活动社交网络EBSNs上冷启动推荐方法
2021-11-08仲兆满
仲兆满，李 恒，管 燕，李 慧
(1.江苏海洋大学 计算机工程学院，江苏 连云港 222005；2.江苏省海洋资源开发研究院，江苏 连云港 222005)
0 引 言
近期，以活动为中心的社交网络引起了研究者的关注，该类社交网络被称为活动社交网络(event-basedsocial networks,EBSNs)[1-2]，其通过线上的活动组织、参加及分享，最终达到促进线下真实世界人们交流的目的，比如Facebook Events,LindkedIn Events,Meetup以及豆瓣同城等。
与一般的社交媒体不同，EBSNs是以活动为中心的社交媒体，目前面向EBSNs的研究成果多是活跃用户/活动的推荐，即用户和活动有可以分析利用的历史数据。然而，EBSNs上有大量冷启动用户和活动，如何向冷启动用户推荐活动，如何把冷启动活动推荐给用户，需要结合EBSNs的独有特点加以深入研究。
EBSNs上的冷启动现象表现在：①冷启动用户，用户刚注册加入社交平台，没有参加过(或很少参加)社交活动；有的用户虽然在EBSNs上注册时间较长，但没有参加活动(或参加活动很少)；②冷启动活动，当一个新活动刚发布时，参加/感兴趣的用户没有(或者很少)；有的活动即使发布一段时间，但参加/感兴趣的用户没有(或者很少)。
本文面向EBSNs，解决向冷启动用户推荐合适的活动(即已知冷启动用户，推荐活动)，以及将冷启动活动推荐给可能参加的用户(即已知冷启动活动，推荐给用户)的问题。主要创新点体现在：①针对EBSNs具有的复杂异构网络的特性，给出了更精细的表示模型；②分析了EBSNs上用户参加活动的行为模式，提出了包含3类来源的向冷启动用户推荐活动的模型，以及包含了2类来源的将冷启动活动推荐给用户的模型；③提出了EBSNs中节点的重要度计算方法。
1 相关工作
1.1 EBSNs用户参加活动行为分析
研究EBSNs的推荐问题，首先需要了解EBSNs上用户参加活动的行为模式。Macedo等[3]对EBSNs的用户参加活动付费数据进行了深入分析和应用。据Macedo的统计结果，Meetup数据中用户参加活动付费稀疏度达到了99.99%，并且有45%的活动最多1个用户参加。文献[4-5]分析了豆瓣同城用户参加活动的特点，发现EBSNs上存在社交影响，并且用户选择参加活动在一定程度上受朋友的影响。大多活动只有很少用户参加，活动与用户之间呈现幂率分布特性，大多用户参加/感兴趣持续时间短的活动。杜蓉等[6]研究了活动类网站中虚拟的线上社交关系与真实线下活动之间的相互影响，分析了EBSNs的活动在类型、时间、参与者3方面的分布特点。Du等[7]认为组织者是活动的拥有者，用户参加活动受到组织者的影响。比如，组织者是一个用户喜欢的歌星，那么该用户可能参加歌星的音乐会。Li等[8]发现用户参加活动与活动的内容、地点、组织者相关，同时用户之间受到主题、地域及组织者的社交影响。
1.2 EBSNs推荐
1)侧重用户/活动历史数据分析，实现用户/活动的推荐。文献[9-10]使用豆瓣同城数据，研究EBSNs用户参加活动的预测，认为有影响力的关注者比较重要。Yu等[9]提出了奇异值分解方法用于参加活动的预测，考虑到了活动的内容、上下文及社交影响。Qiao等[10]使用贝叶斯潜在因素模型进行活动推荐，考虑到了社交关系、地理和排名等因素。认为一些用户喜欢家附近的活动，而有些用户喜欢参加在特定区域发起的活动。高泽锋等[11]提出了一种结合用户长短期兴趣建模的活动推荐方法。Jhamb等[12]提出了双视角的潜在因子模型用于群组感知的活动推荐，考虑到了活动的地点、时间、活动流行度等因素。
2)融合了用户的社交关系进行推荐。文献[5,13]利用了EBSNs上朋友间的关系进行活动参加预测。Chin等[5]调研了用户参加线下活动的行为习惯，发现用户是否参加活动受朋友关系的影响。Xu等[13]应用了用户的偏好和朋友关系进行推荐。Li等[8]提出了混合协作过滤模型(matrix factorization with event-user neighborhood,MF-EUN)，融合了活动和用户的邻居，为了解决社交影响矩阵的稀疏性，提出了基于附加信息的邻居发现方法。Mo等[14]提出了基于反向随机游走和参与规模控制的活动推荐方法，其构建的EBSNs社交模型包括了用户、活动、群组、标签和地区，实体之间的关系比较粗略。仲兆满等[15]提出了基于活动、主办方和用户实体的关系(relationships between event, sponsor and user, ESU)图的活动推荐多因素决策模型，包括社交影响力、活动内容、地点及时间。
3)社区推荐(活动主办方推荐)，即把一些社区推荐给用户。Zhang等[16]使用矩阵分解方法对用户和社区进行建模，考虑到了显性特征(比如地点和社交特征)及隐性模型，改善了社区推荐的效果。Pham等[17]使用通用图模型解决在EBSNs上推荐社区给用户。Li等[18]利用用户之间的结构和行为社交影响实现社群检测。
以上EBSNs推荐相关的研究多是面向活跃用户/活动的，即这些用户/活动已经在EBSNs上留下了足够的历史数据，然后基于这些记录可以挖掘出用户及活动的特征，进而实现推荐。
1.3 冷启动问题界定
社交媒体的冷启动问题由来已久，对于冷启动的界定比较一致。Ocepek等[19]将用户的冷启动分为2种情况：①用户没有任何评论信息，称为绝对冷启动；②用户有很少评论信息，称为局部冷启动，将小于等于5条评论信息的用户作为局部冷启动用户。于洪等[20]针对完全新项目，即不存在任何一个用户曾经对该项目评价过，在充分考虑用户、标签、项目、时间等信息的基础上，获得个性化的预测评分值，用于解决新项目冷启动的问题。Pereira等[21]提出了一种基于同步聚类和学习技术的混合推荐(simultaneous co-clustering and learning,SCOAL)方法，针对绝对冷启动用户和局部冷启动用户进行了实验分析，核心问题是将某个冷启动用户划分到合适的类中，将发表信息少于20条的视为局部冷启动用户。Guo等[22]融合了社交信任信息以解决推荐中的冷启动问题，认为发表评价信息少于5条的用户为冷启动用户。仲兆满等[23]提出了微博媒体上影响用户活跃性的4类指标，避免了简单根据信息发表数量判定用户是否活跃的粗糙方式。
面向EBSNs活动预测的研究成果中，也是将参加活动少于一定阈值的用户定义为冷启动用户，将参加用户少于一定阈值的活动定义为冷启动活动。文献[8]将参加了少于5个活动的用户理解为冷启动用户，将少于8个用户参加的活动理解为冷启动活动。
1.4 冷启动推荐
传统的社交媒体上，虽然有大量用户/项目，但用户/项目的活跃度符合幂律分布，即只有少量用户/项目是活跃的，大多数用户/项目是冷启动的[24-25]。面向传统社交媒体冷启动问题的研究已经取得不少成果。Son等[26]从3个视角系统总结了冷启动用户推荐的已有工作：①利用用户的附加信息，包括用户背景、地点、社交标签、用户邻居等；②选取同类用户所在的群组，因为用户虽然是冷启动的，但其所在的群组有可以利用的信息；③使用混合方法提高预测效果，可以避免单一方法所带来的缺陷。
由于EBSNs引起学术界的研究时间不长，其中冷启动问题的研究成果很少。经调研，与EBSNs上冷启动问题密切相关的文献有：①Zhang等[27]提出了集合贝叶斯泊松分解模型用于解决EBSNs的冷启动活动的推荐，其中活动上下文包括活动文本内容、组织者及地点信息。但对冷启动活动，可以利用的活动的上下文信息很少；②Jhamb等[15]提出的双视角潜在因子模型用于群组感知的活动推荐，一定程度上可以解决冷启动用户/活动的推荐问题，核心思想是利用群组已经包含的用户和已经发起的活动作为已有数据。但在不同群组之间及不同用户之间难以跨越，解决EBSNs冷启动问题有一定的局限性。
2 冷启动用户/活动推荐方法
2.1 冷启动用户/活动推荐流程
冷启动用户/活动推荐的流程包括3个核心步骤：①构建活动社交网络表示模型，为面向活动社交网络开展研究奠定基础；②确定冷启动用户/活动推荐的来源，明确推荐信息的来源；③计算模型中节点的重要度，选取重要度高的节点进行推荐。
2.2 EBSNs表示模型
定义1ESU，定义为二元组ESU=(Entity，Relation)，其中，Entity表示实体，有活动集E、主办方集S和用户集U这3类实体；Relation为关系，有主办方-活动边集SE、主办方-用户边集SU、用户-活动边集UE以及用户之间边集UU四类边。
定义2ESU活动e，定义为九元组e=(ide,etype,es,ebd,ec,et,el,p,w)，其中，ide为活动标识，etype是类型，es是发起人，ebd是概述，ec是详情，et是时间，el是地点，p是参加活动用户，w为对活动感兴趣的用户。
定义3ESU主办方s，定义为五元组s=(ids,name,type,e,u)，其中,ids是主办方标识，name是主办方名，type是活动类型，u是关注主办方的用户。
定义4ESU用户u，定义为十元组u=(idu,name,s,l,ct,fu,bfu,fs,d,ph)，其中，idu是用户标识;name是用户名;s是兴趣;l是常居地;ct是创建账号时间;fu是他的关注;bfu是关注他的用户;fs是他关注的主办方;d是用户的日记;ph是用户的相册。
定义5ESU主办方-活动边集，定义为SE={se=(si,ej)∧si→ej|si∈S,ej∈E}，主办方si通过“发起”方式与活动ej建立关系。
定义6ESU主办方-用户边集，定义为SU={su=(si,uj)∧si→uj|si∈S,uj∈U}，主办方si通过“包含”方式与用户uj建立关系。
定义8ESU用户-活动边集，定义为UE={ue=(ui,ej)∧ui→ej|ui∈U,ej∈E}，用户ui通过“感兴趣/参加”方式与活动ej建立关系。
2.3 EBSNs冷启动用户/活动来源推荐模型
定义9EBSNs的冷启动用户，定义为
(1)
(1)式中，当用户ui参加活动的个数少于5个时，CSU(ui)=1，用户ui为冷启动用户，否则用户ui为活跃用户。
定义10EBSNs的冷启动活动，定义为
(2)
(2)式中，当活动ei参加的人数少于8个时，CSE(ei)=1，活动ei为冷启动活动，否则活动ei为活跃活动。
定义11向冷启动用户推荐活动，描述CSU-RE(ui)={e1,e2,…,ek}，ej(1≤j≤k)为推荐的活动，假设EBSNs上有M个活动，经对活动进行评分后，推荐K个评分高的活动给用户ui，K< 定义12将冷启动活动推荐给用户，描述CSE-RU(ei)={u1,u2,…,uk}，uj(1≤j≤k)为推荐的用户，假设EBSNs上有N个用户活动，经对用户进行评分后，推荐K个评分高的用户给活动ei，K< 本文提出的向冷启动用户推荐活动，以及将冷启动活动推荐给用户的模型分别如图1和图2。 图1模型中，向冷启动用户ui推荐活动的来源分为3类：①用户ui的关注者参加的活动，此类推荐活动记为E(ui-follower)；②用户所在主办方发起的活动，此类推荐活动记为E(ui-sponsor)；③用户所在主办方中其他用户参加的活动，此类推荐活动记为E(ui-sponsor-ou)，一个用户可以加入多个主办方，可以将不同主办方发起的活动推荐给冷启动用户ui。 图1 基于ESU向冷启动用户推荐活动模型 图2模型中，将冷启动活动ei推荐给用户的来源分为2类：①活动ei所在主办方的其他用户，将此类推荐用户记为U(ei-sponsor)；②活动ei所在主办方的其他用户的关联用户，将此类推荐用户记为U(ei-sponsor-ou)。 图2 基于ESU将冷启动活动推荐给用户模型 图1和图2模型理清了推荐活动/用户的来源之后，向冷启动用户ui推荐活动和将冷启动活动ei推荐给用户的核心问题是主办方以及用户节点的重要度计算。 2.4.1 主办方-活动边权重 通过主办方包含的用户数量及用户参加活动的情况，可以量化主办方-活动边的权重。UN(sj)表示主办方sj包含的用户数量，UN(ei)表示sj中参加活动ei的用户数量。主办方sj-活动ei的关系权重计算式为 (3) se(sj,ei)越大，说明主办方sj中有越多的用户参与了sj发起的活动。 2.4.2 主办方-用户边权重 通过主办方发起的活动数量及用户参加主办方发起的活动情况，可以量化主办方-用户边的权重。SN(ui)表示用户ui加入的主办方数量，EN(sj)表示主办方sj发起的活动数量，SEN(ui)为用户ui参加的主办方sj发起的活动数量。主办方sj-用户ui的边权重计算式为 (4) 一个用户参加的主办方越多，主办方sj对该用户的影响力就越小。 2.4.3 用户-用户边权重 通过不同用户参加活动的情况，可以量化用户-用户边的权重。E(u)表示用户u参加的活动，E(v)表示用户v参加的活动，S(u)表示用户u加入的主办方，S(v)表示用户v加入的主办方。用户u-用户v的边权重计算式为 (5) (5)式中，α+β=1。 2.4.4 用户-活动边权重 通过用户参加的活动及用户参加主办方发起的活动情况，可以量化用户-活动边的权重。E(uj)表示用户uj参加过的活动集合，sj表示活动ei所在的主办方，ES(uj)表示用户uj参加过sj发起的活动集合。用户uj-活动ei的边权重计算式为 (6) ue(uj,ei)越大，用户uj对活动ei的影响越大。 2.4.5 基于重启随机游走的节点重要度计算 PageRank算法表示为 (7) (7)式中：Rk为第k次迭代时节点的重要度；W表示边的权重；d=0.85；I=(1,1,…,1)T；N为节点数量。 重启型随机游走算法RWR通常用于计算2个节点间的结构相关性。各个节点与节点j的结构相关性计算方法为 Rk=cWRk-1+(1-c)ej (8) (8)式中：1-c为返回节点ej的概率；ej为第j维单位向量，初始时R0=ej。 主办方S的重要度取决于其发起的活动及包含的用户对其产生的影响，所以S重要度的计算应依据其外链(出度)。活动e的重要度取决于主办方以及用户对其产生的影响。用户u的重要度取决于主办方和他的粉丝对其产生的影响。所以活动e和用户u的重要度的计算应依据其内链(入度)。 主办方、用户及活动的重要度计算方法分别为 Sk=c(WSEEk-1+WSUUk-1)+(1-c)sej (9) Uk=c(WSUSk-1+WUVUk-1)+(1-c)uej (10) Ek=c(WSESk-1+WUEUk-1)+(1-c)eej (11) (9)—(11)式中：sej；uej和eej分别为单位向量；1-c为返回节点的概率；WSE，WSU，WUV和WUE分别为4类边的权重。 活动社交网络数据采集的流程包括：①通过调用活动社交网络提供的API接口或者模拟人工浏览网站系统的模式，分类别获取数据；②获取特定地域主办方数据；③获取主办方在一定时间范围内发起的活动数据；④获取主办方包含的用户数据；⑤建立主办方、活动、用户数据之间的关联关系，量化边的权重，存储入库。 本文选取豆瓣同城的数据作为实验语料。豆瓣同城大城市的活动及用户数量较多，因此，选取了北京、上海和南京3个大城市进行数据的收集。通过采集活动以及活动所在主办方的方式，逐步扩大采集用户的范围。采集了3个城市从2016年10月1日—2017年11月30日的数据，具体数据情况如表1。 表1 豆瓣同城3个城市采集的数据 表1中的冷启动用户指参加活动数量少于5个的用户，3个大城市冷启动用户的比例大约为69%；冷启动活动指感兴趣/参加的人数少于8个的活动，3个大城市冷启动活动的比例大约为59%。与传统社交媒体的冷启动用户比例大约80%相比，采集到的EBSNs的冷启动用户和活动的比例低一些，主要原因是：①活动作为社交平台的子功能，其领域更为专一，加入的用户及发起的活动都更有针对性；②在采集用户信息时，是通过活动及主办方扩展而来，对于一些没有关注活动和主办方的用户信息无法获取，这些用户多是冷启动用户。 评价指标包括P@5，P@10，R@5，R@10和F1-measure。P@n指标模拟了常用搜索引擎返回的结果，是一个拟人化的指标，目前推荐系统评测中用得较多[10]；P@n指标只关心检索到的结果与查询项是否相关，不考虑返回的信息与查询项相关性的次序；P@n=m/n，其中，n指返回的推荐数量(本文分别返回5个和10个)，m指在n个中正确的数量；R@n=m/k，k为标准答案的个数，m为在n个中正确的数量；F1-measure=(2×P@n×R@n)/(P@n+R@n)。比如，某冷启动用户ui真正参加了5个活动(标准答案)，向某冷启动用户ui推荐了10个活动，10个活动中用户ui真正参加了3个活动，则P@10=3/10=0.3，R@10=3/5=0.6。 3.2.1 用户参加活动-关注者参加活动的相关性分析 通过分析用户与其关注者参加的共同活动，挖掘两者之间是否有显著的相关性，对基于关注者进行活动/用户的推荐有一定的指导意义。使用x2检验，选择显著水平α=0.05，得到3个城市各自和平均的显著性比率如表2。 表2 用户与其关注者参加活动的x2测试 通过表2可见，3个城市用户参加活动与其关注者参加活动的平均显著率达到活动总数的71%。 3.2.2 用户参加活动-所在主办方发起活动的相关性分析 通过分析用户参加活动与其所在主办方发起的活动之间的关系，挖掘两者之间是否有显著的相关性，对基于用户所在主办方进行活动的推荐有一定的指导意义。使用x2检验，选择显著水平α=0.05，得到3个城市各自和平均的显著性比率如表3。 表3 用户参加活动与其所在主办方发起活动的x2测试 通过表3可见，3个城市用户参加的活动与其所在主办方发起的活动的平均显著率达到活动总数的67%。 3.2.3 用户参加活动-所在主办方中其他用户参加活动的相关性分析 通过分析用户与其所在主办方中其他用户共同参加活动的情况，挖掘两者之间是否有显著的相关性，对基于用户所在主办方中的其他用户进行活动/用户的推荐有一定的指导意义。使用x2检验，选择显著水平α=0.05，得到3个城市各自和平均的显著性比率如表4。 表4 用户与其所在主办方中的其他用户参加活动的x2测试 通过表4可见，3个城市用户参加活动与其所在主办方的其他用户参加活动的平均显著率达到活动总数的59%。 对采集到的豆瓣同城用户、活动和主办方而言，选取其中的冷启动用户和活动进行实验。为了进行冷启动用户推荐效果的分析，选取参加活动少于5个且参加了1个以上的用户作为冷启动用户。为了进行冷启动活动推荐效果的分析，选取参加活动的用户少于8个且至少有1个用户参加的活动作为冷启动活动。3个城市用于实验的冷启动用户和冷启动活动数量如表5。 表5 豆瓣同城3个城市冷启动用户和活动数据 对于向冷启动用户ui推荐活动，本文选用了3种方法用于实验的分析和比较。 1)利用冷启动用户ui的关注者参加的活动进行推荐，因为是冷启动用户，邻居不是很多，所以使用了用户的所有关注者。由于没有主办方(群组)的概念，仅仅使用用户-活动构建关系图，进而使用基于入度的关注者和活动节点的重要度计算方法。该方法简记为Neighbor-ER(neighbor event recommendation)，类似于文献[5,8,13]，但这些文献研究的不是冷启动的推荐； 2)文献[12]提出的双视角的潜在因子模型用于群组感知的活动推荐，利用群组已经包含的用户和已经发起的活动作为已有数据，提供用于分析的基础。进行活动推荐时，该方法简记为Group-ER(group event recommendation)。其中的正则化参数λ和γ都设置为0.025，SGD(steepest descent method)的学习速率α设置为0.05。 3)本文提出的向冷启动用户推荐活动的方法，进行活动推荐时，该方法简记为ESU-ER(event sponsor user-event recommendation)。其中,(5)式中的参数α=β=0.5。 对于将冷启动活动ei推荐给用户，本文选用了3种方法用于实验的分析和比较。 1)Zhang等[27]提出的基于集合贝叶斯泊松分解模型的EBSNs冷启动活动的推荐，其中的活动上下文包括活动文本内容、组织者以及地点信息。该方法简记为CBPF-UR(collective bayesian poisson factorization-user recommendation)。 2)文献[12]提出的双视角潜在因子模型用于群组感知的活动推荐。进行用户推荐时，该方法简记为Group-UR(group-user recommendation)。其中，正则化参数λ和γ都设置为0.025，SGD的学习速率α设置为0.05。 3)本文提出的向冷启动用户推荐活动的方法。进行用户推荐时，该方法简记为ESU-UR(event sponsor user-user recommendation)。其中，(5)式中的参数α=β=0.5。 对表5中所列出的3个城市的冷启动用户，使用3种方法Neighbor-ER，Group-ER和ESU-ER得到的活动推荐结果如表6。 表6 豆瓣同城3个城市向冷启动用户推荐活动结果 由表6可见，3种方法中，本文所提方法ESU-ER取得的效果最为理想，F1-measure@5=0.388，F1-measure@10=0.417，比方法Neighbor-ER的指标F1-measure@5提高了0.186，比指标F1-measure@10提高了0.170；比方法Group-ER的指标F1-measure@5提高了0.1，比指标F1-measure@10提高了0.129。主要原因是ESU-ER基于ESU构建了更为合理的向冷启动用户推荐活动模型，以及使用了更为合理的节点重要度计算方法。方法Neighbor-ER的效果最差，主要原因是其利用用户之间的关系进行活动推荐，如果用户圈子很小，就很难进行活动推荐。方法Group-ER的效果比ESU-ER差一些，主要原因是其推荐活动时，不同群组和不同用户之间难以跨越，在推荐活动的多样性上有明显的不足。 对表5中所列出的3个城市的冷启动活动，使用3种方法CBPF-UR，Group-UR和ESU-UR得到的用户推荐结果如表7。 表7 豆瓣同城3个城市将冷启动活动推荐给用户的结果 由表7可见，3种方法中，本文所提方法ESU-UR取得的效果最为理想，F1-measure@5=0.459，F1-measure@10=0.464，比方法CBPF-UR的指标F1-measure@5提高了0.174，比指标F1-measure@10提高了0.177；比方法Group-UR的指标F1-measure@5提高了0.086，比指标F1-measure@10提高了0.108；CBPF-UR的效果最差，主要原因是对冷启动活动而言，可以利用的活动的上下文信息很少，对推荐不利。 对向冷启动用户推荐活动和将冷启动活动推荐给用户2种冷启动推荐的结果对比，可以发现将冷启动活动推荐给用户的效果更为理想，方法ESU-UR的指标F1-measure@5提高了0.071，指标F1-measure@10提高了0.047。主要原因是，冷启动活动虽然感兴趣/参加活动的人很少，但由于其属于某个主办方，很多主办方包含了大量的用户，对选取用户进行推荐是有利的。 同时，通过表6和表7的实验结果可以发现，无论是向冷启动用户推荐活动，还是将冷启动活动推荐给用户的效果都不够理想，都还有较大的提升空间。 本文针对EBSNs上的冷启动用户和冷启动活动的推荐问题，给出了向冷启动用户推荐活动和将冷启动活动推荐给用户的模型。对于EBSNs上冷启动用户有一种情况(可以称为纯冷启动用户)，该类用户没有参加任何活动，没有关注任何主办方，没有和其他用户建立关系，这类纯冷启动用户将很难进行活动推荐。另外，EBSNs上用户注册地点有一定作用，但用户注册时的地点不一定就是居住地，而且有些EBSNs用户注册地点过于笼统，比如豆瓣同城，注册时填写的是每个城市，比如北京、上海等。因此，用户注册地点在推荐活动时的作用不大。 虽然本文在EBSNs冷启动问题的解决取得了一定的进展，但发现如下问题还需进一步提升：①对于纯冷启动用户的活动推荐需要另辟蹊径；②基于本文提出的ESU模型，可以面向EBSNs开展活跃用户及活动的推荐、社区检测、社区及用户的倾向性分析等。
2.4 节点重要度计算
3 实验及分析
3.1 实验数据及评价指标
3.2 用户参加活动行为模式分析
3.3 实验方法
3.4 冷启动用户活动推荐结果
3.5 冷启动活动用户推荐结果
4 总结及展望
