[發(fā)明專利]用戶需求獲取方法

有效

• 申請?zhí)枺?/td>: 201210436032.7
• 申請日: 2012-11-05
• 公開（公告）號: CN103793444A
• 公開（公告）日: 2014-05-14
• 發(fā)明（設(shè)計）人: 朱利民
• 申請（專利權(quán)）人: 江蘇蘇大大數(shù)據(jù)科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 廣州華進聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 何平

技術(shù)領(lǐng)域

本發(fā)明涉及網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別是涉及一種用戶需求獲取方法。

背景技術(shù)

自互聯(lián)網(wǎng)誕生以來，因特網(wǎng)已經(jīng)發(fā)展成為擁有近億用戶和數(shù)億頁面的巨大的全球信息倉庫，而且其信息量仍在以指數(shù)形式飛速地增長。從互聯(lián)網(wǎng)中獲取信息已經(jīng)成為個人獲取知識的主要方法和重要手段，也成為當(dāng)前企業(yè)獲取情報的重要途徑，但是，面對浩如煙海的網(wǎng)絡(luò)信息，傳統(tǒng)的人工搜集和處理方法都已難以勝任，搜索結(jié)果通常包括很多與用戶需求相關(guān)性不大的信息，因此如何準(zhǔn)確獲取用戶的需求是一個關(guān)鍵的問題。

目前，國內(nèi)外在信息搜索領(lǐng)域已經(jīng)做了大量研究，并開發(fā)了多種搜索引擎，如百度、谷歌以及雅虎等。從某種程度上這些搜索引擎提高了搜索的效率和速度，但獲取用戶需求的方法仍然存在著很大的局限性，最突出表現(xiàn)在以下幾個方面：首先，由于采用的是全文檢索或關(guān)鍵詞檢索方式，基于字面的檢索機制造成實際檢索結(jié)果與用戶需求之間的偏差，即檢索返回“有用”信息太少，“垃圾”信息太多；其次，網(wǎng)絡(luò)搜索引擎需面對廣泛的知識領(lǐng)域，而針對某一特殊領(lǐng)域因沒有足夠的背景知識，導(dǎo)致搜索到大量無關(guān)的網(wǎng)頁，具有較大相關(guān)性的網(wǎng)頁卻很少。

發(fā)明內(nèi)容

基于此，針對網(wǎng)絡(luò)信息的搜索，有必要提供一種準(zhǔn)確獲取用戶需求的方法。

一種用戶需求獲取方法，依次包括以下步驟：

獲取用戶提供的種子詞，所述種子詞包括正種子詞和負種子詞；

關(guān)鍵詞擴展步驟，利用同義詞集合以及上下義關(guān)系，對所述種子詞擴展，得到與正種子詞相關(guān)的正相關(guān)關(guān)鍵詞以及與負種子詞相關(guān)的反相關(guān)關(guān)鍵詞；

搜索步驟，根據(jù)所述正相關(guān)關(guān)鍵詞和反相關(guān)關(guān)鍵詞，基于互聯(lián)網(wǎng)進行匹配搜索，得到待標(biāo)注網(wǎng)頁，所述待標(biāo)注網(wǎng)頁包括候選正例和候選反例，所述候選正例和候選反例分別由所述正相關(guān)關(guān)鍵詞和反相關(guān)關(guān)鍵詞搜索得到；

網(wǎng)頁挑選步驟，分析所述待標(biāo)注網(wǎng)頁，根據(jù)其內(nèi)容將待標(biāo)注網(wǎng)頁分類，然后從每類網(wǎng)頁中分別選出一個樣本網(wǎng)頁供用戶標(biāo)注；

標(biāo)注步驟，如果樣本網(wǎng)頁符合用戶的需求，將該樣本網(wǎng)頁標(biāo)注為正例，如果樣本網(wǎng)頁不符合用戶的需求，將該樣本網(wǎng)頁標(biāo)注為反例，集合所述正例和反例，得到初始用戶標(biāo)注數(shù)據(jù)集；

評價步驟，采用SVM分類器訓(xùn)練法，將從所述候選正例和候選反例中選出的所有樣本網(wǎng)頁作為測試集，將所有非樣本網(wǎng)頁作為訓(xùn)練集，對待標(biāo)注網(wǎng)頁分類的準(zhǔn)確性進行測試，得到分類的準(zhǔn)確率，預(yù)先設(shè)定閾值，當(dāng)所述分類的準(zhǔn)確率達到所述閾值時，所述評價步驟完成，當(dāng)所述分類的準(zhǔn)確率未達到所述閾值時，返回所述網(wǎng)頁挑選步驟，調(diào)整需要標(biāo)注的正例和反例的數(shù)量，重復(fù)標(biāo)注步驟和評價步驟，最終得到正例和反例數(shù)量均衡的用戶標(biāo)注數(shù)據(jù)集。

學(xué)習(xí)步驟，基于所述正例和反例數(shù)量均衡的用戶標(biāo)注數(shù)據(jù)集，學(xué)習(xí)用戶需求，得到用戶的需求模型。

在其中一個實施例中，在所述關(guān)鍵詞擴展步驟中，所述同義詞集合以及上下義關(guān)系由wordnet提供。

在其中一個實施例中，所述標(biāo)注步驟之后還包括從得到的所述正例和反例中抽取特征詞，生成正相關(guān)關(guān)鍵詞和反相關(guān)關(guān)鍵詞，進一步擴展所述種子詞的步驟。

在其中一個實施例中，在所述標(biāo)注步驟中，所述樣本網(wǎng)頁的標(biāo)注由用戶通過人機交互界面完成。

在其中一個實施例中，在所述標(biāo)注步驟中，需要標(biāo)注的所述正例和反例的初始數(shù)量相等。

在其中一個實施例中，在所述評價步驟中，所述需要標(biāo)注的正例和反例的數(shù)量如下：

正例的數(shù)量=用戶標(biāo)注網(wǎng)頁的總數(shù)*（當(dāng)前反例的比例+當(dāng)前分類錯誤中反例的比例）/2；

反例的數(shù)量=用戶標(biāo)準(zhǔn)網(wǎng)頁的總數(shù)*（當(dāng)前正例的比例+當(dāng)前分類錯誤中正例的比例）/2。

上述計算方法中，反例的比例指反例占正例和反例總量的比例，正例的比例指正例占正例和反例總量的比例，分類錯誤中反例比例指經(jīng)SVM分類器訓(xùn)練后，所述訓(xùn)練集中被誤認(rèn)為反例的比例，分類錯誤中正例比例指經(jīng)SVM分類器訓(xùn)練后，所述訓(xùn)練集中被誤認(rèn)為正例的比例。

在其中一個實施例中，所述學(xué)習(xí)步驟包括：

主題句學(xué)習(xí)步驟，預(yù)先設(shè)置主題特征搜索樹，首先從所述正例和反例數(shù)量均衡的用戶標(biāo)注數(shù)據(jù)集中抽取主題得到主題數(shù)據(jù)集，其次從所述主題數(shù)據(jù)集中抽取主題句特征，最后進行主題需求判斷，如果當(dāng)前的主題特征搜索樹不包括所述抽取的主題特征，則將所述抽取的主題特征加入所述主題特征搜索樹，得到用戶的主題監(jiān)控模型；