基于事件社会网络中考虑约束全局推荐策略

近年来,以Meetup,Plancast和Douban为代表的基于事件社会网络(Event-based Social Networks,EBSN)得到快速发展,其推荐策略得到越来越多关注.EBSN推荐系统应同时考虑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,因此研究EBSN全局推荐策略十分迫切且必要.然而,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.首先定义了EBSN全局推荐优化目标,即在满足约束条件下,使得全部用户的不满意度和全部事件的不满意度之和最小化;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(Constrained Binary 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)和支持全局推荐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.