一种社交网络事件推荐方法及系统技术方案

本发明专利技术公开了一种社交网络事件推荐方法及系统，对社交网络数据集进行数据清洗及数据提取，得到社交网络中的用户数据、事件数据及用户参与事件的记录数据，作为实验数据集；采用特征编码方式，根据用户数据、事件数据及用户参与事件的记录数据生成用户特征和事件特征；使用深度学习方法，利用用户、事件特征对用户是否参加事件进行任务训练，学习用户对事件的评分；根据确定的用户评分大小进行排序，为用户推荐评分最高的事件。本发明专利技术对现有的社交网络事件推荐方法进行了改进，提高了向用户推荐事件的准确性和时间效率。荐事件的准确性和时间效率。荐事件的准确性和时间效率。

【技术实现步骤摘要】
一种社交网络事件推荐方法及系统


[0001]本专利技术属于数据挖掘
，具体涉及一种社交网络事件推荐方法及系统。

技术介绍

[0002]近年来，在线离线商业模式进入了高速发展阶段，在线社交网络在此背景下也产生了与线下服务相结合的新型社交网络，即基于事件的社交网络，简称社交事件网络。在该网络中用户通过加入群组、约定参与群组的事件实现在线交互，前往事件举办地参与此线下事件实现离线交互。社交网络事件推荐是社交事件网络的一个经典问题，目的是为用户推荐其喜爱的事件。与传统的电影、购物等推荐场景不同，社交网络事件推荐问题面临着严重的“冷启动”问题：由于社交事件网络中事件总是发生在未来，事件没有历史参加记录，即每个发布的事件都为新事件。因此在社交事件网络中，“冷启动”也是社交网络事件推荐方法必须解决的问题。
[0003]现有的社交网络事件推荐方法通常是计算事件与用户的时间偏好、社交偏好、内容偏好间的相似度，综合上述偏好信息计算用户对事件的评分，按照评分进行推荐。具体的推荐过程如下：
[0004]1)设计用户对于各个偏好的评分公式，如用户经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种社交网络事件推荐方法，其特征在于，包括以下步骤：S1、对社交网络数据集进行数据清洗及数据提取，得到社交网络中的用户数据、事件数据及用户参与事件的记录数据，作为实验数据集；S2、采用特征编码方式，根据步骤S1得到的用户数据、事件数据及用户参与事件的记录数据生成用户特征和事件特征；S3、使用深度学习方法，利用步骤S2得到的用户、事件特征对用户是否参加事件进行任务训练，学习用户对事件的评分；S4、根据步骤S3确定的用户评分大小进行排序，为用户推荐评分最高的事件。2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：以用户参与事件数大于10且事件参与人数大于10作为条件，对社交网络数据集数据进行筛选；选择用户新加入群组的事件及回复记录，得到用户信息为用户id，事件信息为事件id和事件类别，用户参与事件信息为用户id，事件id，用户是否参与事件记录。3.根据权利要求1所述的方法，其特征在于，步骤S2中，生成的用户特征包含用户id，生成的事件特征为用户参与的事件的特征，包含事件id及事件类别；将用户特征和事件特征转换为多位01编码，选择用户特征编码和事件特征编码中最长的编码长度作为最终用户特征和事件特征的编码长度。4.根据权利要求3所述的方法，其特征在于，将用户特征转换为多位01编码具体为：将映射后的int型用户id转换为多位01编码作为用户特征编码。5.根据权利要求3所述的方法，其特征在于，将事件特征转换为多位01编码具体为：将映射后的int型事件id转换为多位01编码，事件类别为1～36的int型数字，将int型数字转换为将事件id与事件类别对应的01编码进行拼接，得到事件特征编码。6.根据权利要求1所述的方法，其特征在于，步骤S3具体为：将步骤S1得到的实验数据集分为训练集和测试集；构...

【专利技术属性】
技术研发人员：孙鹤立，段张甜，姜晓龙，何亮，贾晓琳，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：