基于 K-means 与强化学习的移动应用用户角色发现与优化方法
计算机与社会
2021-07-05 v1 人工智能
人机交互
摘要
随着移动电话的广泛使用，用户可以随时随地以签到数据的形式分享其位置与活动。这些数据反映了用户特征。长期稳定的一组用户共享特征可被抽象为用户角色。该角色与用户的社会背景、职业和生活习惯密切相关。本研究提供了四项主要贡献。首先，通过对签到数据的分析，为每个用户构建了来自不同视角的用户特征模型。其次，使用 K Means 算法从用户特征中发现用户角色。第三，提出一种强化学习算法以加强用户角色的聚类效果并提升聚类结果的稳定性。最后，通过实验验证了方法的有效性，结果表明了该方法是有效的。
引用
@article{arxiv.2107.00862,
title = {User Role Discovery and Optimization Method based on K-means + Reinforcement learning in Mobile Applications},
author = {Yuanbang Li},
journal= {arXiv preprint arXiv:2107.00862},
year = {2021}
}