[发明专利]一种基于标签的社交网络用户兴趣挖掘方法与装置

说明书

技术领域

本发明涉及互联网信息挖掘领域，特别涉及一种基于标签的社交网络用户兴趣挖掘方法与装置。

背景技术

现有的用户兴趣获取和应用的方法主要分为如下几个不同的体系：

1、关联体系：这个体系的方法利用用户和实体之间产生的直接关联，采用协同过滤等从众方法，将用户可能感兴趣、但尚未发生关联的实体和该用户关联起来。

优点：简单明了，对从众性的用户和实体往往能够取得不错的判断结果；

缺点：不能对小众用户的兴趣进行判断；不能直接定义用户的兴趣，只能针对具体实体判断用户的喜好程度。

2、实体标签体系：这个体系采用的技术手段是在实体出现的位置提供输入，引导用户对实体进行简短描述，将这些简短描述语收集并作为该实体的标签。

优点：代价小，仅仅需要提供功能，标签由用户生成；

缺点：标签无法规范，利用难度大；用户大都不愿填写；对于单个实体，收集的标签数量少，描述也不完整；无法直接对用户兴趣进行描述。

3、分类体系：这个体系设定一些用户兴趣的类目，在用户注册或首次使用产品的时候，要求用户从中选择几个感兴趣的类目，以此作为用户兴趣的判定；

优点：用户抵触小，能够直接定义用户兴趣；

缺点：必须事先对实体同样做分类映射，如果实体数量较多，会面临映射代价大和精度低的问题；灵活性不够，不能正确反映用户兴趣的变化；类目数量受到限制，不能对用户兴趣进行稍细致的描述。

发明内容

本发明的目的是针对上述问题，提出一种以标签为基础的用户兴趣挖掘方法及装置，在解决现有技术缺陷的基础上能够最大限度的挖掘社交网络中用户的兴趣。

为实现上述目的，本发明提供了一种基于标签的社交网络用户兴趣挖掘方法，包括：

收集用户在社交网络上的数据；

根据数据生成标签兴趣列；所述标签兴趣列为所述数据中所有标签及标签对应地权重的集合；

根据标签兴趣列进行用户兴趣信息推荐，实现了社交网络用户兴趣挖掘。

可选的，本发明一实施例中，所述根据标签兴趣列进行用户兴趣信息推荐包括：

所述标签兴趣列向量化得到标签兴趣向量；对标签兴趣向量进行抽象，获取抽象结果；根据抽象结果进行用户兴趣信息推荐。

可选的，本发明一实施例中，所述对标签兴趣向量进行抽象包括：

按照标签的属性为抽象类目、抽象类目是各种类目的集合这种类目和标签的属性映射关系将标签兴趣向量分为低级别抽象类目和高级别抽象类目，将标签兴趣向量中的标签赋给相应的类目中，合并相应抽象类目中的标签和相应权重，得到低级类目兴趣向量和高级类目兴趣向量；根据应用场景的具体需要，按照低级类目兴趣向量、高级类目兴趣向量和标签为社交网络用户提供相应的兴趣信息，实现社交网络用户兴趣挖掘。

可选的，本发明一实施例中，所述数据包括：社交网络上用户生成的文字性数据和社交网络上用户与文字性内容的关联关系数据。

可选的，本发明一实施例中，所述根据数据生成标签兴趣列包括：

获取所述社交网络上用户生成的文字性数据包含的所有标签和每个标签所对应地权重；将所述社交网络上用户与文字性内容的关联关系数据转换为用户-关系链形式；合并用户在所有内容上的标签得到用户的标签兴趣列。

可选的，本发明一实施例中，该方法还包括：对收集到的用户在社交网络上的所有数据进行清洗。

可选的，本发明一实施例中，所述清洗包括：过滤广告内容、对长篇文字仅取前500个字作为分析对象以及采用标签主动匹配内容的方法过滤不良信息。

可选的，本发明一实施例中，所述社交网络上用户生成的文字性数据分为标题和内容；采取字符串匹配算法获取所述社交网络上用户生成的文字性数据中包含的所有标签，根据每个标签的出现次数作为该内容在该标签上的权重。

可选的，本发明一实施例中，所述标题和内容均包含同一标签中，该标签的权重为其在标题所得权重与在内容所得权重之和。

可选的，本发明一实施例中，所述社交网络上用户生成的文字性数据表示为{<T_i,TF_i>,<T_j,TF_j>,…,<T_k,TF_k>}；其中，T_i代表某个标签，TF_i代表标签T_i在内容中的权重。