基于异构信息网络的移动应用用户属性预测
机器学习
2019-10-08 v1 机器学习
摘要
基于用户的属性信息（如年龄和性别）通常被视为用户隐私信息。企业难以获取基于用户的隐私属性信息。然而，基于用户的隐私属性信息在个性化服务、用户行为分析等方面具有广泛的应用。本文改进了HetPathMine模型并提出TPathMine模型。通过应用每个节点下属性的点击次数来表达用户的情感偏好信息，并给出了元路径权重求解的优化方案。基于异构信息网络中的元路径，新模型将对象间的所有关系整合为分类对象的同构关系。利用矩阵实现类别知识在同构对象间的知识传播。实验结果表明：(1) 基于异构信息网络的用户属性预测比传统机器学习分类方法能达到更高的准确率；(2) 基于点击次数的TPathMine模型在对不同年龄组用户分类时更为准确，且各元路径的权重符合人类直觉或真实世界情况。
引用
@article{arxiv.1910.02450,
title = {Mobile APP User Attribute Prediction by Heterogeneous Information Network Modeling},
author = {Hekai Zhang and Jibing Gong and Zhiyong Teng and Dan Wang and Hongfei Wang and Linfeng Du and Zakirul Alam Bhuiyan},
journal= {arXiv preprint arXiv:1910.02450},
year = {2019}
}
备注
10 pages,3 figures,International Conference on Dependability in Sensor, Cloud, and Big Data Systems and Applications