[发明专利]一种标签热度计算方法、装置、电子设备和存储介质

说明书

本发明公开了一种标签热度计算方法、装置、电子设备和存储介质，根据每个用户的行为信息，将与行为标识相匹配的用户行为确定目标行为；根据用户标签的衰减系数，以及每个目标行为的初始加权系数和行为发生时间，进行加权计算，得到当前时间对应的总标签热度残余量；根据总标签热度残余量和下一衰减时间段，计算衰减后的标签热度值。该方法能够体现出每个用户对同一个用户标签的标签热度的影响，且在确定最终的标签热度值时，考虑随着时间的推移，标签热度产生衰减的情况，使得计算的衰减后的标签热度值能够更为准确地体现当前时间对应的标签热度值。可见，该方法能更为准确地反应出用户行为偏好和用户行为偏好的变化量。

技术领域

本发明涉及互联网技术领域，尤其涉及一种标签热度计算方法、装置、电子设备和存储介质。

背景技术

为使用户可以在海量的内容中发现感兴趣的内容，APP会根据用户的历史浏览信息向该用户推送相关信息。

而在实现用户推送相关信息时，APP会以标签的形式建立用户行为与浏览信息之间的关联关系，以不同用户标签的形式表征用户对于不同信息的偏好，以不同标签热度表征用户对于不同信息的喜好程度。例如，如果用户A和用户B均多次浏览两室一厅的二手房信息，可以为用户A和用户B均建立“两居室”和“一厅室”这两个用户标签；如果在相同时间段内，用户A浏览频次高于用户B，那么用户A的“两居室”和“一厅室”的标签热度高于用户B的“两居室”和“一厅室”的标签热度。

申请人在研究中发现，随着时间的推移，用户对某项信息的喜好程度可能会不断衰减，与之相应的用户标签对应的标签热度也应逐渐衰减，因此，为能准确推荐用户感兴趣的信息，还需对用户标签对应的标签热度进行调整，进而根据调整标签热度后的用户标签为用户推送信息。

调整标签热度的常用方法是采用牛顿冷却法，通过牛顿冷却法来拟合用户的遗忘规律，进而推演出每个用户标签的标签热度变化。但是，牛顿冷却法只适用于计算单一用户行为对于标签热度的影响，而用户在操作APP时会产生多种用户行为，不同的用户行为也会产生不同的活跃度，使得该计算方法无法真实反映出用户对于信息偏好的程度。

发明内容

本发明提供了一种标签热度计算方法、装置、电子设备和存储介质，以解决现有的标签热度计算方法准确率低的问题。

第一方面，本发明提供了一种标签热度计算方法，包括以下步骤：

获取用户标签的热度衰减系数和所述用户标签对应的用户行为信息，所述用户行为信息包括用户行为、行为标识、行为发生时间和初始加权系数；

根据所述行为标识确定目标行为，所述目标行为是指与行为标识相匹配的用户行为；

根据所述用户标签的衰减系数，以及每个所述目标行为所对应的初始加权系数和行为发生时间，进行加权计算，得到当前时间对应的总标签热度残余量；

根据所述总标签热度残余量和下一衰减时间段，计算衰减后的标签热度值。

进一步地，

其中，R为总标签热度残余量，N为N种目标行为，r为初始加权系数，k为用户标签的衰减系数，△t为行为发生时间和当前时间的时间差。

进一步地，

T(t+n)＝R×e^-kn；

其中，T为衰减后的标签热度值，R为总标签热度残余量，k为标签的衰减系数，n为下一衰减时间段，t为当前时间。

进一步地，还包括：

根据所述衰减后的标签热度值，确定每个用户对所述用户标签产生的热度值；

将每个所述用户对用户标签产生的热度值进行排序，按照所述排序结果划分热度等级；