主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2021年第1期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
项连城,方全,桑基韬,徐常胜,路冬媛.基于社交媒体的关联性用户属性推断.软件学报,2015,26(S2):145-154
基于社交媒体的关联性用户属性推断
Exploiting Social Media Information for Relational User Attribute Inference
投稿时间:2014-06-20  修订日期:2014-08-20
DOI:
中文关键词:  超图  用户属性挖掘  属性关系
英文关键词:hypergraph  user attribute inference  relations between attribute
基金项目:国家自然科学基金(61225009);国家重点基础研究发展计划(973)(2012CB316304);北京市自然科学基金(4131004);新加坡国家研究基金
作者单位E-mail
项连城 模式识别国家重点实验室(中国科学院自动化研究所), 北京 100190
China-Singapore Institute of Digital Media, Singapore 119615 
 
方全 模式识别国家重点实验室(中国科学院自动化研究所), 北京 100190
China-Singapore Institute of Digital Media, Singapore 119615 
 
桑基韬 模式识别国家重点实验室(中国科学院自动化研究所), 北京 100190
China-Singapore Institute of Digital Media, Singapore 119615 
 
徐常胜 模式识别国家重点实验室(中国科学院自动化研究所), 北京 100190
China-Singapore Institute of Digital Media, Singapore 119615 
 
路冬媛 National University of Singapore, Singapore 119615 dongyuanlu@gmail.com 
摘要点击次数: 1346
全文下载次数: 1865
中文摘要:
      挖掘用户属性对用户建模、用户检索和个性化服务等具有十分重要的意义.已有的相关研究工作都是单独挖掘各种属性,而且忽略了各属性之间的相关关系.提出一种基于超图学习的用户属性推断的方法.在超图中,顶点表示社会媒体中的用户,超边表示用户产生的内容相似性与属性之间的关系.在建好的超图模型上,把用户属性挖掘形式化成一个正则化的标签相似传播问题,可以有效推断得到用户的各种属性.利用从Google+上收集的标记过全部属性的数据集进行了大量的实验,其结果表明了该方法在用户属性挖掘中的有效性.
英文摘要:
      Inferring user attributes is important for user profiling, retrieval, and personalization. Most existing work infers user attribute independently and ignores the relations between attributes. In this work, a new method is proposed to infer user attributes via hypergraph learning. In the hypergragh, each vertex represents a user in the social media, and the hyperedges are used to capture the similarity relations of the user generated content and the relations between attributes. The user attributes inference is formalized into a regularization label similar propagation problem in the constructed hypergraph, which can effectively infer the users' various attributes. Extensive experiments conducted on a collected dataset from Google+ with full attribute annotations demonstrate the effectiveness of the proposed approach in user attribute inference.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利