[發明專利]一種上網偏好用戶群體的確定方法和設備

有效

• 申請號: 201310752439.5
• 申請日: 2013-12-31
• 公開（公告）號: CN104750752B
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 徐萌;何鴻凌;王彥峰;錢嶺;孫少凌
• 申請（專利權）人: 中國移動通信集團公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京睿博行遠知識產權代理有限公司 11297
• 代理人: 龔家驊

本發明實施例公開了一種上網偏好用戶群體的確定方法和設備，通過應用本發明實施例所提出的技術方案，在需要確定上網偏好用戶群體時，根據上網偏好用戶群體所對應的關鍵詞確定相應的目標URL，并結合該目標URL所對應的倒排索引信息，確定對該目標URL的訪問次數符合用戶篩選條件的各用戶標識所對應的用戶組成該上網偏好用戶群體，從而，充分利用倒排索引信息高性能、高靈活度的特征，實現上網偏好用戶群體的快速獲取，避免了大量數據記錄和匹配所帶來的系統資源的消耗，提高了上網偏好用戶群體確定過程的處理效率和篩選準確度。

技術領域

本發明涉及網絡技術領域，尤其涉及一種上網偏好用戶群體的確定方法和設備。

背景技術

在現有的技術方案中，一般可以基于網頁內容進行客戶行為分析，只要用戶在上網過程中瀏覽網頁，系統就可基于分析用戶使用手機或寬帶上網的訪問網址，根據網址庫進行深入分析匹配歸類，總結出用戶的喜好屬性，從而根據用戶的喜好在網站上個性化地展現對其有價值的內容。

其中，具體的實現示例如下：

步驟A、選定一個或多個主題詞，例如x86，寶馬，張學友等，將其作為搜索關鍵詞輸入搜索引擎，從而，獲取到一系列此關鍵詞相關的網頁地址列表；

步驟B、根據步驟A中的地址列表，與用戶訪問的日志行為相匹配，找到按照一定規則訪問這些地址列表的用戶群體。

這樣的用戶群體即為對上述選定的主題詞感興趣的用戶群體。

在實現本發明的過程中，發明人發現現有技術中至少存在以下問題：

數據量大。以目前用戶量狀態，日志數據的數據規模非常巨大，并且增長迅速，如果與關鍵詞相關的網頁地址列表做匹配，尤其是還需要匹配一定的規則的情況下，將會進一步存在問題如下：

a)直接做關聯操作性能極差，一方面，日志數據的數據規模非常巨大，另一方面，與其進行關聯的網頁地址的數量，則會因為所選擇的關鍵詞差異以及檢索規則的變化，而產生劇烈的波動，其數據規模的穩定性很差，并且兩者數據規模的差異也是非常巨大的，以一個省的業務量為例，其每天可以產生170億條日志數據，再加上計算周期，例如一周或一個月，表規模巨大。而進行關聯的網頁地址的數量則可能只有20億條左右。每次的用戶群體獲取都要進行這兩個大表的關聯操作。

b)關聯后的結果存儲冗余度大，仍以上述數據為例，20億條表的容量的8倍存儲冗余（170/20=8），并且，用戶的日志數據時刻都在更新，如果想進行一定周期的用戶行為群體獲取，則需要保存大量日志，造成大量存儲空間的消耗。

發明內容

本發明實施例的目的在于提供一種上網偏好用戶群體的確定方法和設備，可以更加準確快捷的確定上網偏好用戶群體。

為了達到上述目的，本發明實施例提供了一種上網偏好用戶群體的確定方法，包括：

遍歷待分析的用戶上網日志記錄，分別生成所述用戶上網日志記錄中所包括的各URL所對應的倒排索引信息，其中，一個URL所對應的倒排索引信息具體包括訪問所述URL的用戶標識，以及所述用戶標識對所述URL的訪問特征信息；

當需要確定上網偏好用戶群體時，選擇所述上網偏好用戶群體所對應的一個或多個關鍵詞，并根據選擇的關鍵詞確定相應的目標URL；

根據所確定的目標URL所對應的倒排索引信息，確定對所述目標URL的訪問特征信息符合用戶篩選條件的各用戶標識所對應的用戶組成所述上網偏好用戶群體。

優選的，所述當需要確定上網偏好用戶群體時，選擇所述上網偏好用戶群體所對應的一個或多個關鍵詞，并根據選擇的關鍵詞確定相應的目標URL，具體包括：