[发明专利]一种基于用户浏览行为的网页推荐方法

摘要

本发明涉及一种基于用户浏览行为的网页推荐方法，其特征在于:步骤1：利用浏览器收集每个页面的停留时间以及页面内容信息；步骤2：对页面内容进行文本分析，获得页面的特征项；步骤3：根据页面停留时间和特征项，分析出用户对每个特征项的兴趣程度，得到用户兴趣类权值；步骤4：将权值较高的兴趣类作为关键词，利用爬虫程序，将Web上与用户兴趣有关的网页按照类别全部抓取下来；步骤5：利用余弦夹角函数计算抓取的网页与用户已浏览的网页的相似度，将相似度较高的网页推送给用户。

主权项

1.一种基于用户浏览行为的网页推荐方法，其特征在于:步骤1：利用浏览器收集每个页面的停留时间以及页面内容信息，具体包括：利用浏览器监听页面的创建和消亡、鼠标滚轮的滑动，统计页面的停留时间，每当一个页面即pageA加载完成时，浏览器将此时的系统时间记录下来作为页面停留时间的开始时刻T(startA)，当这个页面进入非活跃状态时，也就是用户进行了关闭页面的操作或进行了新的网页浏览，浏览器再次记录系统时间，作为页面停留时间的结束时刻T(endA)，用户在此页面的页面停留时间StayTime(pageA)等于结束时刻与开始时刻的时间差，页面停留时间计算公式如下：StayTime(pageA)＝T(endA)‑T(startA)利用在浏览器中得到所有页面url，对页面源代码，即页面内容，进行获取；步骤2：对页面内容进行文本分析，获得页面的特征项，具体包括：首先对网页中的干扰信息进行清理，所述的干扰信息为HTML页面的框架结构信息、超链接信息或者脚本信息；文本分析时，首先，对处理过的页面文档集进行分词处理，然后，对文本中所有特征项进行权值计算，并抽取权值最高的N个词语作为页面的主题内容，N取7；步骤3：根据页面停留时间和特征项，分析出用户对每个特征项的兴趣程度，得到用户兴趣类权值，具体包括：在用户兴趣挖掘阶段，考虑到页面停留时间和特征项对用户兴趣的影响，对用户每一兴趣类进行兴趣强度计算，即计算用户兴趣类权值；兴趣等级InterestDegree(Ij)：表示用户兴趣类权值；页面停留时间等级ViewtimeDegree(Ij)：表示用户在每一关键词中花费的时间占总浏览时间的比值，Ij∈T，T表示特征集合；关键词兴趣等级KeywordDegree(Ij)：表示每一关键词在主题词集合T中出现的次数占关键词的总数的比值；兴趣类权值计算公式如下所示：InterestDegree(Ij)＝KeywordDegree(Ij)×ViewtimeDegree(Ij)通过计算页面停留时间等级和关键词兴趣等级，算出用户对每个兴趣类的兴趣强度，从而得到用户兴趣表示，用户兴趣表示为：((I1，InterestDegree(I1))，(I2，InterestDegree(I2))，...，(In，InterestDegree(In))，其中，In表示用户的兴趣类，InterestDegree(In)表示In对应的用户兴趣类权值，经过文本分析后，利用特征项表示页面内容，构建向量空间模型，对于页面集合P＝{p1,p2,...,pn}中的任意页面pi其中1<＝i<＝n，表示成pi＝{(ti1,wi1),(ti2,wi2),...,(tin,win)}、n>＝1，其中tik、1<＝k<＝n表示页面的特征项，wik、1<＝k<＝n表示特征项对应的权值，在向量空间模型下，使用特征项的权重集合表示页面向量，页面pi和pj的页面向量分别为pi(wi1,wi2,...,win)，pj(wj1,wj2,...,wjn)，两个页面之间的相似度Sim(pi,pj)的公式为：步骤4：将权值较高的兴趣类作为关键词，利用爬虫程序，将Web上与用户兴趣有关的网页按照类别全部抓取下来；步骤5：利用余弦夹角函数计算抓取的网页与用户已浏览的网页的相似度，将相似度较高的网页推送给用户。