社交媒体平台上存在着大量用户发表的和分享的多模态数据,其中文本数据作为众多形式信息中广泛存在的数据载体,是实现用户主题建模、兴趣挖掘以及个性化推荐等任务的基础。如何利用从文本中抽取的词特征信息进行上述数据挖掘任务是目前社交媒体数据挖掘领域中的一个研究热点。同时,社交媒体中存在许多用户(冷启动用户)只含有少量文本信息甚至完全缺乏文本信息,难以从其历史数据中抽取有效的文本信息,使得许多任务无法展开。因此,解决冷启动用户的词特征重建问题可以对很多使用文本的数据挖掘任务作出重要贡献。针对社交媒体平台中部分用户缺乏文本信息甚至完全没有文本信息的问题本文提出了解决方法。(1)提出融入用户的信任关系作为辅助信息的方法,研究如何利用社交媒体用户间的关注关系构建用户信任关系矩阵。在twitter和微博的四组数据上的实验结果表明,可有效解决社交媒体冷启动用户的词特征重建准确率问题。(2)考虑到词特征信息的特殊性,提出融入词相关关系信息作为另一个辅助信息的方法,计算词与词之间的相似度,将相似度值作为权重来构建词相关关系矩阵,挖掘词与词之间的隐藏关系,然后我们将上述构建的用户信任关系矩阵、词相关关系矩阵与用户词频矩阵进行联合概率矩阵分解,充分利用用户间的信任关系,词相关关系与用户词频关系,在共享的低维特征空间上得到用户的隐含特征矩阵与词特征的隐含特征矩阵。进而利用用户潜在特征矩阵与词潜在特征矩阵重建用户-词频矩阵,进而完成对社交媒体冷启动用户的词特征重建工作。(3)围绕社交媒体用户词特征重建问题,本文设计实现了用户的词特征重建应用系统,其中针对缺乏文本信息的冷启动用户,构建了社交媒体冷启动用户词特征重建模块,重建结果的词云展示验证了本文算法的有效性。