| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-14页 |
| 1.1.1 用户属性推断问题的产生 | 第10-11页 |
| 1.1.2 用户属性推断意义与应用场景 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 用户属性推断研究现状 | 第14-15页 |
| 1.2.2 多任务学习研究现状 | 第15-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 相关技术及模型研究 | 第20-34页 |
| 2.1 词语重要度度量方法 | 第20-21页 |
| 2.2 词向量表征模型word2vec | 第21-28页 |
| 2.3 文档向量表征模型doc2vec | 第28-29页 |
| 2.4 融合框架理论 | 第29-33页 |
| 2.4.1 融合框架概述 | 第29-30页 |
| 2.4.2 融合框架分类 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于搜索词文档的用户建模 | 第34-48页 |
| 3.1 基于关键词词频的用户建模 | 第34-37页 |
| 3.1.1 问题描述 | 第34页 |
| 3.1.2 基于组合词的关键词提取策略 | 第34-35页 |
| 3.1.3 实验数据集 | 第35页 |
| 3.1.4 评价指标 | 第35-36页 |
| 3.1.5 实验环境准备 | 第36页 |
| 3.1.6 实验结果分析 | 第36-37页 |
| 3.2 基于搜索词语义的用户建模 | 第37-45页 |
| 3.2.1 问题描述 | 第37-38页 |
| 3.2.2 基于短文本的分布式文档表示 | 第38-40页 |
| 3.2.3 关联学习的用户表征 | 第40页 |
| 3.2.4 基于序贯模型的用户属性推断 | 第40-42页 |
| 3.2.5 数据集预分析 | 第42-43页 |
| 3.2.6 实验结果与分析 | 第43-45页 |
| 3.3 本章小结 | 第45-48页 |
| 第四章 基于Stacking的多任务融合用户属性推断 | 第48-60页 |
| 4.1 问题描述 | 第48页 |
| 4.2 多任务多模型融合表征 | 第48-50页 |
| 4.3 基于XGBoost的多任务融合模型分类 | 第50-51页 |
| 4.4 实验及结果分析 | 第51-58页 |
| 4.4.1 XGBoost参数调节 | 第52-57页 |
| 4.4.2 多模型融合推断结果比较 | 第57-58页 |
| 4.4.3 本文方法与线下测评结果比较 | 第58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-64页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |