社交媒体用户行为的跨平台建模

随着移动应用的蓬勃发展与普及，不同垂直领域积累了大量自发、真实且多样的用户信息与社会行为数据。然而，各平台仅从特定方面描述用户画像，导致难以将这些网络足迹整合。在我们的研究中，我们提出一种建模方法来分析用户在不同社交媒体平台上的在线行为。我们收集了网易云音乐与新浪微博共享的同一批用户的结构化与非结构化数据，用于跨平台分析音乐偏好与其他用户特征之间的相关性。基于流派与情绪的音乐标签，通过 K-means 方法对其收藏歌单进行计算，形成了五组的流派簇与四组的情绪簇。此外，借助微博用户数据，我们综合研究了音乐偏好（即流派、情绪）与大五人格（BFPs）及基本信息（如性别、常住地区、标签）之间的相关性，构建了更细粒度的全景用户画像。我们的发现表明，人们的音乐偏好可与其真实社会活动相关联。例如，山区居民普遍偏好民谣，而城市居民更喜爱流行音乐。有趣的是，爱狗人士可能比爱猫人士更爱悲伤音乐。此外，我们提出的跨平台建模方法可适配其他垂直领域，提供了一种在线自动的、更精准全面的用户画像途径。