多任务回归在社交媒体挖掘中的应用

被引：11

作者：

白朔天 ^{[1
]}

袁莎 ^{[2
]}

程立 ^{[3
]}

朱廷劭 ^{[4
]}

机构：

[1] 中国科学院大学计算机与控制学院

[2] 中国科学院声学研究所

[3] 生物信息学研究所新加坡科技研究局

[4] 中国科学院心理研究所

来源：

哈尔滨工业大学学报 | 2014年 / 46卷 / 09期

关键词：

多任务回归; 社交媒体; 网络挖掘; 特征提取;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

随着社交媒体的迅速发展,针对网络信息挖掘的研究成为互联网领域备受关注的研究热点之一.传统的单任务回归对各个任务分别建模,在多变量预测的场合中,无法合理利用变量之间的共享信息.因此,本文通过多任务回归网络挖掘方法,分析社交媒体用户人格和网络行为的关联模式.实验通过在线被试邀请,采集了335个人人网用户样本和563个新浪微博用户样本.采用多任务回归的算法,预测精度可达87%以上.实验结果表明多任务回归对多变量建模效果要优于单任务学习算法.

引用

页码：100 / 104+110 +110

页数：6