[发明专利]一种对用户和内容进行分类的方法、装置及计算设备

说明书

技术领域

本发明涉及计算机及互联网领域，具体涉及一种对用户和内容进行分类的方法、装置及计算设备。

背景技术

网站对用户访问内容的分析可以为网站内容建设、运营提供参考。在内容建设上，可以根据用户访问增长较快的商品与商家进一步合作或者寻找商机。在对用户服务上，可以根据用户感兴趣的商品，对用户进行有针对性的推荐。在运营管理上，可以根据不同用户类型给网站所有者带来的收益水平，折算网站各内容类型成本收益水平。其中，网站内容可以是网站的页面、用户发帖、网站类目、商品名称、商品类目等网站展示给用户的所有内容。

为此，需要对网站用户和内容进行分类。在对网站用户和内容分类上，一般的做法是先将网站内容根据网站的建设人为分成若干个类型，然后，用户来网站访问时，根据用户对网站各内容的访问量，通过大量的计算，把用户分成某些类型。但是，在实际应用中有些网站内容较难人工分类，比如用户发的帖子和链接地址等。

对网站用户和内容进行自动分类的常用算法有K均值(Kmeans)、概率潜在语义分析(probabilitistic Latent Semantic Analysis，PLSA)和潜在狄利克雷分配模型(Latent Dirichlet Allocation、LDA)等。这些算法通常是先对网站内容进行分类、降维，然后再对用户进行分类。但是，根据这些算法对内容进行分类，首先应当有内容的诸多属性，而且，采用这些算法时，其迭代计算量非常大。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的对用户和内容进行分类的方法、装置及计算设备。

根据本发明的一个方面，提供了一种对用户和内容进行分类的装置，驻留在计算设备中，适于将用户集合中的各用户聚类为第一预定数目个用户类型，将内容集合中的各内容聚类为第二预定数目个内容类型，所述装置包括：初始化模块，适于为所述第一预定数目个用户类型中的每个用户类型指定用户集合中的一个或多个用户，为所述第二预定数目个内容类型中的每个内容类型指定内容集合中的一个或多个内容；访问量计算模块，适于根据用户对内容的访问量，计算各用户类型对各内容的第一访问量、各用户对各内容类型的第二访问量和各用户类型对各内容类型的第三访问量；相似度计算模块，适于根据所述第二访问量和第三访问量，计算各用户与各用户类型之间的相似度，根据所述第一访问量和第三访问量，计算各内容与各内容类型之间的相似度；分类模块，适于对于每个用户，选择与其相似度最高的用户类型作为该用户的用户类型，对于每个内容，选择与其相似度最高的内容类型作为该内容的内容类型，并触发访问量计算模块重新进行访问量计算和相似度计算模块重新进行相似度计算后，重新进行所述选择，直到预定条件满足时，不再进行所述触发。

可选地，在根据本发明的对用户和内容进行分类的装置中，所述初始化模块进一步适于：根据已有的用户与用户类型之间的映射关系，为已有一个或多个用户的用户类型指定该一个或多个用户，并为没有用户的用户类型随机指定一个没有用户类型的用户；根据已有的内容与内容类型之间的映射关系，为已有一个或多个内容的内容类型指定该一个或多个内容，并为没有内容的内容类型随机指定一个没有内容类型的内容。

可选地，在根据本发明的对用户和内容进行分类的装置中，对于已有的用户与用户类型之间的映射关系，所述相似度计算模块不计算该用户与各用户类型之间的相似度，且所述分类模块不改变该用户的用户类型；对于已有的内容与内容类型之间的映射关系，所述相似度计算模块不计算该内容与各内容类型之间的相似度，且所述分类模块不改变该内容的内容类型。

可选地，在根据本发明的对用户和内容进行分类的装置中，所述访问量计算模块按照如下方式计算某个用户类型对某个内容的访问量：获取该用户类型包括的所有用户；获取其中每个用户对该内容的访问量；对所有访问量求和，得到该用户类型对该内容的访问量；所述访问量计算模块按照如下方式计算某个用户对某个内容类型的访问量：获取该内容类型包括的所有内容；获取该用户对其中每个内容的访问量；对所有访问量求和，得到该用户对该内容类型的访问量；所述访问量计算模块按照如下方式计算某个用户类型对某个内容类型的访问量：获取该用户类型包括的所有用户以及该内容类型包括的所有内容；获取其中每个用户对其中每个内容的访问量；对所有访问量求和，得到该用户类型对该内容类型的访问量。

可选地，在根据本发明的对用户和内容进行分类的装置中，所述相似度为基于最小值的相似系数、巴氏相似系数或者余弦相似系数。