[發(fā)明專利]針對(duì)用戶進(jìn)行個(gè)性化推薦的方法、用戶建模設(shè)備及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410040954.5
• 申請(qǐng)日: 2014-01-28
• 公開(kāi)（公告）號(hào): CN103870538B
• 公開(kāi)（公告）日: 2017-02-15
• 發(fā)明（設(shè)計(jì)）人: 李本陽(yáng);秦鋒劍;宋奇
• 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;H04L29/06
• 代理公司: 廣州三環(huán)專利代理有限公司44202
• 代理人: 溫旭,郝傳鑫

技術(shù)領(lǐng)域

本發(fā)明涉及通信領(lǐng)域，更為具體而言，涉及一種針對(duì)用戶進(jìn)行個(gè)性化推薦的方法、用戶建模設(shè)備及系統(tǒng)，所述系統(tǒng)包括針對(duì)用戶進(jìn)行個(gè)性化推薦的服務(wù)器系統(tǒng)和包括該服務(wù)器系統(tǒng)的網(wǎng)絡(luò)系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的強(qiáng)勢(shì)發(fā)展以及網(wǎng)絡(luò)信息的大范圍覆蓋，用戶在瀏覽信息時(shí)通常需要從海量信息中選擇自己感興趣的內(nèi)容，這不僅浪費(fèi)了用戶時(shí)間，并且存在嚴(yán)重的信息浪費(fèi)。例如，在電子商務(wù)系統(tǒng)中，商品個(gè)數(shù)、種類等快速增長(zhǎng)，用戶需要花費(fèi)大量時(shí)間才能找到自己想要的商品信息，這無(wú)疑會(huì)影響用戶體驗(yàn)。因此，根據(jù)用戶可能的興趣點(diǎn)向用戶推薦信息（例如：商品、經(jīng)濟(jì)、體育方面的信息）的個(gè)性化信息推薦方法應(yīng)運(yùn)而生。

根據(jù)現(xiàn)有的信息推薦技術(shù)，需要讀取用戶的行為日志，通過(guò)對(duì)用戶的歷史行為進(jìn)行分析確定最終推薦哪些信息。但是，一方面，用戶行為屬于隱式的用戶反饋，基于用戶行為確定最終推薦哪些信息并不能準(zhǔn)確地匹配用戶興趣（例如，根據(jù)用戶對(duì)新聞的點(diǎn)擊行為很難確定用戶是因?yàn)樵撔侣劅衢T(mén)還是因?yàn)楦信d趣而進(jìn)行點(diǎn)擊）；另一方面，對(duì)于沒(méi)有歷史行為的用戶根本無(wú)法采用現(xiàn)有技術(shù)進(jìn)行準(zhǔn)確的信息推薦，即無(wú)法解決業(yè)界所謂的冷啟動(dòng)問(wèn)題。

發(fā)明內(nèi)容

為了準(zhǔn)確地向用戶推薦信息，本發(fā)明實(shí)施方式提供了一種針對(duì)用戶進(jìn)行個(gè)性化推薦的方法、用戶建模設(shè)備及系統(tǒng)。

一方面，本發(fā)明實(shí)施方式提供了一種針對(duì)用戶進(jìn)行個(gè)性化推薦的方法，包括：

從信息模型數(shù)據(jù)庫(kù)中提取用戶所關(guān)注的名人的信息模型，其中，所述名人為社交網(wǎng)絡(luò)中滿足預(yù)定條件的人，所述信息模型數(shù)據(jù)庫(kù)中存儲(chǔ)有基于第一建模策略為所述名人建立的信息模型；

根據(jù)所述用戶所關(guān)注的名人的信息模型和第二建模策略為所述用戶建立用戶模型；

獲取根據(jù)所述用戶模型提取的適合所述用戶的信息，并向所述用戶推薦該信息。

在本發(fā)明的一種實(shí)施方式中，基于第一建模策略為所述名人建立的信息模型包括表示所述名人的個(gè)體屬性和/或群體屬性的組件。

由此，所述信息模型可以準(zhǔn)確地表征所述名人，為后續(xù)建立可準(zhǔn)確表征用戶的用戶模型提供了基礎(chǔ)。

在本發(fā)明的另一種實(shí)施方式中，所述方法還包括：根據(jù)所述第一建模策略為所述名人建立信息模型，并將所述名人的信息模型存儲(chǔ)至所述信息模型數(shù)據(jù)庫(kù)。

由此，進(jìn)行信息推薦的服務(wù)商（例如，信息推薦服務(wù)商）可以建立所述信息模型數(shù)據(jù)庫(kù)。

在本發(fā)明的另一種實(shí)施方式中，根據(jù)所述第一建模策略為所述名人建立信息模型包括：

從第三方信息平臺(tái)獲取所述名人的信息；

根據(jù)所述名人的信息建立所述名人的信息模型。

由此，能方便地獲取建立所述名人的信息模型所需要的信息。

在本發(fā)明的另一種實(shí)施方式中，所述第三方信息平臺(tái)包括網(wǎng)絡(luò)百科全書(shū)，并且，從第三方信息平臺(tái)獲取所述名人的信息包括：

通過(guò)所述網(wǎng)絡(luò)百科全書(shū)搜索所述名人，并從搜索結(jié)果中抓取關(guān)于所述名人的百科詞條。

由此，能方便且準(zhǔn)確地獲取建立所述名人的信息模型所需要的信息。

在本發(fā)明的另一種實(shí)施方式中，所述根據(jù)所述名人的信息建立所述名人的信息模型包括：

解析所述百科詞條的文本，對(duì)所述百科詞條進(jìn)行分詞；

進(jìn)行詞頻-逆向文件頻率計(jì)算獲得所述百科詞條中的關(guān)鍵詞和關(guān)鍵詞權(quán)重，其中，所述關(guān)鍵詞和關(guān)鍵詞權(quán)重表示所述名人的個(gè)體屬性；

通過(guò)利用支持向量機(jī)建立的分類模型確定所述名人的分類，其中，所述名人的分類表示所述名人的群體屬性；

將所述關(guān)鍵詞和關(guān)鍵詞權(quán)重作為第一組件，并且將所述名人的分類作為第二組件，建立所述名人的信息模型。

由此，根據(jù)所述關(guān)鍵詞和權(quán)重以及所述名人的分類建立的信息模型，能夠更加準(zhǔn)確地表征所述名人，使得后續(xù)根據(jù)所述名人的信息模型建立的用戶模型能更加準(zhǔn)確地表征所述用戶。

在本發(fā)明的另一種實(shí)施方式中，根據(jù)所述用戶所關(guān)注的名人的信息模型和第二建模策略為所述用戶建立用戶模型包括：

根據(jù)所述用戶所關(guān)注的名人的信息模型，對(duì)所述名人的個(gè)體屬性和/或群體屬性進(jìn)行聚類，確定所述用戶所關(guān)注的個(gè)體屬性和/或群體屬性；

根據(jù)所述用戶所關(guān)注的個(gè)體屬性和/或群體屬性建立所述用戶模型。

由此，能夠建立準(zhǔn)確表征所述用戶（例如，表征所述用戶的興趣點(diǎn)，包括興趣詞和興趣分類）的用戶模型。

相應(yīng)的，本發(fā)明實(shí)施方式提供了一種針對(duì)用戶進(jìn)行個(gè)性化推薦的服務(wù)器系統(tǒng)，包括：