检索结果

Select

1. 基于新奇度量的社交事件推荐方法

孙滔, 段张甜, 朱浩楠, 郭沛豪, 孙鹤立

《计算机应用》唯一官方网站 2024, 44 (3): 760-766. DOI: 10.11772/j.issn.1001-9081.2023030362

摘要（127）

HTML （4）

PDF （919KB）（80）

在社交事件网络（EBSN）中，推荐工作都是从用户的历史喜好出发建模用户偏好，阻碍了用户接触新事物的范围和途径。针对上述问题，提出基于新奇度量的社交事件推荐模型UER（Unexpectedness-based Event Recommendation）。UER模型包括Base和Unexpected两个子模型，首先，Base子模型基于用户、事件以及用户历史事件交互序列特征，通过注意力机制衡量事件在用户历史喜好中的权重，最终预测用户参加事件的概率；其次，Unexpected子模型通过自注意力机制提取用户的多个兴趣表示来计算用户自身新奇度和候选事件对用户的新奇值，从而衡量推荐事件的新奇程度。在Meetup-加州数据集上，UER模型相较于DIN（Deep Interest Network）和PURS（Personalized Unexpected Recommender System）的推荐命中率（HR）分别提高22.9%和30.3%，归一化折损累积收益（NDCG）分别提高27.5%和42.3%，推荐事件的新奇程度分别提高54.5%和21.4%；在Meetup-纽约数据集上，UER模型相较于DIN和PURS的HR分别提高18.2%和21.8%，NDCG分别提高26.9%和32.0%，推荐事件的新奇程度分别提高52.6%和20.8%。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于生成对抗网络的事件描述生成

孙鹤立, 孙玉柱, 张晓云

计算机应用 2021, 41 (5): 1256-1261. DOI: 10.11772/j.issn.1001-9081.2020081242

摘要（372）

PDF （971KB）（706）

在基于事件的社会网络（EBSN）中，自动生成社交事件（Social Event）的事件描述（Event Description）供组织者参考，从而有效避免描述贫乏、描述过度、精准度低的问题，易于形成丰富、准确、高吸引力的事件描述。为了自动生成与真实事件描述足够相似的文本，提出了一种生成对抗网络（GAN）模型GAN_PG来生成事件描述。GAN_PG模型中的生成模型（Generator）采用变分自编码器（VAE），判别模型（Discriminator）采用带门控循环单元（GRU）的神经网络。模型训练时借鉴了强化学习中的策略梯度（PG）下降，并通过设计合理的奖励函数来训练生成器生成事件描述。实验结果表明，设计的模型生成事件描述的BLEU-4值达到了0.67，证明了提出的事件描述生成模型GAN_PG可以无监督地产生与自然语言足够相似的事件描述。

参考文献 | 相关文章 | 多维度评价

Select

3. 融合用户历史行为与社交关系的个性化社交事件推荐方法

孙鹤立, 徐统, 何亮, 贾晓琳

计算机应用 2021, 41 (2): 324-329. DOI: 10.11772/j.issn.1001-9081.2020050666

摘要（391）

PDF （919KB）（623）

为了提升基于事件的社交网络（EBSN）中社交事件的推荐效果，提出了融合用户历史行为和社交关系的个性化社交事件推荐方法。首先采用深度学习技术从用户的历史行为以及用户之间的潜在社交关系两个方面建立用户模型；然后在对用户偏好建模时，引入用户偏好的负向量表示，并使用注意力权重层根据不同的候选推荐事件为用户历史行为中不同的事件和用户社交关系中不同的好友分配不同的权重，同时考虑了事件以及群组的多种特征；最后在真实数据集上进行了大量实验。实验结果表明，该个性化社交事件推荐方法在命中率（HR）、归一化折损累计增益（NDCG）、平均倒数排名（MRR）评价指标上优于对比的深度用户社交事件推荐（DUMER）模型和融合注意力机制的深度兴趣网络（DIN）模型。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于事件描述的社交事件参与度预测

孙鹤立, 孙玉柱, 张晓云

计算机应用 2020, 40 (11): 3101-3106. DOI: 10.11772/j.issn.1001-9081.2020030418

摘要（444）

PDF （676KB）（629）

在基于事件的社会网络（EBSNs）的相关研究中，基于事件描述来预测社交事件参与度是难点问题。相关的研究非常有限，研究难度主要来自对事件描述评价的主观性和语言建模算法的局限性。针对这些问题，首先定义了成功事件、相似事件和事件相似度等概念，并基于这些概念将采集自Meetup平台的社交数据进行抽取，同时分别设计了基于拉索回归、卷积神经网络（CNN）和门控循环神经网络（GRNN）的分析预测方法。实验时，先从抽取过的数据中选取部分数据训练三种模型，然后用剩余的数据进行分析预测。结果显示，相较于不含事件描述的事件，经过拉索回归模型处理的事件在不同分类器下的预测准确率可提高2.35%~3.8%，经过GRNN模型处理的事件在不同分类器下的预测准确率可提高4.5%~8.9%，而CNN模型的处理结果不理想。证明了事件描述能够提高事件参与度，GRNN模型在三个模型中预测准确率最高。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于时间线段树的城市可达区域搜索

孙鹤立, 张优优, 杨洲, 何亮, 贾晓琳

计算机应用 2020, 40 (10): 2936-2941. DOI: 10.11772/j.issn.1001-9081.2020020231

摘要（335）

PDF （1286KB）（474）

针对城市计算中的可达区域搜索问题，提出一种基于时间线段树的搜索方法。该方法中，设计了存储局部可达区域的时间线段树结构，并提出动态自适应的可达区域搜索算法，从而提高了城市可达区域搜索的效率与准确率。该方法主要包括4个步骤：根据道路速度分布模型和轨迹数据生成道路段的概率时间权重；利用层级跳跃表算法进行短时间可达区域的查询与存储；利用时间线段树对层级可达区域建立高效的索引结构；使用时间线段树索引在道路网络中进行迭代搜索，最终输出可达区域集合。在北京市道路网络和出租车轨迹数据集上进行了大量实验，结果表明，与最新的单点上下界限区域可达查询（SQMB）方法比较，该方法在时间效率和准确率上分别提高了18.6%和25%。

参考文献 | 相关文章 | 多维度评价

Select

6. 基于网络嵌入的稀疏子图发现算法

孙鹤立, 何亮, 何方, 孙苗苗, 贾晓琳

计算机应用 2020, 40 (10): 2929-2935. DOI: 10.11772/j.issn.1001-9081.2020020207

摘要（372）

PDF （1167KB）（668）

针对稀疏子图发现问题中使用高维稀疏向量表示网络信息存在的时间和空间消耗大的问题，提出一种基于网络嵌入的稀疏子图发现（TGF）算法。该算法首先通过网络嵌入的方法将网络结构映射到低维空间中，得到节点的低维向量表示；然后定义向量空间中的稀疏子集发现问题，将稀疏子图发现问题转化为稀疏子集发现问题；迭代搜索局部密度最低的样本点并对其进行扩张，最终找到一个满足条件的最大稀疏子集。实验结果表明，在Synthetic_1000数据集上与TERA（Triangle and Edge Reduction Algorithm）和WK（Weight of K-hop）算法相比，TGF算法的搜索效率是TERA的1 353倍，是WK算法的4倍，并且在 k-line、 k-triangle和 k-density指标上也取得了较优的结果。

参考文献 | 相关文章 | 多维度评价