改进词向量模型的用户画像研究

• 作者: 陈泽宇 黄勃
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 用户画像 词向量 LDA主题模型 随机森林
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 180-184
• 页数: 5页
• 分类号: TP391.1
• 字数: 3504字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1906-0192

摘要

用户画像技术可以给企业带来巨大的商业价值.针对用户的历史查询词,利用词向量可以得到查询词在语义层次上的表达,但词向量模型对于同一个单词生成的词向量是相同的,使得该模型无法很好的处理一词多义的情况.因此,使用LDA主题模型为每个查询词分配主题,使查询词和其主题共同放入神经网络模型中学习得到其主题词向量,最后采用随机森林分类算法对用户基本属性进行分类构建用户画像.实验结果表明,该模型的分类精度要高于词向量模型.

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