基于铰链损失马尔可夫随机场的用户画像
社会与信息网络
2020-01-07 v1 机器学习
机器学习
摘要
已有多种方法被提出，用于从用户在社交媒体中的数字足迹自动推断其画像。大多数已有方法聚焦于挖掘单一类型信息，而忽略了其它可用的用户生成内容(UGC)来源。本文中，我们提出一种机制来推断多种用户特征，如年龄、性别和人格特质，进而将其编入用户画像。为此，我们通过整合并对多种 UGC 来源及社会关系进行推理来建模社交媒体用户。我们的模型基于使用铰链损失马尔可夫随机场(HL-MRFs)的统计关系学习框架，该类概率图模型可用一组一阶逻辑规则定义。我们在来自 Facebook、包含超过 5k 用户和近 725k 关系的数据上验证了该方法。我们展示了如何利用 HL-MRFs，通过借助状态更新、资料图片和 Facebook 主页点赞等形式的文本、视觉和关系内容，开发通用且可扩展的用户画像框架。实验结果表明，我们提出的模型成功整合了多源信息，并在不同信息源上均优于仅使用单一信息源或跨源集成方法的竞争方法。
关键词
引用
@article{arxiv.2001.01177,
title = {User Profiling Using Hinge-loss Markov Random Fields},
author = {Golnoosh Farnadi and Lise Getoor and Marie-Francine Moens and Martine De Cock},
journal= {arXiv preprint arXiv:2001.01177},
year = {2020}
}