基于事件的社交网络上的Top-k活动与同伴检索方法研究

基于事件的社交网络上的Top-k活动与同伴检索方法研究

论文摘要

基于事件的在线社交网络(Event-based Social Network,EBSN)在近十多年的时间发展迅猛,引起了学术界的极大关注。EBSN是以活动为媒介将线上与线下相结合的社交网络。它包括线上发布活动、预约报名,到线下参与活动的过程,用户既可以线上交友,又可以实际参与该活动,线下交友,这是传统的社交网站没有的。由于线上线下双重网络的复杂性,其信息类型非常丰富,现有许多围绕推荐展开的研究工作,比如单一的活动、朋友、地点推荐,以及最近出现的活动同伴对推荐,但这些推荐算法计算量很大,延时较长,且不能满足用户主动检索数据的需求。检索算法虽然允许用户自主检索,但它的缺点是只能返回与查询关键词直接相关的结果,返回的结果类型较为单一,无法满足用户在实际场景中的需求。另外,用户很可能由于无人陪伴而放弃参加活动。为了弥补上述缺点,并考虑到同伴对用户参与活动的重要性,本文综合检索技术和推荐技术的优点,将关键词检索与推荐技术融合在一起,提出一种新的检索模型:top-k活动同伴对(top-k event-partner,kEP)检索模型,围绕它展开的工作内容包括如下方面:(1)提出一种新的kEP检索模型:用户输入查找活动的关键词,算法返回相关活动并为每个活动匹配一个最佳同行同伴,将前k个最匹配的活动同伴结果对返回给用户。(2)针对kEP检索模型提出一种高效的kEP检索计算框架:(1)设计活动用户的有向图和倒排索引Ⅱd,以快速检索数据。(2)设计相似度阈值以提前终止算法。(3)采用rank join边计算边排序的思想,设计并对比rank join的两种检索策略:nested loop join和ripple join。(3)为了进一步提高算法的检索效率,本文提出三个剪枝优化技术:(1)无效活动的剪枝能剔除不可能成为候选结果的活动。(2)关键同伴方法能快速找到结果对。(3)高效的同伴查找方法能快速为某个活动找到一个最佳同伴。(4)爬取EBSN的大量真实数据,在该数据上的实验结果证明三个剪枝优化技术能大大提高检索计算框架的检索效率,ripple join方法优于nested loop join方法。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  •   1.1 研究背景
  •   1.2 研究目的
  •   1.3 国内外研究现状
  •     1.2.1 EBSN上的推荐算法
  •     1.2.2 基于rank Join思想的检索算法
  •   1.4 研究内容
  •   1.5 论文组织结构
  • 第2章 kEP检索模型
  •   2.0 EBSN数据模型
  •   2.1 kEP查询定义
  •   2.2 余弦相似度
  •   2.3 同行相似度
  •   2.4 kEP检索模型示例
  • 第3章 kEP检索计算框架
  •   3.1 候选活动模块
  •   3.2 候选同伴模块
  •   3.3 rank join模块
  •   3.4 算法流程
  •   3.5 算法运行示例
  • 第4章 基于kEP检索计算框架的优化技术
  •   4.1 无效活动的剪枝
  •   4.2 关键同伴
  •   4.3 高效的同伴计算方法
  •   4.4 剪枝技术示例
  •   4.5 时间复杂度和空间复杂度分析
  • 第5章 实验结果
  •   5.1 实验数据
  •   5.2 实验方案
  •   5.3 实验结果及讨论
  •     5.3.1 改变ripple join候选同伴参数(系统参数实验)
  •     5.3.2 改变返回结果对的个数k
  •     5.3.3 改变查询关键词的个数
  •     5.3.4 改变权重α
  •     5.3.5 改变阈值τ
  •     5.3.6 本章小结
  • 第6章 总结和展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间的研究成果
  • 文章来源

    类型: 硕士论文

    作者: 朱艺

    导师: 黄哲学

    关键词: 基于事件的社交网络,关键词检索,推荐,算法

    来源: 深圳大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,计算机软件及计算机应用

    单位: 深圳大学

    分类号: O157.5;TP391.3

    总页数: 63

    文件大小: 3700K

    下载量: 16

    相关论文文献

    • [1].一种适用于社交网络分析的分层社区检测算法[J]. 信息与电脑(理论版) 2019(24)
    • [2].图片[J]. 应用写作 2020(01)
    • [3].社交网络中的“自恋”和“表演”[J]. 传播力研究 2019(35)
    • [4].移动社交网络营销效果的影响因素实证研究[J]. 市场论坛 2019(11)
    • [5].基于社交网络的分布式机制设计[J]. 南京大学学报(自然科学) 2020(01)
    • [6].基于分层社区的社交网络异常事件检测模型研究[J]. 电脑知识与技术 2020(04)
    • [7].学术社交网络信息质量的治理和提升[J]. 图书情报工作 2019(23)
    • [8].在线社交网络控制实验的现状与展望[J]. 浙江大学学报(理学版) 2020(01)
    • [9].青少年自恋人格与问题性社交网络使用的关系:链式中介作用分析[J]. 中国特殊教育 2020(01)
    • [10].道德推脱与身份转化:社交网络欺凌中的旁观者效应[J]. 湖南大学学报(社会科学版) 2020(02)
    • [11].国内外学术社交网络的特征及案例分析[J]. 现代情报 2020(04)
    • [12].社交网络平台的盈利模式探析[J]. 中国集体经济 2020(10)
    • [13].社交网络用户发布模式和兴趣预测研究[J]. 计算机工程与应用 2020(09)
    • [14].学术社交网络用户使用动机与功能采纳的特征构成及关联分析[J]. 图书馆学研究 2020(06)
    • [15].超图结构下的在线社交网络中隐性影响力评估[J]. 系统工程学报 2020(01)
    • [16].社交网络文化语境下竖屏剧的创作研究[J]. 声屏世界 2020(04)
    • [17].《社交网络》:传记电影的虚构与拓写[J]. 电影文学 2020(09)
    • [18].社交网络平台对农村留守儿童社会化的影响[J]. 知识经济 2020(06)
    • [19].论社交型网络犯罪的防控体系构建[J]. 法制与社会 2020(13)
    • [20].科研机构用户利用学术社交网络的学科差异研究[J]. 情报科学 2020(06)
    • [21].图片介入社交网络带来的界面设计与功能[J]. 新闻文化建设 2020(03)
    • [22].基于异构社交网络信息和内容信息的事件推荐[J]. 软件学报 2020(04)
    • [23].韩国“N号房”事件对我国“社交网络儿童性剥削”问题的警示[J]. 青少年犯罪问题 2020(03)
    • [24].社交网络视角下高校图书馆知识服务创新探析[J]. 传媒论坛 2020(15)
    • [25].科技型中小企业社交网络招聘模式问题及对策研究[J]. 河北企业 2020(06)
    • [26].社交网络使用会影响用户心理健康么?——一项元分析研究[J]. 信息资源管理学报 2020(04)
    • [27].父母监督儿童使用社交网络的调查研究[J]. 教育文化论坛 2020(04)
    • [28].浅析“社交网络过度使用”术语使用混乱现象[J]. 现代交际 2020(12)
    • [29].在线社交网络的社区发现研究进展[J]. 图书情报工作 2020(09)
    • [30].在线社交网络信息流行度预测综述[J]. 计算机应用研究 2020(S1)

    标签:;  ;  ;  ;  

    基于事件的社交网络上的Top-k活动与同伴检索方法研究
    下载Doc文档

    猜你喜欢