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