基于多源感知数据的用户精准画像及其应用研究
发布时间：2022-02-14 20:31
随着移动终端设备（包括智能手机、可穿戴设备等）的智能化与集成化不断增强,充分利用其内嵌的各类传感器,如麦克风、陀螺仪、WiFi、蓝牙等,可以实现对用户行为的全面感知与透彻理解。在此基础上,构建用户精准画像对于重点人群监测、精准商业推荐、个性化服务等各类应用均具有十分重要的作用和意义。然而在现实中,用户行为特性/规律往往分散在真实的物理世界、虚拟的信息空间以及隐秘的内心世界中,因此,要实现用户的精准画像必须把散落在不同空间和维度的多源感知数据有效融合起来,构建统一的、融合的用户画像框架。基于此,本文开展了基于多源感知数据的用户精准画像研究,具体研究内容包括以下几个方面:（1）人格心理空间:通过手机感知的多源数据对大五人格模型和心理模型进行刻画。利用方差选择法和皮尔逊相关系数法提取与人格心理问卷结果相关性显著的特征,使用递归特征消除法进行特征选择,用训练后的逻辑回归模型、支持向量机模型和随机森林模型分别对大五人格和心理状态进行预测,得到九维向量表示大五人格模型（5维）和心理模型（4维）的预测结果。（2）信息空间:使用手机产生的通讯数据对用户社会关系进行刻画。通讯数据包含手机用户唯一识别标志...
【文章来源】：西安科技大学陕西省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
大五人格测试结果示意图
量增多，相比于传统的任务分发方法任务完成率和任务分发成功率平均提高了10%；在线任务分发阶段提出了基于社会关系(TaskTransfer：ASocialRelationship-Based，FTASKTraf)画像的任务转发方法，验证了在任务转移过程中社会关系是最重要的角色，其次是用户的荣誉值和物理距离。1.3.2文章结构本课题研究的主要内容为基于用户的人格心理、信息和物理三维空间的画像和将画像结果应用于群智感知任务分发系统中，解决了传统方法对于移动群智感知社会化用户招募与任务分发中任务完成率和任务分发成功率不高的问题。论文整体框架图如图1.2所示，论文的具体结构安排如下：图1.2文章整体框架图（1）第一章为绪论，综述了用户画像的背景和研究意义，通过从大五人格模型、用户移动行为社会关系、移动群智感知任务分发三个方面阐述研究现状及其应用。（2）第二章为用户画像相关理论方法，详细介绍了对用户的人格心理分类时采用的逻辑回归(LogisticRegression，LR)、支持向量机(SupportVectorMachine，SVM)和随机森林(RandomForest，RF)三种分类算法的内容，并介绍复杂网络及网络度量指标，计算用户间影响力因子的方法PageRank。（3）第三章为基于用户人格心理模型构建用户画像的内容，首先介绍了大五人格模
西安科技大学全日制工程硕士学位论文10LR模型的优点是算法实现和求解都相对简洁、简单，通过离散化提取的特征和其他问卷数值映射，LR在实际中可也解决非线性问题，是一个强大的分类器。因此在实际应用中，LR模型应用广泛。2.1.2支持向量机算法SVM本质是找到一个最优间隔分类平面，每个特征的值是特定坐标的值，然后通过不断优化超平面参数找到一个最优超平面来执行分类任务。在SVM分类决策中起决定性作用的是少数向量，计算的复杂度也是由支持向量的数目决定，所以SVM抓住了关键样本，弱化了其他冗余的样本，在计算过程中比较简单，而且具有较好的鲁棒性[45]，支持向量机示意图如图2.1所示。图2.1支持向量机示意图SVM研究的核心问题是在正确分类的前提下，使得距离间隔超平面最近的样本点和超平面的距离最大，即就是获取一个最佳分隔超平面，可将目标表示为公式（2.5）：Niwbxwwyitsibw....3,2,1,)(..max,（2.5）其中为距离间隔超平面最近的样本点与超平面的几何间隔，将几何间隔代替为函数间隔表示为公式（2.6）：Niwbxwwyitswibw....3,2,1,)(..max,（2.6）由于函数间隔的取值是随着参数bw,变化而变化的，随着参数bw,的倍增，分类超
【参考文献】：
期刊论文
[1]上下文感知的移动社交网络好友推荐算法[J]. 孔聪聪,陈曙东. 小型微型计算机系统. 2018(01)
[2]基于位置社交网络的上下文感知的兴趣点推荐[J]. 任星怡,宋美娜,宋俊德. 计算机学报. 2017(04)
[3]群智感知激励机制研究综述[J]. 吴垚,曾菊儒,彭辉,陈红,李翠平. 软件学报. 2016(08)
硕士论文
[1]基于社交网络的用户画像构建及推荐研究[D]. 沈树茂.浙江工业大学 2019
[2]基于无线感知的用户群体画像的研究[D]. 田继伟.天津理工大学 2019
[3]基于位置的社交网络的个性化兴趣点推荐算法研究[D]. 吴燕.南京邮电大学 2018
[4]基于本地移动轨迹和相似关系的兴趣点推荐[D]. 史杨凯.湖南大学 2018
[5]基于话单数据的移动通信用户画像研究[D]. 张海旭.中国科学技术大学 2018
[6]在线社交网络中用户画像构建及其应用研究[D]. 汪强兵.南京理工大学 2018
[7]基于多源感知数据的用户交互关系研究[D]. 赵邦辉.国防科学技术大学 2016
[8]手机通讯社交网络节点影响力排序及社区发现[D]. 王伟.东北大学 2015
[9]无标度网络建模与抗毁性研究[D]. 蒋丰景.西安电子科技大学 2014
本文编号：3625222
【文章来源】：西安科技大学陕西省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
大五人格测试结果示意图
量增多，相比于传统的任务分发方法任务完成率和任务分发成功率平均提高了10%；在线任务分发阶段提出了基于社会关系(TaskTransfer：ASocialRelationship-Based，FTASKTraf)画像的任务转发方法，验证了在任务转移过程中社会关系是最重要的角色，其次是用户的荣誉值和物理距离。1.3.2文章结构本课题研究的主要内容为基于用户的人格心理、信息和物理三维空间的画像和将画像结果应用于群智感知任务分发系统中，解决了传统方法对于移动群智感知社会化用户招募与任务分发中任务完成率和任务分发成功率不高的问题。论文整体框架图如图1.2所示，论文的具体结构安排如下：图1.2文章整体框架图（1）第一章为绪论，综述了用户画像的背景和研究意义，通过从大五人格模型、用户移动行为社会关系、移动群智感知任务分发三个方面阐述研究现状及其应用。（2）第二章为用户画像相关理论方法，详细介绍了对用户的人格心理分类时采用的逻辑回归(LogisticRegression，LR)、支持向量机(SupportVectorMachine，SVM)和随机森林(RandomForest，RF)三种分类算法的内容，并介绍复杂网络及网络度量指标，计算用户间影响力因子的方法PageRank。（3）第三章为基于用户人格心理模型构建用户画像的内容，首先介绍了大五人格模
西安科技大学全日制工程硕士学位论文10LR模型的优点是算法实现和求解都相对简洁、简单，通过离散化提取的特征和其他问卷数值映射，LR在实际中可也解决非线性问题，是一个强大的分类器。因此在实际应用中，LR模型应用广泛。2.1.2支持向量机算法SVM本质是找到一个最优间隔分类平面，每个特征的值是特定坐标的值，然后通过不断优化超平面参数找到一个最优超平面来执行分类任务。在SVM分类决策中起决定性作用的是少数向量，计算的复杂度也是由支持向量的数目决定，所以SVM抓住了关键样本，弱化了其他冗余的样本，在计算过程中比较简单，而且具有较好的鲁棒性[45]，支持向量机示意图如图2.1所示。图2.1支持向量机示意图SVM研究的核心问题是在正确分类的前提下，使得距离间隔超平面最近的样本点和超平面的距离最大，即就是获取一个最佳分隔超平面，可将目标表示为公式（2.5）：Niwbxwwyitsibw....3,2,1,)(..max,（2.5）其中为距离间隔超平面最近的样本点与超平面的几何间隔，将几何间隔代替为函数间隔表示为公式（2.6）：Niwbxwwyitswibw....3,2,1,)(..max,（2.6）由于函数间隔的取值是随着参数bw,变化而变化的，随着参数bw,的倍增，分类超
【参考文献】：
期刊论文
[1]上下文感知的移动社交网络好友推荐算法[J]. 孔聪聪,陈曙东. 小型微型计算机系统. 2018(01)
[2]基于位置社交网络的上下文感知的兴趣点推荐[J]. 任星怡,宋美娜,宋俊德. 计算机学报. 2017(04)
[3]群智感知激励机制研究综述[J]. 吴垚,曾菊儒,彭辉,陈红,李翠平. 软件学报. 2016(08)
硕士论文
[1]基于社交网络的用户画像构建及推荐研究[D]. 沈树茂.浙江工业大学 2019
[2]基于无线感知的用户群体画像的研究[D]. 田继伟.天津理工大学 2019
[3]基于位置的社交网络的个性化兴趣点推荐算法研究[D]. 吴燕.南京邮电大学 2018
[4]基于本地移动轨迹和相似关系的兴趣点推荐[D]. 史杨凯.湖南大学 2018
[5]基于话单数据的移动通信用户画像研究[D]. 张海旭.中国科学技术大学 2018
[6]在线社交网络中用户画像构建及其应用研究[D]. 汪强兵.南京理工大学 2018
[7]基于多源感知数据的用户交互关系研究[D]. 赵邦辉.国防科学技术大学 2016
[8]手机通讯社交网络节点影响力排序及社区发现[D]. 王伟.东北大学 2015
[9]无标度网络建模与抗毁性研究[D]. 蒋丰景.西安电子科技大学 2014
本文编号：3625222
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3625222.html
最近更新
教材专著
