基于搜索历史的用户兴趣模型的研究

基于深度学习的用户行为预测模型研究随着互联网和移动设备的普及，用户留存和行为预测变得越来越重要。

在这个背景下，深度学习技术的出现，为用户行为预测提供了一种新的方法。

一．深度学习在用户行为预测中的应用深度学习是一种人工神经网络算法，在语音识别、图像识别、自然语言处理等领域都有广泛应用。

在用户行为预测中，深度学习可以学习用户的行为模式，并预测他们未来的行为。

深度学习的应用主要分为两个方面：推荐系统和用户转化率预测。

推荐系统是指根据用户历史行为，预测用户最喜欢的商品或内容，从而促进销售。

用户转化率预测是指预测用户在接下来的时间内是否会继续使用应用程序或购买某个产品。

这两种应用都采用了深度学习的算法。

二．深度学习算法在用户行为预测中的具体应用1.自编码器（Autoencoder）自编码器是一种特殊的神经网络，它可以学习输入数据的压缩表示，并生成与原始数据相似的输出。

自编码器在推荐系统中的应用非常广泛。

通过学习用户的历史行为，自编码器可以生成一组用户向量。

这些向量通过计算余弦相似度，可以推荐给用户最感兴趣的商品或内容。

2.卷积神经网络（Convolutional Neural Network，CNN）卷积神经网络广泛应用于图像识别和语音识别中。

在用户行为预测中，卷积神经网络主要用于分析用户历史数据，识别潜在的行为模式。

例如，在视频网站上，一部电影人们通常会连续观看数集，而在中途弃坑的情况还相当常见。

通过使用卷积神经网络分析用户的观影记录，可以预测用户是否会在中途放弃，从而采取措施减少弃坑率。

3.长短时记忆网络（Long Short-Term Memory，LSTM）长短时记忆网络基于循环神经网络，允许网络记忆之前生成的信息，从而更好地预测未来。

长短时记忆网络在用户转化率预测中应用非常广泛。

通过分析用户的历史行为，可以训练长短时记忆网络，使其学习用户的行为模式，从而预测其未来转化行为。

三．深度学习在用户行为预测中的优势与挑战1.优势深度学习能够自动学习特征，不用依赖手工提取特征，从而可以更好地学习用户行为模式。

２０１４年１０月第３５卷　第１０期计算机工程与设计ＣＯＭＰＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧＡＮＤＤＥＳＩＧＮＯｃｔ畅２０１４Ｖｏｌ畅３５　Ｎｏ畅１０基于遗忘曲线的微博用户兴趣模型于洪涛１，崔瑞飞１＋，董芹芹２（１．国家数字交换系统工程技术研究中心，河南郑州４５０００２；２．天津财经大学研究生院，天津３００２２２）摘　要：为解决微博用户兴趣漂移问题，以人类记忆学中遗忘曲线为基础，提出一种微博用户兴趣模型，利用用户历史信息预测当前兴趣。

在预测过程中，用户关注某信息的时间距离当前时间越远，该信息越容易被遗忘，其对用户当前兴趣的影响越小；用户关注某一领域的信息越多，印象越深刻，对该领域的兴趣度越高。

这两点与人类对知识逐渐遗忘和重复学习的过程具有高度相似性，因此该模型预测准确性更高。

实验结果表明，该模型能较好地预测微博用户兴趣，召回率可达８５畅３％，实用性较强。

关键词：微博；预测；用户兴趣；重复学习；遗忘曲线中图法分类号：ＴＰ３９３　文献标识号：Ａ　文章编号：１０００‐７０２４（２０１４）１０‐３３６７‐０６收稿日期：２０１３‐１２‐１８；修订日期：２０１４‐０２‐２０基金项目：国家８６３高技术研究发展计划基金项目（２０１１ＡＡ０１０６０３、２０１１ＡＡ０１０６０５）作者简介：于洪涛（１９７０），男，辽宁丹东人，博士，教授，研究方向为通信与信息系统；＋通讯作者：崔瑞飞（１９８９），男，山东淄博人，硕士研究生，研究方向为通信与信息系统；董芹芹（１９８８），女，山东淄博人，硕士研究生，研究方向为管理科学与工程。

Ｅ‐ｍａｉｌ：ｃｕｉｒｕｉｆｅｉ０８１５＠１６３畅ｃｏｍＭｉｃｒｏ‐ｂｌｏｇｕｓｅｒｉｎｔｅｒｅｓｔｍｏｄｅｌｂａｓｅｄｏｎｆｏｒｇｅｔｔｉｎｇｃｕｒｖｅＹＵＨｏｎｇ‐ｔａｏ１，ＣＵＩＲｕｉ‐ｆｅｉ１＋，ＤＯＮＧＱｉｎ‐ｑｉｎ２（１．ＮａｔｉｏｎａｌＤｉｇｉｔａｌＳｗｉｔｃｈｉｎｇＳｙｓｔｅｍＥｎｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｉｃａｌＲ＆ＤＣｅｎｔｅｒ，Ｚｈｅｎｇｚｈｏｕ４５０００２，Ｃｈｉｎａ；２．ＰｏｓｔｇｒａｄｕａｔｅＤｅｐａｒｔｍｅｎｔ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｔｉａｎｊｉｎ３００２２２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｔｈｅｍｉｃｒｏ‐ｂｌｏｇｕｓｅｒｉｎｔｅｒｅｓｔｄｒｉｆｔ，ａｍｉｃｒｏ‐ｂｌｏｇｕｓｅｒｉｎｔｅｒｅｓｔｍｏｄｅｌｂａｓｅｄｏｎｔｈｅｆｏｒｇｅｔｔｉｎｇｃｕｒｖｅｗａｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅｃｕｒｒｅｎｔｉｎｔｅｒｅｓｔｗａｓｐｒｅｄｉｃｔｅｄｂｙｔｈｅｈｉｓｔｏｒｙｉｎｆｏｒｍａｔｉｏｎｏｆｕｓｅｒｓ．Ｉｎｔｈｅｐｒｅｄｉｃｔｉｎｇｐｒｏｃｅｓｓ，ｔｈｅｌｏｎｇｅｒｔｈｅｔｉｍｅｆｒｏｍｔｈｅｕｓｅｒｓ’ａｔｔｅｎｔｉｏｎｆｏｒａｍｅｓｓａｇｅｔｏｔｈｅｃｕｒｒｅｎｔ，ｔｈｅｗｅａｋｅｒｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅｍｅｓｓａｇｅ；ａｎｄｔｈｅｈｉｇｈｅｒｉｎｔｅｒｅｓｔｄｅｇｒｅｅｔｏｔｈｅｆｉｅｌｄ，ｔｈｅｍｏｒｅａｔｔｅｎｔｉｏｎｕｓｅｒｓｐａｉｄｔｏａｃｏｎｃｅｒｎｅｄｆｉｅｌｄ．Ｔｈｅｓｅｔｗｏｐｏｉｎｔｓａｒｅｒｅｇａｒｄｅｄａｓｔｈｅｐｒｏｃｅｓｓｏｆｈｕｍａｎｇｒａｄｕａｌｌｙｆｏｒｇｅｔｔｉｎｇａｎｄｒｅｐｅａｔｅｄｌｙｌｅａｒｎｉｎｇｋｎｏｗｌｅｄｇｅ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅｍｏｄｅｌｐｏｓｓｅｓｓｅｓａｈｉｇｈｅｒａｃｃｕｒａｃｙ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｏｄｅｌｃａｎｐｒｅｄｉｃｔｔｈｅｍｉｃｒｏ‐ｂｌｏｇｕｓｅｒｉｎｔｅｒｅｓｔｂｅｔｔｅｒｗｉｔｈｔｈｅｒｅｃａｌｌｒａｔｅｏｆ８５畅３％ａｎｄｇｏｏｄｐｒａｃｔｉｃａｌｉｔｙ．Ｋｅｙｗｏｒｄｓ：ｍｉｃｒｏ‐ｂｌｏｇ；ｐｒｅｄｉｃｔ；ｕｓｅｒｉｎｔｅｒｅｓｔ；ｒｅｐｅａｔｅｄｌｅａｒｎｉｎｇ；ｆｏｒｇｅｔｔｉｎｇｃｕｒｖｅ０　引　言微博中的用户兴趣分为长期兴趣和短期兴趣［１］。