...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Multimedia, IEEE Transactions on >User-Service Rating Prediction by Exploring Social Users' Rating Behaviors
【24h】

User-Service Rating Prediction by Exploring Social Users' Rating Behaviors

机译：通过探索社交用户的评级行为进行用户服务评级预测

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

With the boom of social media, it is a very popular trend for people to share what they are doing with friends across various social networking platforms. Nowadays, we have a vast amount of descriptions, comments, and ratings for local services. The information is valuable for new users to judge whether the services meet their requirements before partaking. In this paper, we propose a user-service rating prediction approach by exploring social users' rating behaviors. In order to predict user-service ratings, we focus on users' rating behaviors. In our opinion, the rating behavior in recommender system could be embodied in these aspects: 1) when user rated the item, 2) what the rating is, 3) what the item is, 4) what the user interest that we could dig from his/her rating records is, and 5) how the user's rating behavior diffuses among his/her social friends. Therefore, we propose a concept of the rating schedule to represent users' daily rating behaviors. In addition, we propose the factor of interpersonal rating behavior diffusion to deep understand users' rating behaviors. In the proposed user-service rating prediction approach, we fuse four factors—user personal interest (related to user and the item's topics), interpersonal interest similarity (related to user interest), interpersonal rating behavior similarity (related to users' rating behavior habits), and interpersonal rating behavior diffusion (related to users' behavior diffusions)—into a unified matrix-factorized framework. We conduct a series of experiments in the Yelp dataset and Douban Movie dataset. Experimental results show the effectiveness of our approach.
机译：随着社交媒体的蓬勃发展，人们在各种社交网络平台上与朋友分享他们所做的事情是一种非常流行的趋势。如今，我们对本地服务有大量的描述，评论和评级。这些信息对于新用户来说很有价值，以便他们可以在上餐前判断服务是否满足他们的要求。在本文中，我们通过探索社交用户的评级行为，提出了一种用户服务评级预测方法。为了预测用户服务评级，我们关注用户的评级行为。我们认为，推荐系统中的评分行为可以体现在以下几个方面：1）用户对项目进行评分时； 2）评分是什么； 3）项目是什么； 4）我们可以从中挖掘出什么用户兴趣他/她的评分记录是，以及5）用户的评分行为如何在他/她的社交朋友之间扩散。因此，我们提出了一种评级时间表的概念，以代表用户的日常评级行为。此外，我们提出人际评价行为扩散的因素，以深入了解用户的评价行为。在提出的用户服务评级预测方法中，我们融合了四个因素：用户个人兴趣（与用户和项目的主题有关），人际兴趣相似度（与用户兴趣有关），人际评价行为相似度（与用户评级行为习惯有关） ），以及人际评价行为扩散（与用户的行为扩散有关）—整合为一个矩阵分解的统一框架。我们在Yelp数据集和豆瓣电影数据集中进行了一系列实验。实验结果表明了我们方法的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号