[发明专利]用于内容准个性化的低熵浏览历史

权利要求书

1.一种用于匿名化内容检索的方法，包括：

由计算设备的浏览器应用基于所述计算设备的浏览历史来生成简档；

由所述浏览器应用将所述简档编码为n维向量；

由所述浏览器应用从所述n维向量计算降维向量；

由所述浏览器应用确定与所述降维向量相对应的第一聚类；

由所述浏览器应用向内容服务器传送对内容项的请求，所述请求包括所述第一聚类的标识；以及

由所述浏览器应用从所述内容服务器接收根据所述第一聚类的标识选择的内容项。

2.根据权利要求1所述的方法，其中，基于所述计算设备的用户的浏览历史来生成所述简档包括从所述浏览历史的日志中标识在预定时间段内对多个地址中的每一个地址的访问次数n。

3.根据权利要求1所述的方法，其中，将所述简档编码为n维向量还包括生成具有表示如下的值的字符串：在预定时间段内对与所述字符串中的对应位置相关联的地址的一个或多个访问中的每一个访问。

4.根据权利要求1所述的方法，其中，计算所述降维向量还包括执行所述n维向量的奇异值分解。

5.根据权利要求4所述的方法，其中，计算所述降维向量还包括从第二计算设备接收所述奇异值分解的奇异向量集。

6.根据权利要求5所述的方法，其中，计算所述降维向量还包括向所述第二计算设备传送所述n维向量，所述第二计算设备基于所述计算设备的所述n维向量和至少一个其他计算设备的n维向量的聚合来计算所述奇异向量集。

7.根据权利要求1所述的方法，其中，确定与所述降维向量相对应的所述第一聚类还包括从第二计算设备接收多个聚类中的每一个聚类的边界。

8.根据权利要求7所述的方法，其中，确定与所述降维向量相对应的所述第一聚类还包括：响应于所述降维向量在所述第一聚类的边界内，选择所述多个聚类中的第一聚类。

9.根据权利要求1所述的方法，其中，确定与所述降维向量相对应的所述第一聚类还包括：

由所述浏览器应用从第二计算设备接收基于所述计算设备的所述n维向量和至少一个其他计算设备的n维向量的聚合而确定的神经网络模型的权重；

由所述浏览器应用的机器学习系统将所述神经网络模型应用于所述降维向量，以生成预定聚类集的排名；以及

由所述浏览器应用选择所述第一聚类作为所述预定聚类集中的排名最高的聚类。

10.一种用于匿名化内容检索的方法，包括：

由服务器计算设备从多个客户端计算设备中的每一个客户端计算设备接收基于所对应的客户端计算设备的浏览历史的简档，每个简档包括n维向量；

由所述服务器计算设备将多个简档的多个n维向量聚合成矩阵；

由所述服务器计算设备计算所述矩阵的奇异值分解，以生成奇异值集；以及

由所述服务器计算设备向所述多个客户端计算设备中的每一个客户端计算设备和至少一个内容提供者设备传送所述奇异值集。

11.根据权利要求10所述的方法，还包括由所述服务器计算设备确定所述矩阵的聚类集中的每个聚类的边界。

12.根据权利要求11所述的方法，还包括由所述服务器计算设备向所述多个客户端计算设备中的每一个客户端计算设备和所述至少一个内容提供者设备传送所述矩阵的聚类集中的每个聚类的边界。

13.根据权利要求10所述的方法，还包括由所述服务器计算设备经由神经网络模型从所述矩阵中标识聚类集中的每个聚类。

14.根据权利要求13所述的方法，还包括将所述神经网络模型的权重传送到所述多个客户端计算设备中的每一个客户端计算设备和所述至少一个内容提供者设备。