工作记忆理论驱动的社交媒体用户画像自然属性预测模型

作     者：刘锦行 李琳 龙思杰 王聪慧 LIU Jinhang;LI Lin;LONG Sijie;WANG Conghui

作者机构：湖北工业大学计算机学院武汉430068 武汉理工大学计算机与人工智能学院武汉430070 

基　　金：国家自然科学基金青年项目(No.62106070) 认知智能全国重点实验室开放课题(CIOS-2022SC03)资助 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2023年第36卷第10期

页      码：877-889页

摘      要：利用社交媒体用户生成的内容构建用户画像系统,为个性化服务和电商平台的精准营销提供支持,这是社交媒体分析领域重要的研究方向之一.文中研究用户以时间线方式发布内容形成篇章级长度的多模态数据,并针对由此给用户画像自动构建带来的挑战展开分析.以用户性别和出生年代为主的自然属性为目标,研究如何有效处理与分析社交媒体用户发布的篇章级多模态数据,提出基于Moments的社交媒体用户画像自然属性预测模型.在认知心理学启发下,通过工作记忆理论设计数据分块方式,缓解以拼接和滑动窗口为主的传统方法存在的语意破坏和语篇合成的问题.再针对用户在发表社交内容时存在的模态偏好问题,综合注意力平衡模态内数据和模态间数据对预测任务贡献度的差异,实现用户画像中自然维度属性的预测.实验表明,文中模型在用户性别和出生年代预测任务上的准确性较高.

主 题 词：社交媒体 用户画像 自然属性 工作记忆理论 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16451/j.cnki.issn1003-6059.202310002

馆 藏 号：203125173...