[发明专利]一种舆情系统搜索词推荐方法及系统

说明书

本发明提供一种舆情系统搜索词推荐方法及系统，均能够基于舆情分词词类映射表、获取目标舆情系统中每个用户各自感兴趣的词类，并可实时采集舆情系统的所有舆情用户在当前时刻往前第二预定时长t2内的用户搜索词，对属于相同词类的目标搜索词分词进行热度排序，并能够依据目标用户对应的感兴趣的词类向目标用户推荐其感兴趣的词类中热度排行较高的目标搜索词分词。本发明用于增加用户体验以及提高推荐精度。

技术领域

本发明属于机器学习和数据挖掘技术领域，具体涉及一种舆情系统搜索词推荐方法及系统。

背景技术

在舆情系统中，传统的搜索词推荐方法主要有基于热度排序的搜索词推荐技术、基于用户查询日志的搜索词推荐技术、基于搜索返回结果的搜索词推荐技术和基于用户行为的搜索词推荐技术。基于热度排序的搜索词推荐技术是最常见的一种方法，其根据一段时间内用户的搜索次数生成一个搜索热点排名列表展示给用户。基于用户查询日志的搜索词推荐技术，主要是提取用户以往搜索词中的特征词计算用户的相似度或是根据所提取的特征词对新的搜索词进行分类处理，之后给用户推荐搜索词。基于返回结果的搜索词推荐技术，主要是提取用户搜索后返回结果中的关键词，处理后作为新的搜索词推荐给用户。基于用户行为的搜索词推荐技术，主要是根据用户的行为特征进行搜索词推荐，比如页面停留时间、用户位置和用户习惯等。

然而在舆情系统中，因为舆情系统的用户远远少于普通的搜索引擎而且用户习惯不同，能够获得的用户查询日志和用户行为等数据非常少，所以基于用户查询日志和用户行为的推荐方法效果比较差。且使用基于返回结果的搜索词推荐技术，不能实现搜索词推荐的个性化，惊喜度和多样化也不好，不利于扩展用户的搜索范围。基于热度排序的搜索词推荐同样无法实现个性化推荐，对于使用系统时间较长的老用户推荐效果比较差。可见舆情系统中常用的各传统的搜索词推荐方法，推荐效果不太理想。

为此，本发明提供一种舆情系统搜索词推荐方法及系统，用于解决上述技术问题。

发明内容

针对现有技术的上述不足，本发明提供一种舆情系统搜索词推荐方法及系统，用于增加用户体验以及提高推荐精度。

第一方面，本发明提供一种舆情系统搜索词推荐方法，包括：

基于舆情用户的用户关注词、用户搜索词以及用户点击查看过的内容的主题关键词，以及基于预先建立的舆情分词词类映射表，获取舆情系统的各舆情用户各自的感兴趣的词类并存储；所述的舆情分词词类映射表中存有舆情分词及其所属的词类；

实时采集舆情系统的所有舆情用户在当前时刻往前第二预定时长t2内的用户搜索词，基于所采集的所有舆情用户在当前时刻往前第二预定时长t2内的用户搜索词以及基于所述的舆情分词词类映射表，对所采集的所有舆情用户在当前时刻往前第二预定时长t2内的用户搜索词对应的所有的目标搜索词分词分别按词类分组并在组内进行各相关目标搜索词分词的热度排序，对应得到所述舆情分词词类映射表中每个词类当前各自所对应的目标搜索词分词热度排序序列；所述的目标舆情用户，为舆情系统的当前需要进行搜索词推荐的舆情用户；所述的目标搜索词分词，为目标舆情用户在预先设定的时间长度阈值t2内的用户搜索词的分词；

获取各目标舆情用户在当前时刻各自对应的感兴趣的词类，基于上述得到的各目标舆情用户各自对应的相应数量的搜索词分词热度排序序列，向各目标舆情用户分别推荐其各自感兴趣的词类中热度排在前d位的目标搜索词分词，其中d≥1。

进一步地，所述舆情分词词类映射表的创建方法，包括：

获取预先准备好的舆情文本或从互联网中获取所需的舆情文本；

对上述获取到的舆情文本进行分词处理，得到对应的舆情分词；

对得到的所有的舆情分词进行训练，得到每个舆情分词对应的词向量；

采用聚类算法对得到的所有的词向量进行聚类，得到每个词向量所属的词类；