隨著社交網絡的發(fā)展,用戶在社交網絡中產生的數據越來越多,這些數據為用戶畫像構建奠定了基礎。目前,個性化推薦系統在市場營銷和電商領域的重要性日益增加,而用戶畫像構建是個性化推薦系統成功應用的關鍵。因此,研究在線社交網絡用戶畫像構建具有重要的應用價值。用戶基本屬性和用戶興趣是用戶畫像重要的組成部分,本文首先根據在線社交網絡上的用戶生成內容預測用戶基本屬性。其次,基于筆者開發(fā)的移動端微博閱讀系統收集手勢行為,進而挖掘用戶興趣,構建用戶興趣畫像。最后,結合用戶基本屬性和興趣畫像,構建用戶畫像,并研究用戶畫像在用戶興趣推薦中的實際應用。首先,本文利用社交網絡中的用戶生成內容預測用戶基本屬性,包括用戶的性別、年齡及地域。基于十折交叉驗證的方法,在訓練集中尋找主題模型和向量空間模型的最優(yōu)參數后,進行用戶建模并訓練分類器,預測測試集中用戶的基本屬性。實驗結果表明,不同性別和年齡的用戶在新浪微博中的生成內容在主題上存在著差異,使用主題模型取得了最好的預測準確率;在用戶的地域預測任務中,不同地域間的用戶的生成內容無明顯差異,使用主題模型的預測效果明顯低于向量空間模型的預測效果。其次,為研究利用移動設備上手...

【文章頁數】：79 頁

【學位級別】：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 研究內容
    1.4 本文創(chuàng)新點
    1.5 本文的組織結構
2 相關研究綜述
    2.1 用戶畫像構建方法研究概述
    2.2 基于行為的用戶興趣挖掘研究概述
    2.3 用戶基本屬性預測研究概述
    2.4 微博推薦研究概述
    2.5 研究現狀總結
3 基于內容的在線社交網絡用戶基本屬性預測
    3.1 研究思路
    3.2 關鍵技術描述
    3.3 實驗與結果分析
        3.3.1 實驗數據概述
        3.3.2 實驗結果
        3.3.3 實驗結果分析
    3.4 本章小結
4 基于行為的在線社交網絡用戶興趣畫像構建
    4.1 研究思路
    4.2 關鍵技術描述
    4.3 相關模塊說明與系統實現
    4.4 用戶實驗設計
        4.4.1 實驗介紹
        4.4.2 實驗過程
        4.4.3 用戶興趣畫像評價標準
    4.5 實驗結果分析
        4.5.1 實驗數據概述
        4.5.2 結果分析
    4.6 本章小結
5 融合行為與內容的在線社交網絡用戶畫像構建
    5.1 研究思路
    5.2 關鍵技術概述
    5.3 實驗用戶基本屬性預測
        5.3.1 實驗數據概述
        5.3.2 實驗過程
        5.3.3 實驗結果分析
    5.4 實驗用戶興趣畫像構建
    5.5 實驗用戶畫像生成
    5.6 本章小結
6 基于用戶畫像的微博推薦應用研究
    6.1 研究思路
    6.2 關鍵技術描述
    6.3 相關模塊介紹及系統實現
    6.4 微博推薦實驗設計
        6.4.1 微博推薦實驗介紹
        6.4.2 微博推薦實驗過程
        6.4.3 微博推薦滿意度評價標準
    6.5 實驗與結果分析
    6.6 本章小結
7 研究總結與展望
    7.1 研究總結
    7.2 研究不足及展望
致謝
參考文獻
附錄: 攻讀碩士期間論文發(fā)表、項目參與與獲獎情況



本文編號：3772020