这篇博客探讨了在社交网络中进行数据挖掘的方法，包括用户属性分析、个性化聊天机器人、用户画像构建、LifeSpec数据收集、自我披露研究以及RH-LDA层次算法。文章还讨论了社交网络人群年龄段分布的局限性和数据特征推断，利用公交卡数据来补充信息并进行噪声处理，以揭示用户的移动规律。此外，还涉及到了位置推荐、预测以及用户链接和图隐私保护的问题。
用户行为数据 ->用户属性
keywords:
微软机器人框架：Microsoft Bot Framework
Eliza :心理治疗师
Personalized Char: 社交网络+情境+语义+行为
User Profiling :Human Behavioral Data
LifeSpec: 收集社交网络数据
Self Disclosure :链接
lifestyle spectrum of a group 用户群体
RH-LDA:Relational Hierachical Algorithm
Limitation:社交网络人群年龄段的分布
data-feature-direction-inference
效果检验
公交卡数据-弥补缺失信息、噪声处理-绑定个人-行为(2013论文 )
（充值记录、上下车时间、地点）
（条件约束：换车-位置 钱数-长度 时间-长度）=>移动规律（HOME/WORK）(论文：如何通过用户移动判断区域功能)
位置推荐、预测
User linking and Graph private
最低0.47元/天 解锁文章
4189
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
