大数据精准营销中搜狗用户画像挖掘
我们将对数据训练集和测试集进行中文语义分析，特征值提取，分类模型拟合和预测等步骤操作。 数据库：user_tag_query.2W.TEST user_tag_query.2W.TRAIN 具体处理流程：
- 文本预处理
- 特征提取
- 训练分类器
- 模型预测
结果：
去除停用词之前：
正常结果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
在去除停止词之后：
正常结果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，预测值一样。放弃
c = 1 预测值的四分之三是一致的，所以放弃
c = 4：0.62913 预测值少了一些少数类，多数类比重加大。
c = 10：0.65254
c = 20 0.64746 心好累
c = 30 age预测值都是一，放弃。
c = 50：age预测值都是一，放弃。
bigram：c = 1 ：大约需要两个半小时，放弃。
after corpus：
c = 20：edu全都是5，舍弃
c = 30：age全都是1，舍弃
我们提交14次。
最高分 0.70162 提交次数 60次。