[发明专利]用户画像知识相似度计算方法

权利要求书

1.用户画像知识相似度计算方法，其特征在于：包括以下步骤：

步骤一：统计影响用户画像的标准行为及基础属性；

步骤二：给标准行为及基础属性分配权重，标准行为选取下载、提问、收藏、分享、评论5种行为操作，所述基础属性选取部门和岗位，合计7个参数，设定每个参数的权重，依次记为；

步骤三：抽取标准行为记录及基础属性标签，记录用户行为日志表，记录用户标准行为所关联的行为标签，记录用户基础属性关联的属性标签，行为标签和属性标签合并称为知识标签；

步骤四：根据知识标签，整理成标签矩阵，知识标签依次用大写字母表示，得到知识标签矩阵、、、、、、；其中n表示标准行为和基础属性对应的知识个数，m表示每个知识设定的选取关联标签的个数；

其中，标签矩阵的具体获得过程为：

用户的标准行为A的知识有个，，每个知识有个标签，得到一个知识相关联的标签矩阵：，将其记为标签矩阵，其中，为标准行为A的第个知识的第个标签；

取每个知识最多关联5个标签，即，当标准行为A的第个知识的标签个数小于5时，则超过实际标签数的为空值；

步骤五：对标签矩阵内的每个标签赋权，得到加权矩阵、、、、、、，

其中，

其中每一项标签都表现为，1in，1jm；

步骤六：汇集知识标签，分析并合并所有加权矩阵，统一标签计量维度，得到用户画像并推荐相似知识，具体过程为：

步骤a：记录标签为，记录标签为，，记录标签为，，记录标签为，当遇到重复标签时，仅增加知识权重，不新增标签个数，

统计标签矩阵内的标签权重，标签矩阵内最多有个标签，其中标签出现次，标签出现次，……，标签出现次，推算出，标签的权重为，整个标签矩阵内所有标签的权重之和为，保证权重的总和始终是对该操作预设的权重值，标准行为A对应的标签数组中的各个标签对应的权重为，这是一个1的一维矩阵记为，其权重和为；

步骤b：计算所有知识标签的权重，得到7个1的矩阵，将其组合成一个7的权重矩阵；

步骤c：对照标签矩阵，整理重复标签，若代表的标签与代表的标签和代表的标签相同，那么标签的最终权重为标签的权重与的权重和的权重的总和，化为0，化为0；

步骤d：对矩阵进行矩阵化简，得到一个最简行阶梯型矩阵：，并排列大小，整理对应的标签；

步骤e：按照标签权重的大小，从高到低，梳理对应标签，组成权重与标签向量组，，……，其中，；

得到一系列按照权重高低排列的标签数组，标签数组就是用户行为及基础信息综合权重得到的用户画像标签。