基于模型融合的搜索引擎用户画像技术

• 作者: 朱新龙 王佳斌 郭梁 马迎杰
• 来源期刊: 科技与创新
• 关键词: 模型融合 文本分类 搜索引擎 用户画像
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 理论探索
• 页码范围: 17-19,22
• 页数: 4页
• 分类号: TP399
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2020.07.006

摘要

由于搜索引擎中用户数据的不完整性,导致在构建用户画像时标签缺失,提出预测多维用户标签的Stacking模型融合方法,以预测用户画像的三个标签为例,进行实验和分析.该模型为两层结构,第一级模型中使用TF-IDF算法提取用户搜索词特征并用多分类器训练,同时将Doc2Vec模型构建具有关联信息的文本特征并用BP神经网络训练,第一级模型的输出作为第二级模型的输入,用SVM支持向量机进行分类和预测,得到用户的标签信息.实验用该模型与传统模型进行了实验对比,证明该模型在搜索引擎数据的用户标签预测任务中有较高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王佳斌	华侨大学工学院	33	132	5.0	10.0
2	郭梁	华侨大学工学院	1	0	0.0	0.0
3	马迎杰	华侨大学工学院	2	0	0.0	0.0
4	朱新龙	华侨大学工学院	2	0	0.0	0.0