利用多维数据预测用户兴趣的方法
【技术领域】
[0001] 本发明涉及大数据，特别涉及一种利用多维数据预测用户兴趣的方法。
【背景技术】
[0002] 随着移动互联网的发展，网络内容给用户提供了丰富的信息资源和服务然而网络 上信息质量却是参差不齐，大量的信息被复制、转载，各种推广信息广告检索结果，已经影 响了用户体验;如果对于所有用户相同的检索词输入返回一样的检索结果恐怕已经不是用 户希望的。只采用检索词匹配的方式，而忽略独立用户的真正需求，也就是不结合用户行为 (包括用户兴趣、用户偏好、用户查询记录)和检索词而对用户本次查询意图做出准确的判 断，将无法给出符合用户需求的结果。现有的技术方案是通过用户的注视历史或个人描述 信息为用户建立兴趣特征向量，再利用该向量对检索返回的检索结果进行相似度的计算， 这往往将一些用户真正需要的却没有在向量内的信息排除在外。
【发明内容】
[0003] 为解决上述现有技术所存在的问题，本发明提出了一种利用多维数据预测用户兴 趣的方法，包括：
[0004] 接收用户所输入的检索词和用户特征信息，根据所述用户特征信息对检索词进行 优化调整，将优化调整后的检索词作为参数形成检索结果列表，返回给用户端。
[0005] 优选地，所述接收用户所输入的检索词和用户特征信息，进一步包括：
[0006] 对用户在界面输入的内容进行检索词分析提取，通过分词器对用户检索内容进行 分词处理；每个词对应一个Term，最后得到一个检索向量V(q) = (termi，term〗，term3~ termn)其中η>1，其中检索向量的每个维度都带有一个数值，表示检索词对应的权值，用来 标识检索词的重要程度；
[0007] 根据用户注视行为判别兴趣对象，再通过兴趣对象进行分析构建兴趣模型；具体 估计公式为：
[0008] Ip = aXTb+PXU〇
[0009] 其中：
[0011] U0 = a X Cc〇py+b X Ssave+G X RrepIy
[0012] 其中Ip表示检索结果兴趣度分值，α和β是调整系数，即检索结果注视时间和检索 结果交互操作在公式中占的比重，其中a+i3=l;T b是用户在检索结果停留的时间维度，通过 正态分布来计算，反映用户的注视检索结果时间；注视时间At与参考时间t的接近程度反 映兴趣度，t是根据文档长度决定的参考时间，t和检索结果长度成正比关系;Uo是用户在检 索结果上的交互操作，C_ y表示用户是否在检索结果进行复制操作，是则值为1，否值为0; Ssave3表示用户是否进行检索结果保存操作，是则值为1，否值为0 ;Rre3ply表示对于检索结果是 否进行反馈相关操作，是则值为I，否值为〇;a、b和c是Uo的调整系数，根据不同的操作对是 否是兴趣对象评判的重要程度，分别对系数设置不同的值。
[0013] 优选地，基于ODP分类构建兴趣树结构，树结构的每个节点对应一个兴趣检索词， 具有兴趣节点类型标识符，根据兴趣节点在兴趣树结构中的不同层次具有不同的权值;在 兴趣确定过程中设定阈值，只有达到该阈值的特征词才能被判别为兴趣，并在之后的兴趣 更新阶段进行权值增加，或者权值减少;在检索结果特征词的提取上进行过滤，检索结果进 行分词并取消停用词之后，采用低频阈值来筛选检索结果特征词;在原检索结果特征词提 取规则上设置高频上限，即词条频率超过了高频阈值的词条不能被判别为检索结果特征 词，在特征词确定的同时记录该词的词频和出现的位置信息，用于确定为兴趣特征词之后 的权值计算。
[0014] 本发明相比现有技术，具有以下优点：
[0015] 本发明提出了一种利用多维数据预测用户兴趣的方法，有效提高互联网用户特征 的识别准确率，充分考虑到检索结果与用户查询内容的相关度，应用广泛，实现方便。
【附图说明】
[0016] 图1是根据本发明实施例的利用多维数据预测用户兴趣的方法的流程图。
【具体实施方式】
[0017] 下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描 述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权利 要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以 便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的 一些或者所有细节也可以根据权利要求书实现本发明。
[0018] 本发明的一方面提供了一种利用多维数据预测用户兴趣的方法。图1是根据本发 明实施例的利用多维数据预测用户兴趣的方法流程图。本发明的方案在原通用检索架构基 础上增加用户兴趣模块，采用查询改进与权值设置结合方式。用户输入检索词后由兴趣向 量调整查询信息，并根据用户兴趣设定不同的权值初始值，在返回结果列表中调整排列顺 序。
[0019] 在检索架构中，信息采集模块负责收集用户数据，包括用户检索词，注视行为，网 页注视时间等能够反映用户特征的信息，为构建用户兴趣模型作准备。然后兴趣模块根据 本次查询内容结合用户兴趣，优化调整用户检索检索词，同时将兴趣向量和调整后的查询 词作为参数传递到排序公式中，最后把经过优化过滤的检索结果列表返回给用户端浏览 器。
[0020] 信息采集模块包括检索词提取和用户相关操作两部分：1)检索词提取，是对用户 在检索界面输入的内容进行检索词分析提取，通过分词器对用户查询内容进行分词处理。 每个词对应一个Term，最后得到一个查询向量V(q) = (termi，terim，temr"termn)其中n> I，其中查询向量的每个维度都带有一个数值，表示检索词对应的权值，用来标识检索词的 重要程度。2)获取用户相关操作信息。用户在注视结果列表的过程中，可能只是因为标题吸 引而点击了排名靠前的检索结果，但是检索结果内容并不符合用户需求。所以首先要根据 用户注视行为判别兴趣对象，再通过兴趣对象进行分析构建兴趣模型。
[0021] 注视时间长度、在注视检索结果的时候是否进行内容复制，收藏等交互操作均表 征兴趣对象的关系。综上考虑对用户注视检索结果进行估计从而得出检索结果是否为用户 的兴趣对象，用作构建兴趣模型的参考内容。具体估计公式如：
[0022] Ip = aXTb+PXU〇
[0023] 其中：
[0025] U0 = a X Cc〇py+b X SsaVe+G X RrepIy
[0026] Ip表示检索结果兴趣度分值，α和β是调整系数，通过不同的值反映检索结果注视 时间和检索结果交互操作在估计公式中占的比重，其中α+β = 1 Jb是用户在检索结果停留 的时间维度，通过正态分布来计算，反映出用户的注视检索结果时间。注视时间At与参考 时间t的接近程度反映兴趣度，注视时间过长或者过短都会降低兴趣在检索结果注视时间 上的分值，t是根据文档长度决定的，t和检索结果长度成正比关系。Uo是用户在检索结果上 的交互操作，C rapy表示用户是否在检索结果进行复制操作，是则值为1，否值为0 ; Ssare表示用 户是否进行检索结果保存操作，是则值为1，否值为〇;Rre3ply表示对于检索结果是否进行反馈 相关操作，是则值为1，否值为(Ka、b和c是Uo的调整系数，根据不同的操作对是否是兴趣对 象评判的重要程度，分别对系数设置不同的值。
[0027] 本发明将用户兴趣分成普遍兴趣和特定兴趣，这里的普遍兴趣不属于任何一个用 户，它是脱离用户独立存在的，可以看作特征词构成的树结构。而特定兴趣则是上述树结构 的节点集合，具有普遍兴趣的兴趣节点类型标识符，根据兴趣节点在兴趣树结构中的不同 层次具有不同的权值。使得兴趣模型是脱离用户依赖，在索引阶段或者是离线阶段兴趣模 型不受到限制的使用。本发明兴趣模型基于ODP分类构建的，树结构的每个节点对应一个兴 趣检索词，为扩展兴趣模型的覆盖面以