11.5 关联性用户属性推断

用户画像是个性化推荐的基础。在大多数的社交网络中，并不能得到准确和完整的用户属性。现有的工作通过利用用户产生的网络数据来推断用户属性[5] ，表明了用户网络行为活动对于预测用户属性的有效性。但是这些研究工作是独立研究用户属性的，并且只利用了文本内容。本文利用用户在社会媒体网络中产生的丰富在线多媒体内容信息和用户属性之间的关系，研究关联性用户属性推断。特别地研究性别、年龄、情感状况、职业、兴趣、情绪倾向六种类型的用户属性，每一种用户属性有多个值。为了能有效利用用户产生的内容信息和属性之间的关系，提出一个关联性隐式支持向量机（Relational Latent SVM, Relational LSVM） 的 模型框架进行用户属性推断。特别地，以 Google+ 为测试平台进行研究和实验。在 Google+，用户允许建立他们的个人档案在 About 版块和在 Posts 页面发布个人活动信息。我们把关联性用户属性推断形式化为输入是用户的社交网络内容数据，包括从About 获取的档案数据和在 Posts 下载的发布活动信息。关联性隐式支持向量机从这些数据中监督性学习来推断输出，包括预测的用户属性和推断的用户属性关系。我们在来自 Google+ 的真实数据上评估提出的属性推断模型。实验结果证实了关联性隐式支持向量机推断用户属性的有效性和用户属性关系在用户相关应用中的用途。