[发明专利]一种用于对用户特征进行分布式编码的方法和系统

权利要求书

1.一种用于对用户特征进行分布式编码的方法，包括：

获取与数据网络内所有用户的网络行为相关联的统计数据，并对所述统计数据进行特征提取以确定多个用户特征并确定所述多个用户特征的总数量；

构建包括所述多个用户特征的特征文件，并基于预先设定的划分规则将所述特征文件划分为多个子文件；

对每个子文件中的用户特征进行内容扫描，以确定每个子文件中用户特征的数量；

基于用户特征的编码空间、所述多个用户特征的总数量和每个子文件中用户特征的子数量确定每个子文件中用户特征子集的编码子空间；以及

根据预先设定的处理规则，将每个子文件和相应的编码子空间发送给多个处理节点中相应的处理节点以由所述相应的处理节点对用户特征子集中的用户特征进行编码。

2.如权利要求1所述的方法，根据所述数据网络内所有用户的搜索点击行为、浏览网页行为和/或通过第三方合作获取的行为，获取所述数据网络内所有用户的网络行为相关联的统计数据。

3.如权利要求2所述的方法，根据所述统计数据中用户的host特征、n-gram特征、上网时间段、上网所属地域和/或浏览商品行为，进行特征提取，以确定多个用户特征。

4.如权利要求1所述的方法，将所述多个用户特征根据用户需求进行分类剔除，统计用户需求的用户特征的数量，作为用户特征的总数量。

5.如权利要求1所述的方法，将所述多个用户特征的特征文件基于哈希函数的划分规则，划分为对应于所述处理节点数量的多个子文件。

6.一种用于对用户特征进行分布式编码的系统，所述系统包括：

用户特征单元，用于获取与数据网络内所有用户的网络行为相关联的统计数据，并对所述统计数据进行特征提取以确定多个用户特征并确定所述多个用户特征的总数量；

特征文件构建单元，用于构建包括所述多个用户特征的特征文件，并基于预先设定的划分规则将所述特征文件划分为多个子文件；

特征数量确认单元，用于对每个子文件中的用户特征进行内容扫描，以确定每个子文件中用户特征的数量；

编码子空间确认单元，用于基于用户特征的编码空间、所述多个用户特征的总数量和每个子文件中用户特征的子数量确定每个子文件中用户特征子集的编码子空间；以及

处理节点分配单元，用于根据预先设定的处理规则，将每个子文件和相应的编码子空间发送给多个处理节点中相应的处理节点以由所述相应的处理节点对用户特征子集中的用户特征进行编码。

7.如权利要求6所述的系统，根据所述数据网络内所有用户的搜索点击行为、浏览网页行为和/或通过第三方合作获取的行为，获取所述数据网络内所有用户的网络行为相关联的统计数据。

8.如权利要求7所述的系统，根据所述统计数据中用户的host特征、n-gram特征、上网时间段、上网所属地域和/或浏览商品行为，进行特征提取，以确定多个用户特征。

9.如权利要求6所述的系统，将所述多个用户特征根据用户需求进行分类剔除，统计用户需求的用户特征的数量，作为用户特征的总数量。

10.如权利要求6所述的系统，将所述多个用户特征的特征文件基于哈希函数的划分规则，划分为对应于所述处理节点数量的多个子文件。