[发明专利]向用户提供目标信息的方法及设备

说明书

本发明公开了一种向用户提供目标信息的方法，该方法包括：获取用户浏览信息的历史行为数据，所述历史行为数据包括信息的内容及浏览的时刻；对所述信息的内容进行分类，并根据分类结果确定所述信息分别归属于其内容所属的一个或多个类别的概率；根据所述概率及所述浏览的时刻，确定用户在设定时刻对所述一个或多个类别的兴趣值；根据所述兴趣值，在所述设定时刻向用户提供不小于设定阈值的兴趣值所对应类别的目标信息。本发明同时公开一种向用户提供目标信息的设备。采用本发明可以量化并按用户需求多粒度地描述用户对信息的兴趣，动态反映用户兴趣的变化过程，简化用户操作。

技术领域

本发明涉及网络技术领域，尤其涉及向用户提供目标信息的方法及设备。

背景技术

互联网上存在海量的信息，内容丰富，形式各异。网络用户希望从浩瀚的信息资源中获取满足个人需求的信息。搜索引擎、元搜索引擎以及其他的一些搜索工具可以帮助我们从巨大的信息网络中提取信息。当用户进行检索时一般只会提供较少的检索关键词，而搜索引擎会返回数量巨大的搜索结果。如果缺少对用户的兴趣分析，即如果没有建立准确的用户模型，用户将会被淹没在信息的海洋中。

由此可见，建立准确的用户模型对于用户目标信息的获取非常重要。用户建模已经成为网络数据挖掘的核心研究内容，比如，个性化搜索，广告目标客户定位，信息推荐，市场商业决策和客户关系管理等等。

目前主要存在两种用户建模的方法，一种是静态用户建模，一种是动态用户建模。

静态用户建模分析用户提供的个人信息，比如，注册信息和问卷调查。发明人经过分析，发现静态用户建模的方法只能对用户的兴趣做一个粗略的描述，在实际应用中存在一些问题，首先，由于这种用户模型是静态的，因此模型描述的用户兴趣只在某一段时间内有效，不能反映未来用户兴趣的变化情况；其次，用户提交的个人信息是一种主观的输入，不能客观反映其兴趣的特征。

动态用户建模分析用户在网站上的活动和行为，发明人经过分析，发现这种模型对用户模型的描述粒度很小，具体到某一个兴趣点，没有一个概括的描述。

另外，还有其它一些用户建模的方法需要用户提供反馈信息，这样会使用户的操作变得复杂，影响用户正常的行为。

发明内容

本发明实施例提供一种向用户提供目标信息的方法，用以量化并按用户需求多粒度地描述用户对信息的兴趣，动态反映用户兴趣的变化过程，简化用户操作，该方法包括：

获取用户浏览信息的历史行为数据，所述历史行为数据包括信息的内容及浏览的时刻；

对所述信息的内容进行分类，确定所述信息归属的类别的个数，并根据所述信息归属的类别的个数，确定所述信息归属于其内容所属的一个或多个类别的概率；

根据所述概率及所述浏览的时刻，确定用户在设定时刻对所述一个或多个类别的兴趣值；

根据所述兴趣值，在所述设定时刻向用户提供不小于设定阈值的兴趣值所对应类别的目标信息。

较佳的，所述历史行为数据还包括用户标识；

根据用户标识、所述概率及所述浏览的时刻，获得不同用户在设定时刻的兴趣值；根据所述兴趣值及接收的用户标识，在所述设定时刻向相应用户提供目标信息。

较佳的，所述用户标识为用户的注册名或IP地址。

较佳的，根据所述概率及所述浏览的时刻，确定用户在设定时刻对一个类别的兴趣值，包括：

按如下公式，确定用户在所述浏览的时刻对该类别的兴趣值：

其中，k为遗忘因子，k_α为记忆因子，weight₀为该类别在t时刻对应的概率，t为所述浏览的时刻；