21世纪以来,互联网讯速发展,成为了人们在日常生活中必不可少的工具。随着互联网的普及,线上服务和网络通信成为一种趋势。互联网上的个性化推送服务,如定向广告投放、网页语言自动选择、当地新闻实时推送,以及网络安全问题的溯源追踪等都需要IP定位技术,即根据每个网络主机唯一的IP地址标识确定其所在的地理位置。虽然现在已经有许多优秀的IP定位技术,但或多或少都存在着一定的局限性,例如网络测量的精确度不高,变量之间的关系无法准确衡量等等。因此,本文主要提出了一种基于数据挖掘的IP城市级定位方法,该方法以IP地址本身作为特征,利用随机森林算法训练得到分类器,得到了较好的预测效果。本文对现有的经典的IP定位方法进行了研究和分析,指出它们存在的不足,提出了基于随机森林的IP城市级定位模型。首先,在模型设计中,为了获取较高精确度的IP训练集,提出对不同的源数据库进行数据融合,并设计了一个引入堆结构的数据库融合算法,该算法主要是对各个库的IP记录进行属性融合。实验中选取了两种不同的数据库组合方式,通过对比分析发现,第二组实验结果更好,具体表现在其中的省份信息能全部识别出来,城市识别率也提升了19倍。其次,本文抽取了新融合数据库中同一运营商下湖北省13个城市的IP数据作为训练样本,丢弃了传统的以网络测量信息,如时延、跳数等作为特征的方法,选用IP地址的四个字节作为模型训练的4个特征,分别生成了单个决策树分类器和随机森林分类器,实验结果表明随机森林模型在一定程度上是优于决策树模型的,其预测正确率达到了97.89%。最后,用对比分析的研究方法发现以IP本身作为特征进行机器学习分类是可行的,除此之外,在基于国内IP数据的定位方法上,随机森林算法在一定程度上是优于朴素贝叶斯算法的。