[发明专利]一种用户兴趣确定方法及装置有效
申请号: | 201710097333.4 | 申请日: | 2017-02-22 |
公开(公告)号: | CN108319628B | 公开(公告)日: | 2022-04-22 |
发明(设计)人: | 孔蓓蓓 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郝传鑫;熊永强 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用户 兴趣 确定 方法 装置 | ||
1.一种用户兴趣确定方法,其特征在于,所述方法包括:
获取多个用户的行为日志数据;
根据所述多个用户的行为日志数据,确定所述多个用户中每个用户的概念兴趣集合,所述概念兴趣集合包括至少一种兴趣标识向量;
根据所述每个用户的概念兴趣集合,通过关联规则计算所述多个用户之间的频繁兴趣集,所述频繁兴趣集包括所述多个用户中目标用户的原有兴趣和潜在兴趣;
从所述频繁兴趣集中获取所述目标用户的潜在兴趣;
获取所述目标用户对所述潜在兴趣的关注时间间隔和关注频率、以及预设的衰减因子;
根据所述关注时间间隔、所述关注频率和所述预设的衰减因子,根据第一公式计算所述目标用户对所述潜在兴趣的关注度,所述第一公式为:
其中,time为所述关注时间间隔,freq为所述关注频率,θ为所述预设的衰减因子;
判断所述目标用户对所述潜在兴趣的关注度是否小于第二预设阈值;
当所述目标用户对所述潜在兴趣的关注度小于所述第二预设阈值时,从所述频繁兴趣集中删除所述潜在兴趣。
2.如权利要求1所述的方法,其特征在于,所述根据所述每个用户的概念兴趣集合,通过关联规则计算所述多个用户之间的频繁兴趣集包括:
根据所述每个用户的概念兴趣集合,确定候选频繁N项集,并计算所述候选频繁N项集中每个频繁项集的支持度,所述N为大于1的正整数;
根据所述候选频繁N项集中的每个频繁项集的支持度,选取所述候选频繁N项集的目标频繁项集作为所述频繁兴趣集。
3.如权利要求2所述的方法,其特征在于,所述根据所述每个用户的概念兴趣集合,确定候选频繁N项集包括:
获取候选频繁N-1项集以及所述候选频繁N-1项集中每个频繁项集的支持度;
根据所述候选频繁N-1项集中每个频繁项集的支持度,对所述候选频繁N-1项集中的频繁项集进行筛选;
对经过筛选的所述候选频繁N-1项集中的频繁项集进行组合得到所述候选频繁N项集。
4.如权利要求2所述的方法,其特征在于,所述根据所述候选频繁N项集中的每个频繁项集的支持度,选取所述候选频繁N项集的目标频繁项集作为所述频繁兴趣集包括:
确定所述候选频繁N项集中的每个频繁项集的支持度是否大于第一预设阈值;
当所述候选频繁N项集中仅存在一个大于所述第一预设阈值的频繁项集时,将所述大于所述第一预设阈值的频繁项集作为所述频繁兴趣集。
5.一种用户兴趣确定装置,其特征在于,所述装置包括:
数据获取模块,用于获取多个用户的行为日志数据;
数据确定模块,用于根据所述多个用户的行为日志数据,确定所述多个用户中每个用户的概念兴趣集合,所述概念兴趣集合包括至少一种兴趣标识向量;
关联计算模块,用于根据所述每个用户的概念兴趣集合,通过关联规则计算所述多个用户之间的频繁兴趣集,所述频繁兴趣集包括所述多个用户中目标用户的原有兴趣和潜在兴趣;
兴趣确定模块,用于从所述频繁兴趣集中获取所述目标用户的潜在兴趣;
关注度计算模块,用于获取所述目标用户对所述潜在兴趣的关注时间间隔和关注频率、以及预设的衰减因子;根据所述关注时间间隔、所述关注频率和所述预设的衰减因子,根据第一公式计算所述目标用户对所述潜在兴趣的关注度,所述第一公式为:
其中,time为所述关注时间间隔,freq为所述关注频率,θ为所述预设的衰减因子;
所述关注度计算模块,还用于判断所述目标用户对所述潜在兴趣的关注度是否小于第二预设阈值;当所述目标用户对所述潜在兴趣的关注度小于所述第二预设阈值时,从所述频繁兴趣集中删除所述潜在兴趣。
6.如权利要求5所述的装置 ,其特征在于,所述关联计算模块具体用于:
根据所述每个用户的概念兴趣集合,确定候选频繁N项集,并计算所述候选频繁N项集中每个频繁项集的支持度,所述N为大于1的正整数;
根据所述候选频繁N项集中的每个频繁项集的支持度,选取所述候选频繁N项集的目标频繁项集作为所述频繁兴趣集。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710097333.4/1.html,转载请声明来源钻瓜专利网。