[发明专利]一种用户商业标签挖掘方法及装置、服务器

说明书

本发明实施例提供一种用户商业标签挖掘方法及装置、服务器，该方法包括：从获取的用户的特定商业行为数据中抽取文本数据；基于预先生成的候选商业标签词库对文本数据进行分词，输出分词后的文本数据；基于预先生成的商业标签词库对分词后的文本数据进行商业关键词抽取，得到抽取出的商业标签数据；根据用户的原始商业行为数据对抽取出的商业标签数据进行挖掘，分别得到不同商业行为下的商业标签数据。能够更准确的挖掘商业标签，实现商业标签词库的动态更新，减少人力维护成本。

技术领域

本发明涉及互联网广告技术领域，尤指一种用户商业标签挖掘方法及装置、服务器。

背景技术

在大数据时代，数据管理平台(Data Management Platform，DMP)成为互联网广告领域的重要组成部分，主要用于管理用户的商业行为数据，包括：页面浏览、广告点击、关键词搜索等，并从中挖掘用户画像属性，例如：年龄、性别、地域等，以便提供精准的个性化广告投放，提高广告主的转化收益。然而DMP挖掘的用户画像属性对于用户的商业价值偏好描述比较笼统、不够精准，对于垂直行业的广告主无法定向到商品/条目(item)粒度的受众。

因此，挖掘用户的商业标签挖掘在广告投放过程中显得十分重要，而用户的商业标签挖掘需要解决的问题如下：

1)如何通过神经语言程序学(Neuro-Linguistic Programming，NLP)技术精准、细致刻画对象(用户、广告创意、页面)的商业价值偏好；

2)需要构建并维护一套统一的动态更新的高质量商业标签词库。

现有技术中已有的解决方案，对于问题1)，一般是通过词频-逆文本频率指数(term frequency–inverse document frequency，TF-IDF)技术挖掘文本关键词；对于问题2)，一般是人工构建并维护(review)标签词库。

现有解决方案具有如下缺点：

1)通过TF-IDF技术挖掘文本关键词仅考虑到词语的频度属性、位置属性，并没有引入语义特征等，准确率和召回率都相对较低；而且挖掘出的关键词包含较多人名、地名等商业价值较低的词语，不利于商业广告投放；

2)通过人工构建并维护商业标签词库，人力成本较大，词库更新迭代效率较低，很大程度上影响到商业标签质量。

发明内容

本发明实施例提供一种用户商业标签挖掘方法及装置、服务器，用以解决现有技术中存在的商业标签挖掘的准确率和召回率低、挖掘出的商业标签质量差，且需要人工维护标签词库导致人力维护成本高的问题。

一方面，本发明实施例提供了一种用户商业标签挖掘方法，包括：

从获取的用户的特定商业行为数据中抽取文本数据；

基于预先生成的候选商业标签词库对文本数据进行分词，输出分词后的文本数据；

基于预先生成的商业标签词库对分词后的文本数据进行商业关键词抽取，得到抽取出的商业标签数据；

根据用户的原始商业行为数据对抽取出的商业标签数据进行挖掘，分别得到不同商业行为下的商业标签数据。

在一些可选的实施例中，从获取的用户的特定商业行为数据中抽取文本数据，包括：

针对获取到的不同类别的用户商业行为数据，抽取该类别的商业行为数据的商业行为特征词，得到所述文本数据。

在一些可选的实施例中，基于预先生成的商业标签词库对分词后的文本数据进行商业关键词抽取，得到抽取出的商业标签数据，包括：

根据分词后的文本数据中包括的分词和对应的词性，构建关键词图；所述关键词图中包括文本数据中不重复的分词的集合和任意两个分词相连的边的集合；