[发明专利]一种在互联网上确定用户特征的方法和系统

说明书

技术领域

本发明涉及互联网领域，具体来说涉及一种在互联网上确定用户特征的方法和系统。

背景技术

在互联网上，搜索引擎和社交网络是使用较多的获取网络信息的工具。但是这两种工具都存在一些缺点。

对搜索引擎而言，当用户输入关键字进行网页搜索时，搜索引擎返回的网页链接数量经常达到几万甚至几千万，这给用户搜索目标网页带来很大困扰。有统计分析表明用户平均查看的搜索结果不超过两页，这说明搜索引擎得到的绝大多数搜索结果用户是没有看到的。即使是用户看到的部分，搜索结果也常常包含很多相关度较低或者根本不相关的网页。

对社交网络而言，社交网络每天发布的信息已达数亿条。虽然在社交网络中用户可以通过添加个人关系网络来过滤和筛选信息，例如通过加“关注(follow)”来获得他人信息或者通过加好友来分享朋友“喜欢(like)”的信息等等，但是目前在微博和脸书(Facebook)等社交网络中已经出现了信息过载现象。由于担心有重要或者有趣信息遗漏，用户通常会在社交网络中加入过多的关系网络，例如关注更多的人或者加入更多的好友等等。这就使得社交网络逐渐成为一种对用户进行“信息轰炸”的服务。美国圣何塞州立大学的研究表明，信息过载的结果是加大了用户扫描和略读的比重，82％的受访者表示更多是在浏览和扫瞄，85％的读者表示更多地进行“非线性阅读”。

上述问题的一个共同点是没有考虑到用户的个性化特征在信息过滤和筛选中所起到的作用。例如，在搜索引擎中不同的用户使用相同的关键字进行网页搜索时得到的搜索结果是相同的，与提交搜索查询的用户的个性化特征无关。而在社交网络中，每个用户获得的信息只与其关系网络有关，而与用户自身的个性化特征无关。用户得到的信息是其关系网络中每个用户发布的所有信息，而用户却不能有选择地接收这些信息。例如你只要关注一个人，即使你只对他发布的某类信息感兴趣，你也不得不接收来自这个人的全部信息。

解决上述问题的一个思路是在计算机系统中获取用户的个性化信息，以及根据用户的个性化信息对获取的网络信息进行有效地过滤和筛选，减少用户对无效信息的扫描和浏览。

但是在获取用户个性化信息的过程中存在以下几个问题：

第一是个性化信息的准确性问题。用户通常不愿意在互联网上提供准确的个性化信息。虽然部分用户在脸书(Facebook)等社交网络中提供了用户年龄、教育程度、毕业学校、地理位置、专业领域和偏好等个人信息，但是相当多的用户对提供个人信息心存疑虑，很多用户在社交网络上使用虚假的个人信息，使得系统获得的个人信息不够准确。第二是个性化信息的全面性问题。用户通常是难以全面地表达其个性化特征的，例如社交网络中，用户爱好一栏通常的描述是喜欢莫扎特、打棒球或看书等，而这些往往只代表用户的部分特征，而要求每个用户全面地填写其个性化特征是困难的。第三是个性化信息的结构化表达问题。文字表述不同但语义相同的特征，在互联网上难以将他们进行结构化分类，比如有的用户填写喜欢莫扎特、有的填写喜欢古典音乐，可能这两个用户的爱好是相同的，但是由于文字表达的不同，因此难以把他们进行有效归类。第四是个性化信息的更新问题。随着时间的推移，用户的个人信息以及兴趣爱好可能会发生改变，但是要求所有用户动态地更新这些信息是困难的。

获得用户个性化特征有许多有益的应用。例如结合用户的个性化特征和网页个性化特征，可以对搜索到的网页进行过滤和筛选。利用用户的个性化特征，可以实现用户的聚类分析以确定具有特定特征的用户群，包括在互联网上寻找具有相同兴趣爱好的个人和群组、寻找具有某项才能的专家、寻找经销某种产品的商家以及商家寻找具有特定特征的用户群以便定向投放广告等。

综上所述，如何获得用户的个性化特征，并根据这些个性化特征在海量的“噪声”中过滤出有用的信息，以及根据用户的个性化特征将合适的信息在合适的时间发送给合适的人，是当前互联网亟待解决的一个问题。

发明内容

鉴于上述现有技术存在的问题，本发明的目的在于提供一种在互联网上确定用户特征的方法和系统来自动获取用户和文档的个性化特征，并据此对在搜索引擎和社交网络中获得的信息内容进行有效地过滤和筛选。

本发明的另一个目的在于提供一种在互联网上确定用户特征的方法和系统来自动获取用户的个性化特征，以及根据用户个性化特征在社交网络中寻找具有给定特征的用户群。