业务内容产品关联分析方法及装置的制造方法
【技术领域】
[0001 ] 本发明涉及通信技术，尤其涉及一种业务内容产品关联分析方法及装置。
【背景技术】
[0002] 随着移动互联网应用的不断深入及丰富，手机网民规模迅速扩张，手机即时通讯、 手机微博、手机音乐随处可见，作为移动互联网关键环节的电信运营商正感受这个浪潮带 来的冲击。一般来说，除了语音业务（打电话）和短信业务（短信、彩信）之外的都称为增 值业务。例如12530彩铃、号簿管家、飞信、手机阅读、手机视频、手机导航、信息管家、手机 地图等。增值业务已成为运营商价值链最重要的组成部分，市场前景广阔，需求极大。据预 测，中国移动增值业务市场将以每年超过30%的速度增长。
[0003] 如何依据用户的业务使用情况，进行用户偏好分析和预测。在运营商自有系统中 没有用户使用行为或者有很少的用户使用行为，如何利用手机上网用户的互联网偏好，推 荐运营商自有增值业务内容产品，从而提高运营商自身的服务水平，提高增值业务产品的 订购量，达到更高的用户满意度。成为业界亟待解决的问题。
[0004] 现有技术中，与产品推荐相关的设备从增值业务（Value-added Service,简称： VAS)系统中获取用户已订购内容产品数据，计算得出用户内容产品偏好，根据用户偏好做 产品推荐。但是，对于没订购过内容产品的用户，无法获得用户偏好。因此降低了预测用户 偏好的准确性。
【发明内容】
[0005] 本发明提供一种业务内容产品关联分析方法及装置，用于提高增值业务推送的准 确性。
[0006] 本发明的第一个方面是提供一种业务内容产品关联分析方法，包括：
[0007] 建立互联网内容知识库和增值产品内容库，其中，所述互联网内容知识库包含用 户访问互联网行为数据，所述增值产品内容库包含运营商提供的增值产品内容；
[0008] 将所述互联网内容知识库与所述增值产品内容库建立映射；
[0009] 根据用户访问互联网行为数据获取所述用户对每个互联网内容的偏好信息；
[0010] 计算所述用户对每个所述增值产品内容偏好信息；
[0011] 根据所述用户对每个互联网内容的偏好信息和所述用户对每个所述增值产品内 容偏好信息确定所述增值产品内容库中所述用户未使用的增值产品内容的预测偏好值；
[0012] 向所述用户使用的用户设备发送所述预测偏好值最高的前N个所述增值产品内 容，所述N为大于零的整数。
[0013] 结合第一个方面，在第一种可能的实现方式中，所述计算所述用户对每个所述增 值产品内容偏好信息，包括：
[0014] 获取所述用户对每个所述增值产品的行为数据，根据每个所述增值产品的行为数 据计算所述用户对每个所述增值产品内容偏好值；
[0015] 获取所述增值产品内容库中不同所述增值产品之间的内容相似度，根据不同所述 增值产品之间的内容相似度获取所述用户的相似特征预测值。
[0016] 结合第一个方面的第一种可能的实现方式，在第二种可能的实现方式中，所述获 取所述用户对每个所述增值产品的行为数据，根据每个所述增值产品的行为数据计算所述 用户对每个所述增值产品内容偏好值，包括：
[0017] 根据所述每个所述增值产品的行为数据获取协同过滤相似度，根据所述协同过滤 相似度计算系统过滤预测值；
[0018] 根据所述每个所述增值产品的行为数据获取关联规则置信度，根据所关联规则置 信度计算关联规则预测值。
[0019] 结合第一个方面的第一种可能的实现方式或第一个方面的第二种可能的实现方 式，在第三种可能的实现方式中，所述根据用户访问互联网行为数据获取所述用户对每个 互联网内容的偏好?目息，包括：
[0020] 根据每个所述互联网内容的访问次数和/或每个所述互联网内容的关键字搜索 次数计算所述用户对每个所述互联网内容的偏好值。
[0021] 结合第一个方面的上述任意一种可能的实现方式，在第四种可能的实现方式中， 所述用户对每个所述互联网内容的偏好值通过如下公式获得：
[0022]
[0023] 其中，所述V1, j为第i个用户对第j个所述互联网内容的偏好值所述Max_ Threshold为所述互联网内容最大访问次数，所述Min_Threshold为所述互联网内容最小 访问次数。
[0024] 结合第一个方面的第四种可能的实现方式，在第五种可能的实现方式中，通过如 下公式计算获得每个所述用户偏好预测偏好值：
[0025]
[0026] 其中，所述S为所述物联网内容的所述用户偏好预测偏好值，所述Vh为所述互联 网内容的偏好值、所述增值产品内容偏好值、所述增值产品之间的协同过滤预测值、关联规 则预测值或相似特征预测值，所述W h为与所述Vh对应的权重值，所述M为大于零的整数。
[0027] 本发明的第二个方面是提供一种业务内容产品关联分析装置，包括：
[0028] 建立模块，用于建立互联网内容知识库和增值产品内容库，其中，所述互联网内容 知识库包含用户访问互联网行为数据，所述增值产品内容库包含运营商提供的增值产品内 容；
[0029] 映射模块，用于将所述互联网内容知识库与所述增值产品内容库建立映射；
[0030] 处理模块，用于根据用户访问互联网行为数据获取所述用户对每个互联网内容的 偏好信息；还用于计算所述用户对每个所述增值产品内容偏好信息；还用于根据所述用户 对每个互联网内容的偏好信息和所述用户对每个所述增值产品内容偏好信息确定所述增 值产品内容库中所述用户未使用的增值产品内容的预测偏好值；
[0031] 推送模块，用于向所述用户使用的用户设备发送所述预测偏好值最高的前N个所 述增值产品内容，所述N为大于零的整数。
[0032] 结合第二个方面，在第一种可能的实现方式中，所述处理模块，具体用于获取所述 用户对每个所述增值产品的行为数据，根据每个所述增值产品的行为数据计算所述用户对 每个所述增值产品内容偏好值；还具体用于获取所述增值产品内容库中不同所述增值产品 之间的内容相似度，根据不同所述增值产品之间的内容相似度获取所述用户的相似特征预 测值。
[0033] 结合第二个方面的第一种可能的实现方式，在第二种可能的实现方式中，所述处 理模块，具体用于根据所述每个所述增值产品的行为数据获取协同过滤相似度，根据所述 协同过滤相似度计算系统过滤预测值；还用于根据所述每个所述增值产品的行为数据获取 关联规则置信度，根据所关联规则置信度计算关联规则预测值。
[0034] 结合第二个方面的第一种可能的实现方式或第二个方面的第二种可能的实现方 式，在第三种可能的实现方式中，所述处理模块，具体用于根据每个所述互联网内容的访问 次数和/或每个所述互联网内容的关键字搜索次数计算所述用户对每个所述互联网内容 的偏好值。
[0035] 结合第二个方面的上述任意一种可能的实现方式，在第四种可能的实现方式中， 所述处理模块通过如下公式获得所述用户对每个所述互联网内容的偏好值：
[0036]
[0037] 其中，所述V1, j为第i个用户对第j个所述互联网内容的偏好值所述Max_ Threshold为所述互联网内容最大访问次数，所述Min_Threshold为所述互联网内容最小 访问次数。
[0038] 结合第二个方面的第四种可能的实现方式，在第五种可能的实现方式中，所述处 理模块通过如下公式计算获得每个所述用户偏好预测偏好值：
[0039]
[0040] 其中，所述S为所述物联网内容的所述用户偏好预测偏好值，所述Vh为所述互联 网内容的偏好值、所述增值产品内容偏好值、所述增值产品之间的协同过滤预测值、关联规 则预测值或相似特征预测值，所述Wh为与所述V h对应的权重值，所述M为大于零的整数。 [0041] 本实施例提供的业务内容产品关联分析方法，通过建立互联网内容知识库和增值 产品内容库，其中，所述互联网内容知识库包含用户访问互联网行为数据，增值产品内容库 包含运营商提供的增值产品内容，将所述互联网内容知识库与所述增值产品内容库建立映 射，再根据用户访问互联网行为数据获取所述用户对每个互联网内容的偏好信息，并且根 据所述用户对应的所述增值产品行为数据计算所述用户对每个所述增值产品内容偏好信 息，根据所述用户对每个互联网内容的偏好信息和所述用户对每个所述增值产品内容偏好 信息确定所述增值产品内容库中所述用户未使用的增值产品内容的预测偏好值，最终向用 户使用的用户设备发送预测偏好值最高的前N个增值产品内容，N为大于零的整数。从而 实现根据用户访问互联网行为数据获得用户在网络中对没有订购的业务的喜好信息，再根 据用户对运营商提供的增值产品行为数据，需要说明的是，此处增值产品行为数据可以为 订购信息，也可以为用户浏览运营商门户网站时对于不同增值产品的浏览次数、是否关注 等信息，从而准确地获取没有订阅增值产品的用户的喜好，从而向这类用户推送与其喜好 相同或相近的增值产品，提高业务推送的准确性。
【附图说明】
[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以 根据这些附图获得其他的附图。
[0043] 图1为本发明实施例提供的一种业务内容产品关联分析方法的流程示意图；
[0044] 图2为本发明实施例提供的另一种业务内容产品关联分析方法的流程示意图；
[004