基于集成学习框架的用户画像方法

• 作者: 凌明杰 孙麒 贾宇波 陈巧红
• 来源期刊: 浙江理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 集成学习 Stacking BERT 用户画像 机器学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 电子与信息技术
• 页码范围: 86-93
• 页数: 8页
• 分类号: TP181
• 字数: 5739字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3851(n).2020.01.013

摘要

针对已有算法中特征构建效果不佳以及泛化能力不足的问题,提出一种基于集成学习框架的用户画像方法.该方法将整体架构分为集成学习模块与语义编码模块,并在决策时加入了投票机制.集成学习模块采用两层Stacking完成特征构建以及模型融合;语义编码模块使用BERT模型对文本进行编码,提取深层语义信息;然后对两个模块的输出结果进行投票,从而产生最终结果.对两组数据进行实验,结果显示:该方法与基于单模型的方法对比,在用户查询词数据集上,用户性别、年龄、学历标签分类准确率平均提高了1.27％、3.52％、3.42％;在微博用户数据集上,用户性别、年龄、学历标签的分类准确率平均分别提高了5.61％、6.49％、5.96％.这表明该方法对于用户画像任务有较好的效果,并且对不同形式的文本具有很好的适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈巧红	浙江理工大学信息学院	38	295	11.0	16.0
2	贾宇波	浙江理工大学信息学院	60	235	9.0	14.0
3	孙麒	浙江理工大学信息学院	42	99	5.0	8.0
4	凌明杰	浙江理工大学信息学院	2	0	0.0	0.0