改进词向量模型的用户画像研究
2020-01-06陈泽宇
计算机工程与应用 2020年1期
陈泽宇,黄 勃,2
1.上海工程技术大学 电子电气工程学院,上海201620
2.江西省经济犯罪侦查与防控技术协同创新中心,南昌330000
1 引言
互联网科技的发展带来了互联网数据爆炸式的增长,用户在浏览网页的同时会留下大量的行为数据,分析这些数据可以挖掘出用户基本的属性信息和潜在的兴趣偏好,给企业的经营方面提供了重大的帮助。搜索引擎是一个主流的网络平台,利用搜索引擎来构建用户画像对于营销的效果具有更加重要的价值,针对用户的查询词的短文本,传统的向量空间模型存在特征稀疏的问题,并且缺乏单词之间的语义联系。李雅坤[1]引入词向量构建了基于搜索引擎短文本的用户画像。词向量模型[2]通常使用一个向量来表示一个单词,无法解决一词多义和一义多词的情况。为了解决这样的问题,Reisinger 等[3]提出了多原型向量空间模型(multi-prototype vector space models),该模型将一个单词的上下文聚类为一组,然后为每一个类生成一个不同的词向量。然而,多原型向量空间模型[4-6]在生成词向量时也存在一些问题,它将同一个单词的不同上下文聚类为没有关联的两簇,但他们的语义可能是相同的。于是,张小川等[7]将文本向量与文本的主题分布相结合,得到语义表达更丰富的词向量,但该模型只是简单地将文本向量和文本的主题向量相连接,在主题信息的表达上还不够突出。本文提出一种更加强大的多原型向量空间模型,将目标单词和它所分配的主题共同放入神经网络中训练得到目标单词的主题词向量。……
登录APP查看全文
