尚延敏;曹亚南;刘燕兵 CHS-BPR：将内容感知和异构感知相结合，用于事件推荐。 （中文。英文摘要） Zbl 1463.91098号 J.软件。 31，第4期，1212-1224（2020）. 摘要：网络已经发展成为当今交流社会事件的最重要渠道之一。然而，基于事件的社交网络（EBSN）中的事件数量之大往往会削弱用户选择最符合其兴趣的事件的能力。推荐系统似乎是解决此问题的自然解决方案。与经典的推荐问题（如电影）不同，事件推荐通常面临三个复杂的问题：用户之间的异构社会关系（在线和离线）、用户/事件的隐含反馈数据和内容控制信息。如何有效地将这些信息融合到事件推荐中是该领域学者共同关注的问题。本文提出了一种贝叶斯潜在因素模型，该模型结合了用户/项目的内容控制信息和异构社会信息，用于事件推荐。在几个真实世界数据集上的实验结果表明，所提出的方法可以有效地处理事件推荐的隐式反馈特性。 MSC公司： 91天30分 社交网络；意见动态 关键词：活动推荐;异质社会网络;内容信息;正规化;贝叶斯潜在因素模型 PDF格式BibTeX公司 XML格式引用 \textit{Y.Shang}等人，J.Softw。31，第4号，1212--1224（2020；Zbl 1463.91098） 全文： 内政部