[发明专利]基于新闻应用软件的用户兴趣标签构建方法及相关设备

说明书

本发明涉及大数据分析领域的用户兴趣画像技术，具体涉及基于新闻应用软件的用户兴趣标签构建方法及相关设备，所述方法包括：获取用户在多类新闻应用软件上浏览、评论的新闻信息；调用分词系统，构建关键词词库，计算关键词权重；依据用户浏览、评论的新闻信息，计算兴趣评分；比较兴趣评分与预设的评分阈值，筛选出高于评分阈值的兴趣评分，将对应的兴趣标签更新至用户标签库。上述方法将用户的浏览习惯进行量化分析，便于分析用户行为，提升为用户推荐内容的准确度。

技术领域

本发明涉及大数据分析领域，特别涉及基于新闻应用软件的用户兴趣标签构建方法及相关设备。

背景技术

随着互联网技术的不断发展，人们对新闻等信息的关注度也越来越大，但是分布在互联网中信息数量庞大，质量参差不齐，单纯地去阅读已经无法准确、及时地识别有用的阅读信息，如何为用户推荐最符合用户习惯的兴趣内容已成为目前互联网通讯行业研究的重点。

目前市场上传统的新闻应用软件的兴趣标签在初次使用时定义后无法实现动态更新，不能根据用户的使用习惯和兴趣变化而改变，且已有标签依据人为评价，主观性偏高，在不同的使用习惯面前无法取得普遍推广的效果。

发明内容

基于此，有必要针对用户兴趣标签无法实时更新，标签内容依据人为评价的主观性偏高等问题，提供基于新闻应用软件的用户兴趣标签构建方法及相关设备。

一种基于新闻应用软件的用户兴趣标签构建方法，包括：

获取用户在多类新闻应用软件上浏览、评论的新闻信息，生成多个独立句子；

调用预设的分词系统，以通过所述分词系统构建关键词词库，计算关键词权重；

从多个所述独立句子中筛选出用户兴趣标签，依据所述关键词权重，计算所述用户兴趣标签的兴趣评分；

将所述兴趣评分与预设的评分阈值进行比较，筛选出高于所述评分阈值的兴趣评分，将所述兴趣评分对应的用户兴趣标签更新至用户标签库。

在一种可能的设计中，所述获取用户在多类新闻应用软件上浏览、评论的新闻信息，生成多个独立句子，包括：

通过爬虫系统爬取用户在多类新闻应用软件上浏览的新闻信息，所述新闻信息包括文章、图集、视频以及对应的类别、浏览记录、标题，通过所述爬虫系统爬取所述用户对所述新闻信息的评论内容；

将所述新闻信息和所述评论内容汇总到同一文本文件中，读取所述文本文件中的标点符号，以标点符号将所述文本文件切分成多个独立句子。

在一种可能的设计中，所述调用预设的分词系统，以通过所述分析系统构建关键词词库，包括：

获取原始词库，所述原始词库来源于输入法词库；

调用预设的分词系统，利用分词算法提取所述原始词库的关键词，将提取的所述关键词保存在预设的文本文件中，构建所述关键词词库。

在一种可能的设计中，所述调用分词系统，利用分词算法提取所述原始词库的关键词，包括：

通过所述分词系统对所述原始词库进行词图扫描，生成所述原始词库中所有汉字可能成词的有向无环图；

所述分词系统依据所述有向无环图，获取多个词语，将多个所述词语定义为关键词。

在一种可能的设计中，所述计算关键词权重，包括：

利用关键词权重计算方法计算关键词权重，所述关键词权重计算公式如下：

TF-IDF＝TF×IDF

修正所述关键词权重，修正计算公式如下：

TF-IDF′＝(TF-IDF)×λ