[发明专利]一种网络行为知识增强方法、装置及电子设备

权利要求书

1.一种网络行为知识增强方法，其特征在于，所述方法包括：

在检测到用户网络行为时，爬取所述用户网络行为对应的网页信息；

以所述网页信息对应的网页层级作为当前网页层级，基于所述当前网页层级并按照预设的网页层级关系依次爬取各网页层级中包括的多个网络子行为；

从各所述网页层级对应的多个网络子行为中分别选取最优网络子行为；

基于所述预设的网络层级关系和各所述网页层级中的最优网络子行为构建第一知识增强路径。

2.根据权利要求1所述的网络行为知识增强方法，其特征在于，从各所述网页层级对应的多个网络子行为中分别选取最优网络子行为的步骤，包括：

针对每个所述网页层级对应的多个网络子行为，分别爬取各所述网络子行为对应的网页文本；

分别从各所述网页文本中提取满足预设需求的关键词形成与各所述网页文本一一对应的多个关键词列表；

分别计算各所述关键词列表与预设的用户行为信息词包之间的语义差异值；

基于所述语义差异值的大小，从所述多个关键词列表中选取最优关键词列表；

将所述最优关键词列表对应的网络子行为作为所述网页层级中的最优网络子行为。

3.根据权利要求2所述的网络行为知识增强方法，其特征在于，分别从各所述网页文本中提取满足预设需求的关键词形成与各所述网页文本一一对应的多个关键词列表的步骤，包括：

针对每一个所述网页文本，对该网页文本进行分词处理得到多个关键词；

根据预设的词权值模型计算各所述关键词的词权值；

根据词权值的大小，从多个所述关键词中选取词权值较大的预设数量个关键词，形成关键词列表。

4.根据权利要求2所述的网络行为知识增强方法，其特征在于，分别计算各所述关键词列表与预设的用户行为信息词包之间的语义差异值的步骤，包括：

将各所述关键词列表转换为一一对应的多个第一词向量矩阵，以及将所述用户行为信息词包转换为第二词向量矩阵；

分别计算各所述第一词向量矩阵与所述第二词向量矩阵之间的距离，得到与各所述关键词列表一一对应的多个语义差异值。

5.根据权利要求4所述的网络行为知识增强方法，其特征在于，所述语义差异值SD为：

其中，m为所述用户行为信息词包中的分词的数量，n为所述关键词列表中的关键词的数量，kwv表示第一词向量矩阵中的词向量，v表示第二词向量矩阵中的词向量，α为所述用户行为信息词包中的分词的贡献度，β表示所述关键词列表中的关键词的贡献度，α＝β＝1/i，i为当前分词在用户行为信息词包中的索引值。

6.根据权利要求2所述的网络行为知识增强方法，其特征在于，基于所述预设的网络层级关系和各所述网页层级中的最优网络子行为构建第一知识增强路径的步骤之后，所述方法还包括：

基于所述第一知识增强路径中的各所述最优网络子行为对应的最优关键词列表构建第二知识增强路径；

以及

基于所述第二知识增强路径中包括各所述优关键词列表中的关键词形成知识增强词包。

7.根据权利要求2所述的网络行为知识增强方法，其特征在于，所述方法还包括：

如果对所述网络子行为进行爬取时所涉及的网页层级数量达到预设值，则停止对下一网页层级中包含的网络子行为的爬取流程，执行所述针对每个所述所述网页层级，从该网页层级对应的多个网络子行为中选取最优网络子行为的步骤。