[发明专利]用户兴趣识别方法、装置及计算机可读存储介质

摘要

本发明公开了一种用户兴趣识别方法，该方法包括：获取训练样本和测试样本，其中训练样本为根据文本数据训练出对应话题模型后经人工标注获得的；利用第一预设算法提取训练样本和测试样本的特征，并根据训练样本的特征通过迭代算法计算逻辑回归模型的最优模型参数；根据测试样本的特征和ROC曲线下面积AUC对含最优模型参数的逻辑回归模型进行评价，训练出第一主题分类器；利用第一主题分类器确定文本数据所属主题，根据含最优模型参数的逻辑回归模型计算文本数据所属主题的得分，并根据第二预设算法计算用户对所述主题感兴趣的信心分。本发明还公开了一种用户兴趣识别装置及计算机可读存储介质，可识别用户兴趣，帮助企业准确定位潜在客户。

主权项

1.一种用户兴趣识别方法，其特征在于，所述用户兴趣识别方法包括以下步骤：获取训练样本和测试样本，其中，所述训练样本为根据文本数据训练出对应的话题模型后经过人工标注获得的；利用第一预设算法分别提取所述训练样本和所述测试样本的特征，并根据所述训练样本的特征，通过迭代算法计算出逻辑回归模型的最优模型参数，训练出含最优模型参数的逻辑回归模型；根据所述测试样本的特征和所述含最优模型参数的逻辑回归模型绘制受试者工作特征ROC曲线，并根据ROC曲线下面积AUC对所述含最优模型参数的逻辑回归模型进行评价，训练出第一主题分类器；利用所述第一主题分类器对所述文本数据进行分类，确定所述文本数据所属的主题，并根据所述含最优模型参数的逻辑回归模型计算所述文本数据所属主题的得分；根据所述得分和第二预设算法计算撰写所述文本数据的用户对所述主题感兴趣的信心分，根据所述信心分识别所述用户的兴趣；其中，所述第一预设算法为字节4元语法Byte 4-gram算法；所述第二预设算法的计算公式为： k j = 10 m a x ( TN j ) - m i n ( TN j ) , x j 0 = m e d i a n ( TN j ) , ]]> s ( u i , topic j , TN i j ) = TN i j * A v g ( u i , topic j ) 1 + e - k j * ( TN i j - x j o ) , ]]>其中，TNj为所有用户对主题topicj感兴趣的文本数，xj0为TNj的中位数，TNij为用户ui发表的关于主题topicj的微博数，s(ui,topicj,TNij)为用户ui对所述主题topicj感兴趣的信心分，Avg(ui,topicj)为用户ui在主题topicj上的平均得分。