[发明专利]基于特征加权的朴素贝叶斯微博用户分类方法

权利要求书

1.一种基于特征加权的朴素贝叶斯微博用户分类方法，其特征在于，包括以下步骤：

步骤1：获取微博用户信息，组建数据列表；

步骤2：对步骤1中得到的微博用户信息数据进行离散化处理，得到数据集；

步骤3：将数据集分为训练数据集和测试数据集；

步骤4：对于训练数据集，计算微博用户所属类别的先验概率，以及各个特征的条件概率和信息增益；

步骤5：采用改进朴素贝叶斯分类算法，改进点主要在于，通过计算各个特征的信息增益，获知各个特征对于分类结果的重要性，构建目标优化矩阵，根据各个特征信息的增益排名，确定每个特征的权值；

步骤6：计算测试数据的后验概率，并将最大后验概率对应的类作为分类结果。

2.根据权利要求1所述的基于特征加权的朴素贝叶斯微博用户分类方法，其特征在于，所述步骤1：获取微博用户信息，组建数据列表，具体包括：

步骤1.1：关注目标用户包括正常用户和恶意用户的微博；

步骤1.2：记录这些目标用户的基本特征信息，包括：粉丝数，关注数，微博数，微博年龄，认证情况，阳光信用等级，用一个特征向量表示一个用户，构建数据集。

3.根据权利要求1或2所述的基于特征加权的朴素贝叶斯微博用户分类方法，其特征在于，所述步骤2对数据集采用分组法进行离散化处理，所述分组法的步骤包括：将每个特征的取值范围分为三个小段，每个小段分别用0,1,2表示。

4.根据权利要求1或2所述的基于特征加权的朴素贝叶斯微博用户分类方法，其特征在于，所述步骤3将数据集分为训练数据集和测试数据集，具体包括：将数据集随机打乱，分成十份，选取其中九份作为训练数据集，剩下一份作为测试数据集。

5.根据权利要求4所述的基于特征加权的朴素贝叶斯微博用户分类方法，其特征在于，所述步骤4对于训练数据集，计算微博用户所属类别的先验概率，以及各个特征的条件概率和信息增益；包括：

分别计算正常用户和恶意用户两种类别的先验概率P(Y₁)和P(Y₂),计算公式如下：

其中Y₁代表正常用户，Y₂代表恶意用户，N代表整个训练数据集样本的数量，N_Y1代表训练数据集中正常用户样本的数量，代表训练数据集中恶意用户样本的数量；

步骤4.2：分别计算对于两种不同类别的各个特征的条件概率P(X⁽ⁱ⁾|Y₁)和P(X⁽ⁱ⁾|Y₂)，其中X⁽ⁱ⁾表示特征向量X中的第i个特征；

步骤4.3：分别计算各个特征的信息增益；

信息增益表示得知特征X的信息而使得类Y的信息的不确定性减少的程度，特征A对训练数据集D的信息增益g(D,A)，定义为集合D的经验熵H(D)与特征A在给定条件D的经验条件熵H(D|A)之差，即

g(D,A)＝H(D)-H(D|A)

信息增益反映出了特征对分类结果的重要性程度。

6.根据权利要求5所述的基于特征加权的朴素贝叶斯微博用户分类方法，其特征在于，所述步骤5的目标优化矩阵构建的过程如下：

首先，将特征向量包含的特征依次填入矩阵表的第一行和第一列；

其次，从纵轴的特征1开始，与横轴的特征2，特征3，一直到特征n逐一进行比较，根据计算出的各个特征的信息增益，若特征1比特征2的信息增益大，则在特征1和特征2相交的表格内填1，反之填0，其他特征之间比较也是按照此规则；

最后，统计每行之和作为最后矩阵一列，得到目标优化矩阵。

7.根据权利要求6所述的基于特征加权的朴素贝叶斯微博用户分类方法，其特征在于，所述各个特征权值获取方式如下：

利用合计项计算权重，可能出现某项特征的合计为0，但实际上该特征对于分类结果还是具有一定的重要性。所以权值计算公式如下：

某特征权值＝1+(某特征的合计得分/所有特征的合计得分之和)。

8.根据权利要求6所述的基于特征加权的朴素贝叶斯微博用户分类方法，其特征在于，所述步骤6计算测试数据的后验概率，并将最大后验概率对应的类作为分类结果，具体包括：

根据步骤4计算的到的类的先验概率，各个特征的条件概率和步骤5计算得到的各个特征的权值，计算测试数据的后验概率，公式如下：

其中j＝{1,2}，q代表特征x⁽ⁱ⁾的权值，将最大的后验概率对应的类作为测试数据的分类结果。