用户画像意味着利用机器学习技术来预测用户的属性，例如人口统计学属性，兴趣属性，偏好属性等。它是精确营销的强大数据支持。现有方法主要研究网络行为，个人偏好，发布文本以构建用户画像。随着社交网络的不断发展，微博已成为人们日常生活的重要社交平台，活跃的用户活动带来了大量的网络数据，这为用户画像的构建提供了强有力的数据基础。通过对微博的数据分析，发现女性在网络社交平台上表现的比男性更积极，更富有情感。这种差异非常有利于用户画像中性别属性之间的区别。因此，通过对社交网络中用户的情感表征学习来增强用户画像中性别属性的构建。
附件-Using Sentiment Representation Learning to Enhance Gender Classification for User Profiling.pdf
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2018/12/17/%e5%ad%a6%e6%9c%af%e6%8a%a5%e5%91%8a-using-sentiment-representation-learning-to-enhance-gender-classification-for-user-profiling/
