基于NWD集成算法的多粒度微博用户 兴趣画像构建

• 作者: 刘洪伟 张舒 杨培琛 柳建华 莫赞
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 新词发现 双向长短期记忆网络 XGBoost梯度提升 多粒度 微博用户兴趣画像
• 年，卷（期）: 2020,（4）
• 页码范围: 42-50
• 页数: 9页
• 分类号: TP391
• 字数: 8979字
• 语种: 中文
• DOI: 10.12052/gdutxb.190129

摘要

微博文本特殊性的存在使得微博用户兴趣画像难以有效构建.为此,提出了一种集成算法——新词发现?双向长短期记忆网络?梯度提升算法.首先针对微博文本的非正式性,提出了一种基于支持度视角的新词发现(New Word Discovery,NWD)算法,发掘其中大量存在的网络用语以实现更加准确的分词及语义把握;其次,引入Simhash算法使得微博文本中的"信息过载"现象得到改观;再次,为改善微博文本的简洁性而引起的特征稀疏问题,采用双向长短期记忆网络(Bidirectional Long Short-term Memory,Bi-LSTM)模型提取博文语义特征;最后,通过融合微博用户静态特征训练梯度提升(extreme Gradient Boosting,XGBoost)模型,从而有效构建多粒度微博用户兴趣画像.实验结果表明,粗粒度(一级)兴趣标签模型NWD-Bi-LSTM和细粒度(二级)兴趣标签模型NWD-Bi-LSTM-XGBoost的宏平均F1值(Macro-average F1 score,mF1)和受试者工作特征曲线下面积(Area Under ROC Crave,AUC)分别高达83.6％,79.7％和70.4％,63.6％,相对于基准模型,NWD算法的集成使得模型的mF1值和AUC值均能提升3％～5％,其促进作用优于现有的新词发现方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘洪伟	广东工业大学管理学院	51	250	9.0	14.0
2	莫赞	广东工业大学管理学院	58	329	10.0	15.0
3	柳建华	广东工业大学管理学院	3	0	0.0	0.0
4	张舒	广东工业大学管理学院	2	0	0.0	0.0
5	杨培琛	广东工业大学管理学院	2	0	0.0	0.0