[發明專利]一種基于互信息和改進遺傳算法的用戶屬性特征選擇方法

在審

• 申請號: 202110292490.7
• 申請日: 2021-03-18
• 公開（公告）號: CN112906890A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 曹倩;左敏;姜同強;麻春蕊;王曼
• 申請（專利權）人: 北京工商大學
• 主分類號: G06N3/12
• 分類號: G06N3/12;G06K9/62;G06Q30/02
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 易卜

1.一種基于互信息和改進遺傳算法的用戶屬性特征選擇方法，其特征在于，包括以下步驟：

步驟一、海量采集手機用戶，對各用戶的性別及年齡段設為標簽sex_age；同時，根據用戶使用的APP統計用戶特征，將每個標簽下的用戶特征構成原始特征集；

每個標簽sex_age都對應M個特征，特征集合為F＝{f₁,f₂,…,f_i,....f_M}；最終所有標簽的所有特征集合構成了原始特征集；

步驟二、利用互信息算法計算每個標簽和對應的各個特征之間的互信息；

步驟三、將每個標簽對應的所有互信息，按照由大到小的順序對各特征進行排序，并將互信息大于閾值Q對應的特征篩選到特征集F'中，作為遺傳算法的初始種群；同時，在初始種群中生成若干隨機特征，并給每個特征賦值；

閾值Q根據實際需求人為設定；

在初始種群中，互信息值大于閾值Q的特征均設為1，隨機生成的特征隨機設為0或1；

步驟四、采用二進制編碼方式對初始種群中的特征進行編碼，形成種群的個體；

初始種群中的每個個體是由L個特征對應的0或1組成的二進制字符串，L為候選特征的總數量；

針對每個個體，依次判斷當前第i位的值是否為0，如果是，表示不選擇第i位對應的特征f_i，否則，值為1表示選擇特征f_i；

步驟五、根據基于類內類間距離的適應度函數，計算初始種群中每個個體的適應度；

步驟六、利用輪盤賭的比例選擇法，對種群中的每個個體按照適應度值計算選擇概率，將選中的個體進入下一代種群；

步驟七、對于選中進入下一代進行遺傳操作的個體，根據自適應的交叉、變異算子進行交叉、變異操作，產生新一代種群；

令交叉概率和變異概率分別記為p_c和p_m，計算公式為：

其中，p_c1、p_c2、p_m1和p_m2為常數，f_max表示當前代種群中所有個體中的最大適應度值，f_avg表示每一代中所有個體的適應度平均值，f′表示要進行交叉操作的雙親之間較大的適應度值，f表示要進行變異操作的個體的適應度值；

步驟八、計算新一代種群中每個個體的適應度，并判斷新一代種群是否達到終止條件，如果是，則輸出最優特征子集；否則，返回步驟六；

最優特征子集是指，新一代種群中每個個體中值為1的特征組成的集合；

終止條件為：適應度最優解連續5次保持不變或迭代次數達到最大值。

2.如權利要求1所述的一種基于互信息和改進遺傳算法的用戶屬性特征選擇方法，其特征在于，所述的步驟一中，sex表示用戶性別，取值1、2分別表示男和女；age表示用戶年齡段，取值0-10分別對應用戶不同的年齡段；

用戶特征包括：每個用戶的App安裝特征、App使用特征、用戶App使用偏好特征以及Applist2vec特征。

3.如權利要求1所述的一種基于互信息和改進遺傳算法的用戶屬性特征選擇方法，其特征在于，步驟二中所述互信息的計算具體為：

針對離散隨機變量標簽X，以及該標簽X對應的某個特征Y，互信息I(X；Y)為：

H(X)表示變量標簽X的熵，S為變量標簽X的取值范圍；p(x)是變量標簽X的概率密度分布函數；

H(X|Y)表示條件熵，用來對已知變量Y后X取值的不確定性進行度量，表示為：

p(x,y)是變量標簽X和變量標簽Y的聯合概率密度分布函數；T為變量標簽Y的取值范圍；p(x|y)代表當變量Y取值為y時，X取值為x的概率；

由此，得到標簽X下的M個特征對應的M個互信息結果。

4.如權利要求1所述的一種基于互信息和改進遺傳算法的用戶屬性特征選擇方法，其特征在于，所述步驟七中每個個體被選中的概率與其適應度大小成正比，針對個體x_i進入到下一代進行遺傳操作的概率p(x_i)如下式：

其中n為個體的數量，個體x_i的適應度為f(x_i)。