《表5 使用不同特征时XGB算法下的二元分类模型的准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《社交网络用户发布模式和兴趣预测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

选取元组2，K为7时LDA模型的结果作为发布模式特征。分别采用以下四种特征用于兴趣预测：（1）用户个人资料特征和帖子类型特征；（2）用户行为特征，即用户个人资料特征、帖子类型特征和发布模式特征；（3）用户行为特征用户个人资料特征、帖子类型特征和从用户点赞的主页中提取的语义特征；（4）所有特征，即用户个人资料特征、帖子类型特征、用户发布模式特征和从用户点赞的主页中提取的语义特征。表5中展示了对于各个兴趣组，分别采用上述四种特征时二元分类模型的准确率，最佳结果标记为粗体。可以看到，使用特征2比使用特征1时的平均准确率高0.03，使用特征4比使用特征3时的平均准确率高0.02。这表明使用用户发布模式分布可以有效提高用户兴趣预测的准确率。除了旅行组，对于大多数兴趣组，使用所有特征时，预测的准确率最高，平均准确率达到0.81。