基于异构属性传播的网络用户画像方法

摘要

[目的/意义]为解决现有基于在线评论的用户画像维度单一问题,提出一种基于异构属性传播的网络用户画像方法。[方法/过程]基于用户、电影和标签构建图模型,从基本属性、电影偏好、情感偏好以及评分行为多个维度对用户属性初始化,作为用户节点属性,并通过迭代传播的方式不断更新用户属性。[结果/结论]实验结果表明,所提出的方法能够显著丰富用户画像维度,相比现有最优深度学习模型,均方误差由0.113减小到0.083。通过属性扩增及传播,本方法能够提供丰富且准确的用户画像能力。[局限]实验数据来源于电影评论,用户画像对象为电影评分用户,场景较为单一,缺少在其他领域的验证。