随着信息时代的到,在粮食产后的收获、加工、运输、消费等一系列过程中产生了大量的数据。合理地利用这些数据,我们可以从中获取更多深入的、有价值的信息。本文在国家粮食公益项目的支持下对粮食产后损失浪费进行调查,并利用用户画像技术及预测模型的构建对粮食产后损失的评估技术进行研究。用户画像是建立在一系列真实数据之上,根据用户人口特征、行为偏好特征等信息抽象出的标签化的用户模型,可以用做用户分类统计、精准营销、构建智能推荐系统、服务或产品私人订制、业务经营分析等,本文基于用户画像对粮食产后的多个环节出现的损失数据进行研究。具体工作如下:首先,研究认为用户画像是对现实世界中的用户建立数学模型,其核心内容是建立标签体系。标签是某一种用户特征的符号化表示,标签的集合则可以用来表示用户画像。本文基于粮食产后损失调查的数据,对这些数据的特征分析;通过对粮食数据的特征分析,对部分文本型数据进行数值化处理;同时阐述对粮食产后损失的测定方式与方法。其次,建立用户画像整体框架,对用户画像的具体内容进行设计,对于非数值型的数据采用TF-IDF算法来计算每个属性每个类别的权重,而对于数值型数据则利用皮尔森相关系数来计算用户每个属性的标签权重,进而对每个用户进行标签化计算,再结合属性值计算出该用户的标签值,在此基础上利用k-means聚类分析划分粮食用户群体。最后,基于用户画像技术对粮食用户划分的粮食用户群体,利用朴素贝叶斯、决策树、支持向量机等分类方法对粮食产后数据建立多种分类预测模型,通过多组对比实验验证粮食用户群体划分的有效性,并在此基础上提出了基于用户画像的支持向量机损失预测模型。利用混淆矩阵作为评价指标,采用准确率、覆盖率及命中率来验证模型的预测效果。