[发明专利]基于标签用户品牌偏好行为预测方法及其装置

说明书

本发明涉及一种基于标签用户品牌偏好行为预测方法及其装置。该方法包括：获取用以反映用户上网行为的URL数据；解析所述URL数据，从解析结果中提取搜索关键词并存储在用户搜索行为表中；从所述解析结果中提取电商的商品编码；通过爬虫式数据库，获取与所述商品编码相对应的电商浏览数据并存储在用户电商浏览行为表中；对所述用户搜索行为表和用户电商浏览行为表中存储的数据通过文本智能分词和语义分析，删除与品牌信息不相符的数据，形成第一数据集合；对所述第一数据集合进行聚类分析，获得用户对品牌信息的偏好程度，计算得到用户的品牌偏好。通过关键词提取技术可以大大提升关键词提取效率。

技术领域

本发明涉及信息技术领域，尤其涉及了一种基于标签用户品牌偏好行为预测方法及其装置。

背景技术

市场上现有的品牌偏好行为预测技术方案一般遵循数据规整、关键词识别和匹配、品牌权重统计。数据规整时由于数据来源纷繁复杂，特别是通过机器从互联网上直接采集提取的数据，数据的字符类型和长度大小等无法做到完全的统一规范，所以需要进行统一的数据格式化。通过统一化的规整，可以有效剔除脏数据，降低无效数据的影响，提高后期数据的分析效率和准确率。关键词识别和匹配时，通过需要长期人工维护的文本词语维表库，对规范好的文本语句进行文本切词，确保核心的词语能够被准确切分开来。将经过文本切除之后数据与品牌维表库进行匹配关联，得出文本中所描述的品牌信息，并且根据文本相似程度、匹配率和出现频度等指标，进行初步权重计算，得出文本中的品牌权重分值。通常，由于市场上的品牌变化频繁以及中文文本语义的多样性特点，品牌维表库多需要经常或者不定期的整理维护，以保证品牌的匹配率和准确率。品牌权重统计时，根据互联网分词结果，结合每个品牌所出现的频次，品牌的相似程度等特性，通过聚类方式得出各个品牌偏好最终权重值。存在的问题：多数数据筛选仍存在大量人工干预，效率低，执行时间长；没有良好的技术手段实现因语义引起的数据分析误差，导致错误率较高，数据真实性待考证。

发明内容

本发明针对现有技术中多数数据筛选仍存在大量人工干预，效率低，执行时间长；没有良好的技术手段实现因语义引起的数据分析误差，导致错误率较高，数据真实性待考证这些缺点，提供了一种基于标签用户品牌偏好行为预测方法及其装置。

为了解决上述技术问题，本发明提供了一种基于标签用户品牌偏好行为预测方法。该方法包括：获取用以反映用户上网行为的URL数据；解析所述URL数据，从解析结果中提取搜索关键词并存储在用户搜索行为表中；从所述解析结果中提取电商的商品编码；通过爬虫式数据库，获取与所述商品编码相对应的电商浏览数据并存储在用户电商浏览行为表中；对所述用户搜索行为表和用户电商浏览行为表中存储的数据通过文本智能分词和语义分析，删除与品牌信息不相符的数据，形成第一数据集合；对所述第一数据集合进行聚类分析，获得用户对品牌信息的偏好程度，计算得到用户的品牌偏好。

可选地，所述方法还包括：通过预设的数据黑白名单，过滤所述URL数据。

可选地，所述使用所述品牌偏好数据模型，获取用户的品牌偏好度，具体包括：

使用如下公式计算所述用户的品牌偏好度：

其中，αplatformj为计算得出的平台权重；Ni为在售i品牌的电商数量；αaction为计算得出的行为权重；αt为计算得出的时间权重和频率权重。

可选地，所述语义分析具体通过Word2vec的语义相似度算法完成。

可选地，所述从解析结果中提取搜索关键词，具体包括：

基于平均互信息，从解析结果中提取品牌关键词；

所述平均互信息通过如下算式计算：