社交网络中用户年龄预测研究.doc

资料分类:设计作品 上传会员:小山神 更新时间:2018-07-26
需要金币1000 个金币 资料包括:完整论文 下载论文
转换比率:金额 X 10=金币数量, 例100元=1000金币 论文字数:14138
折扣与优惠:团购最低可5折优惠 - 了解详情 论文格式:Word格式(*.doc)

摘要:近年来,移动社交网络迅猛发展,各种社交APP如雨后春笋般涌现,逐渐影响着人们的日常生活,甚至改变了人们的行为方式。人们每天在社交网络上产生海量的数据。因此对社交网络用户属性的研究是一项非常重要的工作。

本文对38万移动社交网络用户数据进行了分析,主要研究了基于表示学习的移动社交网络用户年龄预测方法。在预测中,使用了10种基于社交网络结构的推断算法。同时,将Node2vec这种表示学习方法引入用户年龄预测中,使用用户一阶和二阶邻居节点信息进行节点的向量化表达,然后运用机器学习XGBoost算法预测用户的年龄。研究发现当用户的好友数较少时,基于Node2vec的节点嵌入方法预测精度较高;当用户的好友数较多时,使用基于网络结构的推断算法(用户所有好友的平均年龄预测)得出最好结果。

 

关键词:社交网络;年龄预测;Node2vec;表示学习

 

目录

摘要

Abstract

1 绪论-1

1.1 研究背景及意义-1

1.2 国内外研究现状-2

1.3 本文主要研究内容-3

2 相关技术-4

2.1 Word2vec-4

2.1.1 词向量-4

2.1.2 神经网络语言模型-4

2.1.3 Word2vec模型-6

2.2 Node2vec-7

2.3 本章小结-9

3 XGBoost算法-10

3.1 XGBoost算法的优点-10

3.2 XGBoost算法的目标函数-10

3.3 基于XGBoost算法的预测模型-12

3.4 本章小结-12

4 社交网络中用户年龄预测-14

4.1 整体设计思路-14

4.2 数据说明与简要分析-14

4.3 基于社交网络拓扑结构的用户年龄预测-16

4.3.1 待测用户的社交网络-16

4.3.2 基于社交网络拓扑结构的推断方法-17

4.3.3 评价指标-20

4.3.4 基于社交网络拓扑结构推断方法的结果分析-20

4.4 基于表示学习的用户年龄预测-21

4.5 用户年龄预测结果分析-21

4.6 本章小结-22

结    论-23

参 考 文 献-24

附录A 主程序-26

致    谢-30

相关论文资料:
最新评论
上传会员 小山神 对本文的描述:本文主要研究了基于社交网络结构和基于表示学习的网络用户年龄预测。在用户年龄预测中,对移动社交网络短信数据,使用了10种基于社交网络结构的推断算法。同时,将Node2vec这种表......
发表评论 (我们特别支持正能量传递,您的参与就是我们最好的动力)
注册会员后发表精彩评论奖励积分,积分可以换金币,用于下载需要金币的原创资料。
您的昵称: 验证码: