[发明专利]一种面向大规模信息的用户分类方法

权利要求书

1.一种面向大规模信息的用户分类方法，其特征在于：包括如下步骤：

步骤1：首先对页面进行预处理；

步骤2：面对杂乱无章的页面对其进行特征表示；再根据页面特征多反映出来的页面特征反映出来的内容得到页面的向量表示；

步骤3：；最后将页面集合划分成若干子集并在各子集上运行分类超平面算法得到相应的决策函数f_i(x)；最后通过非线性函数将上述决策函数f_i(x)集成，得到最终的决策函数f(x)，进而实现用户分类。

2.一种面向大规模信息的用户分类方法，其特征在于：所述步骤1中的预处理为页面清洗。

3.一种面向大规模信息的用户分类方法，其特征在于：所述步骤2中页面表示方法为VSM，还可采用布尔逻辑模型或者概率模型。

4.一种面向大规模信息的用户分类方法，其特征在于：所述步骤2页面特征词提取方法为：

步骤1：将页面转化成文本并保留重要标记信息；

步骤2：对文本文件切词处理；

步骤3：去掉与页面内容无关的虚词；

步骤4：去掉低频词；

步骤5：剩下的词作为特征词，并保留其出现频率。

5.一种面向大规模信息的用户分类方法，其特征在于：所述步骤2页面特征词权值计算方法如下：

步骤1：根据特征词t_i在页面中出现的位置和次数f _i计算其频率：

；式中，s_i为特征词t_i 对应页面标记的权系数；

步骤2：由于页面长短不一，对上式实现规范化处理。

6.一种面向大规模信息的用户分类方法，其特征在于：所述步骤3所述的分类超平面的非线性集成分类方法计算公式为：，其中，。