基于機(jī)器學(xué)習(xí)的云用戶隱性反饋信息分類方法

趙磊 金蕾 黃俊濤 張乾坤 宋云奎

摘要：本文講述機(jī)器學(xué)習(xí)通過(guò)計(jì)算信息增益值降低特征維數(shù)，選擇云用戶隱性反饋信息特征，利用篩選后的特征構(gòu)建特征子集，進(jìn)而通過(guò)反饋信息文本來(lái)處理，統(tǒng)計(jì)每個(gè)特征項(xiàng)的文本頻率，識(shí)別篩選反饋信息，實(shí)現(xiàn)對(duì)云用戶隱性反饋信息的分類。

關(guān)鍵詞：機(jī)器學(xué)習(xí);隱性反饋;信息分類

中圖分類號(hào)：TP181 ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ?文章編號(hào)：1007-9416（2020）06-0000-00

0 引言

隨著互聯(lián)網(wǎng)大數(shù)據(jù)的發(fā)展，數(shù)據(jù)信息的傳播速度和傳播范圍遠(yuǎn)超出人工可以觀察和總結(jié)的范疇，互聯(lián)網(wǎng)上的云用戶隱性反饋信息數(shù)據(jù)變得越來(lái)越多。想要快速在大量的互聯(lián)網(wǎng)數(shù)據(jù)中找到想要的云用戶隱性反饋信息，需要先對(duì)云用戶隱性反饋信息進(jìn)行分類[1]。傳統(tǒng)的用信息分類方法分類準(zhǔn)確度有限，且應(yīng)用范圍較窄，己經(jīng)無(wú)法應(yīng)對(duì)當(dāng)前的數(shù)據(jù)量，因此，基于機(jī)器學(xué)習(xí)的云用戶隱性反饋信息分類方法成為研究的熱點(diǎn)。

1 基于機(jī)器學(xué)習(xí)的云用戶隱性反饋信息分類方法設(shè)計(jì)

1.1 選擇云用戶隱性反饋信息特征

為達(dá)到提升分類效率、增強(qiáng)分類準(zhǔn)確度的目的，需要進(jìn)行云用戶隱性反饋信息特征選擇。反饋信息特征的選取需要通過(guò)計(jì)算特征的信息增益值來(lái)實(shí)現(xiàn)[2]。第一步，計(jì)算特征增益數(shù)據(jù);第二步，以上述增益數(shù)據(jù)為依據(jù)，對(duì)特征項(xiàng)進(jìn)行排列;第三步，根據(jù)預(yù)設(shè)的特征項(xiàng)數(shù)據(jù)，剔除與之不相符的特征項(xiàng)[3]。若存在特征和類別，需計(jì)算特征對(duì)類別的信息增益值，需要分別計(jì)算類別中出現(xiàn)特征的概率和類別中不出現(xiàn)特征的概率，計(jì)算公式如（1）所示：

其中，表示類別為的信息在訓(xùn)練信息集中出現(xiàn)的概率，表示包含特征的文本信息集中出現(xiàn)的概率，表示包含特征的文本信息且屬于類別的條件概率，與對(duì)應(yīng)，可知=1-，表示不包含特征的文本信息且屬于類別的概率，m表示類別數(shù)。

由公式（1）可得各特征的信息增益值，以增益值作為排序依據(jù)，選取出最具代表性的反饋信息特征，以此形成原始特征集合的子集。

1.2 進(jìn)行反饋信息文本處理

利用特征選擇后構(gòu)成的特征子集，進(jìn)行反饋信息文本處理。文本處理過(guò)程主要分為文本標(biāo)記、分詞處理和去除停用詞處理。文本標(biāo)記通過(guò)標(biāo)記反饋信息中一些控制文本顯示形式的標(biāo)記，比如圖片、鏈接、動(dòng)態(tài)圖等，解決無(wú)法識(shí)別反饋信息的內(nèi)容的問(wèn)題。以分割單詞的形式將文本中的分詞加以處理，根據(jù)相鄰字出現(xiàn)次數(shù)，分析其是詞語(yǔ)的可能性并。根據(jù)分類，對(duì)字符串中字的組合頻率進(jìn)行統(tǒng)計(jì)，當(dāng)這個(gè)組合頻率高于一定的閾值時(shí)，則認(rèn)為字的組合是可以組成一個(gè)詞語(yǔ)的，將該字視為無(wú)詞組。并且刪除停用詞處理，設(shè)計(jì)停用詞表，即不需要的用戶反饋信息，將分詞后的詞匯和停用詞表內(nèi)詞匯做對(duì)比，若能匹配成功，則需要?jiǎng)h除。若未匹配成功，則表示該詞匯為有用特征，保存。反饋信息文本處理提高了文本分類效率，降低了處理復(fù)雜度。

1.3 識(shí)別篩選云用戶隱性反饋信息

在對(duì)云用戶隱性反饋信息文本進(jìn)行處理后，開(kāi)始識(shí)別篩選所需的反饋信息，以便于進(jìn)行歸納分類。先統(tǒng)計(jì)每個(gè)特征項(xiàng)的文本頻率，也就是計(jì)算文本集中包含某個(gè)特征詞條的文本數(shù)。應(yīng)預(yù)先設(shè)置大、小極值文本頻率閾值，統(tǒng)計(jì)所有特征項(xiàng)的文本頻率，并將統(tǒng)計(jì)值與預(yù)設(shè)閾值作對(duì)比，若屬于預(yù)設(shè)閾值范圍，則予以保留，若不屬于預(yù)設(shè)閾值范圍，則刪掉該項(xiàng)。文本頻率越小，說(shuō)明該特征項(xiàng)蘊(yùn)含的反饋信息越少，越應(yīng)予以剔除;反之，文本頻率越大，該特征項(xiàng)蘊(yùn)含的反饋信息越多，越應(yīng)予以保留，基于此實(shí)現(xiàn)云用戶隱性反饋信息的識(shí)別篩選。

2 對(duì)比實(shí)驗(yàn)

2.1 實(shí)驗(yàn)設(shè)計(jì)

為保證云用戶隱性反饋信息分類方法的可行性，需要進(jìn)行對(duì)比實(shí)驗(yàn)。本次實(shí)驗(yàn)在PyCharm4.5.4編譯器上進(jìn)行，通過(guò)SVM算法進(jìn)行仿真實(shí)驗(yàn)。在本實(shí)驗(yàn)中，設(shè)置基于機(jī)器學(xué)習(xí)的云用戶隱性反饋信息分類方法為實(shí)驗(yàn)組，傳統(tǒng)的云用戶隱性反饋信息分類方法為對(duì)照組，實(shí)驗(yàn)次數(shù)設(shè)置為實(shí)驗(yàn)?zāi)繕?biāo)為測(cè)試不同反饋信息分類方法的分類準(zhǔn)確率。

2.2 實(shí)驗(yàn)結(jié)果分析論證

根據(jù)上述提出的實(shí)驗(yàn)環(huán)境及實(shí)驗(yàn)步驟，將云用戶隱性反饋信息分類方法的分類準(zhǔn)確率作為此次實(shí)驗(yàn)的關(guān)鍵對(duì)比指標(biāo)，將實(shí)驗(yàn)結(jié)果描繪成折線圖，如圖1所示。

通過(guò)圖1分析可知，基于機(jī)器學(xué)習(xí)的云用戶隱性反饋信息分類方法的分類準(zhǔn)確率明顯高于傳統(tǒng)分類方法，證明了該方法的可行性和有效性。

3 結(jié)語(yǔ)

基于機(jī)器學(xué)習(xí)的云用戶隱性反饋信息分類方法有效解決了傳統(tǒng)信息分類方法準(zhǔn)確度低、應(yīng)用范圍較小的問(wèn)題。但是云用戶隱性反饋信息分類是一個(gè)不斷完善的方法過(guò)程，機(jī)器學(xué)習(xí)理論本身也是一個(gè)漫長(zhǎng)的發(fā)展進(jìn)程。此次進(jìn)行該信息分類方法相關(guān)研究的整理和評(píng)述，對(duì)學(xué)術(shù)研究以及實(shí)際應(yīng)用都具有較大的指導(dǎo)意義。

參考文獻(xiàn)

[1] 崔鴻雁，徐帥，張利鋒，等.機(jī)器學(xué)習(xí)中的特征選擇方法研究及展望[J].北京郵電大學(xué)學(xué)報(bào)，2018，41（1）：1-12.

[2] 只瑩瑩.機(jī)器學(xué)習(xí)在圖書(shū)館知識(shí)發(fā)現(xiàn)系統(tǒng)中的應(yīng)用初探——以基于知識(shí)圖譜的發(fā)現(xiàn)工具Yewno為例[J].農(nóng)業(yè)圖書(shū)情報(bào)學(xué)刊，2018，30（7）：47-50.

[3] 艾達(dá)，盧雪磊，高陽(yáng)，等.基于機(jī)器學(xué)習(xí)的HEVC快速幀內(nèi)預(yù)測(cè)算法研究進(jìn)展[J].現(xiàn)代電子技術(shù)，2018，41（18）：178-181+186.

收稿日期：2020-05-11

作者簡(jiǎn)介：趙磊（1979—），男，河南焦作人，本科，網(wǎng)絡(luò)工程師，研究方向：云計(jì)算、云災(zāi)備、網(wǎng)絡(luò)分布式系統(tǒng)。