[发明专利]一种基于AdaBoost算法的微信公众号用户分类方法

说明书

技术领域

本发明涉及数据处理技术领域，具体地说是一种实用性强、基于AdaBoost算法的微信公众号用户分类方法。

背景技术

分类是指通过对已有数据的分析和学习，发现隐藏在数据内的规律，并利用这些规律去对未来的数据进行预测和判断。在信息社会高速发展的今天，面对海量的数据，分类技术就显得尤为重要，分类也是机器学习、数据挖掘领域的一个重要方法。已有的经典分类算法，例如：KNN、贝叶斯算法、神经网络算法、支持向量机算法、集成学习等，都取得了广泛的应用，并获得良好的效果。

在移动互联时代，微信公众号的广泛推广为营销开拓了方向，而大量的用户信息也比较分散。也就是数据集中某个类别的样本数量远远少于其他类别的样本数量，即数据集分布是式不平衡的。

因为传统的算法假设数据集的分布基本均衡，并以总体分类精度作为目标，这将导致在对不平衡数据集分类过程中分类器对数量上占优势的多数类存在明显的偏好：提高了多数类的分类精度，而对少数类的分类精度较低。

AdaBoost算法是一种比较常用的提升算法，其基本思想是：初始时赋予样本集中每个样本相同的权重，并使用一个弱分类器进行训练，之后根据本次的分类结果对样本权重重新进行调整，减小正分的样本权重，增加错分的样本权重，即更加注重错分的样本，经过多次迭代后，错分样本权重越来越大，最后的分类结果由强分类器根据多个弱分类器加权投票产生。

通常在一个数据集中，边界的数据对于分类结果影响比较大，但是较难分类，即容易被错分。在AdaBoost算法中，这些难分的边界数据权重会随着迭代过程的进行越来越大。因而，我们使用AdaBoost算法训练数据集，经过多次的迭代，这些难分的数据权重较大，使用这些边界数据进行过抽样。基于此，现提供一种基于AdaBoost算法的微信公众号用户分类方法。

发明内容

本发明的技术任务是针对以上不足之处，提供一种实用性强、基于AdaBoost算法的微信公众号用户分类方法。

一种基于AdaBoost算法的微信公众号用户分类方法，其具体实现过程为：

当微信公众号用户日常操作与查询时，该操作与查询消息经过边界数据过抽样算法迭代后，权重大的数据作为边界数据，对该边界数据进行抽样，将用户分类，当用户再次点击操作时，系统推送热点消息。

所述边界数据过抽样算法，按照边界数据的选择方法不同，分为以下两种算法：适用边界数据权重大的依概率被选择边界数据的随机过抽样算法；强制选择少数类中权重大的数据的少数类边界数据选择算法。

所述随机过抽样算法的详细过程为：

输入原始训练集T：包含n个样本的数据集；

输出分类模型：

对于原始训练集                                                ，使用AdaBoost算法做预处理，之后分离中多数类与少数类，分别存放在集合与中，数量分别为与；

根据集合的权重，随机选择个样本加入集合，其中，为过抽样的倍数，重复执行，直到满足抽样的倍数；

合并所有新生成的少数类加入集合；

合并集合与，形成新的训练集合；

训练分类器；

算法结束。

所述少数类边界数据选择算法的详细过程为：

输入原始训练集T：包含n个样本的数据集；

输出：分类模型；

对于原始训练集，使用AdaBoost算法对其做预处理，之后分离中多数类与少数类，分别存放在集合与中，数量分别为与，并计算中样本的平均权重，记做；

根据少数类的平均权重，将少数类集合分为两部分大于平均权重的存入集合，数量为，小于平均权重的存入集合，数量为；合并所有新生成的少数类加入集合；

根据抽样倍数，随机过抽样集合，并将所有新生成的少数类加入集合；

合并集合与，形成新的训练集合；

训练分类器；

算法结束。

本发明的一种基于AdaBoost算法的微信公众号用户分类方法，具有以下优点：

本发明提出的一种基于AdaBoost算法的微信公众号用户分类方法，解决微信公众号用户分类以更精准地推送消息问题，通过使用AdaBoost算法迭代多次后，实验的结果证明了算法的有效性，可以用于提高用户消息推送精准度，实用性强，易于推广。

附图说明

附图1是本发明中数据集的性质和k的设置表。

附图2为算法在Tp rate的比较表。