[发明专利]一种基于多模型堆栈融合的社交媒体用户人口属性预测方法

权利要求书

1.一种基于多模型堆栈融合的社交媒体用户人口属性预测方法，对用户的性别、年龄、地区三个人口属性进行预测，其特征在于：所述三个人口属性的预测均经过以下步骤：

S1、用户特征提取；

S2、模型训练；

S3、多模型融合得出预测结果；

所述步骤S1中：

进行性别属性预测时，性别特征提取包括TFIDF特征、统计类特征以及时间信息类特征的提取；

进行年龄属性预测时，年龄特征提取包括TFIDF特征、统计类特征、时间信息类特征以及社交关系特征的提取；

进行地区属性预测时，地区特征提取包括TFIDF特征、统计类特征、时间信息类特征、社交关系特征以及用户所发博文中包含的省、市名的提取；

所述步骤S2中：

所述步骤S2模型训练包括逻辑回归模型、随机森林模型以及XGBoost模型，通过利用逻辑回归模型、随机森林模型以及XGBoost模型分别对TFIDF特征进行训练，分别得出一份stacking特征。

2.根据权利要求1所述的一种基于多模型堆栈融合的社交媒体用户人口属性预测方法，其特征在于：

所述步骤S3多模型融合得出预测结果，在步骤S2训练得到的三份stacking特征上，结合TFIDF特征之外的其他特征作为第二层模型的特征，然后再对新的特征进行模型的训练，得到用户属性类别的结果。

3.根据权利要求1所述的一种基于多模型堆栈融合的社交媒体用户人口属性预测方法，其特征在于：

所述TFIDF特征提取过程为：把每个用户所发的博文视为一个文档，其中的每个词语作为一个词，然后计算出文档中每个词的TFIDF值，得出多维的TFIDF特征，最后提取的TFIDF特征从该多维的TFIDF特征经过卡方检验筛选后得出。

4.根据权利要求1所述的一种基于多模型堆栈融合的社交媒体用户人口属性预测方法，其特征在于：

所述社交关系特征提取具体步骤如下：

利用所有用户的粉丝关注关系构造一个有向的社交网络图，边的方向为用户指向其粉丝，训练Graph Embedding模型得到多维用户的embedding特征向量；该Graph Embedding模型以某个用户为起点，通过随机游走遍历社交网络图，抽取出一系列相关的用户，把这一系列相关用户的集合视为一个文档，其中每个用户视为一个词，再通过word2vec算法来训练出每个用户的向量，学习出用户的embedding特征向量的相似度用来衡量用户间的关系紧密程度；两个节点间连线的权重越大，结点越相似；两个结点的共同邻居越多，结点越相似。

5.根据权利要求1所述的一种基于多模型堆栈融合的社交媒体用户人口属性预测方法，其特征在于：

所述统计类特征包括用户所发博文总数、博文被转发数、评论数、平均词数以及粉丝数的统计；

所述时间信息类特征具体为各时间段用户所发的博文数、工作日发博数占比、日均发博数量。

6.根据权利要求1所述的一种基于多模型堆栈融合的社交媒体用户人口属性预测方法，其特征在于：所述步骤S2中，逻辑回归模型、随机森林模型以及XGBoost模型各训练得出一份stacking特征的具体过程均如下：

先将TFIDF特征训练数据随机划分成五份，用相同模型训练四块训练集，并预测剩下的一块训练集各个类别的概率，并循环五次，得到每一块训练集的各个类别的概率；然后把五份预测出来的概率拼接起来得到训练集的stacking特征；最后采用训练得到的五个模型对测试集做预测，并对五个预测结果取均值得到测试集的stacking特征。