隨著移動終端設(shè)備（包括智能手機(jī)、可穿戴設(shè)備等）的智能化與集成化不斷增強(qiáng),充分利用其內(nèi)嵌的各類傳感器,如麥克風(fēng)、陀螺儀、WiFi、藍(lán)牙等,可以實現(xiàn)對用戶行為的全面感知與透徹理解。在此基礎(chǔ)上,構(gòu)建用戶精準(zhǔn)畫像對于重點人群監(jiān)測、精準(zhǔn)商業(yè)推薦、個性化服務(wù)等各類應(yīng)用均具有十分重要的作用和意義。然而在現(xiàn)實中,用戶行為特性/規(guī)律往往分散在真實的物理世界、虛擬的信息空間以及隱秘的內(nèi)心世界中,因此,要實現(xiàn)用戶的精準(zhǔn)畫像必須把散落在不同空間和維度的多源感知數(shù)據(jù)有效融合起來,構(gòu)建統(tǒng)一的、融合的用戶畫像框架。基于此,本文開展了基于多源感知數(shù)據(jù)的用戶精準(zhǔn)畫像研究,具體研究內(nèi)容包括以下幾個方面:（1）人格心理空間:通過手機(jī)感知的多源數(shù)據(jù)對大五人格模型和心理模型進(jìn)行刻畫。利用方差選擇法和皮爾遜相關(guān)系數(shù)法提取與人格心理問卷結(jié)果相關(guān)性顯著的特征,使用遞歸特征消除法進(jìn)行特征選擇,用訓(xùn)練后的邏輯回歸模型、支持向量機(jī)模型和隨機(jī)森林模型分別對大五人格和心理狀態(tài)進(jìn)行預(yù)測,得到九維向量表示大五人格模型（5維）和心理模型（4維）的預(yù)測結(jié)果。（2）信息空間:使用手機(jī)產(chǎn)生的通訊數(shù)據(jù)對用戶社會關(guān)系進(jìn)行刻畫。通訊數(shù)據(jù)包含手機(jī)用戶唯一識別標(biāo)志... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

大五人格測試結(jié)果示意圖

量增多，相比于傳統(tǒng)的任務(wù)分發(fā)方法任務(wù)完成率和任務(wù)分發(fā)成功率平均提高了10%；在線任務(wù)分發(fā)階段提出了基于社會關(guān)系(TaskTransfer：ASocialRelationship-Based，F(xiàn)TASKTraf)畫像的任務(wù)轉(zhuǎn)發(fā)方法，驗證了在任務(wù)轉(zhuǎn)移過程中社會關(guān)系是最重要的角色，其次是用戶的榮譽值和物理距離。1.3.2文章結(jié)構(gòu)本課題研究的主要內(nèi)容為基于用戶的人格心理、信息和物理三維空間的畫像和將畫像結(jié)果應(yīng)用于群智感知任務(wù)分發(fā)系統(tǒng)中，解決了傳統(tǒng)方法對于移動群智感知社會化用戶招募與任務(wù)分發(fā)中任務(wù)完成率和任務(wù)分發(fā)成功率不高的問題。論文整體框架圖如圖1.2所示，論文的具體結(jié)構(gòu)安排如下：圖1.2文章整體框架圖（1）第一章為緒論，綜述了用戶畫像的背景和研究意義，通過從大五人格模型、用戶移動行為社會關(guān)系、移動群智感知任務(wù)分發(fā)三個方面闡述研究現(xiàn)狀及其應(yīng)用。（2）第二章為用戶畫像相關(guān)理論方法，詳細(xì)介紹了對用戶的人格心理分類時采用的邏輯回歸(LogisticRegression，LR)、支持向量機(jī)(SupportVectorMachine，SVM)和隨機(jī)森林(RandomForest，RF)三種分類算法的內(nèi)容，并介紹復(fù)雜網(wǎng)絡(luò)及網(wǎng)絡(luò)度量指標(biāo)，計算用戶間影響力因子的方法PageRank。（3）第三章為基于用戶人格心理模型構(gòu)建用戶畫像的內(nèi)容，首先介紹了大五人格模

西安科技大學(xué)全日制工程碩士學(xué)位論文10LR模型的優(yōu)點是算法實現(xiàn)和求解都相對簡潔、簡單，通過離散化提取的特征和其他問卷數(shù)值映射，LR在實際中可也解決非線性問題，是一個強(qiáng)大的分類器。因此在實際應(yīng)用中，LR模型應(yīng)用廣泛。2.1.2支持向量機(jī)算法SVM本質(zhì)是找到一個最優(yōu)間隔分類平面，每個特征的值是特定坐標(biāo)的值，然后通過不斷優(yōu)化超平面參數(shù)找到一個最優(yōu)超平面來執(zhí)行分類任務(wù)。在SVM分類決策中起決定性作用的是少數(shù)向量，計算的復(fù)雜度也是由支持向量的數(shù)目決定，所以SVM抓住了關(guān)鍵樣本，弱化了其他冗余的樣本，在計算過程中比較簡單，而且具有較好的魯棒性[45]，支持向量機(jī)示意圖如圖2.1所示。圖2.1支持向量機(jī)示意圖SVM研究的核心問題是在正確分類的前提下，使得距離間隔超平面最近的樣本點和超平面的距離最大，即就是獲取一個最佳分隔超平面，可將目標(biāo)表示為公式（2.5）：Niwbxwwyitsibw....3,2,1,)(..max,（2.5）其中為距離間隔超平面最近的樣本點與超平面的幾何間隔，將幾何間隔代替為函數(shù)間隔表示為公式（2.6）：Niwbxwwyitswibw....3,2,1,)(..max,（2.6）由于函數(shù)間隔的取值是隨著參數(shù)bw,變化而變化的，隨著參數(shù)bw,的倍增，分類超

【參考文獻(xiàn)】：
期刊論文
[1]上下文感知的移動社交網(wǎng)絡(luò)好友推薦算法[J]. 孔聰聰,陳曙東.  小型微型計算機(jī)系統(tǒng). 2018(01)
[2]基于位置社交網(wǎng)絡(luò)的上下文感知的興趣點推薦[J]. 任星怡,宋美娜,宋俊德.  計算機(jī)學(xué)報. 2017(04)
[3]群智感知激勵機(jī)制研究綜述[J]. 吳垚,曾菊儒,彭輝,陳紅,李翠平.  軟件學(xué)報. 2016(08)

碩士論文
[1]基于社交網(wǎng)絡(luò)的用戶畫像構(gòu)建及推薦研究[D]. 沈樹茂.浙江工業(yè)大學(xué) 2019
[2]基于無線感知的用戶群體畫像的研究[D]. 田繼偉.天津理工大學(xué) 2019
[3]基于位置的社交網(wǎng)絡(luò)的個性化興趣點推薦算法研究[D]. 吳燕.南京郵電大學(xué) 2018
[4]基于本地移動軌跡和相似關(guān)系的興趣點推薦[D]. 史楊凱.湖南大學(xué) 2018
[5]基于話單數(shù)據(jù)的移動通信用戶畫像研究[D]. 張海旭.中國科學(xué)技術(shù)大學(xué) 2018
[6]在線社交網(wǎng)絡(luò)中用戶畫像構(gòu)建及其應(yīng)用研究[D]. 汪強(qiáng)兵.南京理工大學(xué) 2018
[7]基于多源感知數(shù)據(jù)的用戶交互關(guān)系研究[D]. 趙邦輝.國防科學(xué)技術(shù)大學(xué) 2016
[8]手機(jī)通訊社交網(wǎng)絡(luò)節(jié)點影響力排序及社區(qū)發(fā)現(xiàn)[D]. 王偉.東北大學(xué) 2015
[9]無標(biāo)度網(wǎng)絡(luò)建模與抗毀性研究[D]. 蔣豐景.西安電子科技大學(xué) 2014



本文編號：3625222