發(fā)布時(shí)間：2023-03-27 00:38

　　隨著社交網(wǎng)絡(luò)的發(fā)展,用戶在社交網(wǎng)絡(luò)中產(chǎn)生的數(shù)據(jù)越來越多,這些數(shù)據(jù)為用戶畫像構(gòu)建奠定了基礎(chǔ)。目前,個(gè)性化推薦系統(tǒng)在市場營銷和電商領(lǐng)域的重要性日益增加,而用戶畫像構(gòu)建是個(gè)性化推薦系統(tǒng)成功應(yīng)用的關(guān)鍵。因此,研究在線社交網(wǎng)絡(luò)用戶畫像構(gòu)建具有重要的應(yīng)用價(jià)值。用戶基本屬性和用戶興趣是用戶畫像重要的組成部分,本文首先根據(jù)在線社交網(wǎng)絡(luò)上的用戶生成內(nèi)容預(yù)測用戶基本屬性。其次,基于筆者開發(fā)的移動(dòng)端微博閱讀系統(tǒng)收集手勢行為,進(jìn)而挖掘用戶興趣,構(gòu)建用戶興趣畫像。最后,結(jié)合用戶基本屬性和興趣畫像,構(gòu)建用戶畫像,并研究用戶畫像在用戶興趣推薦中的實(shí)際應(yīng)用。首先,本文利用社交網(wǎng)絡(luò)中的用戶生成內(nèi)容預(yù)測用戶基本屬性,包括用戶的性別、年齡及地域�；�于十折交叉驗(yàn)證的方法,在訓(xùn)練集中尋找主題模型和向量空間模型的最優(yōu)參數(shù)后,進(jìn)行用戶建模并訓(xùn)練分類器,預(yù)測測試集中用戶的基本屬性。實(shí)驗(yàn)結(jié)果表明,不同性別和年齡的用戶在新浪微博中的生成內(nèi)容在主題上存在著差異,使用主題模型取得了最好的預(yù)測準(zhǔn)確率;在用戶的地域預(yù)測任務(wù)中,不同地域間的用戶的生成內(nèi)容無明顯差異,使用主題模型的預(yù)測效果明顯低于向量空間模型的預(yù)測效果。其次,為研究利用移動(dòng)設(shè)備上手...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 研究內(nèi)容
    1.4 本文創(chuàng)新點(diǎn)
    1.5 本文的組織結(jié)構(gòu)
2 相關(guān)研究綜述
    2.1 用戶畫像構(gòu)建方法研究概述
    2.2 基于行為的用戶興趣挖掘研究概述
    2.3 用戶基本屬性預(yù)測研究概述
    2.4 微博推薦研究概述
    2.5 研究現(xiàn)狀總結(jié)
3 基于內(nèi)容的在線社交網(wǎng)絡(luò)用戶基本屬性預(yù)測
    3.1 研究思路
    3.2 關(guān)鍵技術(shù)描述
    3.3 實(shí)驗(yàn)與結(jié)果分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)概述
        3.3.2 實(shí)驗(yàn)結(jié)果
        3.3.3 實(shí)驗(yàn)結(jié)果分析
    3.4 本章小結(jié)
4 基于行為的在線社交網(wǎng)絡(luò)用戶興趣畫像構(gòu)建
    4.1 研究思路
    4.2 關(guān)鍵技術(shù)描述
    4.3 相關(guān)模塊說明與系統(tǒng)實(shí)現(xiàn)
    4.4 用戶實(shí)驗(yàn)設(shè)計(jì)
        4.4.1 實(shí)驗(yàn)介紹
        4.4.2 實(shí)驗(yàn)過程
        4.4.3 用戶興趣畫像評價(jià)標(biāo)準(zhǔn)
    4.5 實(shí)驗(yàn)結(jié)果分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)概述
        4.5.2 結(jié)果分析
    4.6 本章小結(jié)
5 融合行為與內(nèi)容的在線社交網(wǎng)絡(luò)用戶畫像構(gòu)建
    5.1 研究思路
    5.2 關(guān)鍵技術(shù)概述
    5.3 實(shí)驗(yàn)用戶基本屬性預(yù)測
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)概述
        5.3.2 實(shí)驗(yàn)過程
        5.3.3 實(shí)驗(yàn)結(jié)果分析
    5.4 實(shí)驗(yàn)用戶興趣畫像構(gòu)建
    5.5 實(shí)驗(yàn)用戶畫像生成
    5.6 本章小結(jié)
6 基于用戶畫像的微博推薦應(yīng)用研究
    6.1 研究思路
    6.2 關(guān)鍵技術(shù)描述
    6.3 相關(guān)模塊介紹及系統(tǒng)實(shí)現(xiàn)
    6.4 微博推薦實(shí)驗(yàn)設(shè)計(jì)
        6.4.1 微博推薦實(shí)驗(yàn)介紹
        6.4.2 微博推薦實(shí)驗(yàn)過程
        6.4.3 微博推薦滿意度評價(jià)標(biāo)準(zhǔn)
    6.5 實(shí)驗(yàn)與結(jié)果分析
    6.6 本章小結(jié)
7 研究總結(jié)與展望
    7.1 研究總結(jié)
    7.2 研究不足及展望
致謝
參考文獻(xiàn)
附錄: 攻讀碩士期間論文發(fā)表、項(xiàng)目參與與獲獎(jiǎng)情況



本文編號：3772020