深度学习 用户画像_基于深度学习的用户画像研究

基于深度学习的用户画像研究

作者：兰秋军 周妹璇

所属学科：管理学　　二级学科： 管理工程

关键字：用户画像高维特征标签深度神经网络

摘要/Abstract

用户画像在个性化推荐以及精准营销中起到了重要作用.如今在大数据背景下，传统的浅层学习方法由于不能深入挖掘特征之间的关系，尤其是在高维特征基础上预测用户画像标签时面临挑战。本文采用在原有特征基础上进行特征拓展与独热编码方法，并利用深度神经网络对用户画像标签进行预测，通过与决策树、逻辑回归算法的实验对比，本文方法获得较高的AUC值，达0.792。本文进一步对深度神经网络的网络层数、神经元个数及正则化技术进行探索。

User profile plays an important role in personalized recommendation and precision marketing. In the era of big data, due to the lack of mining the relation of the features, the traditional shallow learning methods are faced with difficulties in predicting the tags of user profile especially based on high-dimensional features. In this paper, we expand the primeval basic features and convert them with one-hot encoding, and we predict the tag of user profile by Deep Neural Network (DNN). By the contrast experiments with Decision Tree (DT) and Logistic Regression (LR), our method achieves a higher score at 0.792 in AUC. Further, this paper explores the numbers of layers and neurons of DNN and regularization technology.

全文/Full Text

论文刊载证明

由 兰秋军 向中国高校人文社会科学信息网"论文在线"提交的 基于深度学习的用户画像研究 论文，经本网站审阅后，已于 2018年04月18 日 在中国高校人文社会科学信息网(互联网出版许可证：新出网证(京)字029号)刊载，对外公开发表。论文作者共 2 人，依次为：兰秋军，周妹璇。特此证明。

文章ID：82154

刊载地址：www.sinoss.net/show.php?contentid=82154

中国人民大学出版社

中国高校人文社会科学信息网

2020年12月29日

兰秋军(收)

中国高校人文社会科学信息网