Spatio-Temporal Recommendation in Social Media

این کتاب مبانی اصلی و آخرین تحقیقات در مورد نسل بعدی سیستم‌های توصیه مکانی-زمانی در رسانه‌های اجتماعی را پوشش می‌دهد. این مقاله با توصیف ویژگی‌های نوظهور رسانه‌های اجتماعی در عصر اینترنت موبایل آغاز می‌شود و محدودیت‌های موجود در تکنیک‌های توصیه‌کننده فعلی را بررسی می‌کند. متعاقباً این کتاب مجموعه‌ای از مدل‌های کاربری کلاس پنهان را برای شبیه‌سازی رفتارهای کاربران در فرآیندهای تصمیم‌گیری ارائه می‌کند که به طور موثر بر چالش‌های ناشی از پویایی زمانی رفتارهای کاربران، تغییر علاقه کاربر در مناطق جغرافیایی، پراکندگی داده‌ها و شروع سرد غلبه می‌کند. بر اساس این مدل‌های کاربر به خوبی طراحی شده، این کتاب ساختارهای شاخص چندبعدی مؤثری مانند Metric-Tree را توسعه می‌دهد و الگوریتم‌های بازیابی top-k را برای تسریع فرآیند توصیه آنلاین و پشتیبانی از توصیه‌های بلادرنگ پیشنهاد می‌کند. علاوه بر این، روش‌ها و تکنیک‌هایی را برای ارزیابی اثربخشی و کارایی سیستم‌های توصیه مکانی-زمانی در رسانه‌های اجتماعی ارائه می‌دهد. این کتاب برای خوانندگان گسترده، از محققان و توسعه دهندگان گرفته تا دانشجویان کارشناسی و کارشناسی ارشد جذاب خواهد بود.

This book covers the major fundamentals of and the latest research on next-generation spatio-temporal recommendation systems in social media. It begins by describing the emerging characteristics of social media in the era of mobile internet, and explores the limitations to be found in current recommender techniques. The book subsequently presents a series of latent-class user models to simulate users’ behaviors in decision-making processes, which effectively overcome the challenges arising from temporal dynamics of users’ behaviors, user interest drift over geographical regions, data sparsity and cold start. Based on these well designed user models, the book develops effective multi-dimensional index structures such as Metric-Tree, and proposes efficient top-k retrieval algorithms to accelerate the process of online recommendation and support real-time recommendation. In addition, it offers methodologies and techniques for evaluating both the effectiveness and efficiency of spatio-temporal recommendation systems in social media. The book will appeal to a broad readership, from researchers and developers to undergraduate and graduate students.