[发明专利]一种网页人群属性的预测方法

权利要求书

1.一种网页人群属性的预测方法，其特征在于：所述预测方法包括以下步骤：

(1)根据用户的注册信息或用户ID获取用户的基本属性信息，并进行预处理去掉不合理的用户属性信息；

(2)在用户访问页面时利用装载的Cookie跟踪用户访问的网页，进行访问页面的收集；

(3)计算词对页面的人群属性倾向性的影响；

(3.1)利用人群属性区分度DG和信息增益IG进行文本向量特征词的选择；

(3.2)计算词对页面的人群属性倾向性的影响，如下公式：

p(c|wj)=Σi=1Irijui(c)/Σi=1Irij]]>

其中，p(c|w_j)表示第j个词w_j出现时页面人群属性为c的概率，u_i(c)为第i个用户的属性c的值；

(4)计算网页主题的人群属性倾向性，如下公式：

p(c|Tj)=Σi=1Irijui(c)/Σi=1Irij]]>

其中，p(c|T_j)表示人群属性c在第j个主题T_j下出现的可能性，u_i(c)为第i个用户的属性c的值；

(5)计算整个网页的人群属性倾向性。单从页面的主题或词的方面考虑，对页面人群属性倾向性的预测都显得不够全面，为了提高准确度下面综合考虑页面主题和词的影响，给出整个网页的人群属性倾向性的公式：

p_网页(c|w_i)＝α×p_主题(c|w_i)+(1-α)×p_词(c|w_i)

其中，p_网页(c|w_i)表示页面人群属性倾向性，c表示一类人群属性，α为加权参数。

2.如权利要求1所述的一种网页人群属性的预测方法，其特征在于：所述步骤(1)中，不合理的用户信息是指年龄在6岁以下，90以上的人群信息，根据最新的CNNIC网民人群属性分布，进行配比加权，取得最能代表网民的用户样本。