基于事件社会网络中事件安排策略研究

摘要

基于事件社会网络(Event-based Social Networks，EBSN)是一种是以事件为中心的新型社会网络。随着大数据技术的发展，研究学者们利用各种机器学习、数据挖掘技术分析用户行为、计算用户兴趣偏好实现EBSN事件个性化推荐，从而解决“信息过载”问题。但现有的社会网络架构和用户需求发生了巨大的变化，单纯的个性化推荐已无法满足现有的社会网络需求，而是需要一种更智能更有组织性的事件安排策略来满足社会网络提供多样化的需求。因此，“序列化”和“全局化”的事件安排问题已成为当前研究的热点。 针对事件序列安排，本文提出了一种考虑约束条件的事件序列安排策略，即在用户容许的时间段和费用预算情况下，为用户安排一组合理的事件序列。事件序列安排不仅需要考虑了用户偏好程度、事件类别、事件分布情况，而且需要考虑事件的发生顺序、空间位置、费用和冲突性对问题的求解带来了巨大的挑战。为解决上述问题，首先对事件序列安排问题中相关概念进行形式化定义，然后给出了事件序列安排问题的目标函数，并证明该问题是一个NP难问题。为有效优化目标，提出了基于贪心策略的近似算法。为进一步提供算法性能，提出了基于效用的0-1整数规划算法。最后在两个真实数据集上进行性能测试，结果表明本文所提出的策略具有较好的效果。 针对全局事件安排，本文提出了一种考虑约束条件的全局事件安排策略。该策略同时考虑了用户和事件组织者的需要，即在尽可能满足用户偏好兴趣的同时，要保证事件资源的全局均衡分配。由于EBSN存在多种约束条件，包括用户允许参与事件数、事件允许接纳用户数和时间冲突等约束，仅面向用户的传统推荐方法已不再适用。为此，本文首先定义了EBSN全局推荐优化目标。然后，为将约束问题转化为非约束问题求解，分别为三类约束条件建立惩罚项，并生成考虑约束的单一目标函数。为有效实现优化目标，提出了考虑约束的二进制粒子群优化算法(ConstrainedBinary Particle Swarm Optimization，CBPSO)，其优点是能够解决多约束条件下二进制离散空间问题。为进一步提高优化性能，分别提出了一种增进的二进制粒子群优化算法(Improved Binary Particle Swarm Optimization，IBPSO)和支持全局安排扩展的二进制粒子群优化算法(Extended Improved Binary Particle Swarm Optimization，EX-IBPSO)。在真实数据集上进行了性能测试，结果验证了所提出方法可行且有效。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 主要研究目标与内容

1．3 论文组织结构

第2章 相关研究现状

2．1 不考虑约束的EBSN事件安排策略

2．1．1 基于上下文的事件安排策略

2．1．2 基于学习预测事件安排策略

2．1．3 考虑其他因素事件安排推荐策略

2．2 考虑约束的EBSN事件安排策略

2．3 考虑约束的LBSN的POI安排策略

2．4 本章小结

第3章 考虑约束的事件序列安排策略

3．1 事件序列安排研究动机

3．2 基本定义及证明

3．2．1 问题定义

3．2．2 定理证明

3．3 事件序列安排问题近似求解

3．4 事件序列安排问题精确求解

3．4．2 基于效用的0-1整数规划

3．5 实验及结果分析

3．5．1 实验数据设置

3．5．2 实验结果及分析

3．6 本章小结

第4章 考虑约束的全局事件安排策略

4．1 全局事件安排研究动机

4．2 基本定义及推荐框架

4．2．1 问题定义

4．2．2 算法框架

4．3 全局安排优化求解

4．3．1 约束条件惩罚函数

4．3．2 考虑约束的二进制粒子群优化算法

4．3．3 增进的二进制粒子群算法

4．4 全局推荐扩展及优化

4．5 实验及结果分析

4．5．1 实验数据设置

4．5．2 实验结果及分析

4．6 本章小结

第5章 总结与展望

参考文献

攻读硕士学位期间研究成果

致谢