利用网络与语言信息预测 Twitter 用户社会经济属性

推断社交媒体用户的社会经济属性（如职业和收入）是计算社会科学中的一个重要问题。此类特征的自动推断在个性化推荐系统、定向计算广告和在线政治竞选中有应用。尽管先前工作已表明语言特征可可靠预测 Twitter 上的社会经济属性，但利用来自用户社交网络的信息来推断此类复杂用户特征尚未被探索。在本文中，我们描述了一种预测 Twitter 用户职业类别和收入的方法，该方法利用从其扩展网络中提取的信息，通过学习用户的低维向量表示（即图嵌入）。我们使用该表示训练用于职业类别和收入的预测模型。在两个公开数据集上的结果表明，我们的方法在两项任务中一致优于最先进的方法。当我们将图嵌入与文本特征结合时，还获得了进一步的显著提升，表明社交网络与语言信息是互补的。