摘要：社交网络用户属性预测作为一个备受关注，跨学科的研究领域。社交用户属性预测研究对企业的用户定制服务规划有重要的意义。本文主要对社交数据中的用户属性预测方法进行研究和运用。在对国内外现有社交网络用户属性预测方法相关研究进行归纳总结的基础上，选定从基于社交网络拓扑结构和基于表示学习两个层面对用户属性预测算法进行研究：基于社交网络拓扑结构层面,研究了机器学习理论、XGBoost算法,运用10种社交网络拓扑结构推断方法并结合选定评价指标进行了用户属性预测；基于表示学习层面，研究了Deepwalk和Node2vec算法以及应用了Word2vec 软件工具，利用Node2vec算法对用户网络节点向量化，然后运用XGBoost算法实现用户属性的预测。通过对应用算法得到的用户属性预测结果进行分析和总结，得到了较好的预测结果。

关键词：用户属性；社交网络；拓扑结构；表示学习

目录

摘要

Abstract

1 绪论-1

1.1 课题研究背景及意义-1

1.1.1 研究背景-1

1.1.2 研究意义-2

1.2 国内外研究现状及发展趋势-2

1.2.1 机器学习研究现状及发展趋势-2

1.2.2 社交网络研究现状及发展趋势-2

1.3本文主要研究内容-3

2.1 研究技术难点-5

2.2 研究方法实现-5

2.2.1 研究方法框架-5

2.2.2 技术路线-6

2.2.3 方法可行性-6

3 用户属性预测方法-8

3.1 基于社交网络拓扑结构的用户属性预测-8

3.1.1机器学习理论-8

3.1.2 XGBoost算法-8

3.1.3基于社交网络拓扑结构的推断方法-8

3.1.4 评价指标-10

3.2基于表示学习的用户属性预测-11

3.2.1 Deepwalk-11

3.2.2 Node2vec-11

3.2.3 Word2vec-11

3.3本章小结-13

4 预测结果分析-14

4.1 基于社交网络拓扑结构推断方法的结果-14

4.1.1 待测用户的社交网络-14

4.1.2社交网络用户属性预测结果-14

4.2基于表示学习的用户属性预测结果-16

4.3本章小结-17

结    论-18

参 考 文 献-19

附录A 部分程序代码-21

致    谢-23