随着5G时代的到来,通信技术得到飞速的发展,移动终端设备也随之得到了提升,现在人们大多通过移动终端设备来实现人与人之间的交流并获取互联网上的信息和服务。人类的日常生活离不开网络,搜索引擎是一个主流的网络平台,用户利用搜索引擎获取信息和服务,但同时也会留下大量的行为数据,利用搜索引擎来构建用户画像对于营销的效果具有非常重要的价值。本文从移动终端设备上获取用户个性化行为数据,通过分析这些数据,挖掘出用户的基本属性和潜在的兴趣偏好,构建基于搜索引擎的用户画像,有利于帮助企业对客户进行准确的定位,进一步了解客户的需求,为用户提供更好的消费体验。本文主要工作如下:1.本文首先介绍了当前用户画像技术的应用背景和研究现状,对于构建基于搜索引擎的用户画像的关键是如何处理短文本。使用传统的向量空间模型存在特征稀疏和上下文依赖性强的问题。有学者提出了利用词向量模型来得到短文本在语义层次上的表达,丰富上下文的语义信息从而改善上述问题。但词向量模型对于同一个单词生成的词向量是相同的,使得该模型无法很好的处理一词多义的情况。因此,本文对词向量模型进行了改进,得到语义表达更丰富的词向量。2.针对词向量无法很好处理一词多义的问题,本文使用隐含狄利克雷分配(Latent Dirichlet Allocation,LDA)模型为每个词分配潜在的主题,将每个词和其对应的主题共同放入神经网络模型中学习得到其主题词向量,主题词向量不仅能表达出词在上下文中的语义信息,还结合了短文本的主题信息。将词向量和主题向量融合在一起,使多义词在不同主题下可以得到不同的主题词向量,可以更好的表达词在不同上下文中的语义信息。3.本文基于主题词向量,研究了用户特征的表示方法,利用每个词在短文本中不同的重要程度,计算每个词的词频—逆文档频度(Term Frequency-Inverse DocumentFrequency,TF-IDF)值,并对文本中每个词的主题词向量进行加权求和来表示用户特征,最后输入分类器完成用户画像的构建。但这种表示方法缺少每个句子中词与词之间的全局依赖关系,并且也没有考虑到语序对于文本的影响,本文引入自注意力机制将每个句子的全局信息编码进第一个字符的向量表示中,作为最终的用户特征。