[发明专利]根据相关网页和当前行为确定用户当前兴趣的方法和系统

说明书

技术领域

本发明涉及一种根据用户感兴趣的相关网页和用户当前行为特征确定用户当前兴趣的方法和系统，用于针对用户兴趣偏好推送数据业务领域。 

背景技术

数据业务推送在2011年开始了全面的绽放，行业内涌现出众多机构，数据业务推送也从第一阶段的网站组合（媒体选择很重要，根据媒体的受众特点进行组合和选择），到第二阶段上下文定向（内容优化很重要，根据内容吸引受众的类型进行组合），再到现在第三个阶段以人群定向技术为核心的人群定向推送方式转变，更着重于对人群的识别。此外，基于位置的数据业务推送在另外一个维度上发展和成熟。 

本发明的目的在于根据用户感兴趣的相关网页和用户当前行为特征确定用户当前兴趣，实现数据业务的定向推送，提高数据业务推送的可信度，提高用户喜好度。 

发明内容

本发明提供一种根据用户感兴趣的相关网页和用户当前行为特征确定用户当前兴趣的方法，包括步骤：对用户当前的行为特征进行基于决策树算法分类，获得用户当前行为兴趣；对用户当前的兴趣类 别的网页进行文本分析，获得网页文本属性信息，根据网页文本属性信息，获取用户当前内容兴趣；根据用户当前行为兴趣和当前内容兴趣，使用集成学习技术，形成用户兴趣，得到用户当前兴趣。 

其中，获得用户当前行为特征的步骤包括：统计短信行为；统计通信行为；统计上网行为；通过PCA方法对用户行为特征进行删减；确定用户当前行为特征。 

另外，获取用户当前内容兴趣的步骤包括：获取相应关键词及其索引；计算用户对关键词的关注度；根据关注度阈值，获取用户的兴趣偏好。 

优选的，获取相应关键词的步骤包括： 

①对全文进行分词处理，即中文词间象英文一样用空格分开； 

②过滤掉停用词； 

③提取文本标题，将标题词集存入向量V_h； 

④提取文本第一段、第二段、末段，将内容词集存入向量V_c； 

⑤如果|V_h∩V_c|<P，则判断文本标题为“抽象型”标题，其中，P为一个给定阈值，根据实验确定为3； 

⑥如果x∈{疑问词库}，文本标题也判断为“抽象型”标题； 

⑦如果标题无（5）或（6）中特征，则判断其为“具体型”标题； 

对于“抽象型”的标题，采用TFIDF方法在全文中查找权值高于一定阈值的词作为候选词，然后通过候选词所在的位置判断该词是否为关键字，所在句子的权值越高，成为关键字的可能性越大，对与“具体型”标题，将标题分词后，得到的名词和动词就为该文本的关键字， 计算句子权重时，赋予标题词列表中的词更大的权重比例因子，通过以上方法，能够获得每个句子的权重，能够计算出每个句子的权值，而且更新了关键词列表的权重，每个文章对应的关键词链表按权重排序即为该文的关键词。 

此外，计算用户对关键词的关注度的步骤包括： 

将相同类属A下所有主题向量中的关键词加入到此类属下的关键词列表K中； 

将相同类属下关键词添加过程中出现的重复关键词归一，重复关键词触发了候选相似主题的聚集，并将该词所属的所有网页归并到一起组成一个候选相似主题组； 

对于每个重复关键词所在的候选相似主题组，比较该词在这组主题向量中的原始权值，找出权值最大者所在的主题向量作为这一组主题向量的核心主题代表（并将之加入到K中）； 

计算核心主题与所在候选相似主题组中每个主题向量的相似度，设定一个阈值，所有超出域值者加入到主题组Ki中形成相似主题组Ki组，也即形成了一个话题Ki； 

以前面所找出的核心主题作为话题Ki的代表，将话题Ki中所有主题向量所在主题的频度叠加将为调整后的核心主题热度，将调整后的核心主题加入到候选热点主题列表中； 

根据前面所述的热度计量方法计算出K中每一个主题的关注度。 

另外，得到用户当前兴趣的步骤包括：针对同一个训练集，训练不同的分类器，即决策树弱分类器，然后把这些决策树弱分类器集合起来，构成一个更强的最终分类器，形成用户兴趣的最终分类，采用 AdaBoost算法对用户行为分类器和用户内容兴趣分类器的结果进行迭代调整，获得不同决策树弱分类器的权重，进而获得用户当前兴趣。