[发明专利]一种用户兴趣确定方法及装置

说明书

本发明实施例公开了一种用户兴趣确定方法，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。本发明实施例还公开了一种用户兴趣确定装置。采用本发明实施例，可以更加全面的挖掘用户兴趣方向，进而提高个性化推荐的精确性。

技术领域

本发明涉及电子技术领域，尤其涉及一种用户兴趣确定方法及装置。

背景技术

随着网络信息资源的快速增长，互联网已经成为人们不可或缺的信息来源。然而，相对于巨大、无序的互联网信息空间，每个用户真正需要的信息非常有限,仅仅是互联网信息空间的沧海一粟。海量的信息资源供给和有限的目标资源需求之间的矛盾，使得我们必须寻求一种能够快速、准确地从浩瀚的信息资源中找到所需信息的方法。正是在这样的需求驱动下，个性化服务技术得到了长足的发展，成为了当前信息服务领域的研究热点之一。用户兴趣建模是个性化服务技术的核心内容。用户模型能否准确地反映用户的兴趣决定了个性化服务系统所提供的服务质量的优劣。其中，用户兴趣建模是指根据用户提供的信息(例如，用户浏览内容、浏览行为、基本信息)归纳出用户兴趣。

在现有技术方案中，第一，主题表示法主要是以用户感兴趣的信息主题来表示用户的兴趣特征。例如，用户对新闻和体育类信息感兴趣，则用户描述文件表示为(新闻、体育)，这种表示法往往与具体的应用领域相结合。第二，关键词列表法是指以用户感兴趣信息的关键词来描述用户的兴趣特征，如图1所示，用户对篮球感兴趣，则用户描述文件可以表示为(NBA、火箭、科比)等，关键词可以由用户指定，也可以通过学习算法得到。

但是，由于现有技术方案只是通过统计学的方法，利用资源访问量的高低来建立用户模型，使得用户兴趣的范畴受到了资源访问范畴的影响，无法推理出资源访问范畴以外的潜在用户兴趣，导致随着资源访问量的增加，用户兴趣模型很难发生改变，推荐资源迅速收敛，不能及时地满足描述用户兴趣转变的要求，影响资源推荐的效果和精确性。

发明内容

本发明实施例提供一种用户兴趣确定方法及装置。可以解决用户兴趣挖掘不全面的技术问题。

本发明第一方面提供了一种用户兴趣确定方法，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。

其中，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。

其中，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。