基于AdaBoost与BP神经网络增量学习手机用户分类预测.docVIP

基于AdaBoost与BP神经网络增量学习的手机用户分类预测 　　 摘要：随着3G网络的全面普及，手机广告目前已逐渐成为商家抢占市场的一种营销手段，但手机广告投放的精准性是目前比较突出的一个问题。本文介绍了BP神经网络以及AdaBoost算法的基本原理，研究了应用AdaBoost结合BP神经网络算法的增量学习模型，该模型基于用户历史点击记录来预测手机用户感兴趣的广告类别，以提高手机广告投放的精准度。 　　 关键词：手机用户分类；AdaBoost；BP神经网络；增量学习；手机广告 　　 中图分类号：TP274 文献标识码：A 文章编号：1007-9599 (2011) 23-0000-01 　　 Mobile Phone Users Classification Forecast Based on AdaBoost and BP Neural Network Incremental Learning 　　 Zhang Ran 　　 (Sun Yat-sen University,Guangzhou 510006,China) 　　 Abstract:With the overall popularity of 3G networks,mobile advertising business has become a marketing tool to seize the market,but the precise nature of mobile advertising is a more prominent issue.This article describes the BP neural network and the basic principles of AdaBoost algorithm to study the application of BP neural network algorithm AdaBoost with incremental learning model that records based on user click history to predict the mobile phone users are interested in advertising categories,in order to improve the mobile advertising the accuracy. 　　 Keywords:Phone user classification;AdaBoost;BP neural network;Incremental learning;Mobile advertising 　　 一、引言 　　 随着移动无线第三代网络技术的迅速普及以及智能手机的飞速发展，手机广告作为继传统媒体报纸、杂志、广播、电视的第5代媒体平台吸引着广大商家的眼球。根据工信部调查数据显示，截至今年4月底，我国手机用户已突破9亿户大关，其中3G用户总数为6757万户，因此手机广告是推销产品的另一有效途径。但目前商家投放广告的方式十分粗放，缺乏目标性，收效甚微。 　　 手机广告针对用户的投放具有实时性，同时手机用户的兴趣及需求也是随时间不断发生变化的，致使不能一次性获得全部训练样本以得到适当的网络结构。 　　 针对上述问题，本文在研究AdaBoost方法结合BP神经网络算法的基础上，提出了增量学习模型应用于手机用户分类。增量学习是对所获得的数据逐步学习，预测结果是基于逐步学习的基础上所得，这充分利用手机用户历史点击记录数据，对手机用户的分类进行预测，并根据预测结果投放相应类别的手机广告，从而得到较为理想的广告投放效果。 　　 二、BP神经网络 　　 BP神经网络是基于误差传播的多层前馈网络算法，标准的BP神经网络由输入层、隐含层及输出层三层神经元构成，其中隐含层可为一层或多层，其主要特征为：相邻两层神经元之间采用全互连方式，各层内神经元之间无连接。输入信号传播到隐含节点，经隐含节点的转换和处理，再传播至输出节点，最后经输出节点的转换和处理得到输出结果。模型结构见图1 　　 　　 图1 三层BP网络的拓扑结构 　　 每层神经元与下一层所有的神经元连接，箭头表示信息的流动。其中xi表示输入层第i个神经元的输入信号，ωij表示输入层与隐层之间的连接权重，ωjk表示隐层与输出层之间的连接权重，yj表示隐层神经元，ok表示输出层第k个神经元的输出信号。 　　 假定输入层数为ｎ，输出层数为ｍ，那么BP网络便是一个从ｎ维欧氏空间到ｍ维欧氏空间的映射。 　　 BP学习算法把学习过程分为两个阶段：信息正向传播和误差反向传播。 　　 三、AdaBoost算法 　　 AdaBo