公开(公告)号：CN111581368A

公开(公告)日：2020-08-25

申请号：CN201910121716.X

申请日：2019-02-19

Applicant: 中国科学院信息工程研究所

Inventor： 曹聪 ,  张路 ,  刘燕兵 ,  曹亚男 ,  谭建龙 ,  郭莉

IPC: G06F16/335 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的面向智能专家推荐的用户画像方法。本方法为：1)利用选定的专家个人信息，获取一专家信息数据集；2)对该专家信息数据集中的每一条专家信息处理为一个由词语序列构建而成的句子；3)将使用词向量对步骤2)处理后的专家信息进行文本表示；4)将专家信息对应的词向量训练卷积神经网络；5)根据待构建画像专家的文本信息生成该待构建画像专家的词向量，利用训练后的卷积神经网络对该待构建画像专家的词向量进行分类，生成该待构建画像专家的用户画像。本发明勾画用户画像准确性高。

公开(公告)号：CN111597330A

公开(公告)日：2020-08-28

申请号：CN201910129637.3

申请日：2019-02-21

Applicant: 中国科学院信息工程研究所

Inventor： 曹聪 ,  张路 ,  刘燕兵 ,  曹亚男 ,  谭建龙 ,  郭莉

IPC: G06F16/35 ,  G06F40/216 ,  G06F40/289

Abstract: 本发明公开了一种基于支持向量机的面向智能专家推荐的用户画像方法，其步骤包括：1)利用设定专家的个人信息，获取一专家信息数据集；2)对该专家信息数据集中的每一条专家信息处理为一个由词语序列构建而成的句子；3)计算每篇文档中的每个词语的TF-IDF值，构成TF-IDF权重矩阵tdm；4)利用该TF-IDF权重矩阵tdm生成TF-IDF特征空间；然后在该TF-IDF特征空间中构建并训练支持向量机模型；5)根据待构建画像专家的文本信息生成对应TF-IDF值，然后在该TF-IDF特征空间中利用训练后的支持向量机模型对该TF-IDF值进行分类，生成该待构建画像专家的用户画像。本方法用户画像准确性高。