CN103186555B - 评价信息生成方法及系统 - Google Patents

Abstract

一种评价信息生成方法，包括如下步骤：从用户行为信息中获取第一信息；判断所述第一信息是否与关键匹配信息相匹配，若是，则获取所述第一信息对应的关键匹配信息所属的类别；根据所述类别生成评价信息。上述评价信息生成方法及系统，从用户行为信息中得到第一信息，根据符合预设的关键匹配信息的第一信息得到相应的类别，进而生成与该类别对应的评价信息，随着第一信息的不同，所生成的评价信息也各不相同，实现了评价信息的动态调整。

Description

评价信息生成方法及系统

【技术领域】

本发明涉及信息处理技术，特别是涉及一种评价信息生成方法及系统。

【背景技术】

社交网络中，例如利用即时通信工具的社交中，用户可通过查看资料得到好友对自己的评价信息，这些评价信息来自于好友对该用户的主观评价，也可以通过查看好友资料得到该好友的评价信息，该好友的评价信息来自于他人对该好友的主观评价，常常反映了用户或好友的兴趣爱好以及评价，这一类评价信息往往是相对固定于用户资料或好友资料中的，仅仅随着用户对评价信息所进行的删除而减少，随着好友对评价信息所进行的新增而丰富，依赖于用户及其好友的操作，无法实现评价信息的动态调整。

【发明内容】

基于此，有必要提供一种能对评价信息进行动态调整的评价信息生成方法。

此外，还有必要提供一种能对评价信息进行动态调整的评价信息生成系统。

一种评价信息生成方法，包括如下步骤：

从用户行为信息中获取第一信息；

判断所述第一信息是否与关键匹配信息相匹配，若是，则获取所述第一信息对应的关键匹配信息所属的类别；

根据所述类别生成评价信息。

优选的，若所述用户行为信息为文本信息，所述从用户行为信息中获取第一信息的步骤为：

读取用户行为信息，并对所述用户行为信息进行分词得到第一信息；

若所述用户行为信息为图片信息，所述从用户行为信息中获取第一信息的步骤为：

获取所述图片信息对应的第一信息，所述第一信息为标识号码。

优选的，所述判断所述第一信息是否与关键匹配信息相匹配的步骤之前还包括：

预先建立所述关键匹配信息的信息摘要值与存储地址之间的映射关系；

所述判断所述第一信息是否与关键匹配信息相匹配的步骤具体为：

在所述关键匹配信息的信息摘要值与存储地址之间的映射关系中进行查找，判断所述第一信息对应的信息摘要值是否存在于所述关键匹配信息的信息摘要值中，若是，则

在所述根据与所述第一信息对应的关键匹配信息获取所述关键匹配信息所属的类别的步骤中：

根据所述关键匹配信息的信息摘要值与存储地址之间的映射关系得到所述第一信息的存储地址；

通过所述第一信息的存储地址查找到所述第一信息与类别之间的映射关系；

从所述第一信息与类别之间的映射关系中获取所述第一信息所属的类别，并对所述类别的出现频度进行计数。

优选的，所述通过所述第一信息的存储地址查找到所述第一信息与类别之间的映射关系的步骤为：

根据所述第一信息的存储地址查找关键匹配信息，得到所述第一信息与分类编码之间的映射关系；

所述从所述第一信息与类别之间的映射关系中获取所述第一信息所属的类别，并对所述类别的出现频度进行计数的步骤为：

根据所述第一信息对应的分类编码得到分类层级；

按照所述分类层级得到与分类编码对应的类别；

对所述类别的出现频度进行计数。

优选的，所述根据所述类别生成评价信息的步骤为：

根据所述类别的出现频度进行排序；

按照所述出现频度从大到小的顺序提取预设数量的类别，形成对应的评价信息。

优选的，所述对所述类别的出现频度进行计数的步骤之后还包括：

扫描所述用户行为信息中是否存在与所述第一信息相关的感情词组，若是，则根据所述感情词组调整所述类别的出现频度。

优选的，所述对所述类别的出现频度进行计数的步骤之后还包括：

记录所述出现频度进行计数的时间；

根据所述时间获取所述类别的出现频度进行计数的时间间隔，并根据所述时间间隔调整所述类别的出现频度。

优选的，还包括：

所述判断所述第一信息是否与关键匹配信息相匹配的步骤之前还包括：

判断所述第一信息是否为名词，若是，则进入判断所述第一信息是否与关键匹配信息相匹配的步骤，若否，则

进一步判断所述第一信息是否为代词，若是，则

获取上一次判断中所述第一信息对应的关键匹配信息，并进入所述根据与所述第一信息对应的关键匹配信息获取所述名词所属的类别的步骤。

一种评价信息生成系统，包括：

信息获取模块，用于从用户行为信息中获取第一信息；

关键匹配信息判断模块，用于判断所述第一信息是否与关键匹配信息相匹配，若是，则通知类别处理模块；

所述类别处理模块，用于获取所述第一信息对应的关键匹配信息所属的类别；

评价信息生成模块，用于根据所述类别生成评价信息。

优选的，若所述用户行为信息为文本信息，所述信息获取模块还用于读取用户行为信息，并对用户行为信息进行分词得到第一信息；

若所述用户行为信息为图片信息，所述信息获取模块还用于获取所述图片信息对应的第一信息，所述第一信息为标识号码。

优选的，预先建立所述关键匹配信息的信息摘要值与存储地址之间的映射关系；

所述关键匹配信息判断模块还用于在所述关键匹配信息的信息摘要值与存储地址之间的映射关系中进行查找，判断所述第一信息对应的信息摘要值是否存在于所述关键匹配信息的信息摘要值中，若是，则通知所述类别处理模块；

优选的，所述类别处理模块包括：

地址获取单元，用于根据关键匹配信息的信息摘要值与存储地址之间的映射关系得到所述第一信息的存储地址；

查找单元，用于通过所述第一信息的存储地址查找到所述第一信息与类别之间的映射关系；

类别获取单元，用于从所述第一信息与类别之间的映射关系中获取所述第一信息所属的类别，并对所述类别的出现频度进行计数。

优选的，所述查找单元还用于根据所述第一信息的存储地址查找关键匹配信息，得到所述第一信息与分类编码之间的映射关系；

所述类别获取单元还用于根据所述第一信息对应的分类编码得到分类层级，按照所述分类层级得到与分类编码对应的类别，对所述类别的出现频度进行计数。

优选的，所述评价信息生成模块包括：

排序单元，用于根据所述类别的出现频度进行排序；

类别提取单元，用于按照所述出现频度从大到小的顺序提取预设数量的类别，形成对应的评价信息。

优选的，所述类别处理模块还包括：

扫描单元，用于扫描所述用户行为信息中是否存在与所述第一信息相关的感情词组，若是，则通知第一频度调整单元；

所述第一频度调整单元用于根据所述感情词组调整所述类别的出现频度。

优选的，所述类别处理模块还包括：

记录单元，用于记录所述出现频度进行计数的时间；

第二频度调整单元，用于根据所述时间获取所述类别的出现频度进行计数的时间间隔，并根据所述时间间隔调整所述类别的出现频度。

优选的，还包括：

名词判断模块，用于判断所述第一信息是否为名词，若是，则通知所述关键匹配信息判断模块，若否，则通知所述代词判断模块，若否，则通知代词判断模块；

所述代词判断模块用于进一步判断所述第一信息是否为代词，若是，则通知信息获取模块；

所述信息获取模块还用于获取上一次判断中所述第一信息对应的关键匹配信息，并通知所述类别处理模块。

上述评价信息生成方法及系统，从用户行为信息中得到第一信息，根据符合预设的关键匹配信息的第一信息得到相应的类别，进而生成与该类别对应的评价信息，随着第一信息的不同，所生成的评价信息也各不相同，实现了评价信息的动态调整。

【附图说明】

图1为一个实施例中评价信息生成方法流程图；

图2为另一个实施例中评价信息生成方法流程图；

图3为一个实施例中获取第一信息对应的关键匹配信息所属的类别的方法流程图；

图4为一个实施例中从第一信息与类别之间的映射关系中获取第一信息所属的类别，并对该类别的出现频度进行计数的方法流程图；

图5为一个实施例中类别的分类层次示意图；

图6为另一个实施例中从第一信息与类别之间的映射关系中获取第一信息所属的类别，并对该类别的出现频度进行计数的方法流程图；

图7为一个实施例中根据类别生成评价信息的方法流程图；

图8为一个实施例中体育类别的出现频度及映射关系示意图；

图9为一个实施例中音乐类别的出现频度及映射关系示意图；

图10为一个实施例中书籍类别的出现频度及映射关系示意图；

图11为一个实施例中评价信息生成系统的结构示意图；

图12为另一个实施例中评价信息生成系统的结构示意图；

图13为一个实施例中类别处理模块的结构示意图；

图14为一个实施例中评价信息生成模块的结构示意图。

【具体实施方式】

如图1所示，在一个实施例中，一种评价信息生成方法，包括如下步骤：

步骤S10，从用户行为信息中获取第一信息。

本实施例中，用户行为信息可以是社交网络工具，例如即时通信工具在会话过程中产生的会话内容，即聊天记录，也可以是博客、微博或者虚拟社区等网站中的信息，具体地，用户行为信息的表现形式可以为文本、图片、用户所使用的表情等等。第一信息可以为用户行为信息中的部分或者全部内容，例如，若用户行为信息为文本形式，则第一信息可为该用户行为信息中的词组，若用户行为信息为即时通信工具在会话过程中产生的图片信息，则第一信息可为该图片信息所对应的标识号码或者其它标识形式。

在一个实施例中，用户行为信息为文本信息，上述步骤S110的具体过程为：读取用户行为信息，并对用户行为信息进行分词得到第一信息。

本实施例中，该文本信息可以是词组，也可以是由多个词组所形成的多段文字，因此，为了对其进行分析，需要对读取的文本信息进行分词处理，所得到的分词结果即为第一信息。具体的，第一信息可以是单个词组，也可以是读取的文本信息中的各种名词、代词等。

步骤S30，判断第一信息是否与关键匹配信息相匹配，若是，则进入步骤S50，若否，则结束。

本实施例中，存储了多个关键匹配信息，用于在存储的多个关键匹配信息中查找出与第一信息相匹配的某一关键匹配信息。例如，该关键匹配信息可以是关键词，也可以是图片的标识号码。

在一个实施例中，用户行为信息为文本信息，如图2所示，上述步骤S30之前还包括：

步骤S210，判断第一信息是否为名词，若是，则进入步骤S30，若否，则进入步骤S230。

本实施例中，在用户行为信息是文本信息的场景下，判断通过分词处理得到的第一信息是否为名词，如果第一信息为名词，则应当进一步判断该第一信息是否与预设的关键匹配信息相符，若第一信息即为关键匹配信息中某一个关键词，则说明该第一信息为有效信息，可用于进行评价信息的动态调整。

步骤S230，判断第一信息是否为代词，若是，则进入步骤S250，若否，则结束。

本实施例中，如果判断到第一信息不为名词，则需要进一步判断该第一信息是否为代词，查看该代词指代了用户行为信息中的哪一个第一信息，进而通过确定的第一信息进行后续的处理，若该代词并未指代用户行为信息中的任一第一信息，则对该第一信息的处理结束，进入用户行为信息中的另一个第一信息的处理，或者第一信息已经是该条用户行为信息中的最后一个第一信息，此时针对该条用户行为信息的处理过程将结束，将对其它的用户行为信息进行相应的处理，其具体过程不再赘述。

步骤S250，获取上一次判断中第一信息对应的关键匹配信息，并进入步骤S50。

本实施例中，在判断到第一信息为代词的场景下，获取上一次对第一信息的判断过程中与该第一信息相符的关键匹配信息，进而进入步骤S50中按照该关键匹配信息得到所属的类别。

步骤S50，获取第一信息对应的关键匹配信息所属的类别。

本实施例中，预先建立了关键匹配信息与类别之间的映射关系，在得到与第一信息相对应的关键匹配信息之后，根据建立的映射关系获取与得以的关键匹配信息相对应的类别。具体的，关键匹配信息与类别之间的映射关系可以是数据字典的形式，其对应的数据结构可为映射表，表现形式为map<key，value>，其中，每一个key值(键值)都有唯一对应的value值，关键匹配信息为key值，类别为value值。

步骤S70，根据所述类别生成评价信息。

本实施例中，按照用户行为信息中每一个第一信息所对应的类别均可以得到与该类别相对应的评价信息，即根据用户行为信息中内容的不同，该条用户行为信息所对应的评价信息也各不相同，因此，通过对即时通信工具中会话产生的用户行为信息或者虚拟网络社区等网站中产生的用户行为信息进处理，实现评价信息的动态变换，准确反映当前的用户行为信息。具体地，根据用户行为信息中第一信息所属的类别所生成的评价信息可以用于反映用户或者好友的兴趣爱好、热点信息以及心情等。

在生成了评价信息之后，还可将评价信息展示于相应的用户所在的资料及其虚拟社区网站中，以准确地反映该用户的真实特性。

在一个实施例中，上述步骤S30之前还包括：建立关键匹配信息的信息摘要值与存储地址之间的映射关系。

本实施例中，存储地址为关键匹配信息在数据字典中的地址，可以是内存地址的形式，形如0X12345678，用于快速地根据第一信息在关键匹配信息中进行查找。关键匹配信息的信息摘要值可以是文本信息中通过md5或SHA等算法进行哈希计算所得到的哈希值，也可以是图片信息中的标识号码。在关键匹配信息的信息摘要值与存储地址之间的映射关系中，所对应的映射表结构可以是关键匹配信息为key值，而存储地址为value值。

上述步骤S30的具体过程为：在关键匹配信息的信息摘要值与存储地址之间的映射关系中进行查找，判断第一信息对应的信息摘要值是否存在于关键匹配信息的信息摘要值中，若是，则进入步骤S50，若否，则结束。

本实施例中，获取第一信息的信息摘要值，在关键匹配信息的信息摘要值与存储地址之间的映射关系中进行查找，以查找出与第一信息的信息摘要值相同的关键匹配信息的信息摘要值，进而得到与之相对应的存储地址。

在一个实施例中，如图3所示，上述步骤S50的具体过程为：

步骤S510，根据关键匹配信息的信息摘要值与存储地址之间的映射关系得到第一信息的存储地址。

步骤S530，通过第一信息的存储地址查找到第一信息与类别之间的映射关系。

本实施例中，预先存储了关键匹配信息与其所属类别之间的映射关系，例如，若关键匹配信息为歌手名字，则所对应的类别可以是音乐；若关键匹配信息为电影名称，则所对应的类别可以是影视娱乐，若关键匹配信息为表示微笑的图像表情，则所对应的类别可以是笑。在得到了与第一信息相同的关键匹配信息之后，根据该关键匹配信息的存储地址得到了这一第一信息与类别之间的映射关系。

步骤S550，从第一信息与类别之间的映射关系中获取第一信息所属的类别，并对该类别的出现频度进行计数。

本实施例中，从查找到的第一信息与类别之间的映射关系获取到该第一信息所属的类别，并在该类别的出现频度加1，以进行该类别的出现频度的计数。出现频度体现了对应的类别在一条或者多条用户行为信息中的出现频率。

在一个实施例中，上述步骤S530的具体过程为：根据第一信息的存储地址查找关键匹配信息，得到第一信息与分类编码之间的映射关系。

本实施例中，在关键匹配信息与所属分类之间的映射关系中，类别是以分类编码的形式进行存储的。即预先对每一个分类进行编号，例如热点新闻的分类可编号为1，影视娱乐的分类可编号为2、时尚的分类可编号为3、游戏可编号为5......。

如图4所示，上述步骤S550的具体过程为：

步骤S551，根据第一信息对应的分类编码得到分类层级。

本实施例中，根据实际需要，对关键匹配信息进行粗略分类或者细分关键匹配信息，预先设置一个或者多个层级的分类体系，并通过分类编码体现出对应的分类层级。在分类编码中，每一分类层级之间的编码是连续的，可通过相应的编码长度来确定每一分类层级所对应的编码。具体的，分类编码可通过十六进制的形式表示，并且按照分类层级从大到小的顺序由编码的高位到低位顺次排列，例如，分类编码中设置两个层级，其编码长度为4个字节，第一分类层级所对应的编码长度为1个字节，第二分类所对应的编码长度为3个字节，对关键匹配信息按照大类以及该大类下的小类进行分类，大类所对应的1个字节的分类编码占高位，关键匹配信息所对应的小类的分类编码占低位。若关键匹配信息为歌曲名称，则该歌曲名称所对应的小类为歌手名字，分类编码为0x010203，大类为音乐，编号为9，对应的十六进制分类编码为0x09，则关键匹配信息所对应的分类编码为0x09010203，此时，通过查看分类编码即可确定该关键匹配信息的分类层级。

步骤S553，按照分类层级得到与分类编码对应的类别。

本实施例中，根据分类层级获取与每一分类层级的分类编码对应的类别，例如，根据分类编码0x09010203可以知道第一信息有两个分类层级，第一分类层级为0x09，所对应的分类为音乐，第二分类层级为0x010203，所对应的分类为歌手名字。

步骤S555，对该类别的出现频度进行计数。

本实施例中，在得到第一信息所处的类别时，还应当对该类别进行计数以更新该类别所对应的出现频度。

进一步的，如图5所示，根据得到的类别以及分类层级，建立每一分类层级所对应的类别之间以及第一信息的映射关系，例如，对于第一信息为歌曲名称，大类为音乐，小类为歌手名称的映射关系，并在该映射关系中标识相应的出现频度，以提高后续过程的效率。

在另一个实施例中，上述对该类别的出现频度进行计数的步骤之后还包括：

扫描用户行为信息中是否存在与第一信息相关的感情词组，若是，则根据感情词组调整该类别的出现频度，若否，则结束。

本实施例中，对用户行为信息进行扫描，以查看第一信息附近是否存在感情词组，进而根据感情词组对第一信息的出现频度进行调整。感情词组可以是“喜欢”、“爱”以及“讨厌”等词组，包括了正面感情词组和负面感情词组，其中，正面感情词组是“喜欢”、“爱”之类的词组，负面感情词组是“讨厌”、“厌恶”之类的词组。具体的，感情词组为正面感情词组，则将该类别的出现频度乘以第一系数，该第一系数大于1；感情词组为负面感情词组，则将该类别的出现频度乘以第二系数，第二系数小于-1。通过感情词组来调整类别的出现频度，将大大地提高了通过用户行为信息所得到的评价信息的准确度。

在另一个实施例中，如图6所示，上述对该类别的出现频度进行计数的步骤之后还包括：

步骤S410，记录出现频度进行计数的时间。

步骤S430，根据该时间获取类别的出现频度进行计数的时间间隔，并根据时间间隔调整该类别的出现频度。

本实施例中，由于从某一关键匹配信息出现频率的高低可以反映出这一关键匹配信息在用户行为信息中所代表的热度，例如，在用户行为信息中，若“足球”这一第一信息在较短的时间内出现了多次，则说明对发表该用户行为信息的用户而言足球为热点词组，因此可适当地调高“足球”所对应的类别的出现频度。具体的，获取类别的出现频度进行计数的时间间隔所处的阈值范围，该阈值范围包括了第一临界值和大于第一临界值的第二临界值，根据获取到的阈值范围将出现频度与第三系数相乘得到新的出现频度，其中，第三系数的大小由获取到的阈值范围确定，可能是第一临界值的倍数，例如，若时间间隔处于1至2之间，则可将出现频度与一个定值相乘，若时间间隔处于2至3之间，则可将出现频度与该定值的两倍相乘......以此类推。

在另一个实施例中，如图7所示，上述步骤S70的具体过程为：

步骤S710，根据类别的出现频度进行排序。

本实施例中，根据类别的出现频度，对分类进行排序，得到出现频度较高的多个类别。

步骤S730，按照出现频度从大到小的顺序提取预设数量的类别，形成对应的评价信息。

本实施例中，将出现频度较高的类别生成评价信息，例如，如图8至10所示，体育、音乐和书籍这一类别的出现频度较高，则生成分别标记了“体育”、“音乐”和“书籍”的评价信息，此外，还可根据映射关系中的小类形成相应的评价信息。

根据动态形成的评价信息，可以准确了解到即时通信工具的会话过程中，用户与其好友之间的共同兴趣爱好以及热点信息，也可以获知某一用户或好友各自的共同兴趣爱好，还可以获知虚拟社区网站中用户所关注的信息以及兴趣爱好。此外，还可根据动态形成的评价信息，准确地向推送用户感兴趣的网络信息，根据多个用户之间存在的相同的评价信息向某一用户推荐兴趣爱好或都关注相同信息的好友，大大提高了对用户及好友进行评价的准确性和有效性。

在一个实施例中，如图11所示，一种评价信息生成系统，包括信息获取模块10、关键匹配信息判断模块30、类别处理模块50以及评价信息生成模块70。

信息获取模块10，用于从用户行为信息中获取第一信息。

本实施例中，用户行为信息可以是社交网络工具，例如即时通信工具在会话过程中产生的会话内容，也可以是博客、微博或者虚拟社区等网站中的信息，具体地，用户行为信息的表现形式可以为文本、图片、用户所使用的表情等等。第一信息可以为用户行为信息中的部分或者全部内容，例如，若用户行为信息为文本形式，则第一信息可为该用户行为信息中的词组，若用户行为信息为即时通信工具在会话过程中产生的图片信息，则第一信息可为该图片信息所对应的标识号码或者其它标识形式。

在一个实施例中，用户行为信息为文本信息，信息获取模块10还用于读取用户行为信息，并对用户行为信息进行分词得到第一信息。

本实施例中，该文本信息可以是词组，也可以是由多个词组所形成的多段文字，因此，为了对其进行分析，需要信息获取模块10对读取的文本信息进行分词处理，所得到的分词结果即为第一信息。具体的，第一信息可以是单个词组，也可以是读取的文本信息中的各种名词、代词等。

在一个实施例中，如图12所示，上述评价信息生成系统还包括：

名词判断模块20，用于判断第一信息是否为名词，若是，则通知关键匹配信息判断模块30，若否，则通知代词判断模块40。

本实施例中，在用户行为信息是文本信息的场景下，名词判断模块20判断通过分词处理得到的第一信息是否为名词，如果第一信息为名词，则应当进一步判断该第一信息是否与关键匹配信息相匹配，若第一信息与关键匹配信息中某一个关键词相匹配，则说明该第一信息为有效信息，可用于进行评价信息的动态调整。

代词判断模块40，用于判断第一信息是否为代词，若是，则通知信息获取模块10，若否，则结束。

本实施例中，如果名词判断模块20判断到第一信息不为名词，则需要代词判断模块40进一步判断该第一信息是否为代词，查看该代词指代了用户行为信息中的哪一个第一信息，进而对确定的第一信息进行后续的处理，若该代词并未指代用户行为信息中的任一第一信息，则对该第一信息的处理结束，进入用户行为信息中的另一个第一信息的处理，或者第一信息已经是该条用户行为信息中的最后一个第一信息，此时针对该条用户行为信息的处理过程将结束，将对其它的用户行为信息进行相应的处理，其具体过程不再赘述。

在一个实施例中，信息获取模块10还用于获取上一次判断中第一信息对应的关键匹配信息，并通知类别处理模块50。

本实施例中，在判断到第一信息为代词的场景下，信息获取模块10获取上一次对第一信息的判断过程中与该第一信息相符的关键匹配信息，进而通知类别处理模块50按照该关键匹配信息得到所属的类别。

关键匹配信息判断模块30，用于判断第一信息是否与关键匹配信息相匹配，若是，则通知类别处理模块50，若否，则结束。

本实施例中，预先存储了多个关键匹配信息，用于在存储的多个关键匹配信息中查找出与第一信息相匹配的某一关键匹配信息。例如，该关键匹配信息可以是关键词，也可以是图片的标识号码。

类别处理模块50，用于获取第一信息对应的关键匹配信息所属的类别。

本实施例中，预先建立了关键匹配信息与类别之间的映射关系，在得到与第一信息相对应的关键匹配信息之后，类别处理模块50根据建立的映射关系获取与得以的关键匹配信息相对应的类别。具体的，关键匹配信息与类别之间的映射关系可以是数据字典的形式，其对应的数据结构可为映射表，表现形式为map<key，value>，其中，每一个key值(键值)都有唯一对应的value值，关键匹配信息为key值，类别为value值。

评价信息生成模块70，用于根据类别生成评价信息。

本实施例中，评价信息生成模块70按照用户行为信息中每一个第一信息所对应的类别均可以得到与该类别相对应的评价信息，即根据用户行为信息中内容的不同，该条用户行为信息所对应的评价信息也各不相同，因此，通过对即时通信工具中会话产生的用户行为信息或者虚拟网络社区等网站中产生的用户行为信息进处理，实现评价信息的动态变换，准确反映当前的用户行为信息。具体地，根据用户行为信息中第一信息所属的类别所生成的评价信息可以用于反映用户或者好友的兴趣爱好、热点信息以及心情等。

在一个实施例中，预先建立关键匹配信息的信息摘要值与存储地址之间的映射关系。

本实施例中，存储地址为关键匹配信息在数据字典中的地址，可以是内存地址的形式，用于快速地根据第一信息在关键匹配信息中进行查找。关键匹配信息的信息摘要值可以是文本信息中通过md5或SHA等算法进行哈希计算所得到的哈希值，也可以是图片信息中的标识号码。在关键匹配信息的信息摘要值与存储地址之间的映射关系中，所对应的映射表结构可以是关键匹配信息为key值，而存储地址为value值。

关键匹配信息判断模块30还用于在关键匹配信息的信息摘要值与存储地址之间的映射关系中进行查找，判断第一信息对应的信息摘要值是否存在于关键匹配信息的信息摘要值中，若是，则通知类别处理模块50，若否，则结束。

本实施例中，关键匹配信息判断模块30获取第一信息的信息摘要值，在关键匹配信息的信息摘要值与存储地址之间的映射关系中进行查找，以查找出与第一信息的信息摘要值相同的关键匹配信息的信息摘要值，进而得到与之相对应的存储地址。

在一个实施例中，如图13所示，上述类别处理模块50包括地址获取单元510、查找单元530以及类别获取单元550。

地址获取单元510，用于根据关键匹配信息的信息摘要值与存储地址之间的映射关系得到第一信息的存储地址。

查找单元530，用于通过第一信息的存储地址查找到第一信息与类别之间的映射关系。

本实施例中，预先存储了关键匹配信息与其所属类别之间的映射关系，例如，若关键匹配信息为歌手名字，则所对应的类别可以是音乐；若关键匹配信息为电影名称，则所对应的类别可以是影视娱乐，若关键匹配信息为表示微笑的图像表情，则所对应的类别可以是笑。在得到了与第一信息相同的关键匹配信息之后，查找单元530根据该关键匹配信息的存储地址得到了这一第一信息与类别之间的映射关系。

类别获取单元550，用于从第一信息与类别之间的映射关系中获取第一信息所属的类别，并对该类别的出现频度进行计数。

本实施例中，类别获取单元550从查找到的第一信息与类别之间的映射关系获取到该第一信息所属的类别，并在该类别的出现频度加1，以进行该类别的出现频度的计数。出现频度体现了对应的类别在一条或者多条用户行为信息中的出现频率。

在另一个实施例中，上述类别获取单元550还用于扫描用户行为信息中是否存在与第一信息相关的感情词组，若是，则根据感情词组调整类别的出现频度，若否，则结束。

本实施例中，类别获取单元550对用户行为信息进行扫描，以查看第一信息附近是否存在感情词组，进而根据感情词组对第一信息的出现频度进行调整。感情词组可以是“喜欢”、“爱”以及“讨厌”等词组，包括了正面感情词组和负面感情词组，其中，正面感情词组是“喜欢”、“爱”之类的词组，负面感情词组是“讨厌”、“厌恶”之类的词组。具体的，感情词组为正面感情词组，则类别获取单元550将该类别的出现频度乘以第一系数，该第一系数大于1；感情词组为负面感情词组，则类别获取单元550将该类别的出现频度乘以第二系数，第二系数小于-1。类别获取单元550通过感情词组来调整类别的出现频度，将大大地提高了通过用户行为信息所得到的评价信息的准确度。

在另一个实施例中，上述类别获取单元550还用于记录出现频度进行计数的时间，根据时间获取该类别的出现频度进行计数的时间间隔，并根据时间间隔调整类别的出现频度。

本实施例中，由于从某一关键匹配信息出现频率的高低可以反映出这一关键匹配信息在用户行为信息中所代表的热度，例如，在用户行为信息中，若“足球”这一第一信息在较短的时间内出现了多次，则说明对发表该用户行为信息的用户而言，足球为热点词组，因此类别获取单元550可适当地调高“足球”所对应的类别的出现频度。具体的，类别获取单元550获取类别的出现频度进行计数的时间间隔所处的阈值范围，该阈值范围包括了第一临界值和大于第一临界值的第二临界值，根据获取到的阈值范围将出现频度与第三系数相乘得到新的出现频度，其中，第三系数的大小由获取到的阈值范围确定，可能是第一临界值的倍数，例如，若时间间隔处于1至2之间，则可将出现频度与一个定值相乘，若时间间隔处于2至3之间，则可将出现频度与该定值的两倍相乘......以此类推。

在一个实施例中，查找单元530还用于第一信息的存储地址查找关键匹配信息，得到第一信息与分类编码之间的映射关系。

本实施例中，在关键匹配信息与所属分类之间的映射关系中，类别是以分类编码的形式进行存储的。即预先对每一个分类进行编号，例如热点新闻的分类可编号为1，影视娱乐的分类可编号为2、时尚的分类可编号为3、游戏可编号为5......。

类别获取单元550还用于根据第一信息对应的分类编码得分类层级，按照分类层级得到与分类编码对应的类别，对该类别的出现频度进行计数。

本实施例中，根据实际需要，对关键匹配信息进行粗略分类或者细分关键匹配信息，预先设置一个或者多个层级的分类体系，并通过分类编码体现出对应的分类层级。在分类编码中，每一分类层级之间的编码是连续的，可通过相应的编码长度来确定每一分类层级所对应的编码。具体的，分类编码可通过十六进制的形式表示，并且按照分类层级从大到小的顺序由编码的高位到低位顺次排列，例如，分类编码中设置两个层级，其编码长度为4个字节，第一分类层级所对应的编码长度为1个字节，第二分类所对应的编码长度为3个字节，对关键匹配信息按照大类以及该大类下的小类进行分类，大类所对应的1个字节的分类编码占高位，关键匹配信息所对应的小类的分类编码占低位。若关键匹配信息为歌曲名称，则该歌曲名称所对应的小类为歌手名字，分类编码为0x010203，大类为音乐，编号为9，对应的十六进制分类编码为0x09，则关键匹配信息所对应的分类编码为0x09010203，此时，通过查看分类编码即可确定该关键匹配信息的分类层级。

类别获取单元550根据分类层级获取与每一分类层级的分类编码对应的类别，在得到第一信息所处的类别时，还应当对该类别进行计数以更新该类别所对应的出现频度。例如，根据分类编码0x09010203可以知道第一信息有两个分类层级，第一分类层级为0x09，所对应的分类为音乐，第二分类层级为0x010203，所对应的分类为歌手名字。

进一步的，如图5所示，根据得到的类别以及分类层级，建立每一分类层级所对应的类别之间以及第一信息的映射关系，例如，对于第一信息为歌曲名称，大类为音乐，小类为歌手名称的映射关系，并在该映射关系中标识相应的出现频度，以提高后续过程的效率。

在一个实施例中，如图14所示，上述评价信息生成模块70包括排序单元710以及类别提取单元730。

排序单元710，用于根据类别的出现频度进行排序。

本实施例中，排序单元710根据类别的出现频度，对分类进行排序，得到出现频度较高的多个类别。

类别提取单元730，用于按照出现频度从大到小的顺序提取预设数量的类别，形成对应的评价信息。

本实施例中，类别提取单元730将出现频度较高的类别生成评价信息，体育、音乐和书籍这一类别的出现频度较高，则生成分别标记了“体育”、“音乐”和“书籍”的评价信息，此外，还可根据映射关系中的小类形成相应的评价信息。

上述评价信息生成方法及系统，从用户行为信息中得到第一信息，根据符合预设的关键匹配信息的第一信息得到相应的类别，进而生成与该类别对应的评价信息，随着第一信息的不同，所生成的评价信息也各不相同，实现了评价信息的动态调整。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (14)

1.一种评价信息生成方法，包括如下步骤：

从用户行为信息中获取第一信息；

判断所述第一信息是否与关键匹配信息相匹配，具体为：在所述关键匹配信息的信息摘要值与存储地址之间的映射关系中进行查找，判断所述第一信息对应的信息摘要值是否存在于所述关键匹配信息的信息摘要值中，若是，则获取所述第一信息对应的关键匹配信息所属的类别，具体为：根据所述关键匹配信息的信息摘要值与存储地址之间的映射关系得到所述第一信息的存储地址，通过第一信息的存储地址查找到第一信息与类别之间的映射关系，从所述第一信息与类别之间的映射关系中获取所述第一信息所属的类别，并对所述类别的出现频度进行计数，所述判断所述第一信息是否与关键匹配信息相匹配的步骤之前还包括：建立所述关键匹配信息的信息摘要值与存储地址之间的映射关系；

根据所述类别生成评价信息。

2.根据权利要求1所述的评价信息生成方法，其特征在于，若所述用户行为信息为文本信息，所述从用户行为信息中获取第一信息的步骤为：

读取用户行为信息，并对所述用户行为信息进行分词得到第一信息；

若所述用户行为信息为图片信息，所述从用户行为信息中获取第一信息的步骤为：

获取所述图片信息对应的第一信息，所述第一信息为标识号码。

3.根据权利要求1所述的评价信息生成方法，其特征在于，所述通过所述第一信息的存储地址查找到所述第一信息与类别之间的映射关系的步骤为：

根据所述第一信息的存储地址查找关键匹配信息，得到所述第一信息与分类编码之间的映射关系；

所述从所述第一信息与类别之间的映射关系中获取所述第一信息所属的类别，并对所述类别的出现频度进行计数的步骤为：

根据所述第一信息对应的分类编码得到分类层级；

按照所述分类层级得到与分类编码对应的类别；

对所述类别的出现频度进行计数。

4.根据权利要求1所述的评价信息生成方法，其特征在于，所述根据所述类别生成评价信息的步骤为：

根据所述类别的出现频度进行排序；

按照所述出现频度从大到小的顺序提取预设数量的类别，形成对应的评价信息。

5.根据权利要求1所述的评价信息生成方法，其特征在于，所述对所述类别的出现频度进行计数的步骤之后还包括：

扫描所述用户行为信息中是否存在与所述第一信息相关的感情词组，若是，则根据所述感情词组调整所述类别的出现频度。

6.根据权利要求1所述的评价信息生成方法，其特征在于，所述对所述类别的出现频度进行计数的步骤之后还包括：

记录所述出现频度进行计数的时间；

根据所述时间获取所述类别的出现频度进行计数的时间间隔，并根据所述时间间隔调整所述类别的出现频度。

7.根据权利要求2所述的评价信息生成方法，其特征在于，还包括：

所述判断所述第一信息是否与预设的关键匹配信息相匹配的步骤之前还包括：

判断所述第一信息是否为名词，若是，则进入判断所述第一信息是否与关键匹配信息相匹配的步骤，若否，则

进一步判断所述第一信息是否为代词，若是，则

获取上一次判断中所述第一信息对应的关键匹配信息，并进入所述根据与所述第一信息对应的关键匹配信息获取所述名词所属的类别的步骤。

8.一种评价信息生成系统，其特征在于，预先建立关键匹配信息的信息摘要值与存储地址之间的映射关系，包括：

信息获取模块，用于从用户行为信息中获取第一信息；

关键匹配信息判断模块，用于判断所述第一信息是否与关键匹配信息相匹配，所述关键匹配信息判断模块还用于在所述关键匹配信息的信息摘要值与存储地址之间的映射关系中进行查找，判断所述第一信息对应的信息摘要值是否存在于所述关键匹配信息的信息摘要值中，若是，则通知类别处理模块；

所述类别处理模块，用于获取所述第一信息对应的关键匹配信息所属的类别，所述类别处理模块包括：

地址获取单元，用于根据关键匹配信息的信息摘要值与存储地址之间的映射关系得到所述第一信息的存储地址；

查找单元，用于通过所述第一信息的存储地址查找到所述第一信息与类别之间的映射关系；

类别获取单元，用于从所述第一信息与类别之间的映射关系中获取所述第一信息所属的类别，并对所述类别的出现频度进行计数；

评价信息生成模块，用于根据所述类别生成评价信息。

9.根据权利要求8所述的评价信息生成系统，其特征在于，若所述用户行为信息为文本信息，所述信息获取模块还用于读取用户行为信息，并对用户行为信息进行分词得到第一信息；

若所述用户行为信息为图片信息，所述信息获取模块还用于获取所述图片信息对应的第一信息，所述第一信息为标识号码。

10.根据权利要求8所述的评价信息生成系统，其特征在于，所述查找单元还用于根据所述第一信息的存储地址查找关键匹配信息，得到所述第一信息与分类编码之间的映射关系；

所述类别获取单元还用于根据所述第一信息对应的分类编码得到分类层级，按照所述分类层级得到与分类编码对应的类别，对所述类别的出现频度进行计数。

11.根据权利要求8所述的评价信息生成系统，其特征在于，所述评价信息生成模块包括：

排序单元，用于根据所述类别的出现频度进行排序；

类别提取单元，用于按照所述出现频度从大到小的顺序提取预设数量的类别，形成对应的评价信息。

12.根据权利要求8所述的评价信息生成系统，其特征在于，所述类别处理模块还包括：

扫描单元，用于扫描所述用户行为信息中是否存在与所述第一信息相关的感情词组，若是，则通知第一频度调整单元；

所述第一频度调整单元用于根据所述感情词组调整所述类别的出现频度。

13.根据权利要求8所述的评价信息生成系统，其特征在于，所述类别处理模块还包括：

记录单元，用于记录所述出现频度进行计数的时间；

第二频度调整单元，用于根据所述时间获取所述类别的出现频度进行计数的时间间隔，并根据所述时间间隔调整所述类别的出现频度。

14.根据权利要求9所述的评价信息生成系统，其特征在于，还包括：

名词判断模块，用于判断所述第一信息是否为名词，若是，则通知所述关键匹配信息判断模块，若否，则通知代词判断模块；

所述代词判断模块用于进一步判断所述第一信息是否为代词，若是，则通知信息获取模块；

所述信息获取模块还用于获取上一次判断中所述第一信息对应的关键匹配信息，并通知所述类别处理模块。