CN103455552A - 基于兴趣词的兴趣点挖掘方法及装置 - Google Patents
基于兴趣词的兴趣点挖掘方法及装置 Download PDFInfo
- Publication number
- CN103455552A CN103455552A CN2013103312443A CN201310331244A CN103455552A CN 103455552 A CN103455552 A CN 103455552A CN 2013103312443 A CN2013103312443 A CN 2013103312443A CN 201310331244 A CN201310331244 A CN 201310331244A CN 103455552 A CN103455552 A CN 103455552A
- Authority
- CN
- China
- Prior art keywords
- term
- node
- interest
- session section
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于兴趣词的兴趣点挖掘方法及装置。本发明实施例通过对目标Session段中所包括的每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数，进而根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term，使得能够根据所述核心Term和所述辅助Term，确定所述用户的兴趣点，能够避免现有技术中由于只能通过对实体的名称的提取来确定用户的兴趣点而导致的方法单一的问题，从而提高了兴趣点挖掘的灵活性。
Description
【技术领域】
本发明涉及数据挖掘技术，尤其涉及一种基于兴趣词（Term）的兴趣点挖掘方法及装置。
【背景技术】
随着通信技术的发展，终端集成了越来越多的功能，从而使得终端的系统功能列表中包含了越来越多相应的应用程序，例如，电脑中安装的应用程序，第三方智能手机中安装的应用程序（Application，APP）等。这些应用程序每天都会产生大量的用户的行为日志，对这些行为日志进行分析，能够挖掘用户的兴趣点。现有技术中，在对用户的行为日志进行分析的过程中，可以通过对实体的名称的提取，确定用户的兴趣点。
然而，现有技术中，只能通过对实体的名称的提取，确定用户的兴趣点，方法单一，从而导致了兴趣点挖掘的灵活性的降低。
【发明内容】
本发明的多个方面提供一种基于兴趣词的兴趣点挖掘方法及装置，用以提高兴趣点挖掘的灵活性。
本发明的一方面，提供一种基于兴趣词的兴趣点挖掘方法，包括：
确定待匹配的目标Session段，所述目标Session段中包括指定用户的至少一个行为日志；
对每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数；
根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term；
根据所述核心Term和所述辅助Term，确定所述用户的兴趣点。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述确定待匹配的Session段，包括：
获得所述用户对应的至少一个Session段；
获得每个所述Session段的主题；
根据每个所述Session段的主题，确定所述目标Session段，所述目标Session段包括至少一个所述Session段。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term，包括：
根据所述至少两个Term和每个所述Term出现的次数，建立Term共现图，所述Term共现图中包括至少一个节点，每个节点对应一个Term，该节点的权重对应该Term的出现频次，两个节点之间的连接线对应所述两个节点共同出现的频次；
根据每个所述节点权重，获得核心Term和辅助Term。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据每个所述节点权重，获得核心Term和辅助Term，包括：
利用凝聚层次聚类算法，对所述Term共现图进行聚类，以获得至少一个类；
在每个所述类中，根据每个所述节点权重，获得核心Term和辅助Term。
本发明的另一方面，提供一种基于兴趣词的兴趣点挖掘装置，包括：
确定单元，用于确定待匹配的目标Session段，所述目标Session段中包括指定用户的至少一个行为日志；
分词单元，用于对每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数；
获得单元，用于根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term；
挖掘单元，用于根据所述核心Term和所述辅助Term，确定所述用户的兴趣点。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述确定单元，具体用于
获得所述用户对应的至少一个Session段；
获得每个所述Session段的主题；
根据每个所述Session段的主题，确定所述目标Session段，所述目标Session段包括至少一个所述Session段。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获得单元，具体用于
根据所述至少两个Term和每个所述Term出现的次数，建立Term共现图，所述Term共现图中包括至少一个节点，每个节点对应一个Term，该节点的权重对应该Term的出现频次，两个节点之间的连接线对应所述两个节点共同出现的频次；
根据每个所述节点权重，获得核心Term和辅助Term。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获得单元，具体用于
利用凝聚层次聚类算法，对所述Term共现图进行聚类，以获得至少一个类；
在每个所述类中，根据每个所述节点权重，获得核心Term和辅助Term。
由上述技术方案可知，本发明实施例通过对目标Session段中所包括的每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数，进而根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term，使得能够根据所述核心Term和所述辅助Term，确定所述用户的兴趣点，能够避免现有技术中由于只能通过对实体的名称的提取来确定用户的兴趣点而导致的方法单一的问题，从而提高了兴趣点挖掘的灵活性。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的基于兴趣词的兴趣点挖掘方法的流程示意图；
图2为图1对应的实施例中一Term共现图；
图3为图1对应的实施例中另一Term共现图；
图4为本发明另一实施例提供的基于兴趣词的兴趣点挖掘装置的结构示意图。
【具体实施方式】
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明实施例中所涉及的终端可以包括但不限于手机、个人数字助理（Personal Digital Assistant，PDA）、无线手持装置、无线上网本、个人电脑、便携电脑、MP3播放器、MP4播放器等。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1为本发明一实施例提供的基于兴趣词的兴趣点挖掘方法的流程示意图，如图1所示。
101、确定待匹配的目标用户意图（Session）段，所述目标Session段中包括指定用户的至少一个行为日志。
102、对每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数。
103、根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term。
104、根据所述核心Term和所述辅助Term，确定所述用户的兴趣点。
需要说明的是，101～104的执行主体可以是数据挖掘工具，例如，日志分析软件等，可以位于本地的客户端中，以进行离线服务，或者还可以位于网络侧的服务器中，以进行在线服务，本实施例对此不进行限定。
可以理解的是，所述客户端可以是安装在终端上的应用程序，或者还可以是浏览器的一个网页，只要能够实现用户的行为日志的挖掘，以提供相应服务的客观存在形式都可以，本实施例对此不进行限定。
这样，通过对目标Session段中所包括的每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数，进而根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term，使得能够根据所述核心Term和所述辅助Term，确定所述用户的兴趣点，能够避免现有技术中由于只能通过对实体的名称的提取来确定用户的兴趣点而导致的方法单一的问题，从而提高了兴趣点挖掘的灵活性。
现有的基于兴趣词的兴趣点挖掘方法，只能通过对实体的名称的提取，确定用户的兴趣点，这种方法单一，灵活性较差。
具体地，在全网的数据源中，用户的一个行为日志可以为如下格式：[uidURL source query title date time ip actid actname actattr unifyUrl PtNumbercommonQuery]。其中，共包括14个字段，各字段的含义如下所述：
用户标识（User ID，uid）：baiduid映射出来的用户id，由若干数字组成；
统一资源定位符（Uniform Resource Locator，URL）：可能为空，或可能不以“http”开头；
数据源（source）：产品线的数据来源，例如，百度百科（baike）、百度论坛（forum）或百度地图（map）；
检索关键词（query）：可能为空；
题目（title）：网页名称；
日期（date）：例如，2013年6月3日，其格式一般可以为“20120603”。
时间（time）：例如，12点34分02秒，其格式一般可以为12:34:02。
ip：IP地址
动作标识（actid）：网页动作的标识；
动作名称（actname）：网页动作的名称；
动作属性（actattr）：网页动作的属性；
归一化URL（unifyUrl）：URL的归一化结果；
URL资源类型（PtNumber）：整数显示，默认‘‐’（即‘0’）；
通用Query（commonQuery）：URL最常用的Query。
可选地，在本实施例的一个可能的实现方式中，在101中，数据挖掘工具具体可以获得所述用户对应的至少一个Session段。
然后，所述数据挖掘工具则可以获得每个所述Session段的主题。具体地，数据挖掘工具具体可以采用现有技术中的相关方法，获得每个所述Session段的主题，例如，通过确定该Session段所包括的行为日志中的第一个行为日志所属的主题，以作为该Session段的主题，等，本实施例对此不进行特别限定。例如，具体可以采用Query分类模型、Title分类模型和URL分类模型中的至少一个模型，输出第一个行为日志所属的主题。
需要说明的是，利用测试样本中的行为日志的Query对所述Query分类模型进行训练的训练方法，可以采用现有技术中的相关内容，此处不再赘述；利用测试样本中的行为日志的Title对所述Title分类模型进行训练的训练方法，可以采用现有技术中的相关内容，此处不再赘述；利用测试样本中的行为日志的URL对所述URL分类模型进行训练的训练方法，可以采用现有技术中的相关内容，此处不再赘述。
最后，所述数据挖掘工具则可以根据每个所述Session段的主题，确定所述目标Session段，所述目标Session段包括至少一个所述Session段。
可选地，在本实施例的一个可能的实现方式中，在103中，数据挖掘工具具体可以根据所述至少两个Term和每个所述Term出现的次数，建立Term共现图，如图2所示。其中，所述Term共现图中包括至少一个节点，每个节点对应一个Term，该节点的权重对应该Term的出现频次m，两个节点之间的连接线对应所述两个节点共同出现的频次n。
然后，所述数据挖掘工具根据每个所述节点权重，获得核心Term和辅助Term。具体地，数据挖掘工具具体可以利用凝聚层次聚类算法，对所述Term共现图进行聚类，以获得至少一个类，进而能够在每个所述类中，根据每个所述节点权重，获得核心Term和辅助Term。其中，所述凝聚层次聚类算法的详细描述可以参见现有技术中的相关内容，此处不再赘述。
需要说明的是，每个兴趣点的Term数量是不确定的，如果为非孤立节点，则Term数量一定大于2，也就是说，存在辅助Term；如果为孤立节点，则Term数量为1，也就是说，不存在辅助Term。
为使得本发明实施例提供的方法更加清楚，下面将以表1所示的几个Session段所包括的行为日志的Query和/或Title作为举例。
表1几个Session段所包括的行为日志的Query和/或Title
| Query和/或Title |
| 步步惊心 |
| 步步惊心 电视 |
| 步步惊心 电视 下载 |
| 步步惊心 电视 主题曲 |
| 步步惊心 女主角 |
| 刘诗诗 吴奇隆 |
| 刘诗诗 结婚 |
| 刘诗诗 男友 |
采用本发明提供的技术方案，数据挖掘工具具体可以执行如下操作：
步骤一：对表1所示的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数。
具体地，数据挖掘工具所获得的切词结果依次为：
步步惊心、步步惊心、电视、步步惊心、电视、下载、步步惊心、电视、主题曲、步步惊心、女主角、刘诗诗、吴奇隆、刘诗诗、结婚、刘诗诗和男友。
然后，根据切词结果，获得9个Term和每个Term出现的次数，他们分别为：步步惊心（5次）、电视（3次）、下载（1次）、主题曲（1次）、女主角（1次）、刘诗诗（3次）、吴奇隆（1次）、结婚（1次）和男友（1次）。
步骤二：根据这些Term和每个所述Term出现的次数，建立Term共现图，如图3所示。
其中，所述Term共现图中包括9个节点，每个节点对应一个Term，该节点的权重对应该Term的出现频次m，两个节点之间的连接线对应所述两个节点共同出现的频次n。
具体地，这些节点的权重分别为：步步惊心5、电视3、下载1、主题曲1、女主角1、刘诗诗3、吴奇隆1、结婚1和男友1。
步骤三：利用凝聚层次聚类算法，对所述Term共现图进行聚类，以获得至少一个类，进而能够在每个所述类中，根据每个所述节点权重，获得核心Term和辅助Term。
具体地，首先，选择权重最大的节点。“步步惊心”这个节点的权重最大，所以是核心Term；与“步步惊心”这个节点连接的节点中，“电视”这个节点的权重最大，所以“电视”这个节点是“步步惊心”这个节点的辅助Term。
然后，选出了“步步惊心”这个节点之后，去掉该节点，同时和它相连的节点的权重都需要减掉连接线的权重，所以“电视”这个节点和“女主角”这个节点权重都变为0。
其次，再重新选择权重最大的节点。此时，“刘诗诗”这个节点的权重最大，所以是核心Term；与“刘诗诗”这个节点连接的三个节点的权重都是1，进而可以根据在Session段中出现的先后顺序，选择“吴奇隆”这个节点作为“刘诗诗”这个节点的辅助Term。
然后，选出了“刘诗诗”这个节点之后，去掉该节点，同时和它相连的节点的权重都需要减掉连接线的权重，所以“吴奇隆”这个节点、“结婚”这个节点和“男友”这个节点的权重都变为0。
这样，数据挖掘工具通过执行如上操作，可以通过提取核心Term和辅助Term，来确定用户的兴趣点。这些兴趣点的输出可以应用在各种个性化相关的产品中，根据不同的产品需求，可能还需要进行特定的加工或过滤。例如，用在推荐系统上，采用本实施例提供的技术方案所挖掘的用户的兴趣点，可以进行兴趣点相关的高价值资源，例如，网页、网站、视频等，的推荐服务，提升用户体验，做到用户不用搜索都能知道用户喜欢什么。
本实施例中，通过对目标Session段中所包括的每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数，进而根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term，使得能够根据所述核心Term和所述辅助Term，确定所述用户的兴趣点，能够避免现有技术中由于只能通过对实体的名称的提取来确定用户的兴趣点而导致的方法单一的问题，从而提高了兴趣点挖掘的灵活性。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
图4为本发明另一实施例提供的基于兴趣词的兴趣点挖掘装置的结构示意图，如图4所示。本实施例的基于兴趣词的兴趣点挖掘装置可以包括确定单元41、分词单元42、获得单元43和挖掘单元44。其中，确定单元41，用于确定待匹配的目标Session段，所述目标Session段中包括指定用户的至少一个行为日志；分词单元42，用于对每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数；获得单元43，用于根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term；挖掘单元44，用于根据所述核心Term和所述辅助Term，确定所述用户的兴趣点。
需要说明的是，本实施例提供的装置可以是数据挖掘工具，例如，日志分析软件等，可以位于本地的客户端中，以进行离线服务，或者还可以位于网络侧的服务器中，以进行在线服务，本实施例对此不进行限定。
可以理解的是，所述客户端可以是安装在终端上的应用程序，或者还可以是浏览器的一个网页，只要能够实现用户的行为日志的挖掘，以提供相应服务的客观存在形式都可以，本实施例对此不进行限定。
这样，通过切词单元对确定单元所确定的目标Session段中所包括的每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数，进而由获得单元根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term，使得挖掘单元能够根据所述核心Term和所述辅助Term，确定所述用户的兴趣点，能够避免现有技术中由于只能通过对实体的名称的提取来确定用户的兴趣点而导致的方法单一的问题，从而提高了兴趣点挖掘的灵活性。
现有的基于兴趣词的兴趣点挖掘装置，只能通过对实体的名称的提取，确定用户的兴趣点，这种方法单一，灵活性较差。
具体地，在全网的数据源中，用户的一个行为日志可以为如下格式：[uidURL source query title date time ip actid actname actattr unifyUrl PtNumbercommonQuery]。其中，共包括14个字段，各字段的含义如下所述：
用户标识（User ID，uid）：baiduid映射出来的用户id，由若干数字组成；
统一资源定位符（Uniform Resource Locator，URL）：可能为空，或可能不以“http”开头；
数据源（source）：产品线的数据来源，例如，百度百科（baike）、百度论坛（forum）或百度地图（map）；
检索关键词（query）：可能为空；
题目（title）：网页名称；
日期（date）：例如，2013年6月3日，其格式一般可以为“20120603”。
时间（time）：例如，12点34分02秒，其格式一般可以为12:34:02。
ip：IP地址
动作标识（actid）：网页动作的标识；
动作名称（actname）：网页动作的名称；
动作属性（actattr）：网页动作的属性；
归一化URL（unifyUrl）：URL的归一化结果；
URL资源类型（PtNumber）：整数显示，默认‘‐’（即‘0’）；
通用Query（commonQuery）：URL最常用的Query。
可选地，在本实施例的一个可能的实现方式中，所述确定单元41，具体可以用于获得所述用户对应的至少一个Session段；获得每个所述Session段的主题；以及根据每个所述Session段的主题，确定所述目标Session段，所述目标Session段包括至少一个所述Session段。
具体地，所述确定单元41具体可以采用现有技术中的相关方法，获得每个所述Session段的主题，例如，通过确定该Session段所包括的行为日志中的第一个行为日志所属的主题，以作为该Session段的主题，等，本实施例对此不进行特别限定。例如，所述确定单元41具体可以采用Query分类模型、Title分类模型和URL分类模型中的至少一个模型，输出第一个行为日志所属的主题。
需要说明的是，利用测试样本中的行为日志的Query对所述Query分类模型进行训练的训练方法，可以采用现有技术中的相关内容，此处不再赘述；利用测试样本中的行为日志的Title对所述Title分类模型进行训练的训练方法，可以采用现有技术中的相关内容，此处不再赘述；利用测试样本中的行为日志的URL对所述URL分类模型进行训练的训练方法，可以采用现有技术中的相关内容，此处不再赘述。
可选地，在本实施例的一个可能的实现方式中，所述获得单元43，具体可以用于根据所述至少两个Term和每个所述Term出现的次数，建立Term共现图，如图2所示，其中，所述Term共现图中包括至少一个节点，每个节点对应一个Term，该节点的权重对应该Term的出现频次m，两个节点之间的连接线对应所述两个节点共同出现的频次n；以及根据每个所述节点权重，获得核心Term和辅助Term。
具体地，所述获得单元43具体可以利用凝聚层次聚类算法，对所述Term共现图进行聚类，以获得至少一个类，进而能够在每个所述类中，根据每个所述节点权重，获得核心Term和辅助Term。其中，所述凝聚层次聚类算法的详细描述可以参见现有技术中的相关内容，此处不再赘述。
需要说明的是，每个兴趣点的Term数量是不确定的，如果为非孤立节点，则Term数量一定大于2，也就是说，存在辅助Term；如果为孤立节点，则Term数量为1，也就是说，不存在辅助Term。
为使得本发明实施例提供的方法更加清楚，下面将以表1所示的几个Session段所包括的行为日志的Query和/或Title作为举例。
表1几个Session段所包括的行为日志的Query和/或Title
| Query和/或Title |
| 步步惊心 |
| 步步惊心 电视 |
| 步步惊心 电视 下载 |
| 步步惊心 电视 主题曲 |
| 步步惊心 女主角 |
| 刘诗诗 吴奇隆 |
| 刘诗诗 结婚 |
| 刘诗诗 男友 |
采用本发明提供的技术方案，具体可以执行如下操作：
步骤一：切词单元对表1所示的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数。
具体地，切词单元所获得的切词结果依次为：
步步惊心、步步惊心、电视、步步惊心、电视、下载、步步惊心、电视、主题曲、步步惊心、女主角、刘诗诗、吴奇隆、刘诗诗、结婚、刘诗诗和男友。
然后，切词单元根据切词结果，获得9个Term和每个Term出现的次数，他们分别为：步步惊心（5次）、电视（3次）、下载（1次）、主题曲（1次）、女主角（1次）、刘诗诗（3次）、吴奇隆（1次）、结婚（1次）和男友（1次）。
步骤二：获得单元根据这些Term和每个所述Term出现的次数，建立Term共现图，如图3所示。
其中，所述Term共现图中包括9个节点，每个节点对应一个Term，该节点的权重对应该Term的出现频次m，两个节点之间的连接线对应所述两个节点共同出现的频次n。
具体地，这些节点的权重分别为：步步惊心5、电视3、下载1、主题曲1、女主角1、刘诗诗3、吴奇隆1、结婚1和男友1。
步骤三：获得单元利用凝聚层次聚类算法，对所述Term共现图进行聚类，以获得至少一个类，进而能够在每个所述类中，根据每个所述节点权重，获得核心Term和辅助Term。
具体地，首先，获得单元选择权重最大的节点。“步步惊心”这个节点的权重最大，所以是核心Term；与“步步惊心”这个节点连接的节点中，“电视”这个节点的权重最大，所以“电视”这个节点是“步步惊心”这个节点的辅助Term。
然后，获得单元选出了“步步惊心”这个节点之后，去掉该节点，同时和它相连的节点的权重都需要减掉连接线的权重，所以“电视”这个节点和“女主角”这个节点权重都变为0。
其次，获得单元再重新选择权重最大的节点。此时，“刘诗诗”这个节点的权重最大，所以是核心Term；与“刘诗诗”这个节点连接的三个节点的权重都是1，进而可以根据在Session段中出现的先后顺序，选择“吴奇隆”这个节点作为“刘诗诗”这个节点的辅助Term。
然后，获得单元选出了“刘诗诗”这个节点之后，去掉该节点，同时和它相连的节点的权重都需要减掉连接线的权重，所以“吴奇隆”这个节点、“结婚”这个节点和“男友”这个节点的权重都变为0。
这样，通过执行如上操作，可以通过提取核心Term和辅助Term，来确定用户的兴趣点。这些兴趣点的输出可以应用在各种个性化相关的产品中，根据不同的产品需求，可能还需要进行特定的加工或过滤。例如，用在推荐系统上，采用本实施例提供的技术方案所挖掘的用户的兴趣点，可以进行兴趣点相关的高价值资源，例如，网页、网站、视频等，的推荐服务，提升用户体验，做到用户不用搜索都能知道用户喜欢什么。
本实施例中，通过切词单元对确定单元所确定的目标Session段中所包括的每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数，进而由获得单元根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term，使得挖掘单元能够根据所述核心Term和所述辅助Term，确定所述用户的兴趣点，能够避免现有技术中由于只能通过对实体的名称的提取来确定用户的兴趣点而导致的方法单一的问题，从而提高了兴趣点挖掘的灵活性。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置（可以是个人计算机，服务器，或者网络装置等）或处理器（processor）执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于兴趣词的兴趣点挖掘方法，其特征在于，包括：
确定待匹配的目标Session段，所述目标Session段中包括指定用户的至少一个行为日志；
对每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数；
根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term；
根据所述核心Term和所述辅助Term，确定所述用户的兴趣点。
2.根据权利要求1所述的方法，其特征在于，所述确定待匹配的Session段，包括：
获得所述用户对应的至少一个Session段；
获得每个所述Session段的主题；
根据每个所述Session段的主题，确定所述目标Session段，所述目标Session段包括至少一个所述Session段。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term，包括：
根据所述至少两个Term和每个所述Term出现的次数，建立Term共现图，所述Term共现图中包括至少一个节点，每个节点对应一个Term，该节点的权重对应该Term的出现频次，两个节点之间的连接线对应所述两个节点共同出现的频次；
根据每个所述节点权重，获得核心Term和辅助Term。
4.根据权利要求3所述的方法，其特征在于，所述根据每个所述节点权重，获得核心Term和辅助Term，包括：
利用凝聚层次聚类算法，对所述Term共现图进行聚类，以获得至少一个类；
在每个所述类中，根据每个所述节点权重，获得核心Term和辅助Term。
5.一种基于兴趣词的兴趣点挖掘装置，其特征在于，包括：
确定单元，用于确定待匹配的目标Session段，所述目标Session段中包括指定用户的至少一个行为日志；
分词单元，用于对每个所述行为日志的Query和/或Title进行切词，以获得至少两个Term和每个所述Term出现的次数；
获得单元，用于根据所述至少两个Term和每个所述Term出现的次数，获得核心Term和辅助Term；
挖掘单元，用于根据所述核心Term和所述辅助Term，确定所述用户的兴趣点。
6.根据权利要求5所述的装置，其特征在于，所述确定单元，具体用于
获得所述用户对应的至少一个Session段；
获得每个所述Session段的主题；
根据每个所述Session段的主题，确定所述目标Session段，所述目标Session段包括至少一个所述Session段。
7.根据权利要求5或6所述的装置，其特征在于，所述获得单元，具体用于
根据所述至少两个Term和每个所述Term出现的次数，建立Term共现图，所述Term共现图中包括至少一个节点，每个节点对应一个Term，该节点的权重对应该Term的出现频次，两个节点之间的连接线对应所述两个节点共同出现的频次；
根据每个所述节点权重，获得核心Term和辅助Term。
8.根据权利要求7所述的装置，其特征在于，所述获得单元，具体用于
利用凝聚层次聚类算法，对所述Term共现图进行聚类，以获得至少一个类；
在每个所述类中，根据每个所述节点权重，获得核心Term和辅助Term。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013103312443A CN103455552A (zh) | 2013-08-01 | 2013-08-01 | 基于兴趣词的兴趣点挖掘方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013103312443A CN103455552A (zh) | 2013-08-01 | 2013-08-01 | 基于兴趣词的兴趣点挖掘方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103455552A true CN103455552A (zh) | 2013-12-18 |
Family
ID=49737915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2013103312443A Pending CN103455552A (zh) | 2013-08-01 | 2013-08-01 | 基于兴趣词的兴趣点挖掘方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103455552A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105512334A (zh) * | 2015-12-29 | 2016-04-20 | 成都陌云科技有限公司 | 基于搜索词的数据挖掘方法 |
| CN109800361A (zh) * | 2019-02-11 | 2019-05-24 | 北京百度网讯科技有限公司 | 一种兴趣点名称的挖掘方法、装置、电子设备及存储介质 |
| CN115630160A (zh) * | 2022-12-08 | 2023-01-20 | 四川大学 | 一种基于半监督共现图模型的争议焦点聚类方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1826596A (zh) * | 2002-09-24 | 2006-08-30 | Google公司 | 用于提供相关广告服务的方法和装置 |
| CN101556582A (zh) * | 2008-04-09 | 2009-10-14 | 上海复旦光华信息科技股份有限公司 | 论坛网民兴趣分析预测系统 |
| US20120215776A1 (en) * | 2008-06-23 | 2012-08-23 | Google Inc. | Query identification and association |
| CN102890689A (zh) * | 2011-07-22 | 2013-01-23 | 北京百度网讯科技有限公司 | 一种用户兴趣模型的建立方法及系统 |
-
2013
- 2013-08-01 CN CN2013103312443A patent/CN103455552A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1826596A (zh) * | 2002-09-24 | 2006-08-30 | Google公司 | 用于提供相关广告服务的方法和装置 |
| CN101556582A (zh) * | 2008-04-09 | 2009-10-14 | 上海复旦光华信息科技股份有限公司 | 论坛网民兴趣分析预测系统 |
| US20120215776A1 (en) * | 2008-06-23 | 2012-08-23 | Google Inc. | Query identification and association |
| CN102890689A (zh) * | 2011-07-22 | 2013-01-23 | 北京百度网讯科技有限公司 | 一种用户兴趣模型的建立方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 方奇 等: "基于群体智慧的Web访问日志会话主题识别研究", 《中文信息学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105512334A (zh) * | 2015-12-29 | 2016-04-20 | 成都陌云科技有限公司 | 基于搜索词的数据挖掘方法 |
| CN109800361A (zh) * | 2019-02-11 | 2019-05-24 | 北京百度网讯科技有限公司 | 一种兴趣点名称的挖掘方法、装置、电子设备及存储介质 |
| CN115630160A (zh) * | 2022-12-08 | 2023-01-20 | 四川大学 | 一种基于半监督共现图模型的争议焦点聚类方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107657048B (zh) | 用户识别方法及装置 | |
| CN104156454A (zh) | 搜索词的纠错方法和装置 | |
| CN104750789A (zh) | 标签的推荐方法及装置 | |
| CN103455411B (zh) | 日志分类模型的建立、行为日志分类方法及装置 | |
| CN105009118A (zh) | 定制的内容消费界面 | |
| CN103885987A (zh) | 一种音乐推荐方法和系统 | |
| CN104133877A (zh) | 软件标签的生成方法和装置 | |
| CN104133878A (zh) | 用户标签的生成方法和装置 | |
| CN104866308A (zh) | 一种场景图像的生成方法及装置 | |
| CN103678362A (zh) | 搜索方法及系统 | |
| CN103870000A (zh) | 一种对输入法所产生的候选项进行排序的方法及装置 | |
| CN103400576A (zh) | 基于用户行为日志的语音模型更新方法及装置 | |
| CN105512180A (zh) | 一种搜索推荐方法及装置 | |
| CN103838754A (zh) | 信息搜索装置及方法 | |
| CN104142990A (zh) | 搜索方法及装置 | |
| CN104361092A (zh) | 搜索方法及装置 | |
| CN103886092A (zh) | 一种提供终端故障问题解决方案的方法及装置 | |
| CN103235773A (zh) | 基于关键词的文本的标签提取方法及装置 | |
| CN104915359A (zh) | 主题标签推荐方法及装置 | |
| CN109214417A (zh) | 用户意图的挖掘方法及装置、计算机设备及可读介质 | |
| CN105160016A (zh) | 用户属性的获取方法及装置 | |
| CN103399855A (zh) | 基于多数据源的行为意图确定方法及装置 | |
| CN105354318A (zh) | 一种文件查找方法及装置 | |
| CN103869999A (zh) | 对输入法所产生的候选项进行排序的方法及装置 | |
| CN103455552A (zh) | 基于兴趣词的兴趣点挖掘方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131218 |
|
| RJ01 | Rejection of invention patent application after publication |