[發(fā)明專(zhuān)利]一種微博用戶畫(huà)像方法、電子設(shè)備、存儲(chǔ)介質(zhì)、系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710807779.1
• 申請(qǐng)日: 2017-09-08
• 公開(kāi)（公告）號(hào): CN107633036A
• 公開(kāi)（公告）日: 2018-01-26
• 發(fā)明（設(shè)計(jì)）人: 蔡毅
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣州汪汪信息技術(shù)有限公司
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30;G06Q50/00;G06K9/62
• 代理公司: 廣州市越秀區(qū)哲力專(zhuān)利商標(biāo)事務(wù)所(普通合伙)44288
• 代理人: 李天星,彭成

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理分析領(lǐng)域，尤其涉及一種微博用戶畫(huà)像方法電子設(shè)備、存儲(chǔ)介質(zhì)、系統(tǒng)。

背景技術(shù)

微博平臺(tái)是人們記錄日常生活，表達(dá)情感和觀點(diǎn)的重要平臺(tái)，基于情感分類(lèi)技術(shù)對(duì)微博用戶進(jìn)行用戶畫(huà)像具有很大的意義，例如分析用戶對(duì)一種商品的情感，可以輔助該商品營(yíng)銷(xiāo)方案的制定。情感分類(lèi)問(wèn)題本質(zhì)上是一個(gè)分類(lèi)問(wèn)題，通過(guò)標(biāo)記好的訓(xùn)練數(shù)據(jù)訓(xùn)練分類(lèi)器，得到評(píng)估模型。情感分類(lèi)問(wèn)題本質(zhì)上是一個(gè)分類(lèi)問(wèn)題，但傳統(tǒng)的文本分類(lèi)問(wèn)題是根據(jù)文本的話題進(jìn)行分類(lèi)，例如判斷一篇文檔是關(guān)于政治的還是關(guān)于體育的，而文本情感分類(lèi)是對(duì)文本表達(dá)的情感進(jìn)行極性的判斷，例如判斷一條電影評(píng)論表達(dá)的觀點(diǎn)是積極的還是消極的。相對(duì)于傳統(tǒng)的基于主題的分類(lèi)，情感分類(lèi)更具挑戰(zhàn)性的一個(gè)方面表現(xiàn)在主題可以單獨(dú)根據(jù)關(guān)鍵詞來(lái)進(jìn)行判別，例如，例如一篇文檔出現(xiàn)了“足球”、“進(jìn)球”等詞語(yǔ)，則有很大的可能是屬于體育類(lèi)的。而情感的表達(dá)方式更微妙，例如，“這場(chǎng)電影大家怎么能夠堅(jiān)持坐著看完的？”這個(gè)句子沒(méi)有包含一個(gè)明顯具有消極情感傾向的詞語(yǔ)，但整個(gè)句子表達(dá)的是情感傾向是消極的。可見(jiàn)，情感分類(lèi)對(duì)于通常的基于話題的分類(lèi)需要更深層次的理解。微博文本與普通文本具有很多的區(qū)別，例如微博數(shù)據(jù)集主題不統(tǒng)一、微博用語(yǔ)不規(guī)范、微博文本形式復(fù)雜，噪音多。目前的對(duì)于微博的情感分類(lèi)只是簡(jiǎn)單的基于話題的分類(lèi)，因此目前得到的用戶畫(huà)像不夠準(zhǔn)確，具有很大偏差。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的之一在于提供一種微博用戶畫(huà)像方法，其能解決目前得到的用戶畫(huà)像不夠準(zhǔn)確，具有很大偏差的問(wèn)題。

本發(fā)明的目的之二在于提供一種電子設(shè)備，其能解決目前得到的用戶畫(huà)像不夠準(zhǔn)確，具有很大偏差的問(wèn)題。

本發(fā)明的目的之三在于提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其能解決目前得到的用戶畫(huà)像不夠準(zhǔn)確，具有很大偏差的問(wèn)題。

本發(fā)明的目的之四在于提供一種微博用戶畫(huà)像系統(tǒng)，其能解決目前得到的用戶畫(huà)像不夠準(zhǔn)確，具有很大偏差的問(wèn)題。

本發(fā)明的目的之一采用以下技術(shù)方案實(shí)現(xiàn)：

一種微博用戶畫(huà)像方法，該方法包括：

數(shù)據(jù)獲取，獲取微博平臺(tái)上的用戶基礎(chǔ)數(shù)據(jù)；

標(biāo)注數(shù)據(jù)，對(duì)所述用戶基礎(chǔ)數(shù)據(jù)進(jìn)行標(biāo)注處理，得到標(biāo)注用戶基礎(chǔ)數(shù)據(jù)；

生成分類(lèi)模型，創(chuàng)建強(qiáng)分類(lèi)器，所述強(qiáng)分類(lèi)器用于訓(xùn)練所述用戶基礎(chǔ)數(shù)據(jù)；將所述標(biāo)注用戶基礎(chǔ)數(shù)據(jù)作為所述強(qiáng)分類(lèi)器的輸入進(jìn)行訓(xùn)練生成分類(lèi)模型；

生成用戶畫(huà)像，將待判定用戶數(shù)據(jù)輸入到所述分類(lèi)模型中，得到用戶畫(huà)像。

進(jìn)一步地，還包括數(shù)據(jù)處理，將所述用戶基礎(chǔ)數(shù)據(jù)進(jìn)行數(shù)據(jù)清理、預(yù)處理以及特征選擇，所述數(shù)據(jù)清理包括對(duì)所述用戶基礎(chǔ)數(shù)據(jù)進(jìn)行去噪處理；所述預(yù)處理包括對(duì)所述用戶基礎(chǔ)數(shù)據(jù)進(jìn)行分詞處理、取出停止詞處理、向量化處理；所述特征選擇包括使用信息增益的特征選擇方法選擇所述用戶基礎(chǔ)數(shù)據(jù)中特征用于控制特征空間的維度。

進(jìn)一步地，在所述將待判定用戶數(shù)據(jù)輸入到所述分類(lèi)模型中之前，還包括驗(yàn)證所述分類(lèi)模型，輸入用于驗(yàn)證的驗(yàn)證數(shù)據(jù)至所述分類(lèi)模型，得到驗(yàn)證結(jié)果，并對(duì)所述驗(yàn)證結(jié)果進(jìn)行評(píng)估。

進(jìn)一步地，所述創(chuàng)建強(qiáng)分類(lèi)器具體為：

根據(jù)Bagging算法、Stacking算法對(duì)SVM分類(lèi)器、K-NN分類(lèi)器以及GBDT分類(lèi)器進(jìn)行融合，得Bagging算法融合模型和Stacking算法融合模型；

根據(jù)Boosting算法將所述Bagging算法融合模型和所述Stacking算法融合模型融為一體，得到強(qiáng)分類(lèi)器。

進(jìn)一步地，所述根據(jù)Bagging算法對(duì)所述SVM分類(lèi)器、K-NN分類(lèi)器以及GBDT分類(lèi)器進(jìn)行融合具體為：在原始訓(xùn)練集中每次有放回地選出子訓(xùn)練集，得到新訓(xùn)練集，根據(jù)所述SVM分類(lèi)器、K-NN分類(lèi)器以及GBDT分類(lèi)器分別對(duì)所述新訓(xùn)練集進(jìn)行訓(xùn)練，得到Bagging算法融合模型。

進(jìn)一步地，所述根據(jù)Stacking算法對(duì)所述SVM分類(lèi)器、K-NN分類(lèi)器以及GBDT分類(lèi)器進(jìn)行融合具體為：分別將原始訓(xùn)練集輸入到所述SVM分類(lèi)器、K-NN分類(lèi)器以及GBDT分類(lèi)器中進(jìn)行訓(xùn)練，得到訓(xùn)練結(jié)果，將所述訓(xùn)練結(jié)果輸入到所述SVM分類(lèi)器中，得到Stacking算法融合模型。

進(jìn)一步地，所述根據(jù)Boosting算法將所述Bagging算法融合模型和所述Stacking算法融合模型融為一體具體為通過(guò)將所述Bagging算法融合模型和所述Stacking算法融合模型迭代產(chǎn)生新的強(qiáng)分類(lèi)器。

本發(fā)明的目的之二采用以下技術(shù)方案實(shí)現(xiàn)：