[發(fā)明專利]一種用戶興趣模型的建立方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201110206861.1
• 申請(qǐng)日: 2011-07-22
• 公開（公告）號(hào): CN102890689A
• 公開（公告）日: 2013-01-23
• 發(fā)明（設(shè)計(jì)）人: 李楠
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 深圳市威世博知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44280
• 代理人: 何青瓦;李慶波

【技術(shù)領(lǐng)域】

本發(fā)明涉及互聯(lián)網(wǎng)應(yīng)用技術(shù)領(lǐng)域，尤其涉及一種用戶興趣模型的建立方法及系統(tǒng)。

【背景技術(shù)】

隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的發(fā)展，互聯(lián)網(wǎng)中所提供的服務(wù)種類也在不斷完善。為了向用戶提供個(gè)性化的服務(wù)，互聯(lián)網(wǎng)服務(wù)者通常需要通過(guò)挖掘用戶歷史網(wǎng)絡(luò)行為信息，得到關(guān)于各用戶興趣傾向的模型，從而為用戶提供有針對(duì)性的服務(wù)。對(duì)于基于文本或與文本相關(guān)的互聯(lián)網(wǎng)服務(wù)中，比如網(wǎng)頁(yè)搜索、博客、網(wǎng)絡(luò)百科等，通常是采用基于詞項(xiàng)(Term)的方式，表述用戶的興趣模型。所謂Term就是自然語(yǔ)言中，具有基本語(yǔ)意特征的文字片段。用戶輸入的文字、網(wǎng)頁(yè)的標(biāo)題、文章的內(nèi)容、歌曲名稱等等都可以認(rèn)為是由Term組成的。采用Term表述用戶的興趣是因?yàn)椋恳环N語(yǔ)言中的Term是相對(duì)穩(wěn)定的集合，其數(shù)量比Query、語(yǔ)句等等要小得多，可節(jié)約存儲(chǔ)空間；同時(shí)Term比更小的語(yǔ)言元素(單個(gè)漢字或英語(yǔ)中的字母)具有更豐富的表意性。

現(xiàn)有的基于Term的用戶興趣模型通常是采用“Term向量”，即向量空間模型(Vector?Space?Model)的方式進(jìn)行描述，通過(guò)統(tǒng)計(jì)用戶歷史行為，得到表達(dá)這個(gè)用戶興趣的Term集合，并依據(jù)統(tǒng)計(jì)信息為每個(gè)Term賦予權(quán)值。然而用戶興趣通常是多種多樣的，具有不同的粒度、清晰度，且具有不可枚舉性。為應(yīng)對(duì)用戶幾乎無(wú)數(shù)種可能的潛在興趣，備選的Term通常達(dá)到十萬(wàn)或更多。如果把每個(gè)Term看作是一個(gè)空間的維度，則用戶的歷史行為就表達(dá)成了在這個(gè)極高維空間中的一個(gè)矢量。

現(xiàn)有用戶行為模型所采用的“Term向量”中，并沒(méi)有針對(duì)不同的應(yīng)用場(chǎng)景進(jìn)行區(qū)分，這就會(huì)在針對(duì)具體應(yīng)用場(chǎng)景使用用戶興趣模型時(shí)，造成用戶興趣識(shí)別的不準(zhǔn)確，例如針對(duì)一個(gè)提供娛樂(lè)類服務(wù)的網(wǎng)絡(luò)應(yīng)用，“Term向量”中與工業(yè)、制造、學(xué)術(shù)等專業(yè)相關(guān)的Term就會(huì)影響娛樂(lè)類服務(wù)的應(yīng)用，同時(shí)對(duì)服務(wù)器和客戶端都會(huì)造成負(fù)擔(dān)和資源的浪費(fèi)。

【發(fā)明內(nèi)容】

為了解決上述問(wèn)題，本發(fā)明提供了一種用戶興趣模型的建立方法及系統(tǒng)，針對(duì)不同的應(yīng)用場(chǎng)景輸出相應(yīng)的用戶興趣模型，使得用戶興趣模型更加準(zhǔn)確，減小服務(wù)器和客戶端的負(fù)擔(dān)和資源浪費(fèi)。

具體技術(shù)方案如下：

相應(yīng)地，本發(fā)明實(shí)施例提供的一種用戶興趣模型的建立方法，該方法包括：

A、根據(jù)用戶歷史行為建立用戶的用戶興趣模型，所述用戶興趣模型至少包括：用戶興趣詞Term以及各Term的權(quán)值；

B、根據(jù)具體應(yīng)用的用戶歷史行為，建立所述應(yīng)用對(duì)應(yīng)的Term知識(shí)集合，所述Term知識(shí)集合包括所述應(yīng)用對(duì)應(yīng)的Term；

C、用所述應(yīng)用對(duì)應(yīng)的Term知識(shí)集合對(duì)所述用戶興趣模型進(jìn)行特征調(diào)整，得到所述用戶在所述應(yīng)用對(duì)應(yīng)的用戶興趣模型。

根據(jù)本發(fā)明之一優(yōu)選實(shí)施例，步驟A具體包括：

A1、獲取用戶歷史行為的文本信息；

A2、對(duì)用戶歷史行為的文本信息進(jìn)行分詞；

A3、從分詞結(jié)果中提取表達(dá)用戶興趣的Term及Term之間的共現(xiàn)關(guān)系，并為Term賦予權(quán)值以及為Term之間的共現(xiàn)關(guān)系賦予權(quán)值，形成所述用戶的用戶興趣模型。

根據(jù)本發(fā)明之一優(yōu)選實(shí)施例，根據(jù)Term的詞頻或者Term的詞頻-倒文檔率為Term賦予權(quán)值，并根據(jù)Term之間共同出現(xiàn)的次數(shù)為Term之間的共現(xiàn)關(guān)系賦予權(quán)值。

根據(jù)本發(fā)明之一優(yōu)選實(shí)施例，根據(jù)所述用戶的興趣時(shí)效性變化，對(duì)所述Term的權(quán)值進(jìn)行動(dòng)態(tài)調(diào)整；

所述動(dòng)態(tài)調(diào)整采取以下策略中的至少一種：

為用戶短時(shí)或短期網(wǎng)絡(luò)行為對(duì)應(yīng)的Term的權(quán)值設(shè)置上限值；

將用戶爆發(fā)性網(wǎng)絡(luò)行為對(duì)應(yīng)的Term的權(quán)值按照時(shí)間進(jìn)行衰減。

根據(jù)本發(fā)明之一優(yōu)選實(shí)施例，所述為用戶短時(shí)或短期網(wǎng)絡(luò)行為對(duì)應(yīng)的Term的權(quán)值設(shè)置上限值具體是：

設(shè)置短時(shí)權(quán)值貢獻(xiàn)的上限值或短期權(quán)值貢獻(xiàn)的上限值；

當(dāng)短時(shí)或短期內(nèi)用戶的網(wǎng)絡(luò)行為出現(xiàn)重復(fù)，且使得這段時(shí)間內(nèi)重復(fù)行為對(duì)應(yīng)的各個(gè)Term的權(quán)值總和超過(guò)預(yù)設(shè)的上限值時(shí)，則將預(yù)設(shè)的上限值作為所述各個(gè)Term的權(quán)值總和，按分配前所述各個(gè)Term的權(quán)值大小為比例，分配到所述各個(gè)Term的權(quán)值中。

根據(jù)本發(fā)明之一優(yōu)選實(shí)施例，將用戶爆發(fā)性網(wǎng)絡(luò)行為對(duì)應(yīng)的Term的權(quán)值按照時(shí)間進(jìn)行衰減具體為：

將在設(shè)定時(shí)間段內(nèi)出現(xiàn)次數(shù)相比較在其他時(shí)間段內(nèi)的出現(xiàn)次數(shù)高于預(yù)設(shè)程度的Term的權(quán)值按照預(yù)設(shè)的衰減策略進(jìn)行衰減，所述預(yù)設(shè)的衰減策略為：線性衰減或者指數(shù)衰減。