[發明專利]一種基于用戶瀏覽行為的網頁推薦方法

有效

• 申請號: 201410412077.X
• 申請日: 2014-08-20
• 公開（公告）號: CN104199874B
• 公開（公告）日: 2018-07-31
• 發明（設計）人: 姚念民;張薇
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于用戶瀏覽行為的網頁推薦方法，其特征在于:

步驟1：利用瀏覽器收集每個頁面的停留時間以及頁面內容信息，具體包括：

利用瀏覽器監聽頁面的創建和消亡、鼠標滾輪的滑動，統計頁面的停留時間，每當一個頁面即pageA加載完成時，瀏覽器將此時的系統時間記錄下來作為頁面停留時間的開始時刻T(startA)，當這個頁面進入非活躍狀態時，也就是用戶進行了關閉頁面的操作或進行了新的網頁瀏覽，瀏覽器再次記錄系統時間，作為頁面停留時間的結束時刻T(endA)，用戶在此頁面的頁面停留時間StayTime(pageA)等于結束時刻與開始時刻的時間差，頁面停留時間計算公式如下：

StayTime(pageA)＝T(endA)-T(startA)

利用在瀏覽器中得到所有頁面url，對頁面源代碼，即頁面內容，進行獲取；

步驟2：對頁面內容進行文本分析，獲得頁面的特征項，具體包括：

首先對網頁中的干擾信息進行清理，所述的干擾信息為HTML頁面的框架結構信息、超鏈接信息或者腳本信息；

文本分析時，首先，對處理過的頁面文檔集進行分詞處理，然后，對文本中所有特征項進行權值計算，并抽取權值最高的N個詞語作為頁面的主題內容，N取7；

步驟3：根據頁面停留時間和特征項，分析出用戶對每個特征項的興趣程度，得到用戶興趣類權值，具體包括：

在用戶興趣挖掘階段，考慮到頁面停留時間和特征項對用戶興趣的影響，對用戶每一興趣類進行興趣強度計算，即計算用戶興趣類權值；

興趣等級InterestDegree(I_j)：表示用戶興趣類權值；

頁面停留時間等級ViewtimeDegree(I_j)：表示用戶在每一關鍵詞中花費的時間占總瀏覽時間的比值，I_j∈T，T表示特征集合；

關鍵詞興趣等級KeywordDegree(I_j)：表示每一關鍵詞在主題詞集合T中出現的次數占關鍵詞的總數的比值；

興趣類權值計算公式如下所示：

InterestDegree(I_j)＝KeywordDegree(I_j)×ViewtimeDegree(I_j)

通過計算頁面停留時間等級和關鍵詞興趣等級，算出用戶對每個興趣類的興趣強度，從而得到用戶興趣表示，

用戶興趣表示為：((I₁，InterestDegree(I₁))，(I₂，InterestDegree(I₂))，...，(I_n，InterestDegree(I_n))，

其中，I_n表示用戶的興趣類，InterestDegree(I_n)表示I_n對應的用戶興趣類權值，

經過文本分析后，利用特征項表示頁面內容，構建向量空間模型，對于頁面集合P＝{p₁,p₂,...,p_n}中的任意頁面p_i其中1<＝i<＝n，表示成p_i＝{(t_i1,w_i1),(t_i2,w_i2),...,(t_in,w_in)}、n>＝1，其中t_ik、1<＝k<＝n表示頁面的特征項，w_ik、1<＝k<＝n表示特征項對應的權值，在向量空間模型下，使用特征項的權重集合表示頁面向量，頁面p_i和p_j的頁面向量分別為p_i(w_i1,w_i2,...,w_in)，p_j(w_j1,w_j2,...,w_jn)，兩個頁面之間的相似度Sim(p_i,p_j)的公式為：

步驟4：將權值較高的興趣類作為關鍵詞，利用爬蟲程序，將Web上與用戶興趣有關的網頁按照類別全部抓取下來；

步驟5：利用余弦夾角函數計算抓取的網頁與用戶已瀏覽的網頁的相似度，將相似度較高的網頁推送給用戶。