[发明专利]基于大数据的用户信息处理方法

说明书

技术领域

本发明涉及大数据挖掘，特别涉及一种基于大数据的用户信息处理方法。

背景技术

互联网技术日新月异的发展，以及计算机的普及，造就了巨大数量网民的 同时，也正逐步的改变着人们的生活方式，网上购物便是其中之一。良好的用 户体验成为了电商网站经营者的重要研发项目。如何为用户提供更优质的信息 和服务对电商网站至关重要，优质的服务能很好的抓住用户，降低用户的流失 率同时，可以吸引新的用户加入。而优质信息的提供就包括主动的向用户推荐 他们潜在需求的商品。就目前电商网站运行的实际情况来看，电商站点在有针 对性地提供产品和服务信息方面做得不够，用户不能快速地获得所需信息；并 且电商网站不能快捷地帮助用户在其站点上找到感兴趣的产品和服务，用户很 容易产生转向访问其它站点的动机。电商网站个性化推荐根据用户的喜好、历 史访问留下的信息以及其他相似用户的相关信息，已经成为当前电商中的热门 研究领域之一。此外，传统的个性化推荐算法在实际的应用中具备良好的性能， 但是当用户真正的浏览电商网站的过程中，需求会发生一定的变化，而现有方 案对这种变化的跟踪并不精确。从而无法提升推荐满意度。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种基于大数据的用户 信息处理方法，包括：

对网站日志数据进行处理后，提取交易业务，通过聚类得到推荐候选集合；

通过用户的当前会话获取当前行为特征，将行为特征与聚类后的集合进行 计算，确定推荐列表。

优选地，在经过数据过滤后，将网站日志转化成一系列的交易业务文本页 面集，将文本页面集用特征词集进行表示，即提取页面文本中代表主题含义的 关键词组成的特征词集，该提取特征词集的过程包括提取特征词条、计算特征 词条的权值以及选择特征词条；

其中，用于聚类的交易业务是推荐候选集合，该集合中的每一个交易业务 均由一系列页面组成，代表用户的兴趣特征和浏览的商品；当前用户会话被进 行特征化后与该候选集合进行相似性计算，计算后得到最大相似的交易业务集 后，将其包含的页面推荐至当前用户；

优选地，所述提取特征词条之前，通过以下过程完成分词：

定义标注集合，建立语料词库，将被标注好的语料以及人工设置的特征模 板作为机器学习工具的输入，机器学习的结果输出特征集，该特征集用于对未 被标记的文本进行标记，最后用得到的标记对该文本进行分割；

设C＝{c₁,c₂…c_n}为待分词的中文句，c_i表示句中的第i个中文字； L＝{l₁,l₂…l_n}为在句C上的语料识别结果的标记序列，l_i表示中文字c_i在语料中 的位置标记，SW＝{sw₁,sw₂…sw_m}为句C的语料串序列，该字词串序列上的识 别结果为R＝{r₁,r₂…r_m}，r_i代表语料sw_i在词中出现的位置标记，L’和R’分别 表示在中文句C上最大可能的语料分割和词的分割，则将分词任务转换为求解 如下最大概率：

<L’，R’>＝argmaxP(L,R|C)＝argmaxP(R|SW)P(L|C)

其中P(R|SW)和P(L|C)都是在一个观测序列上有关序列标记的概率值，定 义其概率分布为

P(R|SW)P(L|C)]]>