面向社会化媒体用户评论行为的属性推断

• 作者: 刘云 孙宇清 李明珠
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 社会化媒体 属性推断 语义分析 用户行为 概率特征选择 社交网络
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 软件技术
• 页码范围: 2762-2776
• 页数: 15页
• 分类号: TP18
• 字数: 14432字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2017.02762

摘要

针对用户网络行为进行属性推断,在个性化推荐、市场营销和提升平台服务质量等方面具有重要应用价值.现有工作主要针对浏览行为、社交行为等可追踪用户身份的网络行为进行属性推断,而评论性网站用户多为匿名身份,其网络评论行为数据具有碎片化、信息价值含量低和不平衡的特点,且用户群体的属性分布严重不均衡,这些问题给用户属性推断带来挑战.文中引入客体信息、环境信息和语义知识库,辅助用户特征建模,增加了用户评论行为的语义内涵,缓解了用户行为数据量不平衡性和稀疏性问题;基于信息增益度量特征,提出了面向概率性特征选择的两种代表性算法的改进策略:概率包裹式特征选择和启发式概率特征搜索,在解决特征空间高维问题,提高效率的同时,降低了数据噪音影响;提出了面向小比例类型数据的差异性特征选择和迭代式增强学习算法,集成多个特征相关的分类器,既保留了重要特征信息,也给低价值特征提供了小概率选择机会.分别使用真实的中文和英文数据集验证该文方法,包括不同的行为建模方式和特征筛选方法,以及不同参数和用户属性分布不平衡问题对属性推断的影响,并和其他方法进行了对比,实验结果表明该文方法更为有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙宇清	山东大学计算机科学与技术学院数字媒体教育部工程研究中心	17	131	7.0	11.0
5	李明珠	山东大学计算机科学与技术学院数字媒体教育部工程研究中心	2	7	1.0	2.0
6	刘云	山东大学计算机科学与技术学院数字媒体教育部工程研究中心	3	8	1.0	2.0