一种基于用户关注行为的标签预测方法研究

来源：上海理工大学学报杂志2021年第3期北京时间：

作者：邓春燕，郭强，林青轩，王雅静，刘建国

单位：上海理工大学 管理学院，上海 200093,上海理工大学 管理学院，上海 200093,上海理工大学 管理学院，上海 200093,上海理工大学 管理学院，上海 200093,上海财经大学 会计与财务研究院，上海 200433;新浪微热点大数据研究院 上海 201204

摘要：为从互联网用户的关注行为中抽离出更有效的用户标签，通过挖掘用户行为的关注特性，对标签进行预测，完善用户画像系统。首先，构建用户和关注行为对象的邻接矩阵，对其进行奇异值分解，得到行为特征矩阵；然后，利用逻辑斯蒂回归模型训练特征矩阵，预测用户行业属性标签；最后，针对微博上673144条用户行为数据进行实验研究。结果表明，利用用户关注行为特征矩阵预测行业标签，15类行业标签中预测准确性的最大值可达到0.657。研究结果缓解了用户关注行为的稀疏性，并且提升了行业标签的预测效果，改善了用户关注行为不能很好反映用户重要标签的缺陷，可为互联网用户画像贴标系统提供借鉴。

关键词：用户画像;关注行为;特征分解;标签预测

基金资助：国家自然科学基金资助项目（71771152，617773248）；国家社会科学基金资助项目（18ZDA088，20ZDA060）