CN111125506B - 兴趣圈主题确定方法、装置、服务器和介质 - Google Patents
兴趣圈主题确定方法、装置、服务器和介质 Download PDFInfo
- Publication number
- CN111125506B CN111125506B CN201811295606.7A CN201811295606A CN111125506B CN 111125506 B CN111125506 B CN 111125506B CN 201811295606 A CN201811295606 A CN 201811295606A CN 111125506 B CN111125506 B CN 111125506B
- Authority
- CN
- China
- Prior art keywords
- word
- target
- interest
- circle
- concerned
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001914 filtration Methods 0.000 claims abstract description 57
- 230000003993 interaction Effects 0.000 claims abstract description 34
- 230000006399 behavior Effects 0.000 claims description 26
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种兴趣圈主题确定方法、装置、服务器和介质，其中，该方法包括：基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词；统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数；根据目标圈用户频数、网络用户频数以及目标兴趣圈总用户数、网络总用户数计算每个关注词的目标群体指数；利用目标圈用户频数和目标群体指数对至少一个关注词进行过滤，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题。本发明实施例解决了现有技术中确定兴趣圈主题的准确性较低的问题，提高了兴趣圈主题确定的准确性和针对性。
Description
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种兴趣圈主题确定方法、装置、服务器和介质。
背景技术
生活中的各种关系都能构成关系网络结构，根据网络结构内关系的连接的紧密和稀疏分布，能发现其内部结构紧密，外部结构稀疏的不同的关系圈子。而准确确定圈子的兴趣主题才能对圈子内用户进行准确的话题推荐、商品推荐和为用户合理地打标签。
现有技术中确定圈子主题的方法通常包括如下几种：
1)根据圈子内用户共同出现的属性和关注点出现的频数来确定圈子的主题，当圈子出现多个不同的主题时，设定频数的阈值，对其主题进行过滤。
圈子内用户的属性和关注点存在普遍性，大部分用户都包含对应的属性，这样导致大部分的圈子的主题都是一致的，不具有针对性。而且，当圈子出现多个不同的主题时，采用设置阈值，没有一定的科学依据，并且不同圈子的主题选择也不存在差异性。
2)根据两个圈子差异的属性来确定圈子主题。
在现实的交互过程中存在不同的圈子有共同主题的特性，只是圈子之间不存在交互或交互程度弱。圈子很大程度是相同的主题，特别对于弱社交关系的数据，在特定情况下，虽然圈子之间存在相同的主题，但是它们可能由于交互差异而分为不同的圈子，显然这样的划分不合理。
3)根据圈子内领袖的属性来确定圈子主题。
在很多场景下，圈子内领袖决定了圈子的目的性，但是圈子的领袖的选择的标准和策略不统一，策略的改变造成相同的圈子可能存在不同的主题。同时，当圈子存在多个领袖和多个属性时，最终的主题的获取方法与上述第一种方法的缺点相似。
综上，现有方法均无法准确获取圈子主题。
发明内容
本发明实施例提供一种兴趣圈主题确定方法、装置、服务器和介质，以提高兴趣圈主题确定的准确性和针对性。
第一方面，本发明实施例提供了一种兴趣圈主题确定方法，该方法包括：
基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词，其中，所述目标兴趣圈是基于至少两种数据源构建而成；
统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，其中，所述网络中包含目标兴趣圈以及除目标兴趣圈之外的其他至少一个兴趣圈；
根据所述目标圈用户频数、网络用户频数以及目标兴趣圈总用户数、网络总用户数计算每个关注词的目标群体指数，其中，所述目标群体指数用于描述目标群体关注的兴趣指标；
利用所述目标圈用户频数和所述目标群体指数对所述至少一个关注词进行过滤，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题。
第二方面，本发明实施例还提供了一种兴趣圈主题确定装置，该装置包括：
关注词确定模块，用于基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词，其中，所述目标兴趣圈是基于至少两种数据源构建而成；
频数统计模块，用于统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，其中，所述网络中包含目标兴趣圈以及除目标兴趣圈之外的其他至少一个兴趣圈；
目标群体指数计算模块，用于根据所述目标圈用户频数、网络用户频数以及目标兴趣圈总用户数、网络总用户数计算每个关注词的目标群体指数，其中，所述目标群体指数用于描述目标群体关注的兴趣指标；
主题确定模块，用于利用所述目标圈用户频数和所述目标群体指数对所述至少一个关注词进行过滤，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题。
第三方面，本发明实施例还提供了一种服务器，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本发明任一实施例所述的兴趣圈主题确定方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的兴趣圈主题确定方法。
本发明实施例通过基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词；然后统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，进而计算出每个关注词的目标群体指数；最后利用目标圈用户频数和目标群体指数对至少一个关注词进行过滤，并利用过滤后得到的至少一个关注词确定目标兴趣圈的主题，解决了现有技术中确定兴趣圈主题的准确性较低的问题，提高了兴趣圈主题确定的准确性和针对性。
附图说明
图1是本发明实施例一提供的兴趣圈主题确定方法的流程图；
图2是本发明实施例一提供的一种目标兴趣圈的关系结构示意图；
图3是本发明实施例二提供的兴趣圈主题确定方法的流程图；
图4是本发明实施例三提供的兴趣圈主题确定装置的结构示意图；
图5是本发明实施例四提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的兴趣圈主题确定方法的流程图，本实施例可适用于确定兴趣圈主题的情况，该方法可以由兴趣圈主题确定装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在服务器上。
如图1所示，本实施例提供的兴趣圈主题确定方法可以包括：
S110、基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词，其中，目标兴趣圈是基于至少两种数据源构建而成。
本实施例中的目标兴趣圈是利用多种数据源创建的关系网络结构结合社区发现算法而确定，例如基于贴吧、feed文章和博文等数据创建的弱社交交互关系的网络结构发现兴趣圈，因此，目标兴趣圈内用户间的交互行为可以基于不同的数据源产生，每个用户对应的关注词(attention)便可以来源于不同类型的数据源。针对不同类型的数据源，关注词的获取策略不同，具体的，可以结合数据源的数据特点确定对应类型的关注词获取策略。
示例性的，关注词包括贴吧、feed文章和博文中的至少两种类型，每种类型的关注词确定策略如下：
当交互行为针对的数据源是贴吧，则将贴吧中的吧名作为关注词；
当交互行为针对的数据源是博文，则将博文的目录作为关注词；
当交互行为针对的数据源是feed文章，则按照如下操作确定关注词：
对feed文章的标题进行分词，计算每个分词结果相对该feed文章的词频逆文档频率，将词频逆文档频率符合预设阈值的至少一个分词结果进行拼接，拼接后的结果作为关注词。其中，预设阈值可以适应性进行设置。此外，对于多个feed文章的标题，还可以通过对每个标题进行向量化，并计算每个向量之间的距离，然后通过聚类将多个标题划分为多个不同的关注词。
图2是本实施例提供的一种目标兴趣圈的关系结构示意图，该目标兴趣圈中包括了多个用户之间的交互关系。下面结合图2，以数据源包括贴吧数据、feed文章数据和博文数据为例，对本实施例中用户关注词的获取策略进行示例性说明：例如，用户u2对用户u1发布的吧名为A的帖子进行了评论，则可以将吧名A分别确定为用户u1和用户u2对应的关注词；用户u2对用户u4发布的一篇博文进行点赞，则可以通过获取该博文内容，将博文目录X分别确定为用户u2和用户u4对应的关注词，其中，如果博文存在多个目录，可以同时将多个目录确定为用户的关注词；用户u4针对用户u3在吧名为B的帖子中的问题进行了回复，则可以将吧名B分别确定为用户u3和用户u4对应的关注词；用户u3对用户u2的feed文章进行点赞，则可以通过上述对feed文章标题进行分词与拼接的处理方式得到的用户u2和用户u3对应的关注词C；用户u3对用户u1的博文进行评论，则将博文目录Y分别确定为用户u3和用户u1对应的关注词。综合以上分析，用户u1、用户u2、用户u3和用户u4对应的关注词分别如下：
用户u1：吧名A、目录Y；
用户u2：吧名A、目录X、关注词C；
用户u3：吧名B、关注词C、目录Y；
用户u4：目录X、吧名B；
需要说明的是，该示例的目标兴趣圈内每个用户对应的关注词中除了基于以上交互行为所确定的关注词外，还可以包括基于其他交互行为确定的关注词，与实际的目标兴趣圈的内部网络结构有关。
S120、统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，其中，网络中包含目标兴趣圈以及除目标兴趣圈之外的其他至少一个兴趣圈。
其中，目标圈用户频数表示每个关注词在目标兴趣圈内出现的次数，网络用户频数表示每个关注词在完整的网络内出现的次数。网络即基于多种数据源创建的关系网络结构，包括目标兴趣圈在内的多个兴趣圈。
S130、根据目标圈用户频数、网络用户频数以及目标兴趣圈总用户数、网络总用户数计算每个关注词的目标群体指数，其中，目标群体指数用于描述目标群体关注的兴趣指标。
如果单纯基于关注词的目标圈用户频数，确定兴趣圈主题的准确性较低，因此，本实施例中进一步计算兴趣圈内每个关注词的目标群体指数(Target Group Index，TGI)。可选的，目标群体指数的计算公式为：(目标圈用户频数/目标兴趣圈总用户数)/(网络用户频数/网络总用户数)，其中，目标兴趣圈总用户数指目标兴趣圈内包括的所有用户数量，网络总用户数指目标兴趣圈所在的完整关系网络结构中包括的所有用户数量。目标群体指数可以准确地描述目标兴趣圈内用户群体关注的兴趣点。
示例性的，feed文章用户都被推送娱乐相关的文章，导致大部分的兴趣圈主题都为娱乐相关的主题，这样便弱化了多个兴趣圈存在的意义。通过计算每个兴趣圈内每个关注词的目标群体指数，目标圈用户频数较高的关注词，得到的目标群体指数将有所降低，因此可以降低兴趣圈内用户频数较高的关注词对兴趣圈主题确定的不利影响，进而提高每个兴趣圈的主题确定的准确性。
S140、利用目标圈用户频数和目标群体指数对至少一个关注词进行过滤，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题。
根据兴趣圈内每个关注词的目标群体指数的排序结果，虽然可以很好的表现出兴趣圈的主题性，但是如果单纯基于目标群体指数的排序结果或者目标群体指数与预设指数阈值之间的关系对关注词进行过滤，确定目标兴趣圈的主题，此方法同样不能实现根据不同的兴趣圈的实际情况对关注词进行针对性过滤的效果，对应确定的兴趣圈主题的准确性也较低。因此，当得到每个关注词的目标群体指数后，采用同时考虑每个关注词的目标圈用户频数和目标群体指数，对关注词进行过滤。经过关注词过滤后，目标兴趣圈内剩余的关注词可以明显呈现出单一性以及与圈内用户兴趣点的一致性，因而，确定出的目标兴趣圈主题的准确性较高，并且主题具有针对性。
示例性的，可以首先将目标圈用户频数低于第一阈值的关注词进行过滤，或者根据目标圈用户频数的排序结果过滤掉排序在后的预设数量的关注词；然后在经过第一次过滤之后的关注词中，再次过滤掉目标群体指数低于第二阈值的关注词，或者根据目标群体指数的排序结果再次过滤掉排序在后的预设数量的关注词；最终利用经过两次过滤之后得到的关注词确定目标兴趣圈的主题。其中，第一阈值和第二阈值可以合理设置。
可选的，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题，包括：将过滤至少一个关注词进行拼接，将拼接后的关注词作为目标兴趣圈的主题。即过滤后得到的多个关注词可以进行拼接，组成一个整体，例如一个完整的词汇或者短语，作为目标兴趣圈的主题。
可选的，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题，包括：
过滤基于目标圈用户频数和目标群体指数过滤得到的至少一个关注词中的近似词；
对近似词过滤后的每个关注词进行编码，并通过聚类得到至少一个关注词集合，该关注词集合中的关注词词意相近；
确定每个关注词集合中，关注词的目标群体指数最高的关注词，并对其进行拼接，将拼接后的关注词作为目标兴趣圈的主题。
如果过滤后得到的关注词只有一个或者多个关注词之间不存在近似词的情况，则可以直接用于确定目标兴趣圈的主题，但是如果过滤后得到的多个关注词之间存在近似词的情况，则可以将近似词进行再次过滤，将近似词过滤后的关注词拼接在一起，作为目标兴趣圈的主题。
本实施例技术方案通过基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词；然后统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，进而计算出每个关注词的目标群体指数；最后综合利用目标圈用户频数和目标群体指数对至少一个关注词进行过滤，利用过滤后得到的关注词确定目标兴趣圈的主题，解决了现有技术中确定兴趣圈主题的准确性较低的问题，提高了兴趣圈主题确定的准确性和针对性。
实施例二
图3是本发明实施例二提供的兴趣圈主题确定方法的流程图，本实施例是在上述实施例的基础上进一步进行优化。如图3所示，该方法可以包括：
S210、基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词，其中，目标兴趣圈是基于至少两种数据源构建而成。
S220、统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，其中，网络中包含目标兴趣圈以及除目标兴趣圈之外的其他至少一个兴趣圈。
S230、根据目标圈用户频数、网络用户频数以及目标兴趣圈总用户数、网络总用户数计算每个关注词的目标群体指数，其中，目标群体指数用于描述目标群体关注的兴趣指标。
S240、在至少一个关注词中，过滤掉目标用户频数不符合预设阈值的关注词。
S250、利用过滤后的每个关注词的目标群体指数建立长尾分布曲线，并确定其拐点，将拐点之后对应的关注词进行过滤，得到最终的至少一个目标关注词。
在基于目标用户频数过滤后的关注词中，按照目标群体指数对关注词进行排序，并基于排序结果进行指数拟合，得到平滑的曲线，即目标群体指数的长尾分布曲线。长尾分布曲线的拐点可以说明关注词之间的目标群体指数的差异，越接近曲线头部的目标群体指数对应的关注词越能代表目标兴趣圈中用户的兴趣点，因此，在获取长尾分布曲线的拐点之后，可以将拐点之后的目标群体指数对应的关注词进行过滤，剩余的关注词即用于确定兴趣圈主题的目标关注词。
S260、利用至少一个目标关注词确定目标兴趣圈的主题。
例如，可以选择将至少一个目标关注词拼接后的拼接结果确定为目标兴趣圈的主题。并且，如果多个目标关注词之间存在近似词的情况，可以按照上述实施例中的近似词过滤方法，将经过近似词过滤后的关注词拼接在一起，作为目标兴趣圈的主题。
本实施例技术方案通过基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词；然后基于统计的每个关注词的目标圈用户频数以及网络用户频数，计算出每个关注词的目标群体指数；最后综合利用目标圈用户频数和目标群体指数的长尾分布拐点对多个关注词进行过滤，进而确定出目标兴趣圈的主题，解决了现有技术中确定兴趣圈主题的准确性较低的问题，提高了兴趣圈主题确定的准确性和针对性。
实施例三
图4是本发明实施例三提供的兴趣圈主题确定装置的结构示意图，本实施例可适用于确定兴趣圈主题的情况。该装置可以采用软件和/或硬件的方式实现，并可集成在服务器上。
如图4所示，本实施例提供的兴趣圈主题确定装置包括关注词确定模块310、频数统计模块320、目标群体指数计算模块330和主题确定模块340，其中：
关注词确定模块310，用于基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词，其中，目标兴趣圈是基于至少两种数据源构建而成；
频数统计模块320，用于统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，其中，网络中包含目标兴趣圈以及除目标兴趣圈之外的其他至少一个兴趣圈；
目标群体指数计算模块330，用于根据目标圈用户频数、网络用户频数以及目标兴趣圈总用户数、网络总用户数计算每个关注词的目标群体指数，其中，目标群体指数用于描述目标群体关注的兴趣指标；
主题确定模块340，用于利用目标圈用户频数和目标群体指数对至少一个关注词进行过滤，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题。
可选的，目标群体指数的计算公式为：(目标圈用户频数/目标兴趣圈总用户数)/(网络用户频数/网络总用户数)。
可选的，主题确定模块340包括：
第一过滤单元，用于在至少一个关注词中，过滤掉目标用户频数不符合预设阈值的关注词；
第二过滤单元，用于利用过滤后的每个关注词的目标群体指数建立长尾分布曲线，并确定其拐点，将拐点之后对应的关注词进行过滤，得到最终的至少一个目标关注词；
主题确定单元，用于利用至少一个目标关注词确定目标兴趣圈的主题。
可选的，主题确定模块340具体用于：
将过滤后的至少一个关注词进行拼接，将拼接后的关注词作为目标兴趣圈的主题。
可选的，主题确定模块340包括：
参数过滤单元，用于利用目标圈用户频数和目标群体指数对至少一个关注词进行过滤；
近似词过滤单元，用于过滤基于目标圈用户频数和目标群体指数过滤得到的至少一个关注词中的近似词；
关注词集合确定单元，用于对近似词过滤后的每个关注词进行编码，并通过聚类得到至少一个关注词集合；
关注词拼接单元，用于确定每个关注词集合中，关注词的目标群体指数最高的关注词，并对其进行拼接，将拼接后的关注词作为目标兴趣圈的主题。
可选的，关注词确定模块310中确定的关注词包括贴吧、feed文章和博文中的至少两种；
当交互行为针对的数据源是贴吧，则将贴吧中的吧名作为关注词；
当交互行为针对的数据源是博文，则将博文的目录作为关注词；
当交互行为针对的数据源是feed文章，则按照如下操作确定关注词：
对feed文章的标题进行分词，计算每个分词结果相对该feed文章的词频逆文档频率，将词频逆文档频率符合预设阈值的至少一个分词结果进行拼接，拼接后的结果作为关注词。
本发明实施例所提供的兴趣圈主题确定装置可执行本发明任意实施例所提供的兴趣圈主题确定方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意方法实施例的内容解释。
实施例四
图5是本发明实施例四提供的一种服务器的结构示意图。图5示出了适于用来实现本发明实施方式的示例性服务器412的框图。图5显示的服务器412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5所示，服务器412以通用服务器的形式表现。服务器412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
服务器412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。服务器412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储装置428中，这样的程序模块442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。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
服务器412也可以与一个或多个外部设备414(例如键盘、指向终端、显示器424等)通信，还可与一个或者多个使得用户能与该服务器412交互的终端通信，和/或与使得该服务器412能与一个或多个其它计算终端进行通信的任何终端(例如网卡，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422进行。并且，服务器412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide AreaNetwork，WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器420通过总线418与服务器412的其它模块通信。应当明白，尽管图中未示出，可以结合服务器412使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明任意实施例所提供的兴趣圈主题确定方法，该方法可以包括：
基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词，其中，所述目标兴趣圈是基于至少两种数据源构建而成；
统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，其中，所述网络中包含目标兴趣圈以及除目标兴趣圈之外的其他至少一个兴趣圈；
根据所述目标圈用户频数、网络用户频数以及目标兴趣圈总用户数、网络总用户数计算每个关注词的目标群体指数，其中，所述目标群体指数用于描述目标群体关注的兴趣指标；
利用所述目标圈用户频数和所述目标群体指数对所述至少一个关注词进行过滤，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的兴趣圈主题确定方法，该方法可以包括：
基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词，其中，所述目标兴趣圈是基于至少两种数据源构建而成；
统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，其中，所述网络中包含目标兴趣圈以及除目标兴趣圈之外的其他至少一个兴趣圈；
根据所述目标圈用户频数、网络用户频数以及目标兴趣圈总用户数、网络总用户数计算每个关注词的目标群体指数，其中，所述目标群体指数用于描述目标群体关注的兴趣指标；
利用所述目标圈用户频数和所述目标群体指数对所述至少一个关注词进行过滤，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——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。计算机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、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机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。
计算机可读的信号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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。
计算机可读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、电线、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或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种兴趣圈主题确定方法，其特征在于，包括：
基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词，其中，所述目标兴趣圈是基于至少两种数据源构建而成，目标兴趣圈内用户间的交互行为基于不同的数据源产生；
统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，其中，所述网络中包含目标兴趣圈以及除目标兴趣圈之外的其他至少一个兴趣圈；
根据所述目标圈用户频数、网络用户频数以及目标兴趣圈总用户数、网络总用户数计算每个关注词的目标群体指数，其中，所述目标群体指数用于描述目标群体关注的兴趣指标；
利用所述目标圈用户频数和所述目标群体指数对所述至少一个关注词进行过滤，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题。
2.根据权利要求1所述的方法，其特征在于，所述目标群体指数的计算公式为：(目标圈用户频数/目标兴趣圈总用户数)/(网络用户频数/网络总用户数)。
3.根据权利要求1或2所述的方法，其特征在于，利用所述目标圈用户频数和所述目标群体指数对所述至少一个关注词进行过滤，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题，包括：
在所述至少一个关注词中，过滤掉目标用户频数不符合预设阈值的关注词；
利用过滤后的每个关注词的目标群体指数建立长尾分布曲线，并确定其拐点，将拐点之后对应的关注词进行过滤，得到最终的至少一个目标关注词；
利用所述至少一个目标关注词确定目标兴趣圈的主题。
4.根据权利要求1所述的方法，其特征在于，所述利用过滤后得到的至少一个关注词确定目标兴趣圈的主题，包括：
将所述过滤至少一个关注词进行拼接，将拼接后的关注词作为目标兴趣圈的主题。
5.根据权利要求1所述的方法，其特征在于，所述利用过滤后得到的至少一个关注词确定目标兴趣圈的主题，包括：
过滤基于所述目标圈用户频数和所述目标群体指数过滤得到的至少一个关注词中的近似词；
对近似词过滤后的每个关注词进行编码，并通过聚类得到至少一个关注词集合；
确定每个关注词集合中，关注词的目标群体指数最高的关注词，并对其进行拼接，将拼接后的关注词作为目标兴趣圈的主题。
6.根据权利要求1所述的方法，其特征在于，所述关注词包括贴吧、feed文章和博文中的至少两种；
当所述交互行为针对的数据源是贴吧，则将贴吧中的吧名作为关注词；
当所述交互行为针对的数据源是博文，则将博文的目录作为关注词；
当所述交互行为针对的数据源是feed文章，则按照如下操作确定关注词：
对feed文章的标题进行分词，计算每个分词结果相对该feed文章的词频逆文档频率，将所述词频逆文档频率符合预设阈值的至少一个分词结果进行拼接，拼接后的结果作为所述关注词。
7.一种兴趣圈主题确定装置，其特征在于，包括：
关注词确定模块，用于基于目标兴趣圈中用户间发生交互行为所针对的数据源，确定出每个用户对应的至少一个关注词，其中，所述目标兴趣圈是基于至少两种数据源构建而成，目标兴趣圈内用户间的交互行为基于不同的数据源产生；
频数统计模块，用于统计每个关注词在目标兴趣圈的全部用户中出现的目标圈用户频数，以及每个关注词在网络内的全部用户中出现的网络用户频数，其中，所述网络中包含目标兴趣圈以及除目标兴趣圈之外的其他至少一个兴趣圈；
目标群体指数计算模块，用于根据所述目标圈用户频数、网络用户频数以及目标兴趣圈总用户数、网络总用户数计算每个关注词的目标群体指数，其中，所述目标群体指数用于描述目标群体关注的兴趣指标；
主题确定模块，用于利用所述目标圈用户频数和所述目标群体指数对所述至少一个关注词进行过滤，利用过滤后得到的至少一个关注词确定目标兴趣圈的主题。
8.根据权利要求7所述的装置，其特征在于，所述目标群体指数的计算公式为：(目标圈用户频数/目标兴趣圈总用户数)/(网络用户频数/网络总用户数)。
9.根据权利要求7或8所述的装置，其特征在于，所述主题确定模块包括：
第一过滤单元，用于在所述至少一个关注词中，过滤掉目标用户频数不符合预设阈值的关注词；
第二过滤单元，用于利用过滤后的每个关注词的目标群体指数建立长尾分布曲线，并确定其拐点，将拐点之后对应的关注词进行过滤，得到最终的至少一个目标关注词；
主题确定单元，用于利用所述至少一个目标关注词确定目标兴趣圈的主题。
10.根据权利要求7所述的装置，其特征在于，所述主题确定模块具体用于：
将所述过滤后的至少一个关注词进行拼接，将拼接后的关注词作为目标兴趣圈的主题。
11.根据权利要求7所述的装置，其特征在于，所述主题确定模块包括：
参数过滤单元，用于利用所述目标圈用户频数和所述目标群体指数对所述至少一个关注词进行过滤；
近似词过滤单元，用于过滤基于所述目标圈用户频数和所述目标群体指数过滤得到的至少一个关注词中的近似词；
关注词集合确定单元，用于对近似词过滤后的每个关注词进行编码，并通过聚类得到至少一个关注词集合；
关注词拼接单元，用于确定每个关注词集合中，关注词的目标群体指数最高的关注词，并对其进行拼接，将拼接后的关注词作为目标兴趣圈的主题。
12.根据权利要求7所述的装置，其特征在于，所述关注词包括贴吧、feed文章和博文中的至少两种；
当所述交互行为针对的数据源是贴吧，则将贴吧中的吧名作为关注词；
当所述交互行为针对的数据源是博文，则将博文的目录作为关注词；
当所述交互行为针对的数据源是feed文章，则按照如下操作确定关注词：
对feed文章的标题进行分词，计算每个分词结果相对该feed文章的词频逆文档频率，将所述词频逆文档频率符合预设阈值的至少一个分词结果进行拼接，拼接后的结果作为所述关注词。
13.一种服务器，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1～6中任一所述的兴趣圈主题确定方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～6中任一所述的兴趣圈主题确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811295606.7A CN111125506B (zh) | 2018-11-01 | 2018-11-01 | 兴趣圈主题确定方法、装置、服务器和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811295606.7A CN111125506B (zh) | 2018-11-01 | 2018-11-01 | 兴趣圈主题确定方法、装置、服务器和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111125506A CN111125506A (zh) | 2020-05-08 |
| CN111125506B true CN111125506B (zh) | 2023-06-23 |
Family
ID=70494885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811295606.7A Active CN111125506B (zh) | 2018-11-01 | 2018-11-01 | 兴趣圈主题确定方法、装置、服务器和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111125506B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107273487A (zh) * | 2017-06-13 | 2017-10-20 | 北京百度网讯科技有限公司 | 基于人工智能的聊天数据的生成方法、装置及计算机设备 |
| CN107729937A (zh) * | 2017-10-12 | 2018-02-23 | 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 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101547162A (zh) * | 2008-03-28 | 2009-09-30 | 国际商业机器公司 | 基于用户的状态信息标签用户的方法及装置 |
| US20150220627A1 (en) * | 2014-02-04 | 2015-08-06 | International Business Machines Corporation | System and method for finding collective interest-based social communities |
| CN104035995B (zh) * | 2014-06-11 | 2018-04-06 | 小米科技有限责任公司 | 群标签生成方法及装置 |
| CN104915861A (zh) * | 2015-06-15 | 2015-09-16 | 浙江经贸职业技术学院 | 基于评分和标签构建用户群体模型的电子商务推荐方法 |
| CN106682008A (zh) * | 2015-11-06 | 2017-05-17 | 北京奇虎科技有限公司 | 朋友圈信息分类方法和装置 |
| CN107526741B (zh) * | 2016-06-21 | 2021-05-18 | 华为技术有限公司 | 用户标签生成方法及装置 |
| CN108335165B (zh) * | 2017-02-10 | 2021-12-14 | 腾讯科技（深圳）有限公司 | 兴趣标签确定方法和装置 |
| CN108108451A (zh) * | 2017-12-27 | 2018-06-01 | 合肥美的智能科技有限公司 | 群体的群体用户画像获取方法和装置 |
-
2018
- 2018-11-01 CN CN201811295606.7A patent/CN111125506B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107273487A (zh) * | 2017-06-13 | 2017-10-20 | 北京百度网讯科技有限公司 | 基于人工智能的聊天数据的生成方法、装置及计算机设备 |
| CN107729937A (zh) * | 2017-10-12 | 2018-02-23 | 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 |
Non-Patent Citations (1)
| Title |
|---|
| 基于位置社交网络的地点推荐方法及应用研究;李鑫;《中国博士学位论文电子期刊网》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111125506A (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108121795B (zh) | 用户行为预测方法及装置 | |
| US9959006B2 (en) | Generating a form response interface in an online application | |
| CN109299316B (zh) | 音乐推荐方法、装置和计算机设备 | |
| US20140129213A1 (en) | Svo-based taxonomy-driven text analytics | |
| US9256593B2 (en) | Identifying product references in user-generated content | |
| CN109271509B (zh) | 直播间话题的生成方法、装置、计算机设备和存储介质 | |
| US9524526B2 (en) | Disambiguating authors in social media communications | |
| US20150339616A1 (en) | System for real-time suggestion of a subject matter expert in an authoring environment | |
| CN109325121B (zh) | 用于确定文本的关键词的方法和装置 | |
| CN107229731B (zh) | 用于分类数据的方法和装置 | |
| US9811515B2 (en) | Annotating posts in a forum thread with improved data | |
| US10558691B2 (en) | Sentiment normalization based on current authors personality insight data points | |
| US20150006149A1 (en) | Electronically based thesaurus leveraging context sensitivity | |
| US20180052911A1 (en) | Time-Based Sentiment Normalization Based on Authors Personality Insight Data Points | |
| CN109246483B (zh) | 一种直播间推荐方法、装置、设备及存储介质 | |
| CN110019948B (zh) | 用于输出信息的方法和装置 | |
| CN109885610A (zh) | 一种结构化数据的抽取方法、装置、电子设备及存储介质 | |
| CN107729944A (zh) | 一种低俗图片的识别方法、装置、服务器及存储介质 | |
| US10339559B2 (en) | Associating social comments with individual assets used in a campaign | |
| US9626433B2 (en) | Supporting acquisition of information | |
| US9946765B2 (en) | Building a domain knowledge and term identity using crowd sourcing | |
| CN110377891B (zh) | 事件分析文章的生成方法、装置、设备及计算机可读存储介质 | |
| CN111125506B (zh) | 兴趣圈主题确定方法、装置、服务器和介质 | |
| CN111125332A (zh) | 计算词的tf-idf值的方法、装置、设备及存储介质 | |
| CN113535939A (zh) | 文本处理方法和装置、电子设备以及计算机可读存储介质 |
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 |