CN107992563A - 一种用户浏览内容的推荐方法及系统 - Google Patents

Abstract

本申请提供的一种用户浏览内容的推荐方法及系统，获取预设范围内的多个网页，并提取所述多个网页的多个第一关键词；调用预先建立的目标用户的关键词列表，所述关键词列表中包括多个第二关键词；分别计算每个所述第一关键词与每个所述第二关键词之间的相关度，并根据每个所述第一关键词与每个所述第二关键词之间的相关度得到所述目标用户最感兴趣的多个偏好关键词；将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户。实现了用户浏览内容的个性化推荐。

Description

一种用户浏览内容的推荐方法及系统

技术领域

本发明涉及内容推荐技术领域，更具体的，涉及一种用户浏览内容的推荐方法及系统。

背景技术

互联网规模和应用面的迅速增长逐渐产生了越来越严重的信息过载问题。过量信息同时呈现，使得用户无法轻易从中获得对自己有用的部分。例如：在中文谷歌搜索引擎中中以“推荐系统”作为关键词进行搜索时可获得超过1000万条查询结果。

现在很多网络应用，例如：网址导航、搜索引擎、门户网站、专业数据库索引等，本质上都是帮助用户过滤信息的工具或手段。然而，这些工具几乎都是只满足了主流的信息获取需求，不能满足用户的个性化信息需求，依然无法很好地解决信息过载问题。

发明内容

有鉴于此，本发明公开了一种用户浏览内容的推荐方法及系统，通过计算系统获取的预设范围内多个网页中第一关键词与预先建立的目标用户关键词列表中第二关键词之间的相关度，确定目标用户最感兴趣的多个偏好关键词，并将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户，实现了用户浏览内容的个性化推荐。

为了实现上述发明目的，本发明提供的具体技术方案如下：

一种用户浏览内容的推荐方法，包括：

获取预设范围内的多个网页，并提取所述多个网页的多个第一关键词；

调用预先建立的目标用户的关键词列表，所述关键词列表中包括多个第二关键词；

分别计算每个所述第一关键词与每个所述第二关键词之间的相关度，并根据每个所述第一关键词与每个所述第二关键词之间的相关度得

将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户。

优选的，所述获取预设范围内的多个网页，并提取所述多个网页的多个第一关键词，包括：

获取目标用户集合中每个用户在第一预设周期内所浏览的每个网页地址；

获取与每个所述网页地址相对应的网页内容，对每个网页内容进行分词，得到多个关键词；

基于词频-逆文档频率算法计算每个所述关键词的TF-IDF值，并将每个所述网页对应的多个所述关键词中TF-IDF值大于预设值的关键词确定为第一关键词，所述第一关键词与所述网页地址之间具有映射关系。

优选的，所述方法还包括：

获取所述目标用户的历史浏览数据，并基于词频-逆文档频率算法提取多个第二关键词，每个所述第二关键词对应一个TF-IDF值；

为每个所述第二关键词设置标签，根据不同标签为所述目标用户建立多个关键词列表，每个关键词列表中的多个所述第二关键词对应一个相同标签。

优选的，所述分别计算每个所述第一关键词与每个所述第二关键词之间的相关度，并根据每个所述第一关键词与每个所述第二关键词之间的相关度得到所述目标用户最感兴趣的多个偏好关键词，包括：

获取每个所述第一关键词的标签，并将具有相同标签的多个所述第一关键词和多个所述第二关键词分组；

根据每个所述第一关键词的TF-IDF值和每个所述第二关键词的TF-IDF值，分别计算每组中每个所述第一关键词与每个所述第二关键词的相关度；

对多个相关度由大到小进行排序，每个所述第一关键词对应一个相关度排名，将满足预设相关度排名的多个所述第一关键词确定为所述目标用户最感兴趣的多个偏好关键词。

优选的，所述方法还包括：

根据所述目标用户在第一预设周期内所浏览的每个网页中多个关键词，对所述目标用户的关键词列表进行更新。

一种用户浏览内容的推荐系统，包括：

提取单元，用于获取预设范围内的多个网页，并提取所述多个网页的多个第一关键词；

调用单元，用于调用预先建立的目标用户的关键词列表，所述关键词列表中包括多个第二关键词；

计算单元，用于分别计算每个所述第一关键词与每个所述第二关键词之间的相关度，并根据每个所述第一关键词与每个所述第二关键词之

推送单元，用于将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户。

优选的，所述提取单元包括：

获取子单元，用于获取目标用户集合中每个用户在第一预设周期内所浏览的每个网页地址；

分词子单元，用于获取与每个所述网页地址相对应的网页内容，对每个网页内容进行分词，得到多个关键词；

确定子单元，用于基于词频-逆文档频率算法计算每个所述关键词的TF-IDF值，并将每个所述网页对应的多个所述关键词中TF-IDF值大于预设值的关键词确定为第一关键词，所述第一关键词与所述网页地址之间具有映射关系。

优选的，所述系统还包括：

建立单元，用于获取所述目标用户的历史浏览数据，并基于词频-逆文档频率算法提取多个第二关键词，每个所述第二关键词对应一个TF-IDF值；为每个所述第二关键词设置标签，根据不同标签为所述目标用户建立多个关键词列表，每个关键词列表中的多个所述第二关键词对应一个相同标签。

优选的，所述计算单元包括：

分组子单元，用于获取每个所述第一关键词的标签，并将具有相同标签的多个所述第一关键词和多个所述第二关键词分组；

计算子单元，用于根据每个所述第一关键词的TF-IDF值和每个所述第二关键词的TF-IDF值，分别计算每组中每个所述第一关键词与每个所述第二关键词的相关度；

排序子单元，用于对多个相关度由大到小进行排序，每个所述第一关键词对应一个相关度排名，将满足预设相关度排名的多个所述第一关键词确定为所述目标用户最感兴趣的多个偏好关键词。

优选的，所述系统还包括：

更新单元，用于根据所述目标用户在第一预设周期内所浏览的每个网页中多个关键词，对所述目标用户的关键词列表进行更新。

相对于现有技术，本发明的有益效果如下：

本发明提供的一种用户浏览内容的推荐方法及系统，预先建立的目标用户的关键词列表体现了目标用户的浏览偏好，通过计算系统获取的预设范围内多个网页中第一关键词与预先建立的目标用户关键词列表中第二关键词之间的相关度，确定目标用户最感兴趣的多个偏好关键词，并将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户，实现了用户浏览内容的个性化推荐。且通过相关度计算可以在用户历史数据很少的情况下快速得到目标用户最感兴趣的多个偏好关键词，解决了推荐冷启动问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种用户浏览内容的推荐方法流程图；

图2为本发明实施例公开的另一种用户浏览内容的推荐方法流程图；

图3为本发明实施例公开的又一种用户浏览内容的推荐方法流程图；

图4为本发明实施例公开的一种用户浏览内容的推荐系统结构示意图。

具体实施方式

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，所描述的实施例仅仅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做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。

本实施例公开了一种用户浏览内容的推荐方法，方法流程图如图1所示，包括如下步骤：

S101：获取预设范围内的多个网页，并提取所述多个网页的多个第一关键词；

需要说明的是预设范围是系统预先进行设定的，预设范围内的多个网页保证网页数据足够进行后续的分析，且数据范围保持在一个合理的区间，避免数据量过大造成系统数据处理内容过载。

优选的，请参阅图2，S101的具体执行过程如下：

S201：获取目标用户集合中每个用户在第一预设周期内所浏览的每个网页地址；

预设范围为目标用户集合中每个用户在第一预设周期内所浏览的每个网页。第一预设周期可以为1天、1星期等，在此不做具体限定。

所述目标用户集合包括所述目标用户，由于同一机构中用户浏览偏好可能相似，因此，所述目标用户集合可以为所述目标用户所在机构中用户的集合，例如：一个班级的学生，一个部门的员工，等等。

S202：获取与每个所述网页地址相对应的网页内容，对每个网页内容进行分词，得到多个关键词；

分词方法可以为现有的任意一种分词方法，分词要根据无用词词典对分词后的数据进行过滤，例如：去掉如然后、并且等连词等等。

S203：基于词频-逆文档频率算法计算每个所述关键词的TF-IDF值，并将每个所述网页对应的多个所述关键词中TF-IDF值大于预设值的关键词确定为第一关键词，所述第一关键词与所述网页地址之间具有映射关系。

记获取的所有网页集合为D＝{d₁，d₂，...，d_N}，而所有网页中出现的词的集合(也称为词典)为T＝{t₁，t₂，...，t_n}。也就是说，我们有N个要处理网页，而这些网页里包含了n个不同的词。我们最终要使用一个向量来表示一个网页内容，比如第j个网页被表示为d_j＝(w_1j，w_2j，...，w_nj)，其中w_1j表示第1个词t₁在网页j中的权重，值越大表示越重要；d_j中其他向量的解释类似。所以，为了表示第j个网页内容，我们可以选取w_1j为1，如果词t₁出现在第j个网页中；选取为0，如果t₁未出现在第j个网页中。我们也可以选取w_1j为词t₁出现在第j个网页中的次数(frequency)。但是优选的计算方法是词频-逆文档频率(term frequency–inverse document frequency，简称tf-idf)。第j个网页中与词典里第k个词对应的tf-idf为：

其中TF(t_k，d_j)是第k个词在网页j中出现的次数，而n_k是所有网页中包括第k个词的网页数量。

最终第k个词在网页j中的权重由下面的公式获得：

做归一化的好处是不同网页之间的表示向量被归一到一个量级上，便于下面步骤的操作。

S102：调用预先建立的目标用户的关键词列表，所述关键词列表中包括多个第二关键词；

需要说明的是，系统预先建立目标用户的关键词列表，具体为：

获取所述目标用户的历史浏览数据，并基于词频-逆文档频率算法提取多个第二关键词，每个所述第二关键词对应一个TF-IDF值；

为每个所述第二关键词设置标签，根据不同标签为所述目标用户建立多个关键词列表，每个关键词列表中的多个所述第二关键词对应一个相同标签。

S103：分别计算每个所述第一关键词与每个所述第二关键词之间的相关度，并根据每个所述第一关键词与每个所述第二关键词之间的相关度得到所述目标用户最感兴趣的多个偏好关键词；

优选的，请参阅图3，S103的具体执行过程如下：

S301：获取每个所述第一关键词的标签，并将具有相同标签的多个所述第一关键词和多个所述第二关键词分组；

S302：根据每个所述第一关键词的TF-IDF值和每个所述第二关键词的TF-IDF值，分别计算每组中每个所述第一关键词与每个所述第二关键词的相关度；

优选的，本实施例采用word2vec计算每组中每个所述第一关键词与每个所述第二关键词的相关度，每个第一关键词和第二关键词做键匹配与值的运算，具体的，键为所述标签，值为关键词在网页中的权重。有相同的键，则值相乘，多个相同键的值乘积累加。若无相同的键，值记为0。具体计算方法不再赘述。

S303：对多个相关度由大到小进行排序，每个所述第一关键词对应一个相关度排名，将满足预设相关度排名的多个所述第一关键词确定为所述目标用户最感兴趣的多个偏好关键词。

例如，将相关度排名前10个的第一关键词作为所述目标用户最感兴趣的多个偏好关键词。

S104：将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户。

优选的，为了保证目标用户的关键词列表能随着目标用户的浏览偏好变化而更新，所述方法还包括：

根据所述目标用户在第一预设周期内所浏览的每个网页中多个关键词，对所述目标用户的关键词列表进行更新。

本实施例公开的一种用户浏览内容的推荐方法，预先建立的目标用户的关键词列表体现了目标用户的浏览偏好，通过计算系统获取的预设范围内多个网页中第一关键词与预先建立的目标用户关键词列表中第二关键词之间的相关度，确定目标用户最感兴趣的多个偏好关键词，并将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户，实现了用户浏览内容的个性化推荐。且通过相关度计算可以在用户历史数据很少的情况下快速得到目标用户最感兴趣的多个偏好关键词，解决了推荐冷启动问题。

基于上述实施例公开的一种用户浏览内容的推荐方法，请参阅图4，本实施例对应公开了一种用户浏览内容的推荐系统，具体包括：

提取单元401，用于获取预设范围内的多个网页，并提取所述多个网页的多个第一关键词；

调用单元402，用于调用预先建立的目标用户的关键词列表，所述关键词列表中包括多个第二关键词；

计算单元403，用于分别计算每个所述第一关键词与每个所述第二关键词之间的相关度，并根据每个所述第一关键词与每个所述第二关键词之

推送单元404，用于将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户。

优选的，所述提取单元401包括：

获取子单元，用于获取目标用户集合中每个用户在第一预设周期内所浏览的每个网页地址；

分词子单元，用于获取与每个所述网页地址相对应的网页内容，对每个网页内容进行分词，得到多个关键词；

确定子单元，用于基于词频-逆文档频率算法计算每个所述关键词的TF-IDF值，并将每个所述网页对应的多个所述关键词中TF-IDF值大于预设值的关键词确定为第一关键词，所述第一关键词与所述网页地址之间具有映射关系。

优选的，所述系统还包括：

建立单元，用于获取所述目标用户的历史浏览数据，并基于词频-逆文档频率算法提取多个第二关键词，每个所述第二关键词对应一个TF-IDF值；为每个所述第二关键词设置标签，根据不同标签为所述目标用户建立多个关键词列表，每个关键词列表中的多个所述第二关键词对应一个相同标签。

优选的，所述计算单元403包括：

分组子单元，用于获取每个所述第一关键词的标签，并将具有相同标签的多个所述第一关键词和多个所述第二关键词分组；

计算子单元，用于根据每个所述第一关键词的TF-IDF值和每个所述第二关键词的TF-IDF值，分别计算每组中每个所述第一关键词与每个所述第二关键词的相关度；

排序子单元，用于对多个相关度由大到小进行排序，每个所述第一关键词对应一个相关度排名，将满足预设相关度排名的多个所述第一关键词确定为所述目标用户最感兴趣的多个偏好关键词。

优选的，所述系统还包括：

更新单元，用于根据所述目标用户在第一预设周期内所浏览的每个网页中多个关键词，对所述目标用户的关键词列表进行更新。

本实施例公开的一种用户浏览内容的推荐系统，预先建立的目标用户的关键词列表体现了目标用户的浏览偏好，通过计算系统获取的预设范围内多个网页中第一关键词与预先建立的目标用户关键词列表中第二关键词之间的相关度，确定目标用户最感兴趣的多个偏好关键词，并将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户，实现了用户浏览内容的个性化推荐。且通过相关度计算可以在用户历史数据很少的情况下快速得到目标用户最感兴趣的多个偏好关键词，解决了推荐冷启动问题。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种用户浏览内容的推荐方法，其特征在于，包括：

获取预设范围内的多个网页，并提取所述多个网页的多个第一关键词；

调用预先建立的目标用户的关键词列表，所述关键词列表中包括多个第二关键词；

分别计算每个所述第一关键词与每个所述第二关键词之间的相关度，并根据每个所述第一关键词与每个所述第二关键词之间的相关度得到所述目标用户最感兴趣的多个偏好关键词；

将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户。

2.根据权利要求1所述的方法，其特征在于，所述获取预设范围内的多个网页，并提取所述多个网页的多个第一关键词，包括：

获取目标用户集合中每个用户在第一预设周期内所浏览的每个网页地址；

获取与每个所述网页地址相对应的网页内容，对每个网页内容进行分词，得到多个关键词；

基于词频-逆文档频率算法计算每个所述关键词的TF-IDF值，并将每个所述网页对应的多个所述关键词中TF-IDF值大于预设值的关键词确定为第一关键词，所述第一关键词与所述网页地址之间具有映射关系。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述目标用户的历史浏览数据，并基于词频-逆文档频率算法提取多个第二关键词，每个所述第二关键词对应一个TF-IDF值；

为每个所述第二关键词设置标签，根据不同标签为所述目标用户建立多个关键词列表，每个关键词列表中的多个所述第二关键词对应一个相同标签。

4.根据权利要求2和3所述的方法，其特征在于，所述分别计算每个所述第一关键词与每个所述第二关键词之间的相关度，并根据每个所述第一关键词与每个所述第二关键词之间的相关度得到所述目标用户最感兴趣的多个偏好关键词，包括：

获取每个所述第一关键词的标签，并将具有相同标签的多个所述第一关键词和多个所述第二关键词分组；

根据每个所述第一关键词的TF-IDF值和每个所述第二关键词的TF-IDF值，分别计算每组中每个所述第一关键词与每个所述第二关键词的相关度；

对多个相关度由大到小进行排序，每个所述第一关键词对应一个相关度排名，将满足预设相关度排名的多个所述第一关键词确定为所述目标用户最感兴趣的多个偏好关键词。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述目标用户在第一预设周期内所浏览的每个网页中多个关键词，对所述目标用户的关键词列表进行更新。

6.一种用户浏览内容的推荐系统，其特征在于，包括：

提取单元，用于获取预设范围内的多个网页，并提取所述多个网页的多个第一关键词；

调用单元，用于调用预先建立的目标用户的关键词列表，所述关键词列表中包括多个第二关键词；

计算单元，用于分别计算每个所述第一关键词与每个所述第二关键词之间的相关度，并根据每个所述第一关键词与每个所述第二关键词之间的相关度得到所述目标用户最感兴趣的多个偏好关键词；

推送单元，用于将具有至少一个所述偏好关键词的网页的网页地址推送给所述目标用户。

7.根据权利要求6所述的系统，其特征在于，所述提取单元包括：

获取子单元，用于获取目标用户集合中每个用户在第一预设周期内所浏览的每个网页地址；

分词子单元，用于获取与每个所述网页地址相对应的网页内容，对每个网页内容进行分词，得到多个关键词；

确定子单元，用于基于词频-逆文档频率算法计算每个所述关键词的TF-IDF值，并将每个所述网页对应的多个所述关键词中TF-IDF值大于预设值的关键词确定为第一关键词，所述第一关键词与所述网页地址之间具有映射关系。

8.根据权利要求6所述的系统，其特征在于，所述系统还包括：

建立单元，用于获取所述目标用户的历史浏览数据，并基于词频-逆文档频率算法提取多个第二关键词，每个所述第二关键词对应一个TF-IDF值；为每个所述第二关键词设置标签，根据不同标签为所述目标用户建立多个关键词列表，每个关键词列表中的多个所述第二关键词对应一个相同标签。

9.根据权利要求7和8所述的系统，其特征在于，所述计算单元包括：

分组子单元，用于获取每个所述第一关键词的标签，并将具有相同标签的多个所述第一关键词和多个所述第二关键词分组；

计算子单元，用于根据每个所述第一关键词的TF-IDF值和每个所述第二关键词的TF-IDF值，分别计算每组中每个所述第一关键词与每个所述第二关键词的相关度；

排序子单元，用于对多个相关度由大到小进行排序，每个所述第一关键词对应一个相关度排名，将满足预设相关度排名的多个所述第一关键词确定为所述目标用户最感兴趣的多个偏好关键词。

10.根据权利要求6所述的系统，其特征在于，所述系统还包括：

更新单元，用于根据所述目标用户在第一预设周期内所浏览的每个网页中多个关键词，对所述目标用户的关键词列表进行更新。