巩珂，王霞

（1.北方工业大学信息学院，北京100144；2.中共湖南省委党校湖南行政学院，长沙410006）

0 引言

随着电商技术的快速发展，用户画像技术逐渐兴起。从电子商务应用的特征出发，对互联网数据进行分析，基于分析结果对用户进行画像，并根据结果对用户进行有针对性的服务，来提高电商平台的效益，是现如今电子商务平台的发展趋势。2015年，“互联网+”写进政府工作报告，对知识产权等传统服务行业产生了巨大的影响，出现了一批潜力巨大的新型“互联网+知识产权”企业。如何利用互联网的优势，提高知识产权代理企业的订单量，提高用户的满意度，增强用户粘性，值得我们深入探讨和研究。

本文在对某知识产权平台用户进行画像研究时，发现数据存在不平衡的情况。不平衡数据指的是数据集中某一类或某些类的数量远小于其他类，通常比例低于1:2[1]。不平衡分类问题在医疗诊断[2]、信用卡欺诈行为检测[3]、软件缺陷检测[4]、垃圾邮件判断等领域尤其常见。传统的研究方法以总体分类的准确率为评价标准，分类结果会更多地偏向多数类样本，造成结果不够准确，难以获得有效的分类器。本文通过对不平衡数据的处理，结合随机森林算法，并对该算法进行改进，提出了一种基于特征组合和SMOTE的随机森林算法RFFCS（Random Forest based on Feature Combination and SMOTE），用改进后的方法在用户类型、VIP上进行实验。结果表明，本文所提方法在少数类的分类效果上有一定的提升。

1 对不平衡数据的处理——SMOTE算法

对不平衡数据的处理一直是数据挖掘领域最具挑战性的问题之一。……