公开(公告)号：CN114610967B

公开(公告)日：2024-10-22

申请号：CN202210232693.1

申请日：2022-03-09

Applicant: 东北大学

Inventor： 赵相国 ,  张官正 ,  毕鑫 ,  聂豪杰 ,  王秋宇

IPC: G06F16/906 ,  G06F16/901 ,  G06F16/9536 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0895

Abstract: 本发明公开了一种应用于用户画像领域的数据增广方法，涉及用户画像标签预测领域；克服了标签率极低的问题，同时提高模型的泛化性，以便于根据用户行为数据预测多维度多标签的用户画像标签，并且有效结合自监督学习，能够在用户标签率极低的情况下实现用户分类，降低了人工标注数据集的成本，提高了模型的泛化能力，同时克服图神经网络由于拉普拉斯平滑现象导致其在标签率极低的图上性能急剧下降的问题，提高模型分类的准确性。

公开(公告)号：CN114610967A

公开(公告)日：2022-06-10

申请号：CN202210232693.1

申请日：2022-03-09

Applicant: 东北大学

Inventor： 赵相国 ,  张官正 ,  毕鑫 ,  聂豪杰 ,  王秋宇

IPC: G06F16/906 ,  G06F16/901 ,  G06F16/9536 ,  G06N3/04

Abstract: 本发明公开了一种应用于用户画像领域的数据增广方法，涉及用户画像标签预测领域；克服了标签率极低的问题，同时提高模型的泛化性，以便于根据用户行为数据预测多维度多标签的用户画像标签，并且有效结合自监督学习，能够在用户标签率极低的情况下实现用户分类，降低了人工标注数据集的成本，提高了模型的泛化能力，同时克服图神经网络由于拉普拉斯平滑现象导致其在标签率极低的图上性能急剧下降的问题，提高模型分类的准确性。