[發(fā)明專利]基于多數(shù)據(jù)源的行為意圖確定方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201310270571.2
• 申請(qǐng)日: 2013-07-01
• 公開（公告）號(hào): CN103399855B
• 公開（公告）日: 2017-04-12
• 發(fā)明（設(shè)計(jì)）人: 陳明星;徐倩
• 申請(qǐng)（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06F17/27
• 代理公司: 北京鴻德海業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)11412
• 代理人: 袁媛

【技術(shù)領(lǐng)域】

本發(fā)明涉及數(shù)據(jù)挖掘技術(shù)，尤其涉及一種基于多數(shù)據(jù)源的行為意圖確定方法及裝置。

【背景技術(shù)】

隨著通信技術(shù)的發(fā)展，終端集成了越來越多的功能，從而使得終端的系統(tǒng)功能列表中包含了越來越多相應(yīng)的應(yīng)用程序，例如，電腦中安裝的應(yīng)用程序，第三方智能手機(jī)中安裝的應(yīng)用程序（Application，APP）等，例如，推薦應(yīng)用、檢索應(yīng)用或地圖應(yīng)用等。這些應(yīng)用程序每天都會(huì)產(chǎn)生大量的用戶的行為日志，這些行為日志已經(jīng)成為研究分析用戶的搜索行為、改進(jìn)搜索引擎/推薦引擎的寶貴資源。數(shù)據(jù)挖掘工具可以根據(jù)預(yù)先設(shè)置的時(shí)間間隔（Time?Interval，TI），對(duì)指定用戶的行為日志進(jìn)行劃分，以組成用戶意圖（Session）段，進(jìn)而則可以根據(jù)Session段，確定該用戶的行為意圖。其中，Session段是一個(gè)邏輯意義，它代表一個(gè)用戶在某段時(shí)間內(nèi)的一個(gè)行為意圖，從用戶的瀏覽行為來看，Session段具體可以規(guī)約成在語義上具有相同關(guān)聯(lián)的連續(xù)檢索行為。

然而，在一些情況下，例如，指定用戶在同一段時(shí)間之內(nèi)，使用多種服務(wù)的客戶端從多個(gè)數(shù)據(jù)源獲取相應(yīng)的服務(wù)，等情況，由于在一段時(shí)間之內(nèi)可能會(huì)產(chǎn)生多個(gè)數(shù)據(jù)源的不相關(guān)的行為日志，或者幾個(gè)相關(guān)的行為日志可能會(huì)持續(xù)較長(zhǎng)的時(shí)間，因此，根據(jù)預(yù)先設(shè)置的時(shí)間間隔對(duì)用戶的行為日志進(jìn)行劃分，可能會(huì)導(dǎo)致將不同行為意圖的行為日志劃分到同一個(gè)Session段中，或者將同一行為意圖的行為日志劃分到不同的Session段中，使得無法根據(jù)每個(gè)Session段準(zhǔn)確地確定出用戶的一個(gè)行為意圖，從而導(dǎo)致了行為意圖的確定的可靠性的降低。

【發(fā)明內(nèi)容】

本發(fā)明的多個(gè)方面提供一種基于多數(shù)據(jù)源的行為意圖確定方法及裝置，用以提高行為意圖的確定的可靠性。

本發(fā)明的一方面，提供一種基于多數(shù)據(jù)源的行為意圖確定方法，包括：

從至少一個(gè)數(shù)據(jù)源中，獲取指定用戶的行為日志；

根據(jù)所述行為日志的屬性信息，對(duì)所述行為日志進(jìn)行劃分，以獲得至少一個(gè)Block，每個(gè)所述Block中所包括的行為日志具有文本的相似性；

利用分類模型，將所述至少一個(gè)Block，映射到至少一個(gè)Session段，以使得每個(gè)所述Session段中所包括的Block之間的文本相似度大于或等于預(yù)先設(shè)置的相似度閾值；

根據(jù)所述至少一個(gè)Session段，確定所述用戶的行為意圖。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述行為日志的屬性信息包括下列中的至少一項(xiàng)：

所述行為日志的時(shí)間信息；

所述行為日志的數(shù)據(jù)源信息；以及

所述行為日志的文本信息。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述屬性信息包括所述行為日志的時(shí)間信息、所述行為日志的數(shù)據(jù)源信息和所述行為日志的文本信息；所述根據(jù)所述行為日志的屬性信息，對(duì)所述行為日志進(jìn)行劃分，以獲得至少一個(gè)Block，包括：

若兩個(gè)行為日志的時(shí)間信息相同，則將所述兩個(gè)行為日志劃分到同一個(gè)Block中；

若連續(xù)的兩個(gè)行為日志的時(shí)間信息所指示的時(shí)間差值小于或等于預(yù)先設(shè)置的時(shí)間間隔閾值，且當(dāng)前行為日志的文本信息為空，則將所述當(dāng)前行為日志與所述當(dāng)前行為日志之前的一個(gè)行為日志劃分到同一個(gè)Block中；

若連續(xù)的兩個(gè)行為日志的時(shí)間信息所指示的時(shí)間差值小于或等于預(yù)先設(shè)置的時(shí)間間隔閾值，且所述連續(xù)的兩個(gè)行為日志的文本信息相同，則將所述連續(xù)的兩個(gè)行為日志劃分到同一個(gè)Block中；

若連續(xù)的兩個(gè)行為日志的時(shí)間信息所指示的時(shí)間差值大于預(yù)先設(shè)置的時(shí)間間隔閾值，且所述連續(xù)的兩個(gè)行為日志的數(shù)據(jù)源信息為新聞、音樂、影視或地圖，則將所述連續(xù)的兩個(gè)行為日志劃分到同一個(gè)Block中；

若連續(xù)的兩個(gè)行為日志的時(shí)間信息所指示的時(shí)間差值大于預(yù)先設(shè)置的時(shí)間間隔閾值，且所述連續(xù)的兩個(gè)行為日志的數(shù)據(jù)源信息不為新聞、音樂、影視或地圖，則將所述連續(xù)的兩個(gè)行為日志劃分到不同的Block中。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述利用分類模型，將所述至少一個(gè)Block，映射到至少一個(gè)Session段，包括：

獲得當(dāng)前Block中所包括的第一個(gè)行為日志與所述當(dāng)前Block之前的一個(gè)Block中所包括的第一個(gè)行為日志之間的第一時(shí)間間隔、當(dāng)前Block中所包括的第一個(gè)行為日志與所述當(dāng)前Block之前的一個(gè)Block中所包括的最后一個(gè)行為日志之間的第二時(shí)間間隔，以及當(dāng)前Block與所述當(dāng)前Block之前的一個(gè)Block之間的文本相似度；