【论文阅读】UIS-LDA: a user recommendation based on social connections and interests of users in uni-direc

Xu K, Cai Y, Min H, et al. UIS-LDA: a user recommendation based on social connections and interests of users in uni-directional social networks[C]//Proceedings of the International Conference on Web Intelligence. ACM, 2017: 260-265.

• UIS-LDA是实验室老师的一篇工作，她提出在单向社交网络中用户关注另一个用户，并不仅仅只是因为兴趣的原因，还有可能是因为社交关系的原因，一般来说，在线下互相认识的朋友会倾向于在线上也成为朋友。所以对于单向关注来说，有极大的可能性是因为兴趣的原因，对于双向关注来说，有极大的可能性是因为社交的原因。
• 而如果只使用原始的LDA进行训练去得到所有用户关注者的一个兴趣主题分布的话，得到的主题分布会比较的粗糙！最后用户的推荐效果可能也会稍差！
• 所以作者在原始的LDA上进行了一些改进，改进的地方除了使用开关控制基于单向社交关系得到兴趣主题分布，基于双向社交关系得到社交主题分布，还包括改进了采样部分，作者在采样的部分加入了GPU操作。
• 我们都知道在原始的LDA训练过程中，训练时会不断的对第 i 篇文章的第 j 个词进行主题赋值，那么在用户的关注者组成的文档中，对第 i 个用户的第 j 个关注者进行主题赋值的时候，如果发现 i 用户和 j 用户是双向关注的关系，则我们可以同时对第 j 篇文档的第 i 个用户赋予相同主题更高的概率，也就是上面提到的GPU操作的大概意思。通过这样的方法我们可以得到兴趣主题分布和社交主题分布两种主题分布，利用这两种主题分布，即可以进行社交网络中的用户推荐工作。