[發(fā)明專利]一種基于微博平臺的領(lǐng)域信息推薦系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201611075431.X
• 申請日: 2016-11-28
• 公開（公告）號: CN106776881A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 楊燕;王帥;徐良;徐罡;田申
• 申請（專利權(quán)）人: 中國科學(xué)院軟件研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京科迪生專利代理有限責(zé)任公司11251
• 代理人: 楊學(xué)明,顧煒

1.一種基于微博平臺的領(lǐng)域信息推薦系統(tǒng)，其特征在于包括：數(shù)據(jù)獲取與預(yù)處理模塊、領(lǐng)域關(guān)鍵詞提取模塊、用戶自定義關(guān)鍵詞擴(kuò)展模塊、線性合并模塊、相似度計(jì)算與個(gè)性化推薦模塊以及主題獲取模塊；其中：

數(shù)據(jù)獲取與預(yù)處理模塊：獲取用戶相關(guān)微博信息數(shù)據(jù)，并進(jìn)行預(yù)處理；預(yù)處理包括數(shù)據(jù)的停用詞過濾、分詞和詞性標(biāo)注；預(yù)處理結(jié)果即為用戶的歷史微博數(shù)據(jù)，傳給領(lǐng)域關(guān)鍵詞提取模塊；如果用戶自定義了領(lǐng)域興趣關(guān)鍵詞，則預(yù)處理結(jié)果同時(shí)傳給用戶自定義關(guān)鍵詞擴(kuò)展模塊；

領(lǐng)域關(guān)鍵詞提取模塊：基于預(yù)處理結(jié)果，關(guān)鍵詞提取采用基于TextRank算法修改的TextRank for Weibo算法無指導(dǎo)地進(jìn)行，該算法包括基于共現(xiàn)關(guān)系的無向圖的構(gòu)造和基于圖的節(jié)點(diǎn)權(quán)重計(jì)算兩個(gè)階段；基于共現(xiàn)關(guān)系的無向圖的構(gòu)造階段，首先將用戶歷史微博中出現(xiàn)的分詞轉(zhuǎn)化為對應(yīng)的節(jié)點(diǎn)；在節(jié)點(diǎn)間連接邊的構(gòu)造時(shí)，使用節(jié)點(diǎn)之間是否有邊以及邊的權(quán)重由兩個(gè)詞語在同一篇微博中的共現(xiàn)次數(shù)判定共現(xiàn)的構(gòu)圖，邊的權(quán)重即為詞語在同一微博中的共現(xiàn)次數(shù)，如果兩個(gè)詞語在用戶的某條微博中共現(xiàn)，則兩個(gè)詞語所對應(yīng)節(jié)點(diǎn)之間的邊之權(quán)值加1，邊的最終權(quán)值為其對應(yīng)兩個(gè)詞語在微博中的共現(xiàn)次數(shù)；然后再基于圖的節(jié)點(diǎn)權(quán)重計(jì)算階段，迭代計(jì)算每個(gè)階段的權(quán)重，直到節(jié)點(diǎn)權(quán)重的變化量收斂到某個(gè)閥值為止；迭代結(jié)束后，每個(gè)節(jié)點(diǎn)的權(quán)重即為其所代表的分詞的重要程度，將用戶的所有分詞按照重要度進(jìn)行排序即獲得關(guān)鍵詞提取的結(jié)果，從而自動識別用戶所在的領(lǐng)域特征；

用戶自定義關(guān)鍵詞擴(kuò)展模塊：基于關(guān)鍵詞的共現(xiàn)、分布以及其所屬用戶的屬性信息來計(jì)算關(guān)鍵詞之間的相似度，將高相關(guān)度的詞語作為目標(biāo)關(guān)鍵詞的擴(kuò)展結(jié)果；本模塊支持用戶輸入多個(gè)自定義關(guān)鍵詞，對于每個(gè)自定義關(guān)鍵詞，會對關(guān)鍵詞擴(kuò)展出的擴(kuò)展詞向量進(jìn)行線性加和，從而得到最終的擴(kuò)展向量；用戶自定義關(guān)鍵詞擴(kuò)展功能保證了用戶的動態(tài)興趣需求能夠?qū)崟r(shí)得到滿足，同時(shí)極大增強(qiáng)了用戶自定義關(guān)鍵詞的表述能力；

線性合并模塊：在領(lǐng)域關(guān)鍵詞自動提取和基于用戶自定義關(guān)鍵詞的擴(kuò)展均完成后，采用最大值歸一化方法對兩個(gè)結(jié)果向量進(jìn)行歸一化，使關(guān)鍵詞提取與關(guān)鍵詞擴(kuò)展的結(jié)果向量映射到一個(gè)統(tǒng)一的取值范圍之中；歸一化后，對兩個(gè)歸一化后的向量進(jìn)行線性合并，合并過程支持用戶自定義關(guān)鍵詞提取和關(guān)鍵詞擴(kuò)展的權(quán)重；該模塊輸出一個(gè)代表用戶最終領(lǐng)域興趣的詞向量；

相關(guān)度計(jì)算與個(gè)性化推薦模塊：線性合并模塊刻畫出用戶領(lǐng)域興趣的關(guān)鍵詞向量之后，對每條待過濾微博進(jìn)行分詞以及詞頻統(tǒng)計(jì)以生成詞頻向量，然后將用戶興趣關(guān)鍵詞向量、待推薦微博生成的詞頻向量以及IDF信息向量進(jìn)行點(diǎn)乘運(yùn)算，得到該微博與用戶興趣的相關(guān)度，該相關(guān)度即為該條微博的領(lǐng)域相關(guān)度，通過計(jì)算出每個(gè)用戶微博的領(lǐng)域相關(guān)度，按照領(lǐng)域相關(guān)度由高到低進(jìn)行排序，將微博信息呈現(xiàn)給用戶，實(shí)現(xiàn)對用戶的個(gè)性化領(lǐng)域微博推薦；

主題獲取模塊：以推薦給用戶的領(lǐng)域微博文本為輸入訓(xùn)練LDA模型，根據(jù)主題的詞項(xiàng)分布將詞項(xiàng)聚類成主題；將主題詞項(xiàng)集合與線性合并模塊中得到的用戶領(lǐng)域興趣關(guān)鍵詞項(xiàng)進(jìn)行相關(guān)度計(jì)算，獲得主題重要性，并按照重要性排序呈現(xiàn)給用戶，從而完成主題發(fā)現(xiàn)和推薦。

2.根據(jù)權(quán)利要求1所述的基于微博平臺的領(lǐng)域信息推薦系統(tǒng)，其特征在于：所述數(shù)據(jù)獲取與預(yù)處理模塊實(shí)現(xiàn)過程如下：

(1)用戶登錄微博系統(tǒng)后，首先進(jìn)行用戶驗(yàn)證，驗(yàn)證通過后，自動使用該用戶所關(guān)聯(lián)的微博平臺憑證與微博平臺交互，以驗(yàn)證用戶身份在微博平臺上的合法性；

(2)獲取用戶關(guān)注訂閱的相關(guān)微博文本，利用本地?cái)?shù)據(jù)庫將獲取的數(shù)據(jù)結(jié)構(gòu)化地持久化起來，以便隨時(shí)讀取；

(3)對持久化的微博文本進(jìn)行預(yù)處理工作，包括停用詞過濾、分詞和詞性標(biāo)注三部分；針對微博文本特性，采用模式匹配的方法，對停用詞首先進(jìn)行了過濾，然后針對微博場景進(jìn)行優(yōu)化了的中文分詞以及詞性標(biāo)注，使用分詞器產(chǎn)品ICTCLAS5.0進(jìn)行分詞和詞性標(biāo)注，同時(shí)在關(guān)鍵詞提取與關(guān)鍵詞擴(kuò)展之前均對用戶微博分詞后的結(jié)果進(jìn)行詞性過濾，只保留名詞。預(yù)處理結(jié)果數(shù)據(jù)即為用戶的歷史微博數(shù)據(jù)。