[發明專利]一種興趣識別方法、設備以及數據分析方法

有效

• 申請號: 201410525882.3
• 申請日: 2014-10-09
• 公開（公告）號: CN105573995B
• 公開（公告）日: 2019-03-15
• 發明（設計）人: 馮亮;尹亞偉;張上譽
• 申請（專利權）人: 中國銀聯股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06Q30/02
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 俞華梁;湯春龍

1.一種基于社交網絡的興趣識別方法，包括：

接收關于一用戶的興趣的查詢請求；

從社交網絡收集與該用戶相關的數據，所述數據包括該用戶發表的消息以及該用戶在所述社交網絡中所關注的對象發表的消息；

根據預先確定且定期更新的興趣分類模型，計算所收集的數據中的每一消息屬于某一主題分類的概率；

根據所述消息的發送時間來計算所述消息的第一權重，其中，所述第一權重設置為當前日期與所述發送時間的天數差的自然對數的指數與時間調劑因子兩者的乘積；

通過將所述屬于某一主題分類的概率與包括所述第一權重和第二權重的權重值進行相乘，并針對所有消息依次進行累加，從而得出所述用戶對于某一主題分類的興趣指數值，其中，所述第二權重根據是自發消息還是關注人消息設置不同的權重因子；以及

根據所述興趣指數值，分析該用戶的興趣分布；

其中，所述對于某一主題分類的興趣指數值與用戶對該主題分類的興趣度成正比。

2.如權利要求1所述的興趣識別方法，其中，所述時間調劑因子可被調節，其取值范圍為大于0小于1。

3.如權利要求1所述的興趣識別方法，其中，所述興趣分類模型根據如下的步驟來預先確定：

(a)獲取訓練數據并對所述訓練數據進行標注；

(b)將所述訓練數據轉換為特征向量集合；以及

(c)識別所述特征向量集合中的特征并量化該特征對主題分類的貢獻度，從而生成基于文本的興趣分類模型。

4.如權利要求3所述的興趣識別方法，其中，步驟(a)包括：

使用網絡爬蟲從數據源處收集頁面數據；

對所收集的頁面數據進行文本數據的抽取；

設置若干個興趣類別；以及

為所抽取的每一份文本數據標注一標簽，所述標簽的內容為所述若干個興趣類別中的至少一個類別。

5.如權利要求3所述的興趣識別方法，其中，步驟(b)包括：

將所述文本數據按照一定規范切分成詞序列；

對所述詞序列標注詞性，并去除與興趣識別無關的一些詞；

為所述詞序列進行編碼，并轉換為空間向量模型；以及

根據所述空間向量模型，進行特征的選擇，從而得到特征向量的集合。

6.如權利要求1所述的興趣識別方法， 其中，所述社交網絡為微博。

7.如權利要求4所述的興趣識別方法，其中，所述數據源為門戶網站、論壇以及微博，并且其中，對于門戶網站和論壇，所抽取的文本為標題、正文、發表時間和文檔標簽，而對于微博，所抽取的文本為正文和發表時間。

8.如權利要求5所述的興趣識別方法，其中，去除與興趣識別無關的一些詞包括：

去除介詞、代詞、副詞以及連詞；以及

去除停用詞，所述停用詞為實際含義較少、對判斷文章內容作用不大的詞語。

9.一種基于社交網絡的興趣識別設備，包括：

接收裝置，用于接收關于一用戶的興趣的查詢請求；

收集裝置，用于從社交網絡收集與該用戶相關的數據，所述數據包括該用戶發表的消息以及該用戶在所述社交網絡中所關注的對象發表的消息；

第一計算裝置，用于根據預先確定且定期更新的興趣分類模型，計算所收集的數據中的每一消息屬于某一主題分類的概率；

第二計算裝置，用于根據所述消息的發送時間來計算所述消息的第一權重，其中作為所述第一權重計算當前日期與所述發送時間的天數之間差的自然對數的指數，并將其與時間調劑因子相乘；

第三計算裝置，用于通過將所述屬于某一主題分類的概率與包括所述第一權重和第二權重的權重值進行相乘，并針對所有消息依次進行累加，從而得出所述用戶對于某一主題分類的興趣指數值，其中，所述第二權重根據是自發消息還是關注人消息設置不同的權重因子；以及

分析裝置，用于根據所述興趣指數值，分析該用戶的興趣分布；

其中，所述對于某一主題分類的興趣指數值與用戶對該主題分類的興趣度成正比。