[發(fā)明專利]一種網(wǎng)頁(yè)人群屬性的預(yù)測(cè)方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210079096.6
• 申請(qǐng)日: 2012-03-22
• 公開(kāi)（公告）號(hào): CN102663027A
• 公開(kāi)（公告）日: 2012-09-12
• 發(fā)明（設(shè)計(jì)）人: 韓冬;張?zhí)m蘭;劉金玉;田寧;劉崟
• 申請(qǐng)（專利權(quán)）人: 浙江盤(pán)石信息技術(shù)有限公司
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30
• 代理公司: 杭州天正專利事務(wù)所有限公司 33201
• 代理人: 王兵;王利強(qiáng)

1.一種網(wǎng)頁(yè)人群屬性的預(yù)測(cè)方法，其特征在于：所述預(yù)測(cè)方法包括以下步驟：

(1)根據(jù)用戶的注冊(cè)信息或用戶ID獲取用戶的基本屬性信息，并進(jìn)行預(yù)處理去掉不合理的用戶屬性信息；

(2)在用戶訪問(wèn)頁(yè)面時(shí)利用裝載的Cookie跟蹤用戶訪問(wèn)的網(wǎng)頁(yè)，進(jìn)行訪問(wèn)頁(yè)面的收集；

(3)計(jì)算詞對(duì)頁(yè)面的人群屬性傾向性的影響；

(3.1)利用人群屬性區(qū)分度DG和信息增益IG進(jìn)行文本向量特征詞的選擇；

(3.2)計(jì)算詞對(duì)頁(yè)面的人群屬性傾向性的影響，如下公式：

p(c|wj)=Σi=1Irijui(c)/Σi=1Irij]]>

其中，p(c|w_j)表示第j個(gè)詞w_j出現(xiàn)時(shí)頁(yè)面人群屬性為c的概率，u_i(c)為第i個(gè)用戶的屬性c的值；

(4)計(jì)算網(wǎng)頁(yè)主題的人群屬性傾向性，如下公式：

p(c|Tj)=Σi=1Irijui(c)/Σi=1Irij]]>

其中，p(c|T_j)表示人群屬性c在第j個(gè)主題T_j下出現(xiàn)的可能性，u_i(c)為第i個(gè)用戶的屬性c的值；

(5)計(jì)算整個(gè)網(wǎng)頁(yè)的人群屬性傾向性。單從頁(yè)面的主題或詞的方面考慮，對(duì)頁(yè)面人群屬性傾向性的預(yù)測(cè)都顯得不夠全面，為了提高準(zhǔn)確度下面綜合考慮頁(yè)面主題和詞的影響，給出整個(gè)網(wǎng)頁(yè)的人群屬性傾向性的公式：

p_{網(wǎng)頁(yè)}(c|w_i)＝α×p_主題(c|w_i)+(1-α)×p_詞(c|w_i)

其中，p_{網(wǎng)頁(yè)}(c|w_i)表示頁(yè)面人群屬性傾向性，c表示一類(lèi)人群屬性，α為加權(quán)參數(shù)。

2.如權(quán)利要求1所述的一種網(wǎng)頁(yè)人群屬性的預(yù)測(cè)方法，其特征在于：所述步驟(1)中，不合理的用戶信息是指年齡在6歲以下，90以上的人群信息，根據(jù)最新的CNNIC網(wǎng)民人群屬性分布，進(jìn)行配比加權(quán)，取得最能代表網(wǎng)民的用戶樣本。