[发明专利]一种用户行为数据分析模型及其构建方法

说明书

本发明属于数据分析技术领域，公开了一种用户行为数据分析模型及其构建方法，所述用户行为数据分析模型：tKVn＜A1,A2,...,An＞；其中：KVn表示用户兴趣模型，A1‑An表示用户各兴趣权重，t表示时间；用户的兴趣模型表示为：KV：<A1，A2，...，An>。本发明可以通过分析用户行为数据构建出用户的兴趣模型，模型能够及时捕捉用户兴趣的变化，调整个性化兴趣标签的排序，从而达到提高精准推荐和个性化推荐的效果。本发明可以在广告推荐、推荐相似文章、推荐用户喜爱商品等具体的应用。

技术领域

本发明属于数据分析技术领域，尤其涉及一种用户行为数据分析模型及其构建方法。

背景技术

目前，业内常用的现有技术是这样的：随着网站规模的不断扩大，涵盖的频道也越来越繁杂，其中包含的内容也与日俱增，在如此大数据的信息平台下，如何更好的服务用户成了各门户网站的首要任务。从用户需求的角度考虑，对内容的判断标准是用户对此内容是否感兴趣。而如何做到对用户兴趣的精准匹配是比较困难的，特别是对图片、视频等非文本内容来说，因为本身缺乏描述性文本，因此兴趣标签成为一种非常重要的语义素材。

综上所述，现有技术存在的问题是：

对图片、视频等非文本内容本身缺乏描述性文本兴趣标签成为一种非常重要的语义素材。

现在技术对图片、视频的识别率没有达到100％，判定存在误差。

解决上述技术问题的难度和意义：

解决的难度是建立并丰富平台内各个事物的兴趣分类，这个是工作量比较大的工作。例如在网站中，对网站中商品进行各自分类，通过用户对某个商品的关注度，来确定用户对该商品所属分类的关注度，以此为基础来构建用户的兴趣模型(模型中包含各个分类的权重数值)。

本发明的基础是需要对各个图片、视频、文本性内容进行分类确定，通过分析用户对具体事物的兴趣来确定用户与对应兴趣分类的关系，分析之后就知道了用户对这一类事物是否感兴趣，综合对比用户在平台内的兴趣分类计算各兴趣权重是多少。

发明内容

针对现有技术存在的问题，本发明提供了一种用户行为数据分析模型及其构建方法。本发明的基础是需要对各个图片、视频、文本性内容进行分类确定，通过分析用户对具体事物的兴趣来确定用户与对应兴趣分类的关系，分析之后就知道了用户对这一类事物是否感兴趣，综合对比用户在平台内的兴趣分类计算各兴趣权重是多少。

本发明通过矩阵计算得出用户的各个兴趣权重，而且是在分析用户各个行为的基础上得出的，这种方法准确度较高。

本发明是这样实现的，一种用户行为数据分析模型，所述用户行为数据分析模型：tKVn＜A1,A2,...,An＞；

KVn表示用户兴趣模型，A1-An表示用户各兴趣权重，t表示时间；随着时间的变化，用户的兴趣是有变化的，所以需要实时收集并分析用户的行为来改变用户的兴趣模型，可以依照该模型，为用户推荐其感兴趣的事。

用户的兴趣模型表示为：KV：&lt;A1，A2，...，An&gt;。

本发明的另一目的在于提供一种所述用户行为数据分析模型的构建方法，所述用户行为数据分析模型的构建方法包括以下步骤：

步骤一，构建用户-搜索关键词矩阵；

步骤二，将用户-行为矩阵转化为用户-兴趣矩阵，确定关键词汇-兴趣矩阵；通过分类算法，得到分类模型，应用到其余数据的分类问题当中，解决其余大量数据的分类问题；

步骤三，用户行为矩阵转换为用户兴趣矩阵；