CN107729937B - 用于确定用户兴趣标签的方法及装置 - Google Patents
用于确定用户兴趣标签的方法及装置 Download PDFInfo
- Publication number
- CN107729937B CN107729937B CN201710948881.3A CN201710948881A CN107729937B CN 107729937 B CN107729937 B CN 107729937B CN 201710948881 A CN201710948881 A CN 201710948881A CN 107729937 B CN107729937 B CN 107729937B
- Authority
- CN
- China
- Prior art keywords
- data
- user
- interest
- word
- determining
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开一种用于确定用户兴趣标签的方法及装置。涉及计算机信息处理领域,该方法包括:将基础数据进行预处理,获取分词数据;对所述分词数据进行最大频繁集识别,获取种子数据;将所述种子数据进行数据训练,获取词向量数据与词权重数据;以及通过所述词向量数据与所述词权重数据确定用户兴趣标签。本申请公开的用于确定用户兴趣标签的方法及装置,能够有效的确定用户的兴趣主题,减少人工处理时间。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种用于确定用户兴趣标签的方法及装置。
背景技术
随着网络购物的普及推广,购物网站之间的竞争越发激烈,电商崛起,企业要想长期稳定的生存,首先必须吸引用户,其次需要经营用户,从而使得用户成为企业的忠诚用户。如何很好的经营用户,是一个难题,随着用户行为数据的记录,数据挖掘算法技术的成熟,企业可以通过多种方法来经营用户,如何将用户感兴趣的东西推送给用户,在电子商务中异常重要。在这个过程中,识别用户兴趣是非常重要的一环。基于对用户的兴趣的识别,其中最为常见也最核心的就是对用户进行精准营销,在对的时间把对的商品推荐给对的人。要对用户进行精准营销,亦或是某供应商需要把自己的商品卖给对的人,就需要借助用户画像来实现,而用户兴趣度标签是确定用户对某个品类或者品牌想要购买的一个兴趣程度,即企业可以根据用户的兴趣标签推荐合适的商品给用户,供应商可以根据兴趣标签圈定对自己商品感兴趣的人群进行营销,从而企业/供应商以及用户达到双赢。
用户兴趣多种多样,在不同的行业,需要关注的用户兴趣不同,电商行业关注的是影响用户购买的兴趣爱好。所以,目前一般的思路是直接对用户在网站购买或者浏览过的商品使用LDA主题模型,得到若干兴趣主题,然后人工对这部分兴趣主题进行标注。直接使用LDA主题模型得到的结果重复率高,有效性较低,后期需要的人工标注和过滤的工作量很大。
因此,需要一种新的用于确定用户兴趣标签的方法及装置。
在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本发明提供一种用于确定用户兴趣标签的方法及装置,能够有效的确定用户的兴趣主题,减少人工处理时间。
本发明的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本发明的一方面,提出一种用于确定用户兴趣标签的方法,该方法包括:将基础数据进行预处理,获取分词数据;对所述分词数据进行最大频繁集识别,获取种子数据;将所述种子数据进行数据训练,获取词向量数据与词权重数据;以及通过所述词向量数据与所述词权重数据确定用户兴趣标签。
在本公开的一种示例性实施例中,所述将基础数据进行预处理,获取分词数据,包括:通过用户历史购物数据生成所述基础数据;以及对所述基础数据进行分词处理,生成所述分词数据。
在本公开的一种示例性实施例中,所述对所述分词数据进行最大频繁集识别,获取种子数据,包括:根据预定条件,获取所述分词数据中所有的组合数据;对每一种组合数据,根据其订单数量,确定所述组合数据的频繁集;对所述频繁集进行最大频繁集计算,获取种子数据。
在本公开的一种示例性实施例中,所述对所述分词数据进行最大频繁集识别,获取种子数据,包括:通过数据仓库的分布式计算架构,对所述分词数据进行最大频繁集识别,获取所述种子数据。
在本公开的一种示例性实施例中,所述将所述种子数据进行数据训练,包括:通过三层贝叶斯模型对所述种子数据进行数据训练。
在本公开的一种示例性实施例中,还包括:通过历史数据,获取用户购买数据,所述购买数据包括购买产品次数以及购买产品标识。
在本公开的一种示例性实施例中,所述通过所述词向量数据与所述词权重数据确定用户的兴趣标签,包括:通过所述用户购买数据,确定所述用户的词向量数据以及词权重数据;通过所述用户的词向量数据以及词权重数据,计算所述用户的兴趣数值;通过所述兴趣数值确定所述用户的所述兴趣标签。
在本公开的一种示例性实施例中,所述通过所述用户的词向量数据以及词权重数据,计算所述用户的兴趣数值,包括:
Sum=(a*Q);其中,Sum为用户的所述兴趣数值,a为用户购买产品次数,Q为产品对应的词权重。
在本公开的一种示例性实施例中,所述通过所述兴趣数值确定所述用户的所述兴趣标签,还包括:判断所述兴趣数值是否大于预定阈值;以及将大于预定阈值的所述兴趣数值对应的兴趣标签确定为所述用户的兴趣标签。
在本公开的一种示例性实施例中,还包括:通过所述用户的所述兴趣标签进行信息推广。
根据本发明的一方面,提出一种用于确定用户兴趣标签的装置,该装置包括:基础模块,用于将基础数据进行预处理,获取分词数据;种子模块,用于对所述分词数据进行最大频繁集识别,获取种子数据;训练模块,用于将所述种子数据进行数据训练,获取词向量数据与词权重数据;以及标签模块,用于通过所述词向量数据与所述词权重数据确定用户兴趣标签。
根据本发明的一方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文的方法。
根据本发明的一方面,提出一种计算机可读介质,其上存储有计算机程序,其特征在于,程序被处理器执行时实现如上文中的方法。
根据本发明的用于确定用户兴趣标签的方法及装置,能够有效的确定用户的兴趣主题,减少人工处理时间。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本发明。
附图说明
通过参照附图详细描述其示例实施例,本发明的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种用于确定用户兴趣标签的方法的系统架构。
图2是根据一示例性实施例示出的一种用于确定用户兴趣标签的方法的流程图。
图3是根据一示例性实施例示出的一种用于确定用户兴趣标签的方法的示意图。
图4是根据另一示例性实施例示出的一种用于确定用户兴趣标签的方法的示意图。
图5是根据另一示例性实施例示出的一种用于确定用户兴趣标签的方法的流程图。
图6是根据一示例性实施例示出的一种用于确定用户兴趣标签的方法的示意图。
图7是根据另一示例性实施例示出的一种用于确定用户兴趣标签的方法的示意图。
图8是根据一示例性实施例示出的一种用于确定用户兴趣标签的方法的示意图。
图9是根据另一示例性实施例示出的一种用于确定用户兴趣标签的方法的示意图。
图10是根据另一示例性实施例示出的一种用于确定用户兴趣标签的方法的流程图。
图11是根据一示例性实施例示出的一种用于确定用户兴趣标签的装置的框图。
图12是根据一示例性实施例示出的一种电子设备的框图。
图13是根据一示例性实施例示出的一种计算机可读介质示意图。
具体实施例
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本发明将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种组件,但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用,术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的,因此不能用于限制本发明的保护范围。
下面结合附图对本公开示例实施方式进行详细说明。
图1是根据一示例性实施例示出的一种用于确定用户兴趣标签的方法的系统架构。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如推送信息、产品信息)反馈给终端设备。
需要说明的是,本申请实施例所提供的推广消息生成方法一般由服务器105执行,相应地,推送消息的展示网页一般设置于客户端101中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2是根据一示例性实施例示出的一种用于确定用户兴趣标签的方法的流程图。
如图2所示,在S202中,将基础数据进行预处理,获取分词数据。可例如,通过用户历史购物数据生成所述基础数据;以及对所述基础数据进行分词处理,生成所述分词数据。在现实场景中,用户在网站的一次或一段时间的购物行为都是围绕一定的目的或者兴趣爱好进行。在本实施例中,可例如假设用户每次下单是围绕某个兴趣进行,进而从数据仓库中提取所有用户一年的购物历史数据作为基础数据,基础数据可例如以(用户账号+订单+商品id+商品名)为一行的形式存放。可例如,使用分词方法处理基础数据中商品的产品词,将同一个订单的产品词组合为一个产品词列表,产品词之间用逗号分割存储,此时的数据为分词数据,数据形式可例如为:订单+产品词列表的形式,基础数据格式与分词数据可例如如图3所示。
在S204中,对所述分词数据进行最大频繁集识别,获取所述种子数据。项的集合称为项集。包含k个项的项集称为k-项集,集合{computer,ativirus_software}是一个二项集。项集的出项频率是包含项集的事务数,简称为项集的频率,支持度计数或计数。注意,定义项集的支持度有时称为相对支持度,而出现的频率称为绝对支持度。如果项集I的相对支持度满足预定义的最小支持度阈值,则I是频繁项集。最大频繁集是指,如果频繁项集L的所有超集都是非频繁项集,那么称L为最大频繁项集或称最大频繁模式,记为MFI(MaximalFrequent Itemset)。频繁项集是最大频繁项集的子集。最大频繁项集中包含了频繁项集的频繁信息,且通常项集的规模要小几个数量级。所以在数据集中含有较长的频繁模式时挖掘最大频繁项集是非常有效的手段。可例如,通过数据仓库的分布式计算架构,对所述分词数据进行最大频繁集识别,获取所述种子数据。
在S206中,将所述种子数据进行数据训练,获取词向量数据与词权重数据。可例如,通过三层贝叶斯模型对所述种子数据进行数据训练。LDA(Latent DirichletAllocation)是一种文档主题生成模型,也称为一个三层贝叶斯概率模型,包含词、主题和文档三层结构。所谓生成模型,就是说,可认为一篇文章的每个词都是通过“以一定概率选择了某个主题,并从这个主题中以一定概率选择某个词语”这样一个过程得到。文档到主题服从多项式分布,主题到词服从多项式分布。通过LDA模型训练可例如获取种子数据中完整的词向量以及每个词的权重。
在S208中,通过所述词向量数据与所述词权重数据确定用户兴趣标签。对于每一个用户而言,均可以由词向量以及词权重计算获得该用户在某一分类下的所有的产品词及产品词权重。综合考虑该用户在某一分类下的所有的产品词及产品词权重(可例如为产品词与其对应的产品词权重乘积的形式),即可获得该用户的兴趣得分。可例如,判断所述兴趣数值是否大于预定阈值;以及将大于预定阈值的所述兴趣数值对应的兴趣标签确定为所述用户的兴趣标签。
根据本发明的用于确定用户兴趣标签的方法,通过对原始数据进行分词表示,进而采用三层贝叶斯网络对分词数据进行训练,获得词向量以及词权重,进而确定用户的兴趣得分,为用户分配兴趣标签的方式,能够有效的确定用户的兴趣主题,减少人工处理时间。
应清楚地理解,本发明描述了如何形成和使用特定示例,但本发明的原理不限于这些示例的任何细节。相反,基于本发明公开的内容的教导,这些原理能够应用于许多其它实施例。
图4是根据另一示例性实施例示出的一种用于确定用户兴趣标签的方法的流程图。由于数据量较大,直接使用FP-growth等关联算法找频繁集时会遇到计算时间过长或者存储不够无法计算等问题,此处可考虑编写map-reduce利用数据仓库的分布式计算架构实现此方法。图4是对由分词数据获取种子数据的示例性描述。
如图4所示,在S402中,根据预定条件,获取所述分词数据中所有的组合数据。在本实施例中,基于如下的考虑:3个或者小于3个词不足以定位用户的兴趣爱好,过大(如超过15)则用户此单用户兴趣复杂且会导致后面的计算量过大,可例如选取产品词大于3且小于15的订单产品词列表参与后续计算;对于每一单的产品词列表,得到词量大于3的所有组合(此步可例如通过map-reduce实现)。例:(便签纸,加厚纸杯,卷纸,复印纸,抽纸,记事本子)大于3的组合共有种组合结果。
在S404中,对每一种组合数据,根据其订单数量,确定所述组合数据的频繁集。可例如订单量大于预定阈值的产品组合为频繁集。
在S406中,对所述频繁集进行最大频繁集计算,获取种子数据。对上一步得到的频繁集进行计算得到最大频繁集,将最大频繁集中的数据作为种子数据。种子数据结果如图5所示。
根据本发明的用于确定用户兴趣标签的方法,通过频繁集获取种子数据,进而将此种子数据作为LDA计算输入的方式,可以得到质量较高的兴趣主体,减少人工处理时间。
在本公开的一种示例性实施例中,还包括:通过历史数据,获取用户购买数据,所述购买数据包括购买产品次数以及购买产品标识。
图6、7是根据一示例性实施例示出的一种用于确定用户兴趣标签的方法的示意图。
在本公开的一种示例性实施例中,所述通过所述词向量数据与所述词权重数据确定用户的兴趣标签,包括:通过所述用户购买数据,确定所述用户的词向量数据以及词权重数据;通过所述用户的词向量数据以及词权重数据,计算所述用户的兴趣数值;通过所述兴趣数值确定所述用户的所述兴趣标签。将每一个最大频繁集作为LDA主题模型的种子词进行训练得到该兴趣下较为完整的词向量及每个词的权重。如图6所示(主题+词+词权重)。计算所有用户在一段时间内购买过的产品及每个产品的购买次数(用户账号+产品词+产品购买次数),结果如图7所示。
图8、9是根据一示例性实施例示出的一种用于确定用户兴趣标签的方法的示意图。
在本公开的一种示例性实施例中,所述通过所述用户的词向量数据以及词权重数据,计算所述用户的兴趣数值,包括:
Sum=(a*Q);其中,Sum为用户的所述兴趣数值,a为用户购买产品次数,Q为产品对应的词权重。还包括:判断所述兴趣数值是否大于预定阈值;以及将大于预定阈值的所述兴趣数值对应的兴趣标签确定为所述用户的兴趣标签。对于每一个用户,能够得到其每一个产品词所属的兴趣及产品词权重。如下图所示,能够得到用户4在园艺下的所有产品词及产品词权重,可例如,sum(产品购买次数*产品词权重)即为其园艺兴趣得分。得分情况如图8所示。当用户的兴趣得分大于某个阈值时,给用户打上相应的兴趣标签,结果如图9所示(主题、账号)。
在本公开的一种示例性实施例中,还包括:通过所述用户的所述兴趣标签进行信息推广。
图10是根据另一示例性实施例示出的一种用于确定用户兴趣标签的方法的流程图。
在S1002中,加工用户的购买数据。
在S1004中,获取订单产品词列表。
在S1006中,识别最大频繁集,确定种子词。
在S1008中,将种子词作为LDA的参数,得到兴趣此两项和词权重。
在S1010中,计算用户的产品词向量及产品的购买次数。
在S1012中,计算用户在每个兴趣上的得分,得到用户的兴趣标签。
获取用户在电商网站上的购物数据,首先使用频繁集的方法初步定位用户兴趣,得到种子词,再将种子词作为LDA的输入,得到能够比较全面刻画兴趣的产品词向量。对比兴趣的产品词向量和用户的产品词向量,对满足一定条件的用户打上相应的兴趣标签。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时,执行本发明提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
图11是根据一示例性实施例示出的一种用于确定用户兴趣标签的装置的框图。
基础模块1102用于将基础数据进行预处理,获取分词数据。
种子模块1104用于对所述分词数据进行最大频繁集识别,获取种子数据。
训练模块1106用于将所述种子数据进行数据训练,获取词向量数据与词权重数据。
标签模块1108用于通过所述词向量数据与所述词权重数据确定用户兴趣标签。
根据本发明的用于确定用户兴趣标签的装置,通过对原始数据进行分词表示,进而采用三层贝叶斯网络对分词数据进行训练,获得词向量以及词权重,进而确定用户的兴趣得分,为用户分配兴趣标签的方式,能够有效的确定用户的兴趣主题,减少人工处理时间。
图12是根据一示例性实施例示出的一种电子设备的框图。
下面参照图12来描述根据本发明的这种实施方式的电子设备200。图12显示的电子设备200仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图12所示,电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于:至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元210执行,使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元210可以执行如图2,图4中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202,还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204,这样的程序模块2205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述电子处方流转处理方法。
图13是根据一示例性实施例示出的一种计算机可读介质示意图。
参考图13所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:将基础数据进行预处理,获取分词数据;对所述分词数据进行最大频繁集识别,获取种子数据;将所述种子数据进行数据训练,获取词向量数据与词权重数据;以及通过所述词向量数据与所述词权重数据确定用户兴趣标签。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施例的方法。
此外,本说明书说明书附图所示出的结构、比例、大小等,均仅用以配合说明书所公开的内容,以供本领域技术人员了解与阅读,并非用以限定本公开可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本公开所能产生的技术效果及所能实现的目的下,均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语,也仅为便于叙述的明了,而非用以限定本公开可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当也视为本发明可实施的范畴。
Claims (12)
1.一种用于确定用户兴趣标签的方法,其特征在于,包括:
将基础数据进行预处理,获取分词数据;
对所述分词数据进行最大频繁集识别,获取种子数据;
通过三层贝叶斯模型对所述种子数据进行数据训练,获取词向量数据与词权重数据;以及
通过所述词向量数据与所述词权重数据确定用户兴趣标签。
2.如权利要求1所述的方法,其特征在于,所述将基础数据进行预处理,获取分词数据,包括:
通过用户历史购物数据生成所述基础数据;以及
对所述基础数据进行分词处理,生成所述分词数据。
3.如权利要求1所述的方法,其特征在于,所述对所述分词数据进行最大频繁集识别,获取种子数据,包括:
根据预定条件,获取所述分词数据中所有的组合数据;
对每一种组合数据,根据其订单数量,确定所述组合数据的频繁集;
对所述频繁集进行最大频繁集计算,获取种子数据。
4.如权利要求1所述的方法,其特征在于,所述对所述分词数据进行最大频繁集识别,获取种子数据,包括:
通过数据仓库的分布式计算架构,对所述分词数据进行最大频繁集识别,获取所述种子数据。
5.如权利要求1所述的方法,其特征在于,还包括:
通过历史数据,获取用户购买数据,所述购买数据包括购买产品次数以及购买产品标识。
6.如权利要求5所述的方法,其特征在于,所述通过所述词向量数据与所述词权重数据确定用户的兴趣标签,包括:
通过所述用户购买数据,确定所述用户的词向量数据以及词权重数据;
通过所述用户的词向量数据以及词权重数据,计算所述用户的兴趣数值;
通过所述兴趣数值确定所述用户的所述兴趣标签。
7.如权利要求6所述的方法,其特征在于,所述通过所述用户的词向量数据以及词权重数据,计算所述用户的兴趣数值,包括:
Sum=(a*Q);
其中,Sum为用户的所述兴趣数值,a为用户购买产品次数,Q为产品对应的词权重。
8.如权利要求6所述的方法,其特征在于,所述通过所述兴趣数值确定所述用户的所述兴趣标签,还包括:
判断所述兴趣数值是否大于预定阈值;以及
将大于预定阈值的所述兴趣数值对应的兴趣标签确定为所述用户的兴趣标签。
9.如权利要求1所述的方法,其特征在于,还包括:
通过所述用户的所述兴趣标签进行信息推广。
10.一种用于确定用户兴趣标签的装置,其特征在于,包括:
基础模块,用于将基础数据进行预处理,获取分词数据;
种子模块,用于对所述分词数据进行最大频繁集识别,获取种子数据;
训练模块,用于通过三层贝叶斯模型对所述种子数据进行数据训练,获取词向量数据与词权重数据;以及
标签模块,用于通过所述词向量数据与所述词权重数据确定用户兴趣标签。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710948881.3A CN107729937B (zh) | 2017-10-12 | 2017-10-12 | 用于确定用户兴趣标签的方法及装置 |
PCT/CN2018/107969 WO2019072091A1 (zh) | 2017-10-12 | 2018-09-27 | 用于确定用户兴趣标签的方法及装置 |
US16/755,232 US20200250732A1 (en) | 2017-10-12 | 2018-09-27 | Method and apparatus for use in determining tags of interest to user |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710948881.3A CN107729937B (zh) | 2017-10-12 | 2017-10-12 | 用于确定用户兴趣标签的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107729937A CN107729937A (zh) | 2018-02-23 |
CN107729937B true CN107729937B (zh) | 2020-11-03 |
Family
ID=61211049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710948881.3A Active CN107729937B (zh) | 2017-10-12 | 2017-10-12 | 用于确定用户兴趣标签的方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200250732A1 (zh) |
CN (1) | CN107729937B (zh) |
WO (1) | WO2019072091A1 (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729937B (zh) * | 2017-10-12 | 2020-11-03 | 北京京东尚科信息技术有限公司 | 用于确定用户兴趣标签的方法及装置 |
CN110555107B (zh) * | 2018-03-29 | 2023-07-25 | 阿里巴巴集团控股有限公司 | 确定业务对象主题、业务对象推荐的方法及装置 |
CN110580634A (zh) * | 2018-06-08 | 2019-12-17 | 北京嘀嘀无限科技发展有限公司 | 基于互联网的业务推荐方法、装置及存储介质 |
CN108810577B (zh) * | 2018-06-15 | 2021-02-09 | 深圳市茁壮网络股份有限公司 | 一种用户画像的构建方法、装置及电子设备 |
CN109977221B (zh) * | 2018-09-04 | 2023-09-19 | 中国平安人寿保险股份有限公司 | 基于大数据的用户验证方法及装置、存储介质、电子设备 |
US11144542B2 (en) | 2018-11-01 | 2021-10-12 | Visa International Service Association | Natural language processing system |
CN111125506B (zh) * | 2018-11-01 | 2023-06-23 | 百度在线网络技术(北京)有限公司 | 兴趣圈主题确定方法、装置、服务器和介质 |
CN109785034A (zh) * | 2018-11-13 | 2019-05-21 | 北京码牛科技有限公司 | 用户画像生成方法、装置、电子设备及计算机可读介质 |
CN111369029A (zh) * | 2018-12-06 | 2020-07-03 | 北京嘀嘀无限科技发展有限公司 | 服务选择预测方法、装置、电子设备及存储介质 |
CN110348895A (zh) * | 2019-06-29 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 一种基于用户标签的个性化推荐方法、装置和电子设备 |
CN110457387B (zh) * | 2019-08-19 | 2023-11-10 | 腾讯科技(深圳)有限公司 | 一种应用于网络中用户标签确定的方法及相关装置 |
CN111046275B (zh) * | 2019-11-19 | 2023-03-28 | 腾讯科技(深圳)有限公司 | 基于人工智能的用户标签确定方法及装置、存储介质 |
CN111143609B (zh) * | 2019-12-20 | 2024-03-26 | 北京达佳互联信息技术有限公司 | 兴趣标签的确定方法、装置、电子设备及存储介质 |
CN111191151B (zh) * | 2019-12-20 | 2023-08-25 | 上海淇玥信息技术有限公司 | 一种基于poi标签推送信息的方法、装置和电子设备 |
CN111192128B (zh) * | 2019-12-30 | 2023-06-02 | 航天信息股份有限公司 | 识别异常纳税行为的方法 |
CN111459992B (zh) * | 2020-06-22 | 2021-03-02 | 北京每日优鲜电子商务有限公司 | 信息推送方法、电子设备和计算机可读介质 |
CN111782949A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN111918136B (zh) * | 2020-07-04 | 2022-07-01 | 中信银行股份有限公司 | 一种兴趣的分析方法及装置、存储介质、电子设备 |
CN113297479A (zh) * | 2021-04-29 | 2021-08-24 | 上海淇玥信息技术有限公司 | 一种用户画像生成方法、装置及电子设备 |
CN113240465A (zh) * | 2021-05-11 | 2021-08-10 | 北京沃东天骏信息技术有限公司 | 信息生成方法和装置 |
CN113283348A (zh) * | 2021-05-28 | 2021-08-20 | 青岛海尔科技有限公司 | 兴趣值的确定方法及装置、存储介质、电子装置 |
CN113360602A (zh) * | 2021-06-22 | 2021-09-07 | 北京百度网讯科技有限公司 | 用于输出信息的方法、装置、设备以及存储介质 |
CN113592540B (zh) * | 2021-07-14 | 2023-09-19 | 车智互联(北京)科技有限公司 | 一种用户裂变方法及计算设备 |
CN113722605A (zh) * | 2021-11-03 | 2021-11-30 | 北京奇岱松科技有限公司 | 实时兴趣信息的计算方法及系统 |
CN114168791A (zh) * | 2021-11-24 | 2022-03-11 | 卓尔智联(武汉)研究院有限公司 | 视频推荐方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101122909A (zh) * | 2006-08-10 | 2008-02-13 | 株式会社日立制作所 | 文本信息检索装置以及文本信息检索方法 |
CN101206752A (zh) * | 2007-12-25 | 2008-06-25 | 北京科文书业信息技术有限公司 | 电子商务网站相关商品推荐系统及其方法 |
CN103593400A (zh) * | 2013-12-13 | 2014-02-19 | 陕西省气象局 | 一种基于改进Apriori算法的雷电活动数据统计方法 |
CN105677769A (zh) * | 2015-12-29 | 2016-06-15 | 广州神马移动信息科技有限公司 | 一种基于潜在狄利克雷分配(lda)模型的关键词推荐方法和系统 |
CN106649681A (zh) * | 2016-12-15 | 2017-05-10 | 北京金山安全软件有限公司 | 一种数据处理方法、装置及设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744981B (zh) * | 2014-01-14 | 2017-02-15 | 南京汇吉递特网络科技有限公司 | 一种基于网站内容用于网站自动分类分析的系统 |
CN105427129B (zh) * | 2015-11-12 | 2020-09-04 | 腾讯科技(深圳)有限公司 | 一种信息的投放方法及系统 |
CN107729937B (zh) * | 2017-10-12 | 2020-11-03 | 北京京东尚科信息技术有限公司 | 用于确定用户兴趣标签的方法及装置 |
-
2017
- 2017-10-12 CN CN201710948881.3A patent/CN107729937B/zh active Active
-
2018
- 2018-09-27 US US16/755,232 patent/US20200250732A1/en not_active Abandoned
- 2018-09-27 WO PCT/CN2018/107969 patent/WO2019072091A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101122909A (zh) * | 2006-08-10 | 2008-02-13 | 株式会社日立制作所 | 文本信息检索装置以及文本信息检索方法 |
CN101206752A (zh) * | 2007-12-25 | 2008-06-25 | 北京科文书业信息技术有限公司 | 电子商务网站相关商品推荐系统及其方法 |
CN103593400A (zh) * | 2013-12-13 | 2014-02-19 | 陕西省气象局 | 一种基于改进Apriori算法的雷电活动数据统计方法 |
CN105677769A (zh) * | 2015-12-29 | 2016-06-15 | 广州神马移动信息科技有限公司 | 一种基于潜在狄利克雷分配(lda)模型的关键词推荐方法和系统 |
CN106649681A (zh) * | 2016-12-15 | 2017-05-10 | 北京金山安全软件有限公司 | 一种数据处理方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
US20200250732A1 (en) | 2020-08-06 |
CN107729937A (zh) | 2018-02-23 |
WO2019072091A1 (zh) | 2019-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107729937B (zh) | 用于确定用户兴趣标签的方法及装置 | |
US11468456B2 (en) | Method and system for generating purchase recommendations based on purchase category associations | |
CN110020162B (zh) | 用户识别方法和装置 | |
CN110827112B (zh) | 深度学习的商品推荐方法、装置、计算机设备及存储介质 | |
CN110084658B (zh) | 物品匹配的方法和装置 | |
CN112017060B (zh) | 为目标用户进行资源分配的方法、装置及电子设备 | |
US11367117B1 (en) | Artificial intelligence system for generating network-accessible recommendations with explanatory metadata | |
CN109034853B (zh) | 基于种子用户寻找相似用户方法、装置、介质和电子设备 | |
WO2020221022A1 (zh) | 业务对象推荐方法 | |
US20220245322A1 (en) | Machine-learning based generation of text style variations for digital content items | |
CN111400613A (zh) | 物品推荐方法、装置、介质及计算机设备 | |
CN107679916A (zh) | 用于获取用户兴趣度的方法及装置 | |
CN112925973A (zh) | 数据处理方法和装置 | |
US9460163B1 (en) | Configurable extractions in social media | |
CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
CN112330382A (zh) | 物品推荐方法、装置、计算设备和介质 | |
CN112749323A (zh) | 一种构建用户画像的方法和装置 | |
CN109978594B (zh) | 订单处理方法、装置及介质 | |
JP7113822B2 (ja) | 実世界コンバージョントラッキングシステム | |
Demiroglu | E-commerce as a tool for the development of small business | |
US20150066645A1 (en) | Enhancing Marketing Funnel Conversion Through Intelligent Social Tagging and Attribution | |
CN113360816A (zh) | 点击率预测的方法和装置 | |
CN111768218A (zh) | 用于处理用户交互信息的方法和装置 | |
US20190180294A1 (en) | Supplier consolidation based on acquisition metrics | |
Shukla et al. | Application using MERN Stack |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |