基于双通道LSTM模型的用户性别分类方法研究

• 作者: 严倩 周国栋 李寿山 王礼敏
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 性别分类 新浪微博 双通道LSTM
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 第六届全国智能信息处理学术会议
• 页码范围: 121-124
• 页数: 4页
• 分类号: TP391
• 字数: 3916字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.02.021

摘要

微博用户性别分类旨在根据用户信息进行用户性别的识别.目前性别分类的相关研究主要针对单一类型的特征(文本特征或者社交特征)进行性别分类.与以往研究不同,文中提出了一种双通道LSTM(Long-Short Term Memory)模型,以充分结合文本特征(用户发表的微博文本)和社交特征(用户关注者的信息)进行用户性别分类方法的研究.首先,利用单通道LSTM模型分别学习两组文本特征,得到两种特征表示;然后,在神经网络中加入Merge层,结合两种特征表示进行集成学习,以充分学习文本特征和社交特征之间的联系.实验结果表明,相对于传统的分类算法,双通道LSTM模型分类算法能够获得更好的用户性别分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周国栋	苏州大学计算机科学与技术学院	138	1425	22.0	32.0
2	李寿山	苏州大学计算机科学与技术学院	68	618	13.0	23.0
3	严倩	苏州大学计算机科学与技术学院	4	8	2.0	2.0
4	王礼敏	苏州大学计算机科学与技术学院	3	8	2.0	2.0