基于社交媒体的关联性用户属性推断
随着社会媒体的兴盛,越来越多的用户在网络中产生和分享各种信息.这些活动能够反映用户的各种属性信息,例如性别、年龄和职业等.挖掘用户属性对用户建模、用户检索和个性化服务等具有十分重要的意义.已有的相关研究工作都是单独进行挖掘各种属性,而且忽略了各属性之间的相关关系.在本文中,我们在进行用户属性推断时考虑属性之间的关系,提出了一种新的基于超图学习的关联性用户属性推断的方法.在超图中,顶点表示社会媒体中的用户,超边表示用户产生的内容相似性和属性之间的关系.在建好的超图模型上,我们把用户属性挖掘形式化成一个正则化的标签相似传播问题,可以有效推断得到用户的各种属性.利用从Google+上收集的标记过全部属性的数据集进行了大量的实验,证明了考虑属性关联对于用户属性挖掘中的有效性.
社会网络 关联性用户 属性推断 社交媒体
项连城 方全 桑基韬 徐常胜
中国科学院自动化研究所模式识别,北京中国100190;中国-新加坡数学媒体研究院计算机,新加坡119615
国内会议
北京
中文
1-10
2014-09-13（万方平台首次上网日期，不代表论文的发表时间）