基于行为-内容融合模型的用户画像研究
来源：图书情报工作杂志2018年第13期北京时间：
作者：余传明,田鑫,郭亚静,安璐
单位：1. 中南财经政法大学信息与安全工程学院 武汉 430073;<br />\r\n2. 武汉大学信息管理学院 武汉 430072
摘要：[目的/意义]为识别并去除非理性投资者的网络评论，提升评论的专业程度与质量，促进理性投资，本文以识别股吧中的用户是否属于噪声投资者为研究任务，进行用户画像。[方法/过程]对股吧的用户发文内容进行深度用户表示学习（deep user representation learning），结合股吧用户的粉丝数量、影响力、关注量、自选股、吧龄、发帖量、评论量、访问量等行为特征，提出一种行为-内容融合模型（behaviour and content combined model，BCCM），并在标注数据集上进行实证与对比研究。[结果/结论]实验结果显示，该模型对噪声投资者识别的F1值为79.47%，优于决策树方法（69.90%）、SVM方法（75.61%）、KNN方法（73.21%）和ANN方法（74.83%）。在噪声投资者识别这一特定用户画像研究任务中，通过利用深度用户表示学习引入文本内容特征，能够显著提升用户画像的各种评价指标。
关键词：用户画像,情感分析,用户表示学习,特征融合,
基金资助：本文系国家自然科学基金面上项目"大数据环境下基于领域知识获取与对齐的观点检索研究"（项目编号：71373286）和教育部哲学社会科学研究重大课题攻关项目"提高反恐怖主义情报信息工作能力对策研究"（项目编号：17JZD034）研究成果之一。
