哪些老人不说话? 基于标签的老年缄默用户预测

基于用户标签实现社交网络缄默用户里的老年用户预测,有助于解决使用传统基于用户产生文本的预测方法难以预测缄默用户内老年用户的难题。有效预测出缄默用户中的老年人有助于为这部分用户提供诸如适老化用户界面、适老信息以及好友推荐等适老服务,减轻老年人使用社交网络的负担。使用Word2vec和LDA两种方法,本文提取了社交网络用户标签特征向量,并使用六种不同分类算法对社交网络内老年用户进行预测。根据TF-IDF计算不同年龄组别用户标签词的热度指数,本文发现不同年龄组别用户的热门标签词语存在明显差别,表明使用标签词预测用户的年龄分组具有一定可行性。使用Word2vec方法提取用户标签特征,同时使用简单逻辑回归或随机森林分类模型可以有效判断缄默用户是否为老年用户,在不使用任何社交网络拓扑结构和用户生成文本的情况下,分类正确率达到66%。

基于兴趣标签的缄默用户性别预测研究

为解决社交媒体中缄默用户的性别预测问题,提出利用用户文件夹中的兴趣标签进行区分的方法.针对标签存在稀疏和歧义性的特点,设计了一种基于概念类推断用户性别的框架.首先依据社交心理特征将标签划分为若干概念类;其次通过关联挖掘方法扩充概念类;最后通过概念类压缩用户特征空间.在新浪微博真实数据集上进行验证,实验结果表明:所提方法对于缄默用户性别有显著的区分效果,在不使用任何微博信息的条件下,区分准确率达到71%.