動對用戶的影響力，需要計算主辦方—活動、主辦方—用戶、用戶—用戶以及用戶—活動的關系權重，進而選取合適的隨機游走算法計算活動ei對不同用戶的影響力。

2.2.1 主辦方—活動關系權重

令UN(sj)為主辦方sj包含的用戶數量，UN(ei)為sj中對活動ei感興趣/參加的用戶數量。則主辦方sj-活動ei的關系權重如式(1)所示。

(1)

式(1)利用了主辦方sj中參加活動ei的用戶數量，及sj中所有的用戶數量度量主辦方對活動的關系權重。se(sj,ei)值越大，說明主辦方sj中有越多的用戶參與sj舉辦的活動。

2.2.2 主辦方—用戶關系權重

令SN(ui)為用戶ui加入的主辦方數量，EN(sj)為主辦方sj曾經舉辦的活動數量，SEN(ui)為用戶ui曾經參加的主辦方sj的活動數量，則主辦方sj-用戶ui的關系權重如式(2)所示。

(2)

式(2)前半部分說明用戶ui參加主辦方sj的活動越多，主辦方sj對用戶ui的影響越大；式(2)后半部分考慮到了用戶ui加入的其他主辦方數量，直觀的來講，一個用戶參加的主辦方越多，主辦方sj對該用戶的影響力就越小。

2.2.3 用戶—用戶關系權重

令E(u)為用戶u參加的活動集合，E(v)為用戶v參加的活動集合，S(u)為用戶u加入的主辦方集合，S(v)為用戶v加入的主辦方集合，則用戶u-用戶v的關系權重如式(3)所示。

(3)

式(3)綜合的考慮了用戶u和用戶v參加的共同活動和加入的共同主辦方的情況，α和β是平衡共同活動和共同主辦方之間權重的參數。

需要注意的是，反過來，用戶v對用戶u的權重是不同的，因為v和u可能對不同數量的主辦方感興趣，也可能參加不同數量的活動，但計算方法和式(3)類似。

2.2.4 用戶—活動關系權重

令E(uj)為用戶uj參加過的活動集合，sj為活動ei所在的主辦方，ES(uj)為用戶uj參加過sj舉辦的活動集合。則用戶uj-活動ei的關系權重如式(4)所示。

(4)

式(4)說明用戶uj參加過活動ei所在的主辦方的活動越多，用戶uj對活動ei的影響就越大。

2.2.5 基于雙向重啟隨機游走算法的節(jié)點影響力計算

基于隨機游走的PageRank算法通過網頁間的超鏈接分析，計算每個網頁的重要性。計算方法如式(5)所示。

(5)

其中，Rk為第k次迭代時頁面的重要度，W表示頁面之間的連接權重，d是一個阻尼系數，取值范圍為0-1，通常取d=0.85，向量I=(1,1,…,1)T，N為網頁的數量。

重啟型隨機游走算法RWR[15]主要用于計算圖中任意兩個節(jié)點間的結構相關性。計算圖中各個節(jié)點與節(jié)點j的結構相關性方法如式(6)所示。

Rk=cWRk -1+(1-c)ej

(6)

其中，1-c為返回節(jié)點ej的概率，ej為第j維為1的單位向量，初始時R0=ej，Rk和W的含義和式(5)相同。

ESU圖為有向圖，三類實體的重要性體現方式不同。主辦方si的重要度取決于si舉辦的所有活動及包含的所有用戶對其產生的影響，因此si的計算需要考慮其出度(Hubs)，PageRank考慮的是頁面的入度?；顒觘節(jié)點的重要度取決于主辦方以及用戶對其產生的影響。用戶u節(jié)點的重要度取決于主辦方和關注他的用戶對其產生的影響。因此，ESU圖的活動和用戶重要度的計算，應該考慮其入度(Authorities)。

因此，在計算ESU各類節(jié)點的重要度時，需要從出度和入度兩個角度出發(fā)進行迭代計算。為此，我們提出了ESU圖上基于雙向重啟隨機游走算法(BD -RWR)的節(jié)點重要度計算方法。活動主辦方的重要度、用戶和活動的重要度迭代計算分別如式(7)～式(9)所示。

其中，sej、uej和eej分別為第j維為1的單位向量。1-c為返回節(jié)點sej、uej和eej的概率。WSE、WSU、WUU和WUE分別為主辦方—活動、主辦方—用戶、用戶—用戶和用戶-活動的關系權重。

經過若干次迭代后，得到每個用戶ui的節(jié)點重要度。節(jié)點重要度越大，說明活動ei在ESU圖上對用戶產生的社交影響力越大，用戶越有可能參加活動ei。

為保證隨機游走算法迭代結果的收斂，不同算法采用了不同的策略。經典的PageRank在計算節(jié)點重要度時引入阻尼系數d，確保迭代過程中不會出現節(jié)點重要度為0的情況，即認為圖是強連通的，對應的矩陣是不可約的。對于重啟型隨機游走算法RWR而言，通過添加返回起始節(jié)點的概率，同樣達到了迭代結果收斂的目的。

定理1雙向重啟隨機游走算法BD-RWR是收斂的。

證明: 在計算主辦方的重要度時，考慮的是節(jié)點出度，添加了返回到自身節(jié)點概率(1-c)。式(7)的轉移概率矩陣WSE和WSU分別通過2.2.1節(jié)中的主辦方-活動權重、2.2.2節(jié)中主辦方-用戶權重計算方法得到，在迭代過程中保持不變?；顒庸?jié)點初始權重E0=1/|E|，E是活動集合，用戶節(jié)點初始權重U0=1/|U|，U是用戶集合。式(7)的主辦方重要度計算轉化為單向的重啟型隨機游走算法，只是與傳統(tǒng)的隨機游走算法的方向相反而已?？梢?，基于出度的主辦方重要度計算的迭代過程是收斂的。

在計算活動和用戶節(jié)點的重要度時，考慮到節(jié)點入度，添加了返回到自身節(jié)點概率(1-c)。式(8)的轉移概率矩陣WSU和WUU分別通過2.2.2節(jié)中的主辦方-用戶權重、2.2.3節(jié)中的用戶—用戶權重計算方法得到。式(9)的轉移概率矩陣WSE和WUE分別通過2.2.1節(jié)中的主辦方—活動權重、2.2.4節(jié)中的用戶-活動權重計算方法得到。主辦方節(jié)點初始權重S0=1/|S|，S是主辦方集合。式(8)的用戶重要度計算和式(9)的活動重要度計算轉化為單向重啟型隨機游走算法?？梢?，基于入度的活動和用戶重要度計算的迭代過程是收斂的。

由以上分析可見，雙向重啟隨機游走算法BD -RWR是收斂的。

2.3 活動內容因素

給定一個特定活動ei后，面向用戶推薦時，需要考慮ei的活動內容與用戶uj曾經參加過活動的相似性。假設用戶uj曾經參加過的活動集合記為E(uj)。

已有方法在計算活動ei與用戶參加過的活動E(uj)的相似度時，多是使用LDA模型從活動中提取主題，進而使用余弦相似度度量活動的相似性。

但由于EBSNs活動資料往往比較簡練，這加重了文本資料的稀疏性，不容易從文本中準確的提取出主題。而且把所有的活動混在一起提取主題，容易把用戶參加量小的活動淹沒。

對從豆瓣同城采集到的17 822個活動(實驗3.1節(jié))進行統(tǒng)計發(fā)現，其中85.7%的活動都帶有標簽，這為活動的相似度計算提供了便利。

使用活動的類型標簽計算活動的相似性，活動ei與E(uj)的相似度計算方法，如式(10)所示。

(10)

其中，CF(ei)表示活動ei的類型標簽集合，CF(E(uj))表示用戶uj參加過活動的類型標簽集合。

使用活動標簽的方法計算活動間的相似性不僅計算量小，而且效果也較好。實驗3.6節(jié)的結果表明，從活動內容的角度出發(fā)，使用LDA模型與使用活動標簽相比，F1-measure僅僅相差0.01。

2.4 活動地點因素

活動地點指活動線下舉辦的真實地點。和傳統(tǒng)社交媒體不同的是，線下活動的舉辦是EBSNs獨有的特點。因此，地點因素對決定是否向用戶推薦活動有重要的作用。

基于位置的社交網絡(Location-based Social Networks,LBSNs)相關的研究[引用]已經表明，隨著活動地點與用戶地點距離的增加，用戶參加活動的可能性會降低。通過對采集的豆瓣同城用戶參加活動地點的統(tǒng)計發(fā)現，用戶所在地點與活動舉辦地點服從冪率分布。即大多數用戶參加的活動，其地點都是離用戶地點是比較近的，在對數坐標下表現為一條直線。

圖3顯示了北京城市用戶參加活動與用戶地點之間的關系(數據描述詳見實驗3.1節(jié)，對數坐標)。

圖3 用戶參加活動的距離概率分布

活動ei地點與用戶uj地點的相關性計算如式(11)所示。

(11)

式(11)中，lei表示活動ei的地點，luj表示用戶uj的地點，dis(lei,luj)表示lei與luj的距離。地點都有一個經度和維度的數值，容易計算兩個地點的距離。

有的EBSNs在用戶注冊時，要求通過定位的方式輸入用戶的地點。例如，Meetup；有的EBSNs在用戶注冊時，地點是用戶選取的，而且只是到了地市級別，不夠具體，比如豆瓣同城。而用戶在注冊時通過定位方式輸入的注冊地點，并不一定就是用戶的工作或者居住地點。因此，我們使用用戶曾經參加過的活動地點估算用戶的具體地點。

EBSNs上舉辦的活動地點一般都比較具體。例如“東城區(qū)，東直門南大街14號，保利劇院”，通過地圖定位容易確定活動的經緯度值。假設用戶參加過的活動集合為uj.E={e1,e2,…,em}。每個活動的地點用經緯度表示，記為uj.ek=(lon,lat)(1≤k≤m)，用戶參加過活動的中心地點記為luj=(lon,lat)。uj.E包含活動的緯度的最大和最小值計算分別如式(12)、式(13)所示。

uj.E包含活動經度的最大和最小值計算分別如式(14)、式(15)所示。

則中心地點luj=(lon,lat)的經度和緯度的計算方法分別如式(16)、式(17)所示。

2.5 活動時間因素

人們參加活動受限于時間因素的影響，一般表現為天和周的周期性。例如，習慣每天下班后參加活動，或者每個周末參加活動。因此，時間因素對用戶能否參加活動有重要的影響。

將用戶曾經參加過的與活動ei同類型的活動集合記為E(uj)(每個活動都有類型標簽)，活動ei的舉辦時間記為tei，用戶參加過的同類型活動ek′∈E(uj)的舉辦時間記為tek，則活動ei的時間與同類型活動ek′的時間偏差如式(18)所示。

(18)

活動ei與用戶uj的時間偏差計算方法如式(19)所示。

(19)

式(19)在計算活動ei與用戶uj的時間偏差時，一方面考慮活動的類型，因為不同的時間，用戶參加的活動是不同的。例如，晚上參加聚會，而周末參加旅游；另一方面，使用用戶uj參加過的活動中與ei舉辦時間最靠近的活動時間偏差作為度量標準，可以避免求平均值帶來的偏差。

在計算活動時間的偏差時，不考慮年、月和日的差別，只考慮小時的偏差情況。例如，活動ei的舉辦時間tei=“2017年7月1日15點”，活動ek′的舉辦時間tek′=“2017年7月23日14點”，則(tei-tek′)2=(15-14)2=1。

3 實驗及分析

3.1 實驗數據及評價指標

本文選取豆瓣同城的數據作為實驗語料。豆瓣同城擁有超過3千萬用戶，且線下活動的開展活躍度也很高。近期的不少研究成果也都使用豆瓣作為實驗數據的來源，包括文獻[2,6,7,9,12]。

使用豆瓣提供的開放接口“API V2”獲取采集數據。例如，通過接口“https: //api.douban.com/v2/event/28684165”可以獲取一個活動JSON格式的信息。在采集用于分析的數據的時間段上，Zhang等[8]實驗結果表明，使用60天的數據進行分析效果已經足夠好。因此，我們采集了豆瓣同城北京市2017年3月1日—2017年4月30日，共計61天的數據。為了避免一些不活躍用戶或者活動對總體實驗結果的影響，刪除其中的一些非常不活躍的用戶及活動。感興趣/參加活動少于5個的用戶認為是冷啟動用戶，占所有用戶總數的9%；如果某個活動感興趣/參加的人數少于8個就認為是冷啟動活動，占所有活動總數的6%。經過對2個月的數據進行預處理之后，共得到8 663個用戶，17 822個活動，294個主辦方。

在EBSNs中，用戶對于某個活動用參加或者不參加來表示，可以將活動參加問題轉換為一個二分類問題。實驗時，隨機選取數據集中的80%用于訓練，其他的20%用于測試。

實驗方法通過WEKA平臺實現，WEKA是一個基于JAVA公開的數據挖掘工作平臺，集成了大量數據挖掘和機器學習算法，包括數據的預處理、分類、回歸、聚類、關聯規(guī)則和交互式界面上的可視化等等。

使用F1-measure=(2×P×R)/(P+R)作為評測指標，其中P是推薦用戶參加活動的準確率，R是推薦用戶參加活動的召回率。

3.2 實驗方法

本文共選用了6種實驗方法用于實驗的分析和比較，分別介紹如下:

? 基本的矩陣分解方法，它只考慮用戶-活動的參加結果，矩陣中元素的權值使用本文式(4)計算，簡記為MF；

? 使用了矩陣分解相關的信任傳播，整合了用戶-活動參加結果和簡單社交關系，用戶社交關系的構建使用本文提出的式(3)，類似于文獻[4]提出的方法，簡記為SocialMF，參數設置，λu=λv=0.1,λT=5;

? 文獻[9]提出的方法，簡記為MF-EUN-ER，影響力的閾值設置為0.5，活動的鄰居k1=50，用戶的鄰居k2=60，區(qū)域聚類個數t=20；

? 由于決策樹方法可讀性好，有助于人工分析，所以使用經典的J48決策樹方法檢驗本文所提4個因素的效果。四個因素的計算方法如第2節(jié)所述，其中用戶間關系權重參數α=β=0.5(經過實驗確定)，簡記為F4-DT-ER；

? 本文所提方法的變形，活動內容主題的提取使用LDA模型，其他因素計算方法不變，參考文獻[9]，對LDA涉及的參數分別設置為α=50/k,β=0.01，k為主題的個數，k=70，簡記為F4-C-DT-ER；

? 本文所提方法的變形，社交影響力的計算使用經典的PageRank方法，其他因素計算方法不變。類似于文獻[6-7]所提方法，簡記為F4-SI-DT-ER。

3.3 總體推薦結果

對于用戶參加活動的推薦總體結果，使用四種方法進行比較，分別是MF、SocialMF、MF-EUN-ER和F4-DT-ER。四種方法獲取的結果如表1所示。

表1 四種方法獲取的總體推薦結果

由表1可見，本文提出的方法F4-DT-ER獲取的結果最為理想。F1-measure=0.86，其次是MF-EUN-ER方法，F1-measure=0.80。四種方法中，MF的效果最差，F1-measure=0.67。主要原因是其僅僅從用戶和活動之間的關系出發(fā)，忽略了EBSNs上的很多其他關系，類似于傳統(tǒng)用戶—項目之間的推薦方法，這也說明傳統(tǒng)的推薦方法用于EBSNs的用戶參加活動推薦效果是比較差的。方法SocialMF的效果有所提升，F1-measure=0.72，原因是其考慮到了社交關系，考慮到了用戶間的信任傳播，但其僅僅是考慮了用戶之間的社交關系，對其他實體間的關系利用不夠。方法MF-EUN-ER根據EBSNs具有的特點，考慮到了活動內容、活動地點及社交關系，得到的結果有了很大程度的改善，F1-measure值比NMF提高了0.13，比SocialMF提高了0.08。本文所提方法F4-DT-ER深入的分析利用了EBSNs獨有的社交關系特點，提出了ESU圖的用戶影響力計算方法，很好的利用了活動的內容、地點及時間因素，取得了最好的效果。

這說明，對EBSNs而言，需要抓住其獨有的特點，綜合的考慮多個方面的因素，才能取得更好的用戶參加活動推薦結果。而本文所提的ESU圖表示模型、社交影響力計算方法、活動推薦多因素決策模型都是EBSNs所獨有的特點。

3.4 不同特征的貢獻

為了檢驗4類因素對用戶參加活動推薦結果的影響，使用經典J48決策樹，對4類因素進行考察。僅僅使用內容因素C、空間因素L、時間因素T和社交影響因素SI的方法，分別記為C-DT-ER、L-DT-ER、T-DT-ER和SI-DT-ER。不考慮社交影響因素SI，只使用內容因素C、空間因素L和時間因素T，該方法記為CLT-DT-ER。只使用社交影響因素，不考慮內容因素C、空間因素L和時間因素T，該方法記為SI-DT-ER。共計使用6種方法進行實驗的對比和分析。

對每種方法，進行4次交叉檢驗，最后取平均值。6種方法得到結果如表2所示。

表2 六種方法獲取的推薦結果

由表2可見，方法T-DT-ER、L-DT-ER、C-DT-ER和SI-DT-ER都使用單一的因素進行用戶參加活動推薦，效果最好的是SI-DT-ER，F1-measure為0.69。這說明在EBSNs上，有效的利用ESU圖的社交關系，進行合理的影響力計算便可以取得較好的效果。單一的使用時間T效果最差，F1-measure為0.32。因為時間T雖然靠近，但活動的內容用戶不一定感興趣，地點可能離用戶較遠，不方便參加。單一的使用地點L效果也很差，F1-measure為0.33。因為地點L雖然靠近，但活動的內容用戶不一定感興趣，用戶不一定有時間參加。單一的使用內容C效果有所提升，F1-measure為0.55，這說明內容因素發(fā)揮的作用較大。方法CLT-DT-ER使用了內容C、地點L和時間T因素，F1-measure為0.72，效果已經較好。方法F4-DT-ER有效的利用了EBSNs上的四類因素，取得了最好的效果。

3.5 社交影響力計算的影響

本文在EBSNs上，根據ESU圖實體獨有的入度和出度的特點，分實體類型使用雙向重啟隨機游走算法迭代計算節(jié)點的重要度。為了檢驗本文所提社交影響力計算方法的有效性，使用兩種方法進行實驗分析和比較，分別是F4-DT-ER和F4-SI-DT-ER。

對每種方法，進行四次交叉檢驗，最后取平均值。方法F4-DT-ER和F4-SI-DT-ER得到的推薦結果如表3所示。

表3 方法F4-DT-ER和F4-SI-DT-ER獲取的推薦結果

由表3可見，方法F4-SI-DT-ER的效果也比較理想，F1-measure為0.75。PageRank方法強調節(jié)點的入度，在ESU圖上，對活動、用戶兩類實體計算是合理的。但對主辦方而言，其實體影響力的計算應該使用其出度。方法F4-DT-ER在計算節(jié)點影響力時，采用分而治之的策略，對不同實體采用不同的計算方法，體現出了ESU圖獨有的社交特性，因此取得的效果最好。

3.6 內容特征提取的影響

活動內容主題的提取，對基于內容進行活動推薦有重要的影響。已有的方法多是使用LDA模型提取活動主題，本文根據EBSNs上的活動標簽描述比較豐富(約85.7%的活動有標簽)的特點，使用標簽計算活動之間的相似性。為了檢驗所提方法的有效性，使用兩種方法F4-DT-ER和F4-C-DT-ER進行實驗比較。對采集到的17 822個活動，刪除沒有標簽的活動，還剩下15 273個活動。對這些活動，同樣是隨機選取80%進行訓練，20%進行測試。

對每種方法，進行四次交叉檢驗，最后取平均值。方法F4-DT-ER和F4-C-DT-ER得到的推薦結果如表4所示。

表4 方法F4-DT-ER和F4-C-DT-ER獲取的推薦結果

由表4可見，方法F4-C-DT-ER的效果非常理想，F1-measure為0.85。這說明使用LDA模型提取活動的主題是能夠獲取較好的效果，相比方法F4-DT-ER使用活動的標簽僅相差0.01。但基于LDA模型的活動內容相關度計算的復雜度遠遠高于基于活動標簽的方法。因此，對EBSNs而言，使用活動標簽計算內容相似度，不但計算工作量小，而且能夠獲取較好的效果。

4 總結及展望

本文以活動社交網絡EBSNs的用戶參與新活動推薦為出發(fā)點，在總結已有研究方法的優(yōu)點及不足的基礎上，提出了EBSNs的活動—主辦方—用戶(ESU)圖表示模型，揭示了EBSNs上的實體及其復雜的關聯關系。由于用戶參加活動受多方面因素的影響，在ESU圖的基礎上，提出了活動推薦多因素決策模型。進而，根據ESU圖的特點，提出了分實體類型的基于雙向重啟隨機游走算法的節(jié)點重要度計算方法。選取豆瓣同城進行了數據的采集、推薦模型、各個因素計算方法的對比分析。

雖然本文在EBSNs的用戶參加活動推薦方向取得了一定的進展，但針對如下問題還需要進一步提升: ①本文的活動推薦面向的主要是EBSNs的活躍用戶，冷啟動用戶參與活動的推薦需要借鑒已有的方法并結合EBSNs獨有的特點加以解決； ②EBSNs活動內容的描述體現在活動名稱(活動概述)、活動詳情、活動標簽、活動類型等等方面，如何全面的衡量活動之間的相似度需要進一步研究； ③用戶在EBSNs上，除了有與活動相關的信息外，還有用戶喜歡、用戶日記、用戶相冊、用戶評論等等信息。這些信息對用戶參加活動的推薦作用如何，需要進一步研究； ④面向EBSNs，除了進行用戶參加活動的推薦研究之外，其他內容也需要深入研究。含主辦方和用戶行為分析，社區(qū)檢測(含重疊社區(qū))，社區(qū)及用戶的傾向性分析等等。

致謝

感謝江蘇金鴿網絡科技有限公司為本研究提供的實驗數據集。