基于LDA特征扩展的用户画像

• 作者: 陈泽宇 黄勃
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 用户画像 特征扩展 向量空间模型 LDA SVM
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 192-195
• 页数: 4页
• 分类号: TP391
• 字数: 3356字
• 语种: 中文
• DOI: 10.11907/rjdk.192135

摘要

采用用户历史查询词构建用户画像时,现有向量空间模型存在特征稀疏和上下文依赖性强的问题.针对该问题,通过引入LDA主题模型,首先提取查询词潜在主题,得到查询词对应的主题分布;然后将概率最大的主题对应的词扩充到原始特征空间中,丰富用户特征;最后采用SVM分类算法对用户基本属性进行分类,构建用户画像.实验表明,利用LDA模型对用户特征进行扩展比传统向量空间模型用户画像精度提高了1.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄勃	上海工程技术大学电子电气工程学院	40	87	5.0	7.0
5	陈泽宇	上海工程技术大学电子电气工程学院	2	0	0.0	0.0