[发明专利]一种网页人群属性的预测方法

说明书

技术领域

本发明涉及网页数据处理领域，尤其是一种网页人群属性的预测方法。

背景技术

随着互联网技术的发展，网络资源十分丰富，越来越多的互联网用户可以根据自己的兴趣爱好或需求，浏览大量的网页来获取自己的信息。互联网广告作为一种精准定向的营销方式，投放到网页时只有知道页面的访问人群的信息，获得用户的地理位置、性别、年龄、收入、兴趣爱好和短期需求等信息，才能给用户匹配符合个性化需求的广告。准确的页面人群属性分析，不仅能给用户排除无关广告的干扰，找到自己需要的商品信息，节约了用户的时间；更重要的是帮助广告投放商家找到目标客户，达到预期的营销效果。

近年来有很多广告定向方面的研究，现有的方法都是将用户进行分类，首先通过IP或Cookie获得用户浏览页面，然后爬虫抓取页面内容，对获得的文本向量做去停词处理，接着页面的特征词与建立的网页类别关键词库中的词匹配，确定网页类别；最后根据事先建好的网页类别和用户类别的匹配表进行匹配得到用户类别，当用户再次登录时就按用户的类别投放广告，认为在这样的人群分类下投放广告比较精准。一方面通过IP或Cookie获取的用户的浏览的页面只是用户在互联网浏览网页的一部分，相对于信息庞大的互联网来说，由这些相对稀疏的网页分析得到用户真正感兴趣的网页显得有失偏颇；另一方面现存的方法也只是将用户根据兴趣等进行分类如数码类、房产类等，没有给出每种用户类别的具体属性特征，不能全面的了解用户，达不到真正的广告定向效果；更重要的是互联网广告最终是投放在页面上，故应该寻找适合产品投放的网页，从页面的角度挖掘用户信息，找到产品的目标用户，而现存的方法都是从用户进行分析，通过分类后的用户找到投放的网页，达不到定向广告投放的预期效果。

发明内容

为了克服已有网页广告定向技术的投放页面选择不够准确、定向投放的效果差等方面的不足，本发明提供一种有效实现定向投放、可靠性良好的网页人群属性的预测方法。

本发明解决此问题所采用的技术方案是：

一种网页人群属性的预测方法，所述的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。比如说用户的年龄在6岁以下或90岁以上的信息，用户的出生日期总是系统默认的数据等，并根据最新的CNNIC网民人群属性分布，进行配比加权，取得最能代表中国网民的用户样本；

(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。由于页面的人群属性来源于访问页面的用户的属性，而较少的访问人群不利于页面人群属性的预测，故我们选择访问人数大于20的页面作为分析页面；

(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)利用公式计算词对页面人群属性倾向性的影响：

p(c|wj)=Σi=1Irijui(c)/Σi=1Irij]]>