面向稀疏特征的用户属性推断方法研究

发布时间：2020-08-18 17:21

【摘要】：随着智能设备的普及和在线社交网络的繁荣,数十亿用户的状态、轨迹被收集和记录下来。综合的人类行为数据能够揭示用户的特点,反映出他们的基本属性,比如性别、年龄和婚姻状况,甚至还能预测出用户的性格、兴趣爱好、工作领域等内容。从公开的社交媒体数据中推断用户的属性可以广泛应用于精准营销和个性化推荐,对于企业具有重要商业意义。然而,数据的稀疏性为用户属性的推断带来了巨大的困难。针对社交媒体数据本文提出了一种基于连续条件随机场(C-CRF)的用户属性推断方法。首先,本文基于真实数据集分析了文本、签到、移动模式和社交关系四类特征与用户属性之间的关联性。然后,为几类数据设计了不同的特征提取方法,尤其针对稀疏的移动模式数据提出了基于层次结构图的数据模拟生成算法。最后通过基于连续条件随机场的方法融合各类特征,对用户属性进行推断。实验结果表明,本文提出的属性推断方法在效果上优于之前研究中常用的几种基线方法,并且签到数据和移动模式数据的使用有助于用户属性的推断任务。本文主要工作包括以下几个方面:收集整理并扩充了一个真实的社交媒体数据集,包含社交媒体用户的发帖纪录、签到行为记录、签到地点的详细信息、社交关系和人口属性信息等。针对移动模式数据提出了基于层次结构图的特征提取方法,缓解了移动模式记录稀少的问题。提出了基于连续条件随机场的用户属性推断方法来融合各类特征,并在真实数据集上验证了方法的有效性,同时为轨迹数据分析提供了新的角度。
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP301.6
【图文】：

轨迹,示例

逦｜｜内容：ｘｘ的演技太差了，不忍直视。逡逑图３．１微博轨迹示例逡逑如图３．１所示，编号为１７９丨２２５５１０的用户在２0１３年８月３号的一条微博轨迹逡逑由：记录：ｒ２、ｒ３、ｒ＿４构成记录朽和■发布时fB＿它们不隹肩一天所以不能加逡逑入轨迹。“用户轨迹集合”包含一个用户的所有微博轨迹，它的定义如逡逑定义３．１．２．（用户轨迹集合）一个用户的轨迹集合Ｗ７？由用户的所有微博轨迹组逡逑成，Ｗ７＂＝邋｛万，％，…，？；｝，其中７１即前文定义的由微博记录ｒ构成的微博轨逡逑迹。相应的，ＷＴ中出现过的所有记录的文本内容ｅｏｎｉｅｆｔｉ构成了用户的文本集合逡逑ＷＣ，所有记录包含的经廔度坐标如0构成了用户的签到坐标集合逡逑１０逡逑

云图,高频词,领域,云图

图３．３女性和男性用户的高频词词云图逡逑为了寅直观地展示文本内容对于用户属性的区分能力，本文以性别属性和职逡逑业领域属性为例绘制了高频词语的饲云图《图３．２展示了传媒、娱乐和体育领域用逡逑户的高频用词，传媒领域用户的高频饲逋常与电视广播、新闻事件以及Ｈ联网等逡逑内容有关，娱乐领域用户的高频词能反映出用户参与的演出排练、与关注者的互逡逑

散点图,热力图,地域,数据

图３．４木橖职业领域用户的签到数据热力图逡逑

【相似文献】