赵　宇　李佳艺　王　莉

(1太原理工大学计算机科学与技术学院，晋中，030600；2 太原理工大学大数据学院，晋中，030600)

引　　言

互联网及移动技术的快速发展，不仅改变着人们的生活方式，同时也产生了海量数据资源。如何从繁杂无序的文本中挖掘出有价值的用户信息，已成为业界广泛关注的问题，因此用户属性推断应运而生。用户属性推断，旨在通过一段时间内用户的已有数据(如搜索信息、购物信息、地理位置以及移动通信等)推断用户属性，具体属性包括：性别、年龄和受教育程度等。对于企业而言，了解自身产品受众的属性有助于设计营销方案及广告宣传策略、实现产品定位及线上线下的市场推广；对刑侦类工作而言，掌握嫌疑人的基本属性有利于排除干扰因素，进一步缩小侦查范围。因此属性推断能力的强弱直接关系到相关应用的准确性。在用户属性推断研究方面，虽然近几年得到了产业界和学术界的关注，但仍然面临着巨大的挑战，主要表现在：(1)现有的用户属性推断方法大多是为用户提取基于经验所得的特征，却忽略了用户的整体表征对用户属性推断的贡献，这在一定程度上导致用户属性间的关联关系难以发挥作用，限制了用户属性推断的可参考范围；(2)大多数用户属性推断问题多归为分类问题，即将属性划分为不同的阈值，转化成二分类或多分类问题。但使用多分类器融合技术较单一分类方法而言具有较强的泛化能力。……