基于用户评分的人口统计数据认知推断

用户人口统计特征（如性别和年龄）的认知推断在创建用户画像以调整营销策略和生成个性化推荐方面起着重要作用，因为由于数据隐私问题，用户人口统计数据通常不可用。目前，用户可以轻易表达对已购买产品或服务的反馈。在此过程中，用户人口统计特征被隐藏，但这些数据从未被成功利用以促进用户人口统计特征的认知推断。本文中，我们研究了用户评分数据的推断能力，并提出了一种简单而通用的认知推断模型，称为评分到画像（rating to profile, R2P），以从用户提供的评分中推断用户人口统计特征。具体而言，所提出的 R2P 模型能够实现以下几点：1. 正确地将用户评分整合到模型训练中。2. 同时推断用户的多个属性，捕捉不同人口属性之间的潜在关联。3. 在监督学习范式下以集成方式训练其两个组件，即特征提取器和分类器，这有效有助于从高度稀疏的评分数据中发现有用的隐藏模式。我们介绍了如何将用户评分数据纳入用户人口统计数据认知推断的研究领域，并详述了所提出 R2P 的模型开发与优化过程。在两个真实世界评分数据集上针对多种对比的最先进（state-of-the-art）方法进行了大量实验，多方面结果表明我们提出的 R2P 模型能显著改善用户人口统计数据的认知推断性能。