典型文献
融合发文时序特征的用户属性预测方法
文献摘要：
现有的用户属性预测方法通常基于用户发文的语义特征,忽略了能够体现发文之间依赖关系的时序特征.针对此问题,提出一种融合发文时序特征的用户属性预测方法.该方法基于用户发文流,利用Word2Vec生成具有语义特征的发文向量,然后通过双向长短期记忆(Bi-directional Long Short Memory,Bi-LSTM)神经网络提取时序特征,最后输入全连接层和Softmax实现属性预测.实验结果表明,与未使用时序特征的属性预测方法相比,该方法具有较好的精确率和召回率.
文献关键词：
属性预测;语义特征;时序特征;Bi-LSTM
中图分类号：
作者姓名：
任帅;任化娟;井靖;董姝岐
作者机构：
信息工程大学,河南郑州450001
文献出处：
引用格式：
[1]任帅;任化娟;井靖;董姝岐-.融合发文时序特征的用户属性预测方法)[J].信息工程大学学报,2022(06):724-729
A类：
B类：
时序特征,用户属性,属性预测,语义特征,依赖关系,Word2Vec,双向长短期记忆,Bi,directional,Long,Short,Memory,全连接层,Softmax,精确率,召回率
AB值：
0.276481
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
