软件学报:jos:5284 · 记录 #1
随着基于活动的社交网络的迅速发展，活动推荐已成为一个重要的工具，帮助人们在线上发现有趣的活动，并在线下面对面地参与活动.但是，相对于传统的推荐系统，活动推荐面临着很多挑战.（1）用户只能参与很少的活动，这就导致一个非常稀疏的用户-活动矩阵；（2）用户对活动的响应是隐性反馈；（3）活动本身有生命周期，已经过期的活动不能再向用户推荐；（4）每天会有很多新的活动产生，需要及时向用户推荐.为了应对这些挑战，提出一个联合建模异构社交和内容信息的活动推荐模型.该模型可同时探索用户的线上和线下社交活动，并结合活动内容建模用户对活动的决策行为.在Meetup数据集上做实验以评估所提出模型的性能.实验结果表明，提出的模型优于其他方法.
这些页面提供论文线索，不代表同行评审或质量认证。
此版本尚未生成 AI 解读。解读由后台任务生成并按论文版本保存，登录后共享已有结果。
2017 · 正式发表 · DOI: 10.13328/j.cnki.jos.005284
目前只观测到一个版本，无法比较变化。之后收录新版本时，会在这里对照标题、作者、分类和摘要。
平台记录号代表本站观测到的元数据变化，不是作者修订号。来源日期仅到月份或年份时，按该月或该年首日存档。
随着基于活动的社交网络的迅速发展，活动推荐已成为一个重要的工具，帮助人们在线上发现有趣的活动，并在线下面对面地参与活动.但是，相对于传统的推荐系统，活动推荐面临着很多挑战.（1）用户只能参与很少的活动，这就导致一个非常稀疏的用户-活动矩阵；（2）用户对活动的响应是隐性反馈；（3）活动本身有生命周期，已经过期的活动不能再向用户推荐；（4）每天会有很多新的活动产生，需要及时向用户推荐.为了应对这些挑战，提出一个联合建模异构社交和内容信息的活动推荐模型.该模型可同时探索用户的线上和线下社交活动，并结合活动内容建模用户对活动的决策行为.在Meetup数据集上做实验以评估所提出模型的性能.实验结果表明，提出的模型优于其他方法.
查看此版本解读 →查看此版本原文 ↗