[发明专利]一种基于用户浏览和搜索行为的关键词计算方法及装置

说明书

技术领域

本发明涉及互联网应用技术领域，尤其涉及一种基于用户浏览和搜索行为的关键词计算方法及装置。

背景技术

定向广告也叫智能广告，即将特定的网络广告发送给特定的人群。通常情况下，定向广告系统是根据用户在互联网上的行为，例如搜索、浏览网页、点击广告等，对用户推送符合当前用户需求的广告。定向广告系统一般采用关键词的方式来描述用户在互联网上的行为，获取用户信息，从而对用户进行分类，向其投放特定的广告。

现有技术中，公开日期为2012年2月22日的中国专利“关键词计算方法及系统”提出了一种关键词计算技术，参见图1，一种关键词计算方法流程示意图，该方法为：接收用户输入的搜索词，采用第一计算策略获取与所述搜索词的相关性满足预设第一相关性要求的关键词作为计算词词源；获取所述用户的推广集合中的已有关键词，并计算所述搜索词与已有关键词的相关性；判断所述搜索词与已有关键词的相关性是否达到预设的触发阈值，若是，则触发个性化计算，若否，则将所述计算词词源作为计算结果计算给所述用户；其中，所述触发个性化计算具体包括：对所述计算词词源进行扩充，采用第二计算策略获取与所述搜索词或所述用户的已有关键词的相关性满足第二相关性要求的关键词作为扩充词添加到所述计算词词源中；将扩充后的计算词词源作为计算结果计算给所述用户。

上述现有技术只挖掘了用户在互联网上的一种行为：搜索行为。但是，用户在互联网上的行为还包括浏览行为。用户的浏览行为，即为用户未直接使用搜索引擎输入搜索词，而是采用其他方式浏览网页的行为，例如用户通过输入网址、点击链接、或是使用搜索引擎输入搜索词多次跳转来浏览当前网页。用户的搜索行为，即为用户直接使用搜索引擎输入搜索词的行为。因此，在用户行为数据中主要包含了用户搜索行为数据和用户浏览行为数据。用户搜索行为数据为用户直接使用搜索引擎输入的搜索词的集合，其虽然更有效的表达了用户的意图，但十分稀疏，并且存在着歧义性等缺陷。用户浏览行为数据为用户未直接使用搜索引擎输入搜索词而进行浏览的所有网页的集合，其虽然覆盖了90%的用户数据，但是包含的特征数目高达几百亿，对用户访问的每个网页抽取正文进行计算，会耗费大量的时间和海量的计算资源，并且访问网页包含的用户兴趣随意性很强，致使关键词计算结果有很大的随机性。

发明内容

为了解决上述现有技术中存在的问题，本发明的目的在于提出一种基于用户浏览和搜索行为的关键词计算方法及装置，能够使得系统在计算用户关键词时代价较小，且覆盖全面的用户行为，可以充分利用用户信息，得到更快更精准的用户分类结果，进而能够实现广告的有效推广。

为达此目的，本发明采用以下技术方案：

一种基于用户浏览和搜索行为的关键词计算方法，所述方法包括：

对于用户浏览行为数据中有其他用户搜索词跳转的网页数据，根据所述其他用户搜索词，生成第一类用户关键词；

对于用户浏览行为数据中无其他用户搜索词跳转的网页数据，根据所述网页数据中的标题、正文和meta信息，生成第二类用户关键词；

对于用户搜索行为数据中直接输入的搜索词，结合协同过滤技术进行关键词推荐，生成第三类用户关键词；

对所述用户浏览和搜索行为生成的所述第一类用户关键词和/或第二类用户关键词、第三类用户关键词进行合并融合，得到统一的用户关键词；

对所述统一的用户关键词中各关键词进行排序，选取部分或全部关键词作为反应用户全方面信息的关键词。

进一步地，所述第一类用户关键词由所述用户浏览行为数据中有其他用户搜索词跳转的各网页的关键词组合而成；

所述用户浏览行为数据中有其他用户搜索词跳转的某一网页的关键词计算过程为：

从互联网上海量的其他用户的搜索行为数据中，选择所有能够跳转至所述某一网页的搜索词，并对所述选择的搜索词进行分词，然后将各分词组合在一起，生成url-query矩阵；

从所述url-query矩阵中获取词频与文本频率的自然对数比值最大的前N个分词作为所述某一网页的关键词，其中N为大于或等于1的整数。

进一步地，所述第二类用户关键词由所述用户浏览行为数据中无其他用户搜索词跳转的各网页的关键词组合而成；

所述用户浏览行为数据中无其他用户搜索词跳转的某一网页的关键词计算过程为：

抓取所述某一网页内容，将所述某一网页内容中的标题、正文和meta信息进行分词，然后将各分词组合在一起，生成url-word矩阵；