改进词向量模型的用户画像研究

摘要：

用户画像技术可以给企业带来巨大的商业价值.针对用户的历史查询词,利用词向量可以得到查询词在语义层次上的表达,但词向量模型对于同一个单词生成的词向量是相同的,使得该模型无法很好的处理一词多义的情况.因此,使用LDA主题模型为每个查询词分配主题,使查询词和其主题共同放入神经网络模型中学习得到其主题词向量,最后采用随机森林分类算法对用户基本属性进行分类构建用户画像.实验结果表明,该模型的分类精度要高于词向量模型.

关键词：用户画像、词向量、LDA主题模型、随机森林

所属期刊栏目：56

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学青年基金;江西省经济犯罪侦查与防控技术协同创新中心开放基金

在线出版日期：2020-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：180-184