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

在審

• 申請(qǐng)?zhí)枺?/td>: 201611075431.X
• 申請(qǐng)日: 2016-11-28
• 公開(kāi)（公告）號(hào): CN106776881A
• 公開(kāi)（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(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院軟件研究所
• 主分類號(hào): G06F17/30
• 分類號(hào): 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

技術(shù)領(lǐng)域

本發(fā)明涉及一種在微博平臺(tái)下的領(lǐng)域微博推薦系統(tǒng)及方法，支持無(wú)指導(dǎo)的領(lǐng)域特征提取以及用戶自定義關(guān)鍵詞，屬于計(jì)算機(jī)技術(shù)領(lǐng)域。

背景技術(shù)

隨著互聯(lián)網(wǎng)進(jìn)入后WEB2.0時(shí)代，社交功能已經(jīng)成為互聯(lián)網(wǎng)巨變的典范。各大社交網(wǎng)站如雨后春筍般出現(xiàn)并迅速占據(jù)了互聯(lián)網(wǎng)的統(tǒng)治地位，早在2010年3月，美國(guó)著名社交網(wǎng)站Facebook^TM就在訪問(wèn)量上超過(guò)谷歌躍居美國(guó)最大網(wǎng)站。在國(guó)內(nèi)，新浪微博等新興社交媒體也迅速崛起，截止2012年5月16日，新浪微博的用戶數(shù)已經(jīng)達(dá)到3億，在國(guó)內(nèi)互聯(lián)網(wǎng)市場(chǎng)的用戶規(guī)模上僅次于經(jīng)過(guò)十多年積累的騰訊QQ產(chǎn)品。另一方面，據(jù)全球最具權(quán)威的IT研究與顧問(wèn)咨詢公司Gartner發(fā)布的2011年IT產(chǎn)業(yè)十大戰(zhàn)略性技術(shù)報(bào)告，與社交直接相關(guān)的技術(shù)就占了兩個(gè)，分別是Social Communications and Collaboration和Social Analytics。也是所有技術(shù)中唯一占據(jù)兩個(gè)席位的技術(shù)大類。由此可見(jiàn)人們對(duì)社交產(chǎn)品的關(guān)注度和其前景。

另一方面，人們對(duì)互聯(lián)網(wǎng)使用的普及以及對(duì)互聯(lián)網(wǎng)使用粘性的增強(qiáng)使得大數(shù)據(jù)成為了近些年IT界關(guān)注的熱點(diǎn)。但是，要將大數(shù)據(jù)轉(zhuǎn)化為對(duì)人類有用的價(jià)值，需要數(shù)據(jù)挖掘等相關(guān)技術(shù)的支持。因此，近年來(lái)數(shù)據(jù)挖掘與分析的熱度也是一路飆升。尤其是面向企業(yè)的數(shù)據(jù)挖掘與分析，因?yàn)槠淠軌驗(yàn)槠髽I(yè)帶來(lái)直接的利益。而且基于大量用戶真實(shí)數(shù)據(jù)產(chǎn)生的分析結(jié)果相比于傳統(tǒng)的分析技術(shù)具有更強(qiáng)的可靠性和說(shuō)服力，而且這是一種實(shí)時(shí)的分析方法，能夠更好地適應(yīng)市場(chǎng)變化，更好地捕捉市場(chǎng)機(jī)遇。

雖然微博平臺(tái)包含了各種領(lǐng)域信息，而且對(duì)于領(lǐng)域事件的反應(yīng)很快，但是在其上獲取較為全面的領(lǐng)域信息依然面臨諸多困難。微博平臺(tái)的興起和用戶的快速增長(zhǎng)帶來(lái)了信息過(guò)載問(wèn)題，隨著用戶關(guān)注數(shù)量的增加，與領(lǐng)域無(wú)關(guān)的內(nèi)容也越來(lái)越多地出現(xiàn)在用戶訂閱的微博中；同時(shí)，如果用戶只關(guān)注少量的領(lǐng)域高相關(guān)用戶，必將導(dǎo)致不能及時(shí)地獲得全面的領(lǐng)域信息。即用戶在微博平臺(tái)上的數(shù)據(jù)獲取存在準(zhǔn)確率與召回率不可兼得的問(wèn)題。而且微博平臺(tái)本身也具有主題分散和信息碎片化的特點(diǎn)，這就要求一種能夠識(shí)別企業(yè)微博用戶的領(lǐng)域興趣，并對(duì)微博信息依照領(lǐng)域相關(guān)度進(jìn)行提取和推薦的方法。然而，現(xiàn)有的社交媒體管理與分析軟件在領(lǐng)域信息提取方面大多僅僅利用用戶自定義關(guān)鍵詞來(lái)進(jìn)行簡(jiǎn)單的文字匹配，這種方法存在很大缺陷。首先，個(gè)別關(guān)鍵詞并不能全面刻畫(huà)領(lǐng)域信息需求；其次，語(yǔ)言的豐富性使得簡(jiǎn)單的文字匹配效果受限。

傳統(tǒng)的通過(guò)關(guān)鍵詞提取建模用戶興趣的方法與通過(guò)用戶自定義關(guān)鍵詞表示用戶興趣的方法都存在各自的缺陷。

關(guān)鍵詞提取方法主要表現(xiàn)在：這是一種無(wú)指導(dǎo)的提取算法，用戶無(wú)法動(dòng)態(tài)調(diào)整算法結(jié)果，因此不能滿足用戶對(duì)于某個(gè)領(lǐng)域主題的臨時(shí)動(dòng)態(tài)需求。而且算法在用戶歷史微博較少的情況下不能進(jìn)行領(lǐng)域興趣建模，即所謂的冷啟動(dòng)現(xiàn)象。

用戶自定義關(guān)鍵詞的缺陷主要表現(xiàn)在：其一，用戶自定義的關(guān)鍵詞很難保證完全涵蓋本領(lǐng)域的所有信息；其二，在微博短文本中，僅僅利用關(guān)鍵詞是否出現(xiàn)來(lái)判斷相似性將使得很多同義但用詞不同的信息無(wú)法被提取出來(lái)。

另一方面，相關(guān)的研究工作應(yīng)用在本應(yīng)用場(chǎng)景中也存在各自的問(wèn)題。首先，社交網(wǎng)絡(luò)的興起為數(shù)據(jù)挖掘與數(shù)據(jù)分析相關(guān)技術(shù)提供了新的具有巨大價(jià)值的應(yīng)用場(chǎng)景，社交網(wǎng)絡(luò)為數(shù)據(jù)挖掘與分析提供了新的視角，也使得傳統(tǒng)數(shù)據(jù)挖掘技術(shù)面臨新的挑戰(zhàn)。

綜上所述，以上方法應(yīng)用在微博平臺(tái)的現(xiàn)實(shí)系統(tǒng)中，存在如下幾大問(wèn)題：

(1)關(guān)鍵詞提取與關(guān)鍵詞擴(kuò)展均存在各自的問(wèn)題，單一策略均無(wú)法很好的滿足微博平臺(tái)領(lǐng)域相關(guān)信息推薦的需求。

(2)在相關(guān)的研究工作中，由于社交平臺(tái)上信息碎片化的特點(diǎn)，一類算法在訓(xùn)練語(yǔ)料方面需要借助外部語(yǔ)料進(jìn)行。這大大降低了算法的實(shí)用性和可移植性。

(3)另一類算法基于全局語(yǔ)料進(jìn)行建立模型，該類算法計(jì)算成本很大且不具有普遍適用性。

因此需要一種推薦方法，能夠基于關(guān)鍵詞，提供領(lǐng)域信息個(gè)性化推薦，以幫助用戶快速準(zhǔn)確地獲得領(lǐng)域相關(guān)信息。該方法需要解決微博平臺(tái)上企業(yè)用戶獲取領(lǐng)域相關(guān)信息過(guò)程中準(zhǔn)確率與召回率不能兼得的矛盾。同時(shí)基于實(shí)用性的要求，該算法不能依賴于外部語(yǔ)料，而且需要基于用戶局部數(shù)據(jù)進(jìn)行計(jì)算。因此，提出一種具有以上性質(zhì)的推薦方法，是本發(fā)明的關(guān)注點(diǎn)。

發(fā)明內(nèi)容