一种基于用户行为的信息推荐方法和系统的制作方法
【专利摘要】本发明提供了一种基于用户行为的信息推荐方法和系统，以解决为用户推荐个性化信息准确性较低的问题。所述的方法包括：收集用户各类型的行为信息，其中，所述行为信息按类型划分包括访问行为信息，点击行为信息和搜索行为信息中至少两类；针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略；基于所述用户策略向所述用户推荐个性化信息。由于用户搜索和点击推荐信息的行为能体现用户感兴趣的内容，因此依此确定的用户策略也更符合用户的需求，从而在基于用户策略向用户推荐个性化信息时，可以推荐个符合用户需求的内容，提高推荐内容的准确性和点击率。
【专利说明】一种基于用户行为的信息推荐方法和系统
【技术领域】
[0001]本发明涉及数据处理技术，特别是涉及一种基于用户行为的信息推荐方法和系统。
【背景技术】
[0002]随着网络技术的发展，网络用户也越来越多，网络中的信息也越来越多样，为便于用户查找信息，可以为用户推荐个性化信息。
[0003]现有技术中，通常是基于用户浏览的网页为用户推荐个性化信息，即通过用户浏览的网页数据分析出用户感兴趣的网站或内容，然后基于所述感兴趣的网站或内容为用户推荐个性化信息。
[0004]但是，用户对网页的浏览并不具有明确的指向性，往往无法准确的代表用户的真实需求，而个性化信息通常是基于某些特定领域而制定的，因此基于用户浏览的网页为用户推荐个性化信息准确性较低。例如用户浏览的是新闻类网页，而个性化信息是基于购物领域或游戏领域，则基于新闻类网页无法准确的获知用户在购物领域或游戏领域的兴趣点，因而无法进行个性化信息的推荐。
【发明内容】
[0005]本发明提供了一种基于用户行为的信息推荐方法和系统，以解决为用户推荐个性化信息准确性较低的问题。
[0006]为了解决上述问题，本发明公开了一种基于用户行为的信息推荐方法，包括:
[0007]收集用户各类型的行为信息，其中，所述行为信息按类型划分包括访问行为信息，点击行为信息和搜索行为信息中至少两类；
[0008]针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略；
[0009]基于所述用户策略向所述用户推荐个性化信息。
[0010]本发明一个可选实施例中，所述针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略，包括:针对访问行为信息和搜索行为信息，分别与所述策略数据构成的对应类型的模式树进行匹配，并依据对应匹配到的节点确定用户策略；针对点击行为信息，与采用所述策略数据构成的哈希表进行匹配，并依据匹配结果确定对应的用户策略。
[0011]本发明一个可选实施例中，所述访问行为信息包括用户访问的各网页的URL地址；所述搜索行为信息包括用户搜索的各个关键词；所述针对访问行为信息和搜索行为信息，分别与所述策略数据构成的对应类型的模式树进行匹配，并依据对应匹配到的节点确定用户策略，包括:针对访问行为信息，采用所述每个URL地址中的字符依次对所述访问类型的模式树中的节点进行匹配，确定匹配到的节点；确定所述匹配到的节点对应的用户策略；针对搜索行为信息，采用所述每个关键词中的文字依次对所述搜索类型的模式树中的节点进行匹配，确定匹配到的节点；确定所述匹配到的节点对应的用户策略。
[0012]本发明一个可选实施例中，所述点击行为信息包括用户点击的个性化信息的标识；所述与采用所述策略数据构成的哈希表进行匹配，并依据匹配结果确定对应的用户策略，包括:采用所述个性化信息的标识与所述哈希表中的预置标识进行匹配，确定所述个性化信息所属的行业类别；确定所述行业类别对应的用户策略。
[0013]本发明一个可选实施例中，还包括:按照所属类型分别对所述策略数据建立模式树，其中，将策略数据中目标URL地址的每一个字符作为一个节点建立访问类型的模式树；将策略数据中目标关键词的每一个文字作为一个节点建立搜索类型的模式树；将预置的个性化信息的标识作为预置标识，并关联所述个性化信息所属的行业类别构建哈希表。
[0014]本发明一个可选实施例中，建立模式树之后，还包括:对所述模式树构造失败指针；在行为信息与模式树匹配的过程中还包括:当所述行为信息与所述模式树的一条分支中的节点匹配失败时，通过所述失败指针将所述行为信息指向所述模式树的另一个分支的相应节点上，继续执行匹配过程。
[0015]本发明一个可选实施例中，所述访问行为信息包括用户访问的网页的URL地址，进一步所述URL地址包括对所述搜索行为信息执行搜索后，用户对搜索结果反馈的网页进行访问的URL地址。
[0016]本发明一个可选实施例中，所述基于所述用户策略向所述用户推荐个性化信息，包括:依据所述用户策略确定对应的个性化信息；在网页中检测到所述用户时，通过所述网页向所述用户推荐所述个性化信息。
[0017]相应的，本发明还公开了一种基于用户行为的信息推荐系统，包括:
[0018]收集模块，用于收集用户各类型的行为信息，其中，所述行为信息按类型划分包括访问行为信息，点击行为信息和搜索行为信息中至少两类；
[0019]匹配模块，用于针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略；
[0020]推荐模块，用于基于所述用户策略向所述用户推荐个性化信息。
[0021]本发明一个可选实施例中，所述匹配模块，包括:第一匹配子模块，用于针对访问行为信息和搜索行为信息，分别与所述策略数据构成的对应类型的模式树进行匹配，并依据对应匹配到的节点确定用户策略；第二匹配子模块，用于针对点击行为信息，与采用所述策略数据构成的哈希表进行匹配，并依据匹配结果确定对应的用户策略。
[0022]与现有技术相比，本发明包括以下优点:
[0023]本发明实施例中行为信息按类型划分包括访问行为信息，点击行为信息和搜索行为信息中至少两类，从而可以针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略。由于用户搜索和点击推荐信息的行为能体现用户感兴趣的内容，因此依此确定的用户策略也更符合用户的需求，从而在基于用户策略向用户推荐个性化信息时，可以推荐个符合用户需求的内容，提高推荐内容的准确性和点击率。
【专利附图】
【附图说明】
[0024]图1是本发明实施例一提供的基于用户行为的信息推荐方法流程图；[0025]图2是本发明实施例二提供的广告推荐系统架构图；
[0026]图3是本发明实施例二提供的基于用户行为的信息推荐方法流程图；
[0027]图4本发明实施例二提供的模式树示意图；
[0028]图5是本发明实施例三提供的基于用户行为的信息推荐系统结构图。
【具体实施方式】
[0029]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0030]本发明实施例提供一种基于用户行为的信息推荐方法，针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略，并基于用户策略进行个性化信息的推荐，从而可以推荐个符合用户需求的内容，提高推荐内容的准确性和点击率。
[0031]实施例一
[0032]参照图1，给出了本发明实施例一提供的基于用户行为的信息推荐方法流程图。
[0033]步骤101，收集用户各类型的行为信息。
[0034]为了对用户的行为进行分析，需要首先获取用户的行为信息，所述行为信息是依据用户在网络上的行为获取的。其中，行为信息按类型划分包括访问行为信息，点击行为信息和搜索行为信息。
[0035]由于用户在网络中的行为，如搜索或对推荐信息的点击等行为可以比较明确地指出用户感兴趣的内容，即用户的需求，因此本发明实施例所收集的行为信息包括访问行为信息，点击行为信息和搜索行为信息中的至少两类。
[0036]其中，搜索行为信息指的是用户在网络中进行搜索相关的信息，例如搜索网页的类型，搜索的关键词等。访问行为信息指的是用户访问的网页的相关信息，如用户网上浏览的网页等，进一步还可以将用户通过关键词搜索到并点击打开的网页的相关信息。点击行为信息指用户对推荐的个性化信息进行点击的相关数据，如针对广告行业，点击行为信息可以指用户在网盟网站在点击广告投放系统所投放的广告的相关数据。
[0037]步骤102，针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略。
[0038]其中，策略数据是预先制定的基于用户行为提供推荐策略的相关数据。通过策略数据可以对用户行为进行分析，从而确定查找的用户。本发明实施例中，可以基于地理位置进行策略数据的分配，即不同的地域会获取到不同的策略数据，从而为用户推荐的个性化信息也会因为地域的不同而存在差别。
[0039]由于收集了至少两种不同类型的行为信息，因此对应策略数据也包含多种类型，包括点击类型、访问类型和搜索类型。从而在对行为信息与策略数据进行匹配时，可以针对不同类型的行为信息分别进行匹配。
[0040]其中，不同类型的行为信息所对应进行匹配的预置算法也不同，例如可以采用模式匹配算法，也可以采用数据表查询的方法，从而可以按照预置算法将不同类型的行为信息分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略，因此所确定的用户策略更能体现用户感兴趣的方面，更加符合用户的需求。[0041]其中，模式匹配是数据结构中字符串的一种运算方法，主要是指对输入的模式元素，计算模式元素之间语义上的对应关系的过程。因此，依据一次扫描中匹配的模式数，可以将模式匹配分为单模匹配和多模匹配。
[0042]若采用单模匹配方法，则在对行为信息的一次扫描中，仅需采用一种匹配模式与策略数据进行匹配，即可确定对应的用户策略，如采用KMP算法，其中，KMP算法是由Knuth (D.E.Knuth)、Morris (J.H.Morris)和 Pratt (V.R.Pratt)三人设计的线性时间字符
串匹配算法。
[0043]与单模匹配有所不同，多模匹配算法可以在对行为信息的一次扫描中，与策略数据进行大量的模式匹配，从而确定对应的用户策略，如采用AC自动机(Aho-Corasickautomation)算法。
[0044]步骤103，基于所述用户策略向所述用户推荐个性化信息。
[0045]在匹配得到用户策略后，若检测到满足该用户且该用户的行为满足预置规则，则可以基于用户策略向该用户推荐个性化信息。例如，检测到用户打开某一设定网页，则可以基于用户策略在该网页中展示推荐给该用户的个性化信息，如广告、新闻链接等。
[0046]综上所述,本发明实施例中行为信息按类型划分包括访问行为信息，点击行为信息和搜索行为信息中至少两类，从而可以针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略。由于用户搜索和点击推荐信息的行为更能体现用户感兴趣的内容，因此依此确定的用户策略也更符合用户的需求，从而在基于用户策略向用户推荐个性化信息时，可以推荐个符合用户需求的内容，提高推荐内容的准确性和点击率。
[0047]实施例二
[0048]本实施例中，针对广告行业进行举例说明，因此将广告作为推荐的个性化信息。针对广告的推荐主要包括如下系统架构，如图2所示:
[0049]广告系统，用于确定策略数据，基于用户策略制定并推送广告等。
[0050]分析系统，用于获取行为信息，并进行用户行为的分析，确定用户策略等。
[0051]网盟网站，用于前端检测，确定用户并展示相应的广告。
[0052]基于上述系统架构，具体包括如下步骤:
[0053]参照图3，给出了本发明实施例二提供的基于用户行为的信息推荐方法流程图。
[0054]步骤301，收集用户各类型的行为信息。
[0055]其中，访问行为信息包括用户访问的网页的URL地址,进一步访问行为中包括基于搜索的访问，即所述URL地址包括对所述搜索行为信息执行搜索后，用户对搜索结果反馈的网页进行访问的URL地址。
[0056]步骤302，判断行为信息的类型。
[0057]本发明实施例中，所述针对不同类型的行为信息，会按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略，包括:针对访问行为信息和搜索行为信息，分别与所述策略数据构成的对应类型的模式树进行匹配，并依据对应匹配到的节点确定用户策略；针对点击行为信息，与采用所述策略数据构成的哈希表进行匹配，并依据匹配结果确定对应的用户策略。因此，需要先判断行为信息的类型，进而采用确定采用何种预置算法进行匹配。[0058]若为访问类型即访问行为信息，则执行步骤303;若为搜索类型即搜索类型的行为信息，则执行步骤304 ;若为点击类型即点击行为信息，则执行步骤305。
[0059]本实施例中，采用广告行业进行举例论述，因此将广告作为个性化信息时，对应策略数据也是基于广告而指定的，因此可以将广告主所需要寻找的用户群，如搜索过某些关键词，访问过某些网站，或者点击过某一类广告等数据定义为策略数据，并提交到广告系统。因此策略数据中包括搜索类型的数据,如由关键词构成的集合；访问类型的数据如由URL (Uniform Resource Locator,统一资源定位符)地址构成的集合；点击类型的数据如广告标识(Identity，ID)和广告行业ID对应关系构成的集合。
[0060]然后，广告系统根据广告投放的地域，将策略数据下发至相应的局点，即相应地域的分析系统中，如一个广告在北京投放，策略数据中关键词“装修”，则关键词“装修”会下发到北京局点，而其它局点则不会收到此条策略数据，从而避免无效分析出其它局点的策略数据，从而减少资源浪费。
[0061]在一个可选实施例中，所述的方法还包括:按照所属类型分别对所述策略数据建立模式树；将预置的个性化信息的标识作为预置标识，并关联所述个性化信息所属的行业类别构建哈希表。
[0062]I)针对访问和搜索类型的策略数据。
[0063]本实施例中采用分析系统进行行为信息的分析，因此基于AC自动机算法，由于策略数据具有不同的类型，分析系统首先可以基于策略数据所述的类型分别构建模式树，如上述关键词集合可以构成搜索类型的模式树,访问过网站的集合构成点击类型的模式树，其中一种模式树如图4所示。
[0064]针对搜索类型的模式树，搜索类型的策略数据包括目标搜索关键词，因此可以将目标关键词的每一个文字作为一个节点，建立搜索类型的模式树，其中根节点中可以不包括文字。例如，关键词是“装修”，则可以将“装”和“修”分别作为模式树中一个分支的各节点;又如关键词是“decoration”，则可以将“d” “e” “c” “o” “r” “a” “t” “i” “o” 和“n”分别作为该模式树中另一个分支的各节点。
[0065]针对访问类型的模式树，访问类型的策略数据包括目标URL地址，因此可以目标URL地址中的每一个字符作为一个节点建立访问类型的模式树，例如针对URL地址画.xxxx.com,则可以将其中的每一个字符作为该模式树中的一个节点。
[0066]在本发明一个可选实施例中，对所述模式树构造失败指针。针对每一个模式树，还要构建失败指针，用于在模式树的一个分支中匹配失败时，可以跳转到另一个分支上继续进行匹配。从而后续匹配过程中，在行为信息与模式树的一条分支中的节点匹配失败时，可以通过所述失败指针将所述行为信息指向所述模式树的另一个分支的相应节点上，继续执行匹配过程。其中，还包括如下预置步骤:
[0067]I)针对点击类型的策略数据。
[0068]针对点击类型策略数据，策略数据中包括预置的个性化信息的标识(如广告ID)，以及所述个性化信息所属的行业类别(如广告ID对应的广告行业ID)，从而可以将预置的个性化信息的标识作为预置标识，并关联所述个性化信息所属的行业类别构建哈希表。
[0069]以广告系统为例，在该哈希表，可以将广告ID作为key，将广告ID对应关联的广告行业作为value来构建哈希表。从而通过key可以查找到value进行确定广告行业。[0070]在采用预置算法进行匹配时，访问行为信息与访问类型的模式树进行匹配；搜索行为信息与搜索类型的模式树进行匹配；点击行为信息与哈希表进行匹配。因此匹配过程具体采用下述步骤306到步骤309。
[0071]步骤303，采用所述每个URL地址中的字符依次对所述访问类型的模式树中的节点进行匹配，确定匹配到的节点。
[0072]访问行为信息包括用户点的各网页的URL地址，可以从中获取任意一个URL地址，然后针对URL中的每一个字符依次对访问类型的模式树中的节点进行匹配，首先获取第一个字符与该模式树中根节点下层的节点进行匹配确定匹配的节点，如图3所示，第一个字符为“S”，则匹配到根节点下层的第一个节点；然后针对第二个字符，与该匹配的节点的下层节点继续进行匹配，从而可以匹配的一条分支，如第一个字符为“h”，则匹配到节点“s”的第一个下层节点，若第三个字符为“e”，则进一步匹配到下层的节点“e”，即此时的匹配路径为 “s”_ “h”_ “e”。
[0073]若在匹配的过程中，匹配的分支中所选取的行为信息如URL地址与该分支中的节点匹配失败，如上例中第四个字符为“r”，而节点“e”无下层节点或下层节点中无字符“r”，则可以通过失败指针指向另一个分支的相应节点上继续进行匹配，其中，所述相应节点指的是与该分支的节点内容相同的另一分支的节点，如指向“h”_ “e”_ “r”这一分支的节点“e”上，从而与其下层的节点“r”进行匹配，然后在该分支中继续匹配，从而通过上述方法指导最终完成匹配，确定最终的匹配节点。
[0074]步骤304，采用所述每个关键词中的文字依次对所述搜索类型的模式树中的节点进行匹配，确定匹配到的节点。
[0075]搜索行为信息的匹配过程与访问行为信息的匹配过程基本一致，搜索行为信息是获取任意一个关键词与模式树进行匹配，从而针对关键词中的每一个文字分别与模式树中的节点进行匹配，并在一条分支的匹配失败时，从该条分支中最后匹配到文字的节点上，采用失败指针指向另一条分支的相同文字的节点上，继续匹配，直到确定最终的匹配节点。
[0076]步骤305，采用所述个性化信息的标识与所述哈希表中的预置标识进行匹配，确定所述个性化信息所属的行业类别。
[0077]哈希表中采用预置标识作为key，因此采用个性化信息的标识(广告ID)可以匹配到哈希表中的key，对应获取哈希表中的value，即所属的行业类别，本实施例中为广告行业ID，从而可以确定广告行业。
[0078]步骤306，确定用户策略。
[0079]其中，针对访问行为信息和搜索行为信息，可以依据对应匹配到的节点确定用户策略；针对访问行为信息，可以确定所述行业类别对应的用户策略。
[0080]例如，依据匹配到的节点可以确定其对应匹配到的URL或关键词，从而可以确定该URL或关键词对应的用户策略，如推荐哪类广告等，又如，确定某一广告行业对应推荐那些广告等。进一步，用户可以采用用户标识唯一表示，因此可以将用户策略与对应的用户标识关联，用以标识出该用户对应采用的用户策略。其中，用户标识可以为用户使用计算机的IP地址，或用户在浏览器或网页等的注册信息等，本发明实施例对此不作限定。
[0081]分析系统在分析出用户策略并与用户标识关联后，可以将该用户策略以及对应关联的用户标识发送给广告系统。[0082]步骤307，依据所述用户策略确定对应的个性化信息。
[0083]广告系统在获取到用户策略及其关联的用户标识后，可以为该用户制定出对应个性化信息，本实施例中该个性化信息即为广告，如可以确定该用户感兴趣网游，则可以确定几款网游广告推荐给该用户。
[0084]步骤308，当在网页中检测到所述用户时，通过所述网页向所述用户推荐所述个性
化信息。
[0085]用户浏览网页时，若该网页属于网盟网站，则可以从当前网页中检测到用户标识，若该用户标识与广告系统中已关联用户策略的用户标识一致，则进而以通过网页向该用户推荐个性化信息，如广告。
[0086]综上所述，本发明实施例针对访问行为信息采用URL地址中的字符依次对点击类型的模式树中的节点进行匹配；针对搜索行为信息采用关键词中的文字依次对搜索类型的模式树中的节点进行匹配；针对点击行为信息采用哈希表确定个性化信息所属的行业类另IJ，从而可以通过行为数据匹配出各自的用户策略，使得用户策略更加丰富，符合用户的需求，进而提高用户对个性化信息的点击率。
[0087]其次，在采用模式树进行匹配时，若一条分支中的节点匹配失败，可以采用失败指针指向该模式树的另一条分支的相应节点上，继续执行匹配过程。从而使得匹配过程更加灵活，更易获取精确地匹配结果，进而确定准确的策略数据，为用户推荐准确、符合需求的个性化信息。
[0088]实施例三
[0089]相应的，本发明实施例还提供的一种基于用户行为的信息推荐系统，包括:收集模块51、匹配模块52和推荐模块53。
[0090]参照图5，给出了本发明实施例三提供的基于用户行为的信息推荐系统结构图。
[0091]其中:手收集模块51，用于收集用户各类型的行为信息。其中，所述行为信息按类型划分包括访问行为信息，点击行为信息和搜索行为信息中至少两类。
[0092]匹配模块52，用于针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略。
[0093]推荐模块53，用于基于所述用户策略向所述用户推荐个性化信息。
[0094]综上所述,本发明实施例中行为信息按类型划分包括访问行为信息，点击行为信息和搜索行为信息中至少两类，从而可以针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略。由于用户搜索和点击推荐信息的行为能体现用户感兴趣的内容，因此依此确定的用户策略也更符合用户的需求，从而在基于用户策略向用户推荐个性化信息时，可以推荐个符合用户需求的内容，提高推荐内容的准确性和点击率。
[0095]可选的，匹配模块52，包括:第一匹配子模块，用于针对访问行为信息和搜索行为信息，分别与所述策略数据构成的对应类型的模式树进行匹配，并依据对应匹配到的节点确定用户策略；第二匹配子模块，用于针对点击行为信息，与采用所述策略数据构成的哈希表进行匹配，并依据匹配结果确定对应的用户策略。
[0096]可选的，所述访问行为信息包括用户访问的各网页的URL地址；所述搜索行为信息包括用户搜索的各个关键词；则第一匹配子模块，用于针对访问行为信息，采用所述每个URL地址中的字符依次对所述访问击类型的模式树中的节点进行匹配，确定匹配到的节点；确定所述匹配到的节点对应的用户策略；针对搜索行为信息，采用所述每个关键词中的文字依次对所述搜索类型的模式树中的节点进行匹配，确定匹配到的节点；确定所述匹配到的节点对应的用户策略。
[0097]可选的，所述点击行为信息包括用户点击的个性化信息的标识；所述第二匹配子模块，用于采用所述个性化信息的标识与所述哈希表中的预置标识进行匹配，确定所述个性化信息所属的行业类别；确定所述行业类别对应的用户策略。
[0098]可选的，所述的系统还包括:模式树预置模块，用于按照所属类型分别对所述策略数据建立模式树，其中，将策略数据中目标URL地址的每一个字符作为一个节点建立访问类型的模式树；将策略数据中目标关键词的每一个文字作为一个节点建立搜索类型的模式树。哈希表预置模块，用于将预置的个性化信息的标识作为预置标识，并关联所述个性化信息所属的行业类别构建哈希表。
[0099]可选的，所述的系统还包括:指针构造模块，用于对所述模式树构造失败指针；则匹配子模块，还用于在行为信息与模式树匹配的过程中，在所述行为信息与所述模式树的一条分支中的节点匹配失败时，通过所述失败指针将所述行为信息指向所述模式树的另一个分支的相应节点上，继续执行匹配过程。
[0100]可选的,所述访问行为信息包括用户访问的网页的URL地址,进一步所述URL地址包括对所述搜索行为信息执行搜索后，用户对搜索结果反馈的网页进行访问的URL地址。
[0101]可选的，所述推荐模块53，包括:信息确定子模块，用于依据所述用户策略确定对应的个性化信息；信息推荐子模块，用于在网页中检测到所述用户时，通过所述网页向所述用户推荐所述个性化信息。
[0102]综上所述，本发明实施例针对访问行为信息采用URL地址中的字符依次对点击类型的模式树中的节点进行匹配，针对搜索行为信息采用关键词中的文字依次对搜索类型的模式树中的节点进行匹配；针对点击行为信息采用哈希表确定个性化信息所属的行业类另IJ，从而可以通过行为数据匹配出各自的用户策略，使得用户策略更加丰富，符合用户的需求，进而提高用户对个性化信息的点击率。
[0103]其次，在采用模式树进行匹配时，若一条分支中的节点匹配失败，可以采用失败指针指向该模式树的另一条分支的相应节点上，继续执行匹配过程。从而使得匹配过程更加灵活，更易获取精确地匹配结果，进而确定准确的策略数据，为用户推荐准确、符合需求的个性化信息。
[0104]对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0105]本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0106]本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。[0107]最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或
者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，
并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0108]以上对本发明所提供的一种基于用户行为的信息推荐方法和系统，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在【具体实施方式】及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
【权利要求】
1.一种基于用户行为的信息推荐方法，其特征在于，包括: 收集用户各类型的行为信息，其中，所述行为信息按类型划分包括访问行为信息，点击行为信息和搜索行为信息中至少两类； 针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略； 基于所述用户策略向所述用户推荐个性化信息。
2.根据权利要求1所述的方法，其特征在于，所述针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略，包括: 针对访问行为信息和搜索行为信息，分别与所述策略数据构成的对应类型的模式树进行匹配，并依据对应匹配到的节点确定用户策略； 针对点击行为信息，与采用所述策略数据构成的哈希表进行匹配，并依据匹配结果确定对应的用户策略。
3.根据权利要求2所述的方法，其特征在于，所述访问行为信息包括用户访问的各网页的URL地址；所述搜索行为信息包括用户搜索的各个关键词； 所述针对访问行为信息和搜索行为信息，分别与所述策略数据构成的对应类型的模式树进行匹配，并依据对应匹配到的节点确定用户策略，包括: 针对访问行为信息，采用所述每个URL地址中的字符依次对所述访问类型的模式树中的节点进行匹配，确定匹配到的节点；确定所述匹配到的节点对应的用户策略； 针对搜索行为信息，采用所述每个关键词中的文字依次对所述搜索类型的模式树中的节点进行匹配，确定匹配到的节点；确定所述匹配到的节点对应的用户策略。
4.根据权利要求2所述的方法，其特征在于，所述点击行为信息包括用户点击的个性化信息的标识； 所述与采用所述策略数据构成的哈希表进行匹配，并依据匹配结果确定对应的用户策略，包括: 采用所述个性化信息的标识与所述哈希表中的预置标识进行匹配，确定所述个性化信息所属的行业类别；确定所述行业类别对应的用户策略。
5.根据权利要求2至4任一所述的方法，其特征在于，还包括: 按照所属类型分别对所述策略数据建立模式树，其中，将策略数据中目标URL地址的每一个字符作为一个节点建立访问类型的模式树；将策略数据中目标关键词的每一个文字作为一个节点建立搜索类型的模式树； 将预置的个性化信息的标识作为预置标识，并关联所述个性化信息所属的行业类别构建哈希表。
6.根据权利要求5所述的方法，其特征在于，建立模式树之后，还包括: 对所述模式树构造失败指针； 在行为信息与模式树匹配的过程中还包括:当所述行为信息与所述模式树的一条分支中的节点匹配失败时，通过所述失败指针将所述行为信息指向所述模式树的另一个分支的相应节点上，继续执行匹配过程。
7.根据权利要求1所述的方法，其特征在于，所述访问行为信息包括用户访问的网页的URL地址，进一步所述URL地址包括对所述搜索行为信息执行搜索后，用户对搜索结果反馈的网页进行访问的URL地址。
8.根据权利要求1所述的方法，其特征在于，所述基于所述用户策略向所述用户推荐个性化信息，包括: 依据所述用户策略确定对应的个性化信息； 在网页中检测到所述用户时，通过所述网页向所述用户推荐所述个性化信息。
9.一种基于用户行为的信息推荐系统，其特征在于，包括: 收集模块，用于收集用户各类型的行为信息，其中，所述行为信息按类型划分包括访问行为信息，点击行为信息和搜索行为信息中至少两类； 匹配模块，用于针对不同类型的行为信息，按照预置算法分别与各自对应分配的策略数据进行匹配，确定所述用户的用户策略； 推荐模块，用于基于所述用户策略向所述用户推荐个性化信息。
10.根据权利要求9所述的系统，其特征在于，所述匹配模块，包括: 第一匹配子模块，用于针对访问行为信息和搜索行为信息，分别与所述策略数据构成的对应类型的模式树进行匹配，并依据对应匹配到的节点确定用户策略； 第二匹配子模块，用于针对点击行为信息，与采用所述策略数据构成的哈希表进行匹配，并依据匹配结果确定对应的用户策略。
【文档编号】G06F17/30GK103699603SQ201310684120
【公开日】2014年4月2日 申请日期:2013年12月12日 优先权日:2013年12月12日
【发明者】安俊海, 罗峰, 黄苏支, 李娜 申请人:亿赞普(北京)科技有限公司