[发明专利]一种基于概念聚类的用户兴趣建模方法

摘要

针对传统的用户兴趣建模方法在准确率和增量处理能力方面的不足，本发明提出了一种新的基于概念聚类的用户兴趣建模方法UIM²C²(User Interest Modeling Method based onConceptual Clustering)。该方法首先通过分析用户访问的历史文档构造后缀树结构，然后选择不同的相似度阈值，以不同的粒度合并基本簇。依据不同阈值条件下合并的基本簇之间的包含关系，生成用户的兴趣层次。UIM²C²方法是针对文档的一个增量式、无监督的概念学习方法，因此用户描述文件可以轻易地获取和更新。最后，通过数据集20NewsGroup上的实验验证了UIM²C²方法在兴趣预测方面的有效性。

主权项

1.一种基于概念聚类的用户兴趣建模方法，通过对用户浏览过的Web文档进行概念聚类，形成不同粒度的概念簇，根据簇之间的包含关系，创建层次概念树，其特征在于：该方法包括四个步骤：文档预处理、建立后缀树并识别基本簇、创建改进的基本簇图和创建用户兴趣层次；在文档预处理步骤中，使用三种文本预处理方法，即词干提取、停用词过滤和文本分割，UIM2C2以用户在每个查询会话中选择的文档作为潜在的反馈内容；在建立后缀树并识别基本簇步骤中，首先根据文档内容建立后缀树，根据建立的后缀树，得到基本簇的信息；在创建改进的基本簇图步骤中，根据基本簇信息，按照STC算法生成基本簇图，基本簇图表示了基本簇之间的相似关系，该相似关系的度量基于公式簇对应的文档个数，|Bm∩Bn|表示同时对应这两个基本簇的文档个数，参数δ为阈值；在创建用户兴趣层次步骤中，改进的基本簇图中节点间连接线上的权重表示两个节点之间的相似度：指定较小的阈值时，聚类结果中包含的簇数目较少，而每个簇包含的数据对象相对较多；指定较大的阈值时，聚类结果中包含的簇数目较多，而每个簇包含的数据对象相对较少。