大數據精準營銷中搜狗用戶畫像挖掘

大數據精準營銷中搜狗用戶畫像挖掘

大數據精準營銷

我們將對數據訓練集和測試集進行中文語義分析，特徵值提取，分類模型擬合和預測等步驟操作。 數據庫：user_tag_query.2W.TEST user_tag_query.2W.TRAIN 具體處理流程：

1. 文本預處理
2. 特徵提取
3. 訓練分類器
4. 模型預測

結果：

去除停用詞之前：

正常結果bigram+truecut 0.66117

使用unigram+truecut 0.6509

使用bigram+searchcut 0.6633

使用unigram+searchcut 0.6566

使用bigram+falsecut 0.66546

使用unigram+falsecut 0.65675

在去除停止詞之後：

正常結果bigram+truecut 0.6625

uni_truecut 0.64879

bigram+falsecut 0.66625

uni_cutfalse 0.65158

bi_searchcut 0.66596

uni_searchcut 0.65308

libsvm：

c = 0.5，預測值一樣。放棄

c = 1 預測值的四分之三是一致的，所以放棄

c = 4：0.62913 預測值少了一些少數類，多數類比重加大。

c = 10：0.65254

c = 20 0.64746 心好累

c = 30 age預測值都是一，放棄。

c = 50：age預測值都是一，放棄。

bigram：c = 1 ：大約需要兩個半小時，放棄。

after corpus：

c = 20：edu全都是5，捨棄

c = 30：age全都是1，捨棄

我們提交14次。

最高分 0.70162 提交次數 60次。

需要相關代碼的可以私信我。