[发明专利]一种用户间相似性距离测度方法、系统、装置和存储介质

说明书

本发明公开了一种用户间相似性距离测度方法、系统、装置和存储介质，其中方法包括以下步骤：对用户数据集合进行混合多元特征热度排序处理，并提取用于计算相似性距离的两个特征集合；计算所述两个特征集合的各公共元素对相似性距离的影响值，并将获得的所述影响值进行求和后作为相似性距离。本发明能够较佳地实现用户特征的提取和表示，从而更加准确地衡量用户特征集合间的相似性距离，可广泛应用于数据处理技术领域。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种用户间相似性距离测度方法、系统、装置和存储介质。

背景技术

相似性距离测度是比较两个对象的相似性。距离越小，相似性越大；距离越大，相似性越小。随着科技的发展，各行各业所产生的数据不断积累，相似性距离测度逐渐涉及了自然语言处理、数据挖掘等多个应用领域，成为近年来的一大研究热点。

相似性距离测度的关键技术包括两部分：对象的特征选择和表示方法，以及特征集合间的相似关系测度方法。现有的相似性距离测度方法在不同的应用场景下，各具优缺点，除了与对象的特征选择和表示方法有关，与特征集合间相似关系的测度方法也密不可分，但现有的计算中未能充分考虑相似性距离与特征集合间的关系。

发明内容

为了解决上述技术问题之一，本发明的目的是提供一种用户间相似性距离测度方法、系统、装置和存储介质。

本发明所采用的技术方案是：

一种用户间相似性距离测度方法，包括以下步骤：

对用户数据集合进行混合多元特征热度排序处理，并提取用于计算相似性距离的两个特征集合；

计算所述两个特征集合的各公共元素对相似性距离的影响值，并将获得的所述影响值进行求和后作为相似性距离。

进一步，所述对用户数据集合进行混合多元特征热度排序处理，并提取用于计算相似性距离的两个特征集合，包括：

根据所述用户数据集合提取混合多元的行为特征，获得用户行为特征集合；

根据预设公式计算所述用户行为特征集合中每个所述行为特征的热度；

根据所述热度对所述行为特征进行排序，根据排序结果获取N个所述行为特征组成特征集合；

其中，N为大于1的整数。

进一步，所述预设公式为：

其中，为所述行为特征fi出现的次数，C为所述行为特征总个数，为所有所述行为特征出现的次数。

进一步，所述根据所述热度对所述行为特征进行排序，根据排序结果获取N个所述行为特征组成特征集合，包括：

根据所述热度将所述行为特征进行降序排列，所述行为特征包括一元行为特征、二元行为特征和三元行为特征；

按照排列顺序获取前N个所述行为特征组成特征集合。

进一步，所述行为特征包括一元行为特征、二元行为特征和三元行为特征，所述根据所述热度对所述行为特征进行排序，根据排序结果获取N个所述行为特征组成特征集合，包括：

根据所述热度将所述一元行为特征进行降序排列，按照排列顺序获取前N个所述一元行为特征；

根据所述热度将所述二元行为特征进行降序排列，按照排列顺序获取前N个所述二元行为特征；

根据所述热度将所述三元行为特征进行降序排列，按照排列顺序获取前N个所述三元行为特征；