基于機器學(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：本文講述機器學(xué)習(xí)通過計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)而通過反饋信息文本來處理，統(tǒng)計每個特征項的文本頻率，識別篩選反饋信息，實現(xiàn)對云用戶隱性反饋信息的分類。

關(guān)鍵詞：機器學(xué)習(xí);隱性反饋;信息分類

中圖分類號：TP181 ? ?文獻(xiàn)標(biāo)識碼：A ? ?文章編號：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)無法應(yīng)對當(dāng)前的數(shù)據(jù)量，因此，基于機器學(xué)習(xí)的云用戶隱性反饋信息分類方法成為研究的熱點。

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

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計算特征的信息增益值來實現(xiàn)[2]。第一步，計算特征增益數(shù)據(jù);第二步，以上述增益數(shù)據(jù)為依據(jù)，對特征項進(jìn)行排列;第三步，根據(jù)預(yù)設(shè)的特征項數(shù)據(jù)，剔除與之不相符的特征項[3]。若存在特征和類別，需計算特征對類別的信息增益值，需要分別計算類別中出現(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、動態(tài)圖等，解決無法識別反饋信息的內(nèi)容的問題。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)，分析其是詞語的可能性并。根據(jù)分類，對字符串中字的組合頻率進(jìn)行統(tǒng)計，當(dāng)這個組合頻率高于一定的閾值時，則認(rèn)為字的組合是可以組成一個詞語的，將該字視為無詞組。并且刪除停用詞處理，設(shè)計停用詞表，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)詞匯做對比，若能匹配成功，則需要刪除。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 識別篩選云用戶隱性反饋信息

在對云用戶隱性反饋信息文本進(jìn)行處理后，開始識別篩選所需的反饋信息，以便于進(jìn)行歸納分類。先統(tǒng)計每個特征項的文本頻率，也就是計算文本集中包含某個特征詞條的文本數(shù)。應(yīng)預(yù)先設(shè)置大、小極值文本頻率閾值，統(tǒng)計所有特征項的文本頻率，并將統(tǒng)計值與預(yù)設(shè)閾值作對比，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。文本頻率越小，說明該特征項蘊含的反饋信息越少，越應(yīng)予以剔除;反之，文本頻率越大，該特征項蘊含的反饋信息越多，越應(yīng)予以保留，基于此實現(xiàn)云用戶隱性反饋信息的識別篩選。

2 對比實驗

2.1 實驗設(shè)計

為保證云用戶隱性反饋信息分類方法的可行性，需要進(jìn)行對比實驗。本次實驗在PyCharm4.5.4編譯器上進(jìn)行，通過SVM算法進(jìn)行仿真實驗。在本實驗中，設(shè)置基于機器學(xué)習(xí)的云用戶隱性反饋信息分類方法為實驗組，傳統(tǒng)的云用戶隱性反饋信息分類方法為對照組，實驗次數(shù)設(shè)置為實驗?zāi)繕?biāo)為測試不同反饋信息分類方法的分類準(zhǔn)確率。

2.2 實驗結(jié)果分析論證

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

通過圖1分析可知，基于機器學(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

基于機器學(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)用范圍較小的問題。但是云用戶隱性反饋信息分類是一個不斷完善的方法過程，機器學(xué)習(xí)理論本身也是一個漫長的發(fā)展進(jìn)程。此次進(jìn)行該信息分類方法相關(guān)研究的整理和評述，對學(xué)術(shù)研究以及實際應(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，2018，41（1）：1-12.

[2] 只瑩瑩.機器學(xué)習(xí)在圖書館知識發(fā)現(xiàn)系統(tǒng)中的應(yīng)用初探——以基于知識圖譜的發(fā)現(xiàn)工具Yewno為例[J].農(nóng)業(yè)圖書情報學(xué)刊，2018，30（7）：47-50.

[3] 艾達(dá)，盧雪磊，高陽，等.基于機器學(xué)習(xí)的HEVC快速幀內(nèi)預(yù)測算法研究進(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：云計算、云災(zāi)備、網(wǎng)絡(luò)分布式系統(tǒng)。