基于沖突選擇模型的用戶偏好挖掘及活動參與預測研究.pdf

1、近年來，基于位置的社交網絡(LBSNs)的蓬勃發(fā)展，特別是隨著線下社交活動組織平臺的建立，使得互聯網上的陌生人可以在現實世界中相見。這種全新的商業(yè)模式為線下活動的組織者提出了新的挑戰(zhàn)，例如設計活動方案以及預測活動參加人數。直覺上，這些服務依賴于對于用戶偏好的準確評估。然而，因為用戶參加活動可能出于多種動機，即用戶參加了活動并不一定體現了用戶的真實偏好，所以傳統(tǒng)的基于分析用戶歷史參加活動記錄的推薦技術可能不能準確地挖掘出用戶的真實偏好。與

2、此同時，我們發(fā)現用戶有時會面臨“沖突-選擇”的現象，即用戶同時收到多個線下活動的邀請，但是由于興趣、時間、經費等原因，用戶只能選擇參加部分活動，并拒絕其他活動的邀請。我們認為這種“沖突-選擇”現象可能會更好地反應出用戶的真實偏好。因此，準確地建模這種“沖突-選擇”現象將更加有利于對用戶行為的理解。
　　本文設計了一種新穎的基于“沖突-選擇”現象的模型，重建用戶面臨多個活動邀請時的決策過程。具體而言，從選擇模型中的“效用”的視角，本

3、文公式化了用戶的“沖突-選擇”效用，并且整合了用戶基于活動內容的效用、基于社交關系的效用和基于活動消費的效用，這樣，本文提出的模型可以同時挖掘用戶對于活動內容的偏好，對于社交關系的偏好以及對于活動消費的偏好。此外，本文將“沖突-選擇”三元組中的選擇問題轉化為成對的排序問題，并提出一個基于排序學習的優(yōu)化模型框架的解決方案。本文在真實的數據集上進行了系統(tǒng)的實驗，結果表明，“沖突-選擇”框架的準確率明顯優(yōu)于其他基線算法。此外，本文進行了基于網