[发明专利]一种基于互信息和改进遗传算法的用户属性特征选择方法

权利要求书

1.一种基于互信息和改进遗传算法的用户属性特征选择方法，其特征在于，包括以下步骤：

步骤一、海量采集手机用户，对各用户的性别及年龄段设为标签sex_age；同时，根据用户使用的APP统计用户特征，将每个标签下的用户特征构成原始特征集；

每个标签sex_age都对应M个特征，特征集合为F＝{f₁,f₂,…,f_i,....f_M}；最终所有标签的所有特征集合构成了原始特征集；

步骤二、利用互信息算法计算每个标签和对应的各个特征之间的互信息；

步骤三、将每个标签对应的所有互信息，按照由大到小的顺序对各特征进行排序，并将互信息大于阈值Q对应的特征筛选到特征集F'中，作为遗传算法的初始种群；同时，在初始种群中生成若干随机特征，并给每个特征赋值；

阈值Q根据实际需求人为设定；

在初始种群中，互信息值大于阈值Q的特征均设为1，随机生成的特征随机设为0或1；

步骤四、采用二进制编码方式对初始种群中的特征进行编码，形成种群的个体；

初始种群中的每个个体是由L个特征对应的0或1组成的二进制字符串，L为候选特征的总数量；

针对每个个体，依次判断当前第i位的值是否为0，如果是，表示不选择第i位对应的特征f_i，否则，值为1表示选择特征f_i；

步骤五、根据基于类内类间距离的适应度函数，计算初始种群中每个个体的适应度；

步骤六、利用轮盘赌的比例选择法，对种群中的每个个体按照适应度值计算选择概率，将选中的个体进入下一代种群；

步骤七、对于选中进入下一代进行遗传操作的个体，根据自适应的交叉、变异算子进行交叉、变异操作，产生新一代种群；

令交叉概率和变异概率分别记为p_c和p_m，计算公式为：

其中，p_c1、p_c2、p_m1和p_m2为常数，f_max表示当前代种群中所有个体中的最大适应度值，f_avg表示每一代中所有个体的适应度平均值，f′表示要进行交叉操作的双亲之间较大的适应度值，f表示要进行变异操作的个体的适应度值；

步骤八、计算新一代种群中每个个体的适应度，并判断新一代种群是否达到终止条件，如果是，则输出最优特征子集；否则，返回步骤六；

最优特征子集是指，新一代种群中每个个体中值为1的特征组成的集合；

终止条件为：适应度最优解连续5次保持不变或迭代次数达到最大值。

2.如权利要求1所述的一种基于互信息和改进遗传算法的用户属性特征选择方法，其特征在于，所述的步骤一中，sex表示用户性别，取值1、2分别表示男和女；age表示用户年龄段，取值0-10分别对应用户不同的年龄段；

用户特征包括：每个用户的App安装特征、App使用特征、用户App使用偏好特征以及Applist2vec特征。

3.如权利要求1所述的一种基于互信息和改进遗传算法的用户属性特征选择方法，其特征在于，步骤二中所述互信息的计算具体为：

针对离散随机变量标签X，以及该标签X对应的某个特征Y，互信息I(X；Y)为：

H(X)表示变量标签X的熵，S为变量标签X的取值范围；p(x)是变量标签X的概率密度分布函数；

H(X|Y)表示条件熵，用来对已知变量Y后X取值的不确定性进行度量，表示为：

p(x,y)是变量标签X和变量标签Y的联合概率密度分布函数；T为变量标签Y的取值范围；p(x|y)代表当变量Y取值为y时，X取值为x的概率；

由此，得到标签X下的M个特征对应的M个互信息结果。

4.如权利要求1所述的一种基于互信息和改进遗传算法的用户属性特征选择方法，其特征在于，所述步骤七中每个个体被选中的概率与其适应度大小成正比，针对个体x_i进入到下一代进行遗传操作的概率p(x_i)如下式：

其中n为个体的数量，个体x_i的适应度为f(x_i)。