[发明专利]用户兴趣识别方法、装置及计算机可读存储介质

说明书

本发明公开了一种用户兴趣识别方法，该方法包括：获取训练样本和测试样本，其中训练样本为根据文本数据训练出对应话题模型后经人工标注获得的；利用第一预设算法提取训练样本和测试样本的特征，并根据训练样本的特征通过迭代算法计算逻辑回归模型的最优模型参数；根据测试样本的特征和ROC曲线下面积AUC对含最优模型参数的逻辑回归模型进行评价，训练出第一主题分类器；利用第一主题分类器确定文本数据所属主题，根据含最优模型参数的逻辑回归模型计算文本数据所属主题的得分，并根据第二预设算法计算用户对所述主题感兴趣的信心分。本发明还公开了一种用户兴趣识别装置及计算机可读存储介质，可识别用户兴趣，帮助企业准确定位潜在客户。

技术领域

本发明涉及数据处理领域，尤其涉及一种用户兴趣识别方法、装置及计算机可读存储介质。

背景技术

近年来，随着互联网的快速发展，尤其是社会化媒体的异军突起，人们越来越体会到其对自身和信息传播环境的各种影响。以往人们一直是被动的从互联网上获取信息，但是现在越来越多的人主动地参与社会化媒体上信息的产生与传播，随之产生了海量的用户信息和社交关系信息。

然而，目前很多企业的内部数据中通常以交易记录为主，所包含的客户信息不够全面，无法准确定位潜在客户，了解用户需求。因此，如何通过互联网数据信息识别用户兴趣，全方面了解用户，从而帮助企业准确定位潜在客户已成为目前亟待解决的问题。

发明内容

本发明的主要目的在于提供一种用户兴趣识别方法、装置及计算机可读存储介质，旨在通过互联网的数据信息识别用户兴趣，全方面了解用户，帮助企业快速准确地定位潜在客户，从而提高营销效率。

为实现上述目的，本发明提供一种用户兴趣识别方法，所述用户兴趣识别方法包括以下步骤：

获取训练样本和测试样本，其中，所述训练样本为根据文本数据训练出对应的话题模型后经过人工标注获得的；

利用第一预设算法分别提取所述训练样本和所述测试样本的特征，并根据所述训练样本的特征，通过迭代算法计算出逻辑回归模型的最优模型参数，训练出含最优模型参数的逻辑回归模型；

根据所述测试样本的特征和所述含最优模型参数的逻辑回归模型绘制受试者工作特征ROC曲线，并根据ROC曲线下面积AUC对所述含最优模型参数的逻辑回归模型进行评价，训练出第一主题分类器；

利用所述第一主题分类器对所述文本数据进行分类，确定所述文本数据所属的主题，并根据所述含最优模型参数的逻辑回归模型计算所述文本数据所属主题的得分；

根据所述得分和第二预设算法计算撰写所述文本数据的用户对所述主题感兴趣的信心分，根据所述信心分识别所述用户的兴趣。

可选地，所述根据所述得分和第二预设算法计算撰写所述文本数据的用户对所述主题感兴趣的信心分，根据所述信心分识别所述用户的兴趣，包括：

根据所述得分和第三预设算法计算所述文本数据所属主题的平均得分；

根据所述平均得分和第二预设算法计算撰写所述文本数据的用户对所述主题感兴趣的信心分，根据所述信心分识别所述用户的兴趣；

其中，所述第三预设算法的计算公式为：