[发明专利]用户属性影响力的评估方法和装置

说明书

本发明公开了一种用户属性影响力的评估方法和装置，涉及互联网技术领域。该方法的一具体实施方式包括：获取多个对象的历史行为记录，其中，所述多个对象归属同一对象类别，所述历史行为记录包括用户属性，所述用户属性包括多个属性值；基于所述历史行为记录，确定每个对象被具有不同属性值的用户操作的差异程度值；根据所述每个对象被具有不同属性值的用户操作的差异程度值，确定所述用户属性影响力。该实施方式降低了计算复杂度，减少了计算量，能够在大规模数据上较快地计算用户属性影响力，而且计算得到的影响力与实际情况相符，增强了通用性。

技术领域

本发明涉及互联网技术领域，尤其涉及一种用户属性影响力的评估方法和装置。

背景技术

随着互联网技术的不断发展，基于互联网技术的各种应用也层出不穷，例如，论坛、购物网站、微博微信等社交网络。在这样的虚拟社会环境中，人物有着各种各样的属性，也会产生各种各样的行为，而且这些属性对人物的行为有一定的影响，如何评估这些属性对用户行为的影响也是当下研究的热点问题。目前，常用的评估用户属性影响力的方法有基于信息增益的影响力计算方法和基于余弦相似度的计算方法。

下面以评估用户属性对选择商品的影响力为例说明上述两种方法。

基于信息增益的影响力计算方法

在信息论中，信息熵表示一个随机变量的不确定程度，条件熵代表在某一条件下随机变量的不确定度。信息增益便是信息熵与条件熵的差，也就是说信息增益的大小表示了在某个条件下，随机变量不确定性减小的程度。在计算影响力时，首先计算全部用户在品类内选择商品的概率分布，计算总体信息熵。然后，计算每个用户特性属性下不同属性值下的条件熵，进行累加。计算总体信息熵与各条件熵累加和之间的差值，差值越大则该属性对选择该品类商品的影响力越大。

基于余弦相似度的影响力计算方法

利用余弦相似度可以度量两个概率分布的相似程度。如果余弦相似度越大，说明两者越相似。余弦相似度越小，说明两个概率分布的差距越大。在计算影响力时，首先计算全部用户特定属性下不同属性值下选择商品的概率分布，然后利用余弦相似度衡量不同属性值用户选择商品的概率分布差异，余弦相似度越大则说明该属性对选择该品类商品的影响力越大。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

由于信息增益的大小不会限制在一个固定的范围内，因此导致影响力系数的归一化遇到问题，并让同样的用户属性在不同品类上的影响力无法轻松比较。该方法在计算属性值较多的属性时，计算得到的信息增益往往较高，则该属性的影响力越大，会出现与实际情况不符的情况。该方法需要较大的计算量，在品类内商品较多时也会对算法的效率产生影响。

由于余弦相似度的增长是非线性的，在将其应用在属性值超过两类的场景时，不能简单的利用相似度的相加等操作进行影响力的计算，限制了其应用范围。

综上所述，可知现有中计算用户属性影响力的方法存在步骤复杂，计算得到的影响力与实际情况不符以及应用范围受限的缺陷。

发明内容

有鉴于此，本发明实施例提供一种用户属性影响力的评估方法和装置，能够显著降低计算复杂度，减少计算量，能够在大规模数据上较快地计算用户属性影响力，而且计算得到的影响力与实际情况相符，增强了通用性。

为实现上述目的，根据本发明实施例的一个方面，提供了一种用户属性影响力的评估方法。

本发明实施例的一种用户属性影响力的评估方法，包括：获取多个对象的历史行为记录，其中，所述多个对象归属同一对象类别，所述历史行为记录包括用户属性，所述用户属性包括多个属性值；基于所述历史行为记录，确定每个对象被具有不同属性值的用户操作的差异程度值；根据所述每个对象被具有不同属性值的用户操作的差异程度值，确定所述用户属性影响力。