[发明专利]一种用户文本信息分析方法及装置

说明书

本发明提供一种用户文本信息分析方法，对待分析文本信息进行预处理；对预处理后的待分析文本信息进行潜在主题挖掘，获取文本的主题概率分布；针对所述主题概率分布计算文本的相似度，根据相似度进行用户特征值聚类；对聚类后的待分析文本信息进行数字化标记，得到待分析样本数据；将待分析样本数据输入预先建立的用户偏好分析模型中，得到用户偏好分析结果。该方案中，通过深入挖掘用户文本特征，计算用户间文本相似度，并根据相似度距离进行聚类分析，简化深度神经网络隐含层的结构，提高深度神经网络的学习效率。

技术领域

本发明涉及数据挖掘领域，具体涉及一种用户文本信息分析方法及装 置。

背景技术

随着市场竞争的加剧，企业间的竞争已经不仅仅是产品间的竞争，更 重要的是客户之间的竞争，客户作为市场消费的主体，满足他们的需求是 企业经营管理的出发点。于是如何收集客户信息、整合客户数据、挖掘客 户之间的潜在信息显得至关重要，这是企业能够制定合理的产品和服务的 前提，也是企业经营决策正确性的有力保证。

为了更好的服务用户，企业会收集用户的信息形成文本数据，由于用 户的数据量较大，因此收集用户信息形成的文本也是海量文本数据。在用 户的文本信息中，会记载用户的偏好，用户对产品的关注程度，购买喜好 等等，这些信息可以从侧面反应出用户的个人需求，如果企业可以获取众 多客户的偏好需求或其相关数据，便可以为市场经营与决策人员制定相应 的策略提供依据，因此如何从用户的海量文本数据中分析用户的特点，指导企业更好的为用户提供服务。

发明内容

因此，本发明要解决的技术问题在于现有技术中的无法从用户的海量 文本数据中分析用户的特点。

一种用户文本信息分析方法，包括如下步骤：对待分析文本信息进行 预处理；对预处理后的待分析文本信息进行潜在主题挖掘，获取文本的主 题概率分布；针对所述主题概率分布计算文本的相似度，根据相似度进行 用户特征值聚类；对聚类后的待分析文本信息进行数字化标记，得到待分 析样本数据；将待分析样本数据输入预先建立的用户偏好分析模型中，得 到用户偏好分析结果。

优选地，所述用户偏好分析模型的建立方法，包括：对用户文本信息 进行预处理；对预处理后的用户文本信息进行潜在主题挖掘，获取文本的 主题概率分布；针对所述主题概率分布计算文本的相似度，根据相似度进 行用户特征值聚类；对聚类后的用户文本信息进行数字化标记，得到用户 样本数据；使用用户样本数据对神经网络模型进行训练，根据训练后的神 经网络模型得到用户偏好分析模型。

优选地，还包括将所述用户样本数据分为训练集和测试集，使用所述 训练集对所述神经网络模型进行训练，使用测试集对所述神经网络模型进 行验证，识别率达到预设阈值时，将所述神经网络模型作为用户偏好分析 模型。

优选地，所述对预处理后的待分析文本信息进行潜在主题挖掘的步骤， 包括：对所述待分析文本信息进行中文分词处理，获取关键词；生成可被 狄利克雷模型处理的文档并采用狄利克雷模型进行潜在主题挖掘。

优选地，所述相似度计算公式如下：

w_1k、w_2k分别表示文本D₁和D₂第k个特征项的权值，1≤k≤N。

优选地，所述对聚类后的用户文本信息进行数字化标记，得到用户样 本数据的步骤包括：

根据上下文解读词的具体含义，形成一个词表V，里面的每一个词w_i都有一个编号i∈{1,...,|V|}，那么词w_i的一位有效编码表示就是一个维 度为|V|的向量，其中第i个元素值非零，其余元素全为0；