دانلود مقاله توصیه رویداد متنی در شبکه های اجتماعی مبتنی بر رویداد
تعداد کلمات فایل انگلیسی:5648 کلمه 8 صفحه pdf
تعداد صفحات فایل ترجمه:16 صفحه word فونت 12 B Nazanin
توصیه رویداد متنی در شبکه های اجتماعی مبتنی بر رویداد
چکیده
وب به یکی از مهمترین کانال ها برای ارتباط رویدادهای اجتماعی امروز تبدیل شده است. با این حال، حجم مطلق رویدادهای موجود در شبکه های اجتماعی مبتنی بر رویداد (EBSN ها) اغلب توانایی کاربران را برای انتخاب رویدادهایی که با علایق آنها بهتر تناسب دارد، تضعیف می کند. سیستم های توصیه گر به عنوان یک راه حل طبیعی برای این مشکل ظاهر می شوند، اما از سناریوهای توصیه کلاسیک (مثلا فیلم ها، کتاب ها) متفاوت هستند، مسئله توصیه رویداد به طور ذاتی cold-start است. در حقیقت، رویدادهای منتشر شده در EBSN ها عموما کوتاه مدت هستند و به طور مشخص، همیشه در آینده هستند، دارای اثر کم و یا بدون هیچ اثری بر حضور تاریخی می باشند. برای غلبه بر این محدودیت، ما پیشنهاد می کنیم که از چندین سیگنال متنی موجود در EBSN استفاده شود. به طور خاص، ما علاوه بر سیگنال های مبتنی بر محتوا بر اساس شرح وقایع و سیگنال های هماهنگ کننده حاصل از RSVP های کاربران، از سیگنال های اجتماعی مبتنی بر عضویت در گروه، سیگنال های موقعیت مکانی براساس ترجیحات جغرافیایی کاربران و سیگنال های موقتی مشتق شده از تنظیمات زمانهای کاربران استفاده می کنیم. علاوه بر این، ما سیگنال های پیشنهاد شده را برای یادگیری برای رتبه بندی رویدادها برای توصیه های شخصی ترکیب می کنیم. آزمایش های کامل با استفاده از یک crawl بزرگ از Meetup.com نشان می دهد که اثربخشی رویکرد یادگیری متنی پیشنهادی ما در تقابل با پیشرفته ترین توصیه گرهای رویداد در حال حاضر از این نوشتار است.
کلمات کلیدی
شبکه های اجتماعی مبتنی بر رویداد، سیستم های توصیه گر
Context-Aware Event Recommendation in Event-based Social Networks
ABSTRACT
The Web has grown into one of the most important channels to communicate social events nowadays. However, the sheer volume of events available in event-based social networks (EBSNs) often undermines the users’ ability to choose the events that best fit their interests. Recommender systems appear as a natural solution for this problem, but differently from classic recommendation scenarios (e.g. movies, books), the event recommendation problem is intrinsically cold-start. Indeed, events published in EBSNs are typically short-lived and, by definition, are always in the future, having little or no trace of historical attendance. To overcome this limitation, we propose to exploit several contextual signals available from EBSNs. In particular, besides content-based signals based on the events’ description and collaborative signals derived from users’ RSVPs, we exploit social signals based on group memberships, location signals based on the users’ geographical preferences, and temporal signals derived from the users’ time preferences. Moreover, we combine the proposed signals for learning to rank events for personalized recommendation. Thorough experiments using a large crawl of Meetup.com demonstrate the effectiveness of our proposed contextual learning approach in contrast to state-of-the-art event recommenders from the literature.
Keywords:Event-based social networks; recommender systems
کد:3-10778
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله توصیه رویداد متنی در شبکه های اجتماعی مبتنی بر رویداد
تعداد کلمات فایل انگلیسی:5648 کلمه 8 صفحه pdf
تعداد صفحات فایل ترجمه:16 صفحه word فونت 12 B Nazanin
توصیه رویداد متنی در شبکه های اجتماعی مبتنی بر رویداد
چکیده
وب به یکی از مهمترین کانال ها برای ارتباط رویدادهای اجتماعی امروز تبدیل شده است. با این حال، حجم مطلق رویدادهای موجود در شبکه های اجتماعی مبتنی بر رویداد (EBSN ها) اغلب توانایی کاربران را برای انتخاب رویدادهایی که با علایق آنها بهتر تناسب دارد، تضعیف می کند. سیستم های توصیه گر به عنوان یک راه حل طبیعی برای این مشکل ظاهر می شوند، اما از سناریوهای توصیه کلاسیک (مثلا فیلم ها، کتاب ها) متفاوت هستند، مسئله توصیه رویداد به طور ذاتی cold-start است. در حقیقت، رویدادهای منتشر شده در EBSN ها عموما کوتاه مدت هستند و به طور مشخص، همیشه در آینده هستند، دارای اثر کم و یا بدون هیچ اثری بر حضور تاریخی می باشند. برای غلبه بر این محدودیت، ما پیشنهاد می کنیم که از چندین سیگنال متنی موجود در EBSN استفاده شود. به طور خاص، ما علاوه بر سیگنال های مبتنی بر محتوا بر اساس شرح وقایع و سیگنال های هماهنگ کننده حاصل از RSVP های کاربران، از سیگنال های اجتماعی مبتنی بر عضویت در گروه، سیگنال های موقعیت مکانی براساس ترجیحات جغرافیایی کاربران و سیگنال های موقتی مشتق شده از تنظیمات زمانهای کاربران استفاده می کنیم. علاوه بر این، ما سیگنال های پیشنهاد شده را برای یادگیری برای رتبه بندی رویدادها برای توصیه های شخصی ترکیب می کنیم. آزمایش های کامل با استفاده از یک crawl بزرگ از Meetup.com نشان می دهد که اثربخشی رویکرد یادگیری متنی پیشنهادی ما در تقابل با پیشرفته ترین توصیه گرهای رویداد در حال حاضر از این نوشتار است.
کلمات کلیدی
شبکه های اجتماعی مبتنی بر رویداد، سیستم های توصیه گر
Context-Aware Event Recommendation in Event-based Social Networks
ABSTRACT
The Web has grown into one of the most important channels to communicate social events nowadays. However, the sheer volume of events available in event-based social networks (EBSNs) often undermines the users’ ability to choose the events that best fit their interests. Recommender systems appear as a natural solution for this problem, but differently from classic recommendation scenarios (e.g. movies, books), the event recommendation problem is intrinsically cold-start. Indeed, events published in EBSNs are typically short-lived and, by definition, are always in the future, having little or no trace of historical attendance. To overcome this limitation, we propose to exploit several contextual signals available from EBSNs. In particular, besides content-based signals based on the events’ description and collaborative signals derived from users’ RSVPs, we exploit social signals based on group memberships, location signals based on the users’ geographical preferences, and temporal signals derived from the users’ time preferences. Moreover, we combine the proposed signals for learning to rank events for personalized recommendation. Thorough experiments using a large crawl of Meetup.com demonstrate the effectiveness of our proposed contextual learning approach in contrast to state-of-the-art event recommenders from the literature.
Keywords:Event-based social networks; recommender systems
کد:3-10778
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com