[目的／意义]为识别并去除非理性投资者的网络评论，提升评论的专业程度与质量，促进理性投资，本文以识别股吧中的用户是否属于噪声投资者为研究任务，进行用户画像。[方法／过程]对股吧的用户发文内容进行深度用户表示学习（deep user...[目的／意义]为识别并去除非理性投资者的网络评论，提升评论的专业程度与质量，促进理性投资，本文以识别股吧中的用户是否属于噪声投资者为研究任务，进行用户画像。[方法／过程]对股吧的用户发文内容进行深度用户表示学习（deep user representation learning），结合股吧用户的粉丝数量、影响力、关注量、自选股、吧龄、发帖量、评论量、访问量等行为特征，提出一种行为-内容融合模型（behaviour and content combinedmodel，BCCM），并在标注数据集上进行实证与对比研究。[结果／结论]实验结果显示，该模型对噪声投资者识别的F1值为79．47％，优于决策树方法（69．90％）、SVM方法（75．61％）、KNN方法（73．21％）和ANN方法（74．83％）。在噪声投资者识别这一特定用户画像研究任务中，通过利用深度用户表示学习引入文本内容特征，能够显著提升用户画像的各种评价指标。展开更多
文摘[目的／意义]为识别并去除非理性投资者的网络评论，提升评论的专业程度与质量，促进理性投资，本文以识别股吧中的用户是否属于噪声投资者为研究任务，进行用户画像。[方法／过程]对股吧的用户发文内容进行深度用户表示学习（deep user representation learning），结合股吧用户的粉丝数量、影响力、关注量、自选股、吧龄、发帖量、评论量、访问量等行为特征，提出一种行为-内容融合模型（behaviour and content combinedmodel，BCCM），并在标注数据集上进行实证与对比研究。[结果／结论]实验结果显示，该模型对噪声投资者识别的F1值为79．47％，优于决策树方法（69．90％）、SVM方法（75．61％）、KNN方法（73．21％）和ANN方法（74．83％）。在噪声投资者识别这一特定用户画像研究任务中，通过利用深度用户表示学习引入文本内容特征，能够显著提升用户画像的各种评价指标。
