[发明专利]一种基于非结构化网页数据的兴趣推荐方法

摘要

本发明涉及一种基于非结构化网页数据的兴趣推荐算法，包括定位目标群体；获取目标人群搜索浏览数据；非结构数据结构化；兴趣建模；挖掘潜在用户，挖掘潜在用户的思路通常是根据一部分已知消费过的用户样本，通过统计学或机器学习方法找到在这一部分样本当中存在的规律,找到文本当中词与词之间存在的某种关系，然后通过词与词之间的关系，找到有价值的信息，从而实现推荐。本发明提高了最终推荐结果的准确率。

主权项

一种基于非结构化网页数据的兴趣推荐算法，包括下列步骤1)定位目标群体通过对搜索引擎后台数据中网民的搜索词和浏览过的网页信息进行分析，推测某类人群的表象的兴趣和潜在兴趣，确定目标人群；2)获取目标人群搜索浏览数据在确定了目标人群之后，从搜索引擎后台数据中心可以获得目标人群在任何时间段内在搜索引擎上所有的检索词数据和浏览过的URL，抓取URL的页面标题，页面描述和页面关键词的方法，获得网页中最能代表和体现目标人群意愿的信息；3)非结构数据结构化加载相关词包，词包为根据用户常用的搜索词建立的标签体系；通过文本挖掘技术将所有目标群体搜索的query和浏览网址的标题文本进行分词；为减少由于词包不全导致的分词错误，用词包对文本进行分词后，选出频率较高的词，完善词包，进行再次分词，在分词阶段只留取名词、动词和形容词；4)兴趣建模在分词之后，需要从中提取和非目标人群相比区分度大的词，提取搜索和网页数据文本中的关键词；再通过k‑means聚类算法实现对用户兴趣的细分，用户兴趣细分是用户行为分析的重要内容，通过对用户兴趣的细分对用户贴上不同的标签；挖掘潜在用户，挖掘潜在用户的思路通常是根据一部分已知消费过的用户样本，通过统计学或机器学习方法找到在这一部分样本当中存在的规律，通过apriori算法，找到文本当中词与词之间存在的某种关系，然后通过词与词之间的关系，找到有价值的信息，从而实现推荐。