14、利用区域特征挖掘本地用户与位置感知标签推荐

利用区域特征挖掘本地用户与位置感知标签推荐

搜索本地 Twitter 用户

在社交媒体分析中，搜索本地 Twitter 用户是一项具有重要价值的任务。它能够帮助我们了解特定地区用户的兴趣、行为和需求，为精准营销、区域事件监测等提供有力支持。

首先，我们来看不同区域的 Twitter 用户数量分布情况，如下表所示：
| 区域 | 用户数量 |
| — | — |
| 京都大学周边 | 349 |
| 山科区 | 315 |
| 北区 | 389 |
| 下京区 | 331 |
| 上京区 | 346 |
| 南区 | 335 |
| 左京区 | 421 |
| 右京区 | 350 |
| 中京区 | 399 |
| 西京区 | 322 |
| 东山区 | 316 |
| 伏见区 | 365 |

搜索本地 Twitter 用户主要基于以下步骤：
1. 构建向量 ：根据区域特征词构建目标本地区域的“本地向量”和候选本地用户的“用户向量”。
2. 计算相似度 ：计算本地向量和用户向量的余弦相似度。
3. 筛选用户 ：选择向量与本地向量相似的用户作为本地用户。候选用户通过区域词进行收集。

为了评估提取区域特征词和搜索本地用户的方法，进行了相关实验。实验以京都大学周边区域为目标本地区域，以京都的十一个行政区为其他区域。实验数据为各区域用户在 10 月 1 日至 11 月 30 日发布的推文，推