面向社會(huì)化媒體用戶評(píng)論行為的屬性推斷.pdf

1、社會(huì)化媒體平臺(tái)是指為用戶提供評(píng)論、投票、反饋、分享等功能的在線媒體，像鳳凰網(wǎng)等新聞網(wǎng)站、亞馬遜和淘寶等電商網(wǎng)站、豆瓣等電影評(píng)論網(wǎng)站。用戶網(wǎng)絡(luò)評(píng)論是社會(huì)輿論的一種表現(xiàn)形式，具有公開性和可用性特點(diǎn)，群體意見為其他用戶在決定購買產(chǎn)品或使用服務(wù)的時(shí)候提供了參考。理解用戶評(píng)論行為進(jìn)行屬性推斷，可以幫助企業(yè)、機(jī)構(gòu)、政府等提高服務(wù)質(zhì)量，用于個(gè)性化推薦、市場(chǎng)營銷等，具有重要應(yīng)用價(jià)值。然而社會(huì)化媒體用戶多為匿名身份，其評(píng)論行為數(shù)據(jù)具有碎片化、信息價(jià)值含量

2、低和不平衡的特點(diǎn)，且用戶群體的屬性分布嚴(yán)重不均衡，這些問題給用戶屬性推斷帶來挑戰(zhàn)。
　　針對(duì)用戶評(píng)論行為數(shù)據(jù)分布不平衡、噪音和碎片化的問題，本文引入客體信息、環(huán)境信息，作為對(duì)用戶評(píng)論行為數(shù)量少的補(bǔ)充信息，輔助用戶特征建模;結(jié)合基于語義知識(shí)庫的層次化語義建模方法和基于詞向量模型學(xué)習(xí)詞向量的文本挖掘方法深度挖掘用戶評(píng)論，分別從全局的角度和局部的角度消除詞語歧義帶來的不良影響，并保留評(píng)論中潛在的語義關(guān)系，從而達(dá)到深度挖掘用戶評(píng)論潛在的語

3、義特征的目的。
　　針對(duì)建模后的用戶特征維度大，碎片化數(shù)據(jù)價(jià)值含量低等問題，基于信息增益度量特征重要性，提出兩種代表性概率特征篩選算法的改進(jìn)策略:概率包裹式特征選擇算法和啟發(fā)式概率特征搜索算法，分別在分類學(xué)習(xí)前和迭代式學(xué)習(xí)過程中進(jìn)行概率特征選擇，既保留了重要特征信息，也給低價(jià)值特征提供小概率選擇機(jī)會(huì)，篩選密切相關(guān)特征，以降低搜索空間，提高收斂速度和學(xué)習(xí)效果。
　　針對(duì)用戶屬性不均衡問題，提出了面向小比例類型數(shù)據(jù)的差異性特征選