[发明专利]基于交互数据的用户特征识别方法

说明书

技术领域

本发明涉及大数据挖掘，特别涉及一种基于交互数据的用户特征识别方法。

背景技术

互联网技术日新月异的发展，以及计算机的普及，造就了巨大数量网民的 同时，也正逐步的改变着人们的生活方式，网上购物便是其中之一。良好的用 户体验成为了电商网站经营者的重要研发项目。如何为用户提供更优质的信息 和服务对电商网站至关重要，优质的服务能很好的抓住用户，降低用户的流失 率同时，可以吸引新的用户加入。而优质信息的提供就包括主动的向用户推荐 他们潜在需求的商品。就目前电商网站运行的实际情况来看，电商站点在有针 对性地提供产品和服务信息方面做得不够，用户不能快速地获得所需信息；并 且电商网站不能快捷地帮助用户在其站点上找到感兴趣的产品和服务，用户很 容易产生转向访问其它站点的动机。电商网站个性化推荐根据用户的喜好、历 史访问留下的信息以及其他相似用户的相关信息，已经成为当前电商中的热门 研究领域之一。此外，传统的个性化推荐算法在实际的应用中具备良好的性能， 但是当用户真正的浏览电商网站的过程中，需求会发生一定的变化，而现有方 案对这种变化的跟踪并不精确。从而无法提升推荐满意度。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种基于交互数据的用 户特征识别方法，包括：

获取用户交互产生的网页文本；

对网页文本进行分词；

基于分词结果建立网页文本的特征表示。

优选地，所述基于分词结果建立网页文本的特征表示，进一步包括：

将文档分割成为不同的部分，在特征词条查找匹配页面时，将目标页面集 划分为相关页面和无关页面，用p(D|R)表示特征词对页面D的相关性概率， p(D|NR)表示特征词对页面D的无关性概率；若p(D|R)>p(D|NR)，则页面D确 定为相关页面，否者确定为无关页面；利用特征词在相关页面中出现的概率与 在无关页面中出现的概率进行相关性值的计算：

w＝Σlog(p_i(1-s_i)/(s_i(1-p_i)))

其中p(D|R)/p(D|NR)＝∏p_i(1-s_i)/(s_i(1-p_i))，p_i为特征词t_i在相关页面中出现 的概率，s_i为特征词t_i在无关页面中出现的概率；

令R表示相关页面的个数，C-R代表无关页面个数；对于特征词t_i，包含 该特征词的页面个数为c_i，相关页面为r_i，包含该特征词的无关页面个数为c_i-r_i；

计算特征词t_i在相关页面中出现的概率p_i＝r_i/R，在无关页面中出现的概率 s_i＝(c_i-r_i)/(C-R)，选择的平滑参数0.5和0.1，平滑后公式如下：

p_i＝(r_i+0.5)/(R+1.0)

s_i＝(c_i-r_i+0.5)/(C-R+1.0)

得到相关性值：

w＝Σlog(((r_i+0.5)/(R-r_i+0.5))/((c_i-r_i+0.5)/(C-R)-(c_i-r_i)+0.5))

将页面分解成为不同的部分，考虑特征词在不同部分内权重的计算：

w_i＝Σlog((TF/k+TF)((r_i+0.5)/(R-r_i+0.5))/((c_i-r_i+0.5)/(C-R)-(c_i-r_i)+0.5))

其中TF包括特征词条在不同部分出现的词频以及在不同部分的权重信息； 其具体的表达式如下：