CN115630173A - 一种基于兴趣度分析的用户数据管理方法 - Google Patents
一种基于兴趣度分析的用户数据管理方法 Download PDFInfo
- Publication number
- CN115630173A CN115630173A CN202211097217.XA CN202211097217A CN115630173A CN 115630173 A CN115630173 A CN 115630173A CN 202211097217 A CN202211097217 A CN 202211097217A CN 115630173 A CN115630173 A CN 115630173A
- Authority
- CN
- China
- Prior art keywords
- information
- browsing
- text
- video
- target 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/75—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种基于兴趣度分析的用户数据管理方法，本发明通过分析得出目标用户对应的各文本资讯类别偏好符合系数和各视频资讯类别偏好符合系数，进而综合分析得到目标用户对应的各资讯类别偏好符合系数，进行偏好占比推荐，一方面，有效地解决了当前技术对用户数据管理还存在不足的问题，利于保障分析用户偏好数据的准确性，提高了用户数据分析维度，同时还保障了推荐结果的参考性和精准性，一方面，提高了用户推荐结果的效率，贴近了用户的需求，提高了用户的青睐度和信任度，从而增强了用户的推荐精准体验感，另一方面，加强了对视频推荐结果的保障性，同时还降低了系统的推荐任务的难度，降低了系统的工作任务量。
Description
技术领域
本发明涉及用户数据管理分析技术领域，涉及到一种基于兴趣度分析的用户数据管理方法。
背景技术
随着大数据时代的到来，在互联网上阅读资讯已经成为人们获取资讯的一种常见方式，但是随着资讯数据呈井喷式增长，用户个人在繁杂海量的资讯信息中寻找偏好的资讯数据显得尤为困难，因此，对用户资讯数据进行偏好管理具有着重要意义。
目前对于用户资讯兴趣度推荐管理大多是通过对用户浏览网页文本内容进行分析，缺少对视频内容进行辅助分析，很显然，当前对用户资讯兴趣度推荐管理还存在以下不足：
1、当前只对用户浏览的历史文本或视频进行分析，没有对后续的推荐分析进行管理，不利于分析用户偏好数据的准确性，没有对用户浏览文本或视频内容进行深度挖掘，分析维度比较浅显，无法保障推荐结果的参考性和精准性；
2、当前对用户偏好推荐方式是单单只针对文本内容或视频内容进行分析，没有对文本内容和视频内容进行综合分析，不利于用户资讯兴趣度推荐数据的完整性，无法贴近用户的需求，无法提升系统的推荐力度，影响推荐结果的准确性，降低了用户的青睐度和信任度，从而降低了用户的推荐精准体验感。
发明内容
针对现有技术中的上述缺陷，本发明提供一种基于兴趣度分析的用户数据管理方法，具体技术方案如下：
一种基于兴趣度分析的用户数据管理方法，包括如下步骤：
步骤一、用户浏览数据获取：获取目标用户历史资讯浏览数据，由此获取目标用户对应的历史浏览资讯条数和各历史浏览资讯对应的浏览形式，并根据各历史浏览资讯对应的浏览形式，将各历史浏览资讯划分为各文本浏览资讯和各视频浏览资讯，同时获取各文本浏览资讯和各视频浏览资讯对应的浏览信息；
步骤二、文本资讯初步处理：从目标用户各文本浏览资讯对应的浏览信息中定位出资讯标题，通过关键词提取技术对各文本浏览资讯标题进行关键词提取，由此构建各文本浏览资讯标题的各关键词集合，并确认目标用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目和各资讯类别中各文本浏览资讯对应的文本综合浏览信息；
步骤三、文本资讯兴趣分析：根据目标用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目和各资讯类别中各文本浏览资讯对应的综合浏览信息，综合分析得出目标用户对应的各资讯类别文本初步浏览偏好评估系数；
步骤四、视频资讯初步处理：从目标用户各视频浏览资讯对应的浏览信息中定位出资讯标题，按照文本资讯初步处理步骤的处理方式同理处理得到目标用户浏览的资讯类别、各资讯类别对应的视频浏览资讯数目、各资讯类别中文本浏览资讯对应的视频综合浏览信息；
步骤五、视频资讯兴趣分析：根据目标用户浏览的资讯类别、各资讯类别对应的视频浏览资讯数目、各资讯类别中文本浏览资讯对应的综合浏览信息，综合分析得出目标用户对应的各资讯视频资讯类别偏好符合系数；
步骤六、视频兴趣度分析：基于目标用户对应的各资讯类别文本初步浏览偏好评估系数和各资讯视频资讯类别偏好符合系数，分析得到目标用户对应的各资讯类别偏好符合系数；
步骤七、用户兴趣度推荐展示：分析得到目标用户对应的各资讯类别偏好符合系数，进而按照偏好占比推荐。
在一种可能实施的方式中，所述步骤一中各文本浏览资讯对应的浏览信息包括资讯标题、资讯内容、资讯文本字数、资讯浏览时间信息、浏览时长、观看次数和各次浏览对应的浏览位置；各视频浏览资讯对应的浏览信息包括资讯标题、观看时间信息、观看速度、观看次数、累计观看时长、最长持续观看时长、视频总体播放时长和各次观看对应的观看时长，其中，观看时间信息包括日期和时间点。
在一种可能实施的方式中，所述步骤二中并确认用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目、各资讯类别中各文本浏览资讯对应的综合浏览信息，具体确认过程包括以下步骤：
A1、将各文本浏览资讯标题的关键词集合记为Ei，i表示为各文本资讯对应的编号，i＝1,2，......m；
A2、将各文本资讯的关键词集合与预设的各资讯类别对应的关键词集合进行匹配对比，利用计算公式
计算得出各文本资讯的关键词集合与各类型资讯对应的关键词集合的匹配度
其中，j表示为各资讯类别对应的编号，j＝1,2，......n；
A3、将各文本资讯的关键词集合与各资讯类别对应的关键词集合的匹配度进行相互比对，将与各文本资讯的关键词集合匹配度最高的资讯类型作为各文本资讯对应的资讯类别，由此得到各文本资讯对应的资讯类别；
A4、将各文本资讯对应的资讯类别匹配度进行相互对比，统计得到匹配度最高的各文本资讯对应的资讯类别数目，并提取各文本资讯对应的编号，从而确认用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目、各资讯类别中各文本浏览资讯对应的综合浏览信息。
在一种可能实施的方式中，所述步骤三中综合分析得出目标用户对应的各资讯类别文本初步浏览偏好评估系数，具体分析过程如下：
B1、根据各资讯类别对应的文本浏览资讯数目、各资讯类别中文本浏览资讯对应的文本综合浏览信息，其中，文本综合浏览信息包括各资讯类别对应综合浏览次数和综合浏览时长，利用计算公式
计算得出目标用户对应的各资讯类别文本初步浏览偏好评估系数βj，其中，
分别表示为目标用户对应的第i个文本资讯第j个资讯类别对应的文本浏览资讯数目、浏览时长、浏览次数，W′i、E′i、R′i分别表示为目标用户第i个文本资讯对应的资讯文本综合浏览数目、综合浏览时长和综合浏览次数，a1、a2和a3分别表示为设定的资讯浏览数目、浏览时长和浏览次数对应的权重因子,且a1+a2+a3＝1；
B2、根据各资讯类别中各文本资讯对应的编号，提取各文本资讯各次浏览对应的浏览位置，进而提取各文本资讯歌词浏览对应的浏览字数，将各文本资讯歌词浏览对应的浏览字数记为已浏览字数，利用计算公式
计算得出目标用户对应的各类别文本浏览完整度χj，其中，Y′ji表示为第i个文本资讯第j个资讯类别对应的文本总字数，
表示为第i个文本资讯第j个资讯类别第u次浏览对应的浏览字数，u表示为各浏览次数对应的编号，u＝1,2，......v，进而通过均值计算得到目标用户对应的各类别文本平均浏览完整度，并将其记为
B3、将各资讯类别中各文本资讯对应的编号，提取各文本资讯对应的资讯浏览时间信息，进而获取浏览日期，得到各浏览日期内各资讯类别对应的文本浏览资讯数目，进而利用计算公式
计算得出目标用户对应的各类别文本浏览占比系数δj，其中，
表示为第i个文本资讯第j个资讯类别第p个浏览日期对应的文本浏览资讯数目，
表示为第i个文本资讯第j个资讯类别对应的浏览资讯数目，p表示为各浏览日期对应的编号，p＝1,2，......r，进而通过均值计算得到目标用户对应的各类别文本平均单日浏览占比系数，并将其记为
B4、提取各浏览日期内各资讯类别中各文本浏览资讯对应的编号，从而提取各文本资讯对应的浏览时间信息，进而获取浏览时间点，将各浏览日期内各资讯类别中各文本浏览资讯对应浏览时间点进行相互对比，得到各浏览日期内各资讯类别中各文本浏览资讯之间的浏览间隔时长，利用计算公式
计算得出目标用户对应的各类别文本浏览间隔时长评估系数εj，其中，
表示为预设的第i个文本资讯第j个资讯类别第p个浏览日期对应的总浏览间隔时长，
第i个文本资讯第j个资讯类别第p个浏览日期对应的浏览间隔时长，进而通过均值计算得到目标用户对应的各类别文本平均浏览间隔时长评估系数，并将其记为
B5、利用计算公式
计算得到目标用户对应的各类别文本深度浏览偏好评估系数φj，其中，b1、b2和b3分别表示为设定的平均浏览完整度、平均浏览占比和平均浏览间隔时长对应的权重因子，且b1+b2+b3＝1。
在一种可能实施的方式中，所述综合分析得出目标用户对应的各视频资讯类别偏好符合系数，具体分析过程如下：
C1、将各视频浏览资讯标题的关键词集合记为Zk，k表示为各视频资讯对应的编号，k＝1,2，......w；
C2、根据各资讯类别对应的视频浏览资讯数目、各资讯类别中视频浏览资讯对应的视频综合浏览信息，其中，视频综合浏览信息包括各资讯类别对应综合浏览次数和综合浏览时长，利用计算公式
计算得出目标用户对应的各类别视频初步浏览偏好评估系数
其中，D′k、F′k、G′k分别表示为目标用户对应的第k个视频资讯对应的资讯视频综合浏览数目、综合浏览时长和综合浏览次数，
分别表示为第j个资讯类别第k个视频资讯对应的视频浏览资讯数目、浏览时长、浏览次数，c1、c2和c3分别表示为设定的资讯浏览数目、浏览时长和浏览次数对应的权重因子,且c1+c2+c3＝1；
C3、根据各资讯类别中各视频资讯各次浏览对应的浏览时长，利用计算公式
计算得出目标用户对应的各资讯类别视频观看时长评估系数κj，其中，
表示为第j个资讯类别第k个视频资讯对应的视频总时长，H1k j表示为第j个资讯类别第k个视频资讯对应的最长持续观看时长，H2ky j表示为第j个资讯类别第k个视频资讯第y次浏览对应的观看时长，y表示为各次浏览次数对应的编号，y＝1,2，......q，d1和d2分别表示为最长持续观看时长和单次观看时长对应的影响权重，且d1+d2＝1；
C4、根据目标用户对应的各资讯类别视频播放速度，将目标用户对应的各资讯类别视频播放速度与正常视频播放速度进行对比，若目标用户对应的某资讯类别视频播放速度大于正常视频播放速度，则判定该类别视频为用户无感视频，若目标用户对应的某资讯类别视频播放速度小于或等于正常视频播放速度，则判定该类别视频为用户好感视频，进而统计无感视频数目和好感视频数目，利用计算公式
计算得到各资讯类别视频对应的好感度γj，其中，N1 j表示为各资讯类别对应的好感视频数目，N2 j表示为各资讯类别对应的无感视频数目；
C5、基于目标用户对应的各资讯类别视频观看时长评估系数和好感度，计算得出目标用户对应的各类别视频深度浏览偏好评估系数。
在一种可能实施的方式中，所述目标用户对应的各类别视频深度浏览偏好评估系数，具体计算公式如下：
在一种可能实施的方式中，所述分析得到目标用户对应的各资讯类别偏好符合系数，具体分析过程如下：
利用计算公式
计算得出目标用户对应的各资讯类别偏好符合系数μj，其中，g1、g2、g3和g4分别表示为文本初步偏好、文本深度偏好、视频初步偏好和视频深度偏好对应的权重因子，且g1+g2+g3+g4＝1。
在一种可能实施的方式中，所述分析得到目标用户对应的各资讯类别偏好符合系数，进而按照偏好占比推荐，具体操作过程如下：
将目标用户对应的各资讯类别偏好符合系数代入计算公式中
得到目标用户对应的各资讯类别偏好比νj，其中，ι表示为设定的偏好比修正因子；
将目标用户对应的各资讯类别偏好比作为各资讯类别的推荐分布比，并按照各资讯类别的推进分布比进行推荐。
本发明的技术效果：本发明提供的一种基于兴趣度分析的用户数据管理方法，通过对目标用户浏览的文本信息，分析得出目标用户对应的各文本资讯类别偏好符合系数，再通过对目标用户浏览的视频信息，分析得出目标用户对应的各视频资讯类别偏好符合系数，进而综合分析得到目标用户对应的各资讯类别偏好符合系数，进行偏好占比推荐，一方面，有效地解决了当前技术对用户数据管理还存在不足的问题，利于保障分析用户偏好数据的准确性，对用户浏览文本或视频内容进行深度挖掘，提高了用户数据分析维度，同时还保障了推荐结果的参考性和精准性，一方面，提高了用户推荐结果的效率，贴近了用户的需求，提高了用户的青睐度和信任度，从而增强了用户的推荐精准体验感，另一方面，加强了对视频推荐结果的保障性，同时还降低了系统的推荐任务的难度，降低了系统的工作任务量。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明的方法实施步骤流程示意图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明的提供一种基于兴趣度分析的用户数据管理方法，包括以下步骤：
步骤一、用户浏览数据获取：获取目标用户历史资讯浏览数据，由此获取目标用户对应的历史浏览资讯条数和各历史浏览资讯对应的浏览形式，并根据各历史浏览资讯对应的浏览形式，将各历史浏览资讯划分为各文本浏览资讯和各视频浏览资讯，同时获取各文本浏览资讯和各视频浏览资讯对应的浏览信息。
作为一种优选方案，所述步骤一中各文本浏览资讯对应的浏览信息包括资讯标题、资讯内容、资讯文本字数、资讯浏览时间信息、浏览时长、观看次数和各次浏览对应的浏览位置；各视频浏览资讯对应的浏览信息包括资讯标题、观看时间信息、观看速度、观看次数、累计观看时长、最长持续观看时长、视频总体播放时长和各次观看对应的观看时长，其中，观看时间信息包括日期和时间点。
步骤二、文本资讯初步处理：从目标用户各文本浏览资讯对应的浏览信息中定位出资讯标题，通过关键词提取技术对各文本浏览资讯标题进行关键词提取，由此构建各文本浏览资讯标题的各关键词集合，并确认目标用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目和各资讯类别中各文本浏览资讯对应的文本综合浏览信息。
作为一种优选方案，所述步骤二中并确认用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目、各资讯类别中各文本浏览资讯对应的综合浏览信息，具体确认过程包括以下步骤：
A1、将各文本浏览资讯标题的关键词集合记为Ei，i表示为各文本资讯对应的编号，i＝1,2，......m；
A2、将各文本资讯的关键词集合与预设的各资讯类别对应的关键词集合进行匹配对比，利用计算公式
计算得出各文本资讯的关键词集合与各类型资讯对应的关键词集合的匹配度
其中，j表示为各资讯类别对应的编号，j＝1,2，......n；
A3、将各文本资讯的关键词集合与各资讯类别对应的关键词集合的匹配度进行相互比对，将与各文本资讯的关键词集合匹配度最高的资讯类型作为各文本资讯对应的资讯类别，由此得到各文本资讯对应的资讯类别；
A4、将各文本资讯对应的资讯类别匹配度进行相互对比，统计得到匹配度最高的各文本资讯对应的资讯类别数目，并提取各文本资讯对应的编号，从而确认用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目、各资讯类别中各文本浏览资讯对应的综合浏览信息。
步骤三、文本资讯兴趣分析：根据目标用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目和各资讯类别中各文本浏览资讯对应的综合浏览信息，综合分析得出目标用户对应的各资讯类别文本初步浏览偏好评估系数。
作为一种优选方案，所述步骤三中综合分析得出目标用户对应的各资讯类别文本初步浏览偏好评估系数，具体分析过程如下：
B1、根据各资讯类别对应的文本浏览资讯数目、各资讯类别中文本浏览资讯对应的文本综合浏览信息，其中，文本综合浏览信息包括各资讯类别对应综合浏览次数和综合浏览时长，利用计算公式
计算得出目标用户对应的各资讯类别文本初步浏览偏好评估系数βj，其中，
分别表示为目标用户对应的第i个文本资讯第j个资讯类别对应的文本浏览资讯数目、浏览时长、浏览次数，W′i、E′i、R′i分别表示为目标用户第i个文本资讯对应的资讯文本综合浏览数目、综合浏览时长和综合浏览次数，a1、a2和a3分别表示为设定的资讯浏览数目、浏览时长和浏览次数对应的权重因子,且a1+a2+a3＝1；
B2、根据各资讯类别中各文本资讯对应的编号，提取各文本资讯各次浏览对应的浏览位置，进而提取各文本资讯歌词浏览对应的浏览字数，将各文本资讯歌词浏览对应的浏览字数记为已浏览字数，利用计算公式
计算得出目标用户对应的各类别文本浏览完整度χj，其中，Y′ji表示为第i个文本资讯第j个资讯类别对应的文本总字数，
表示为第i个文本资讯第j个资讯类别第u次浏览对应的浏览字数，u表示为各浏览次数对应的编号，u＝1,2，......v，进而通过均值计算得到目标用户对应的各类别文本平均浏览完整度，并将其记为
B3、将各资讯类别中各文本资讯对应的编号，提取各文本资讯对应的资讯浏览时间信息，进而获取浏览日期，得到各浏览日期内各资讯类别对应的文本浏览资讯数目，进而利用计算公式
计算得出目标用户对应的各类别文本浏览占比系数δj，其中，
表示为第i个文本资讯第j个资讯类别第p个浏览日期对应的文本浏览资讯数目，
表示为第i个文本资讯第j个资讯类别对应的浏览资讯数目，p表示为各浏览日期对应的编号，p＝1,2，......r，进而通过均值计算得到目标用户对应的各类别文本平均单日浏览占比系数，并将其记为
B4、提取各浏览日期内各资讯类别中各文本浏览资讯对应的编号，从而提取各文本资讯对应的浏览时间信息，进而获取浏览时间点，将各浏览日期内各资讯类别中各文本浏览资讯对应浏览时间点进行相互对比，得到各浏览日期内各资讯类别中各文本浏览资讯之间的浏览间隔时长，利用计算公式
计算得出目标用户对应的各类别文本浏览间隔时长评估系数εj，其中，
表示为预设的第i个文本资讯第j个资讯类别第p个浏览日期对应的总浏览间隔时长，
第i个文本资讯第j个资讯类别第p个浏览日期对应的浏览间隔时长，进而通过均值计算得到目标用户对应的各类别文本平均浏览间隔时长评估系数，并将其记为
B5、利用计算公式
计算得到目标用户对应的各类别文本深度浏览偏好评估系数φj，其中，b1、b2和b3分别表示为设定的平均浏览完整度、平均浏览占比和平均浏览间隔时长对应的权重因子，且b1+b2+b3＝1。
步骤四、视频资讯初步处理：从目标用户各视频浏览资讯对应的浏览信息中定位出资讯标题，按照文本资讯初步处理步骤的处理方式同理处理得到目标用户浏览的资讯类别、各资讯类别对应的视频浏览资讯数目、各资讯类别中文本浏览资讯对应的视频综合浏览信息。
步骤五、视频资讯兴趣分析：根据目标用户浏览的资讯类别、各资讯类别对应的视频浏览资讯数目、各资讯类别中文本浏览资讯对应的综合浏览信息，综合分析得出目标用户对应的各资讯视频资讯类别偏好符合系数。
作为一种优选方案，所述综合分析得出目标用户对应的各视频资讯类别偏好符合系数，具体分析过程如下：
C1、将各视频浏览资讯标题的关键词集合记为Zk，k表示为各视频资讯对应的编号，k＝1,2，......w；
C2、根据各资讯类别对应的视频浏览资讯数目、各资讯类别中视频浏览资讯对应的视频综合浏览信息，其中，视频综合浏览信息包括各资讯类别对应综合浏览次数和综合浏览时长，利用计算公式
计算得出目标用户对应的各类别视频初步浏览偏好评估系数
其中，D′k、F′k、G′k分别表示为目标用户对应的第k个视频资讯对应的资讯视频综合浏览数目、综合浏览时长和综合浏览次数，
分别表示为第j个资讯类别第k个视频资讯对应的视频浏览资讯数目、浏览时长、浏览次数，c1、c2和c3分别表示为设定的资讯浏览数目、浏览时长和浏览次数对应的权重因子,且c1+c2+c3＝1；
C3、根据各资讯类别中各视频资讯各次浏览对应的浏览时长，利用计算公式
计算得出目标用户对应的各资讯类别视频观看时长评估系数κj，其中，
表示为第j个资讯类别第k个视频资讯对应的视频总时长，H1k j表示为第j个资讯类别第k个视频资讯对应的最长持续观看时长，H2ky j表示为第j个资讯类别第k个视频资讯第y次浏览对应的观看时长，y表示为各次浏览次数对应的编号，y＝1,2，......q，d1和d2分别表示为最长持续观看时长和单次观看时长对应的影响权重，且d1+d2＝1；
C4、根据目标用户对应的各资讯类别视频播放速度，将目标用户对应的各资讯类别视频播放速度与正常视频播放速度进行对比，若目标用户对应的某资讯类别视频播放速度大于正常视频播放速度，则判定该类别视频为用户无感视频，若目标用户对应的某资讯类别视频播放速度小于或等于正常视频播放速度，则判定该类别视频为用户好感视频，进而统计无感视频数目和好感视频数目，利用计算公式
计算得到各资讯类别视频对应的好感度γj，其中，N1 j表示为各资讯类别对应的好感视频数目，N2 j表示为各资讯类别对应的无感视频数目；
C5、基于目标用户对应的各资讯类别视频观看时长评估系数和好感度，计算得出目标用户对应的各类别视频深度浏览偏好评估系数。
作为一种优选方案，所述目标用户对应的各类别视频深度浏览偏好评估系数，具体计算公式如下：
步骤六、视频兴趣度分析：基于目标用户对应的各资讯类别文本初步浏览偏好评估系数和各资讯视频资讯类别偏好符合系数，分析得到目标用户对应的各资讯类别偏好符合系数。
作为一种优选方案，所述分析得到目标用户对应的各资讯类别偏好符合系数，具体分析过程如下：
利用计算公式
计算得出目标用户对应的各资讯类别偏好符合系数μj，其中，g1、g2、g3和g4分别表示为文本初步偏好、文本深度偏好、视频初步偏好和视频深度偏好对应的权重因子，且g1+g2+g3+g4＝1。
步骤七、用户兴趣度推荐展示：分析得到目标用户对应的各资讯类别偏好符合系数，进而按照偏好占比推荐。
作为一种优选方案，所述分析得到目标用户对应的各资讯类别偏好符合系数，进而按照偏好占比推荐，具体操作过程如下：
将目标用户对应的各资讯类别偏好符合系数代入计算公式中
得到目标用户对应的各资讯类别偏好比νj，其中，ι表示为设定的偏好比修正因子；
将目标用户对应的各资讯类别偏好比作为各资讯类别的推荐分布比，并按照各资讯类别的推进分布比进行推荐。
在本实施例中，本发明提供的一种基于兴趣度分析的用户数据管理方法，通过对目标用户浏览的文本信息，分析得出目标用户对应的各文本资讯类别偏好符合系数，再通过对目标用户浏览的视频信息，分析得出目标用户对应的各视频资讯类别偏好符合系数，进而综合分析得到目标用户对应的各资讯类别偏好符合系数，进行偏好占比推荐，一方面，有效地解决了当前技术对用户数据管理还存在不足的问题，利于保障分析用户偏好数据的准确性，对用户浏览文本或视频内容进行深度挖掘，提高了用户数据分析维度，同时还保障了推荐结果的参考性和精准性，一方面，提高了用户推荐结果的效率，贴近了用户的需求，提高了用户的青睐度和信任度，从而增强了用户的推荐精准体验感，另一方面，加强了对视频推荐结果的保障性，同时还降低了系统的推荐任务的难度，降低了系统的工作任务量。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.一种基于兴趣度分析的用户数据管理方法，其特征在于：包括以下步骤：
步骤一、用户浏览数据获取：获取目标用户历史资讯浏览数据，由此获取目标用户对应的历史浏览资讯条数和各历史浏览资讯对应的浏览形式，并根据各历史浏览资讯对应的浏览形式，将各历史浏览资讯划分为各文本浏览资讯和各视频浏览资讯，同时获取各文本浏览资讯和各视频浏览资讯对应的浏览信息；
步骤二、文本资讯初步处理：从目标用户各文本浏览资讯对应的浏览信息中定位出资讯标题，通过关键词提取技术对各文本浏览资讯标题进行关键词提取，由此构建各文本浏览资讯标题的各关键词集合，并确认目标用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目和各资讯类别中各文本浏览资讯对应的文本综合浏览信息；
步骤三、文本资讯兴趣分析：根据目标用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目和各资讯类别中各文本浏览资讯对应的综合浏览信息，综合分析得出目标用户对应的各资讯类别文本初步浏览偏好评估系数；
步骤四、视频资讯初步处理：从目标用户各视频浏览资讯对应的浏览信息中定位出资讯标题，按照文本资讯初步处理步骤的处理方式同理处理得到目标用户浏览的资讯类别、各资讯类别对应的视频浏览资讯数目、各资讯类别中文本浏览资讯对应的视频综合浏览信息；
步骤五、视频资讯兴趣分析：根据目标用户浏览的资讯类别、各资讯类别对应的视频浏览资讯数目、各资讯类别中文本浏览资讯对应的综合浏览信息，综合分析得出目标用户对应的各资讯视频资讯类别偏好符合系数；
步骤六、视频兴趣度分析：基于目标用户对应的各资讯类别文本初步浏览偏好评估系数和各资讯视频资讯类别偏好符合系数，分析得到目标用户对应的各资讯类别偏好符合系数；
步骤七、用户兴趣度推荐展示：分析得到目标用户对应的各资讯类别偏好符合系数，进而按照偏好占比推荐。
2.根据权利要求1所述的一种基于兴趣度分析的用户数据管理方法，其特征在于：所述步骤一中各文本浏览资讯对应的浏览信息包括资讯标题、资讯内容、资讯文本字数、资讯浏览时间信息、浏览时长、观看次数和各次浏览对应的浏览位置；各视频浏览资讯对应的浏览信息包括资讯标题、观看时间信息、观看速度、观看次数、累计观看时长、最长持续观看时长、视频总体播放时长和各次观看对应的观看时长，其中，观看时间信息包括日期和时间点。
3.根据权利要求2所述的一种基于兴趣度分析的用户数据管理方法，其特征在于：所述步骤二中并确认用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目、各资讯类别中各文本浏览资讯对应的综合浏览信息，具体确认过程包括以下步骤：
A1、将各文本浏览资讯标题的关键词集合记为Ei，i表示为各文本资讯对应的编号，i＝1,2，......m；
A2、将各文本资讯的关键词集合与预设的各资讯类别对应的关键词集合进行匹配对比，利用计算公式
计算得出各文本资讯的关键词集合与各类型资讯对应的关键词集合的匹配度
其中，j表示为各资讯类别对应的编号，j＝1,2，......n；
A3、将各文本资讯的关键词集合与各资讯类别对应的关键词集合的匹配度进行相互比对，将与各文本资讯的关键词集合匹配度最高的资讯类型作为各文本资讯对应的资讯类别，由此得到各文本资讯对应的资讯类别；
A4、将各文本资讯对应的资讯类别匹配度进行相互对比，统计得到匹配度最高的各文本资讯对应的资讯类别数目，并提取各文本资讯对应的编号，从而确认用户浏览的资讯类别、各资讯类别对应的文本浏览资讯数目、各资讯类别中各文本浏览资讯对应的综合浏览信息。
4.根据权利要求3所述的一种基于兴趣度分析的用户数据管理方法，其特征在于：所述步骤三中综合分析得出目标用户对应的各资讯类别文本初步浏览偏好评估系数，具体分析过程如下：
B1、根据各资讯类别对应的文本浏览资讯数目、各资讯类别中文本浏览资讯对应的文本综合浏览信息，其中，文本综合浏览信息包括各资讯类别对应综合浏览次数和综合浏览时长，利用计算公式
计算得出目标用户对应的各资讯类别文本初步浏览偏好评估系数βj，其中，
分别表示为目标用户对应的第i个文本资讯第j个资讯类别对应的文本浏览资讯数目、浏览时长、浏览次数，W′i、E′i、R′i分别表示为目标用户第i个文本资讯对应的资讯文本综合浏览数目、综合浏览时长和综合浏览次数，a1、a2和a3分别表示为设定的资讯浏览数目、浏览时长和浏览次数对应的权重因子,且a1+a2+a3＝1；
B2、根据各资讯类别中各文本资讯对应的编号，提取各文本资讯各次浏览对应的浏览位置，进而提取各文本资讯歌词浏览对应的浏览字数，将各文本资讯歌词浏览对应的浏览字数记为已浏览字数，利用计算公式
计算得出目标用户对应的各类别文本浏览完整度χj，其中，Y′ji表示为第i个文本资讯第j个资讯类别对应的文本总字数，
表示为第i个文本资讯第j个资讯类别第u次浏览对应的浏览字数，u表示为各浏览次数对应的编号，u＝1,2，......v，进而通过均值计算得到目标用户对应的各类别文本平均浏览完整度，并将其记为
B3、将各资讯类别中各文本资讯对应的编号，提取各文本资讯对应的资讯浏览时间信息，进而获取浏览日期，得到各浏览日期内各资讯类别对应的文本浏览资讯数目，进而利用计算公式
计算得出目标用户对应的各类别文本浏览占比系数δj，其中，
表示为第i个文本资讯第j个资讯类别第p个浏览日期对应的文本浏览资讯数目，
表示为第i个文本资讯第j个资讯类别对应的浏览资讯数目，p表示为各浏览日期对应的编号，p＝1,2，......r，进而通过均值计算得到目标用户对应的各类别文本平均单日浏览占比系数，并将其记为
B4、提取各浏览日期内各资讯类别中各文本浏览资讯对应的编号，从而提取各文本资讯对应的浏览时间信息，进而获取浏览时间点，将各浏览日期内各资讯类别中各文本浏览资讯对应浏览时间点进行相互对比，得到各浏览日期内各资讯类别中各文本浏览资讯之间的浏览间隔时长，利用计算公式
计算得出目标用户对应的各类别文本浏览间隔时长评估系数εj，其中，
表示为预设的第i个文本资讯第j个资讯类别第p个浏览日期对应的总浏览间隔时长，
第i个文本资讯第j个资讯类别第p个浏览日期对应的浏览间隔时长，进而通过均值计算得到目标用户对应的各类别文本平均浏览间隔时长评估系数，并将其记为
B5、利用计算公式
计算得到目标用户对应的各类别文本深度浏览偏好评估系数φj，其中，b1、b2和b3分别表示为设定的平均浏览完整度、平均浏览占比和平均浏览间隔时长对应的权重因子，且b1+b2+b3＝1。
5.根据权利要求1所述的一种基于兴趣度分析的用户数据管理方法，其特征在于：所述综合分析得出目标用户对应的各视频资讯类别偏好符合系数，具体分析过程如下：
C1、将各视频浏览资讯标题的关键词集合记为Zk，k表示为各视频资讯对应的编号，k＝1,2，......w；
C2、根据各资讯类别对应的视频浏览资讯数目、各资讯类别中视频浏览资讯对应的视频综合浏览信息，其中，视频综合浏览信息包括各资讯类别对应综合浏览次数和综合浏览时长，利用计算公式
计算得出目标用户对应的各类别视频初步浏览偏好评估系数
其中，D′k、F′k、G′k分别表示为目标用户对应的第k个视频资讯对应的资讯视频综合浏览数目、综合浏览时长和综合浏览次数，
分别表示为第j个资讯类别第k个视频资讯对应的视频浏览资讯数目、浏览时长、浏览次数，c1、c2和c3分别表示为设定的资讯浏览数目、浏览时长和浏览次数对应的权重因子,且c1+c2+c3＝1；
C3、根据各资讯类别中各视频资讯各次浏览对应的浏览时长，利用计算公式
计算得出目标用户对应的各资讯类别视频观看时长评估系数κj，其中，
表示为第j个资讯类别第k个视频资讯对应的视频总时长，H1k j表示为第j个资讯类别第k个视频资讯对应的最长持续观看时长，H2ky j表示为第j个资讯类别第k个视频资讯第y次浏览对应的观看时长，y表示为各次浏览次数对应的编号，y＝1,2，......q，d1和d2分别表示为最长持续观看时长和单次观看时长对应的影响权重，且d1+d2＝1；
C4、根据目标用户对应的各资讯类别视频播放速度，将目标用户对应的各资讯类别视频播放速度与正常视频播放速度进行对比，若目标用户对应的某资讯类别视频播放速度大于正常视频播放速度，则判定该类别视频为用户无感视频，若目标用户对应的某资讯类别视频播放速度小于或等于正常视频播放速度，则判定该类别视频为用户好感视频，进而统计无感视频数目和好感视频数目，利用计算公式
计算得到各资讯类别视频对应的好感度γj，其中，N1 j表示为各资讯类别对应的好感视频数目，N2 j表示为各资讯类别对应的无感视频数目；
C5、基于目标用户对应的各资讯类别视频观看时长评估系数和好感度，计算得出目标用户对应的各类别视频深度浏览偏好评估系数。
6.根据权利要求5所述的一种基于兴趣度分析的用户数据管理方法，其特征在于：所述目标用户对应的各类别视频深度浏览偏好评估系数，具体计算公式如下：
7.根据权利要求6所述的一种基于兴趣度分析的用户数据管理方法，其特征在于：所述分析得到目标用户对应的各资讯类别偏好符合系数，具体分析过程如下：
利用计算公式
计算得出目标用户对应的各资讯类别偏好符合系数μj，其中，g1、g2、g3和g4分别表示为文本初步偏好、文本深度偏好、视频初步偏好和视频深度偏好对应的权重因子，且g1+g2+g3+g4＝1。
8.根据权利要求7所述的一种基于兴趣度分析的用户数据管理方法，其特征在于：所述分析得到目标用户对应的各资讯类别偏好符合系数，进而按照偏好占比推荐，具体操作过程如下：
将目标用户对应的各资讯类别偏好符合系数代入计算公式中
得到目标用户对应的各资讯类别偏好比νj，其中，ι表示为设定的偏好比修正因子；
将目标用户对应的各资讯类别偏好比作为各资讯类别的推荐分布比，并按照各资讯类别的推进分布比进行推荐。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211097217.XA CN115630173B (zh) | 2022-09-08 | 2022-09-08 | 一种基于兴趣度分析的用户数据管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211097217.XA CN115630173B (zh) | 2022-09-08 | 2022-09-08 | 一种基于兴趣度分析的用户数据管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115630173A true CN115630173A (zh) | 2023-01-20 |
| CN115630173B CN115630173B (zh) | 2023-08-18 |
Family
ID=84902595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211097217.XA Active CN115630173B (zh) | 2022-09-08 | 2022-09-08 | 一种基于兴趣度分析的用户数据管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115630173B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117331501A (zh) * | 2023-09-28 | 2024-01-02 | 深圳市钜邦科技有限公司 | 一种固态硬盘的数据分析管理方法、设备及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106028071A (zh) * | 2016-05-17 | 2016-10-12 | Tcl集团股份有限公司 | 一种视频推荐方法及系统 |
| CN112347367A (zh) * | 2020-12-04 | 2021-02-09 | 上海帜讯信息技术股份有限公司 | 信息服务提供方法、装置、电子设备和存储介质 |
| CN112417302A (zh) * | 2020-12-08 | 2021-02-26 | 六晟信息科技(杭州)有限公司 | 一种基于大数据的资讯内容智能分析推荐处理系统 |
| US20210281918A1 (en) * | 2019-04-23 | 2021-09-09 | Tencent Technology (Shenzhen) Company Limited | Video recommendation method and device, computer device and storage medium |
-
2022
- 2022-09-08 CN CN202211097217.XA patent/CN115630173B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106028071A (zh) * | 2016-05-17 | 2016-10-12 | Tcl集团股份有限公司 | 一种视频推荐方法及系统 |
| US20210281918A1 (en) * | 2019-04-23 | 2021-09-09 | Tencent Technology (Shenzhen) Company Limited | Video recommendation method and device, computer device and storage medium |
| CN112347367A (zh) * | 2020-12-04 | 2021-02-09 | 上海帜讯信息技术股份有限公司 | 信息服务提供方法、装置、电子设备和存储介质 |
| CN112417302A (zh) * | 2020-12-08 | 2021-02-26 | 六晟信息科技(杭州)有限公司 | 一种基于大数据的资讯内容智能分析推荐处理系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117331501A (zh) * | 2023-09-28 | 2024-01-02 | 深圳市钜邦科技有限公司 | 一种固态硬盘的数据分析管理方法、设备及系统 |
| CN117331501B (zh) * | 2023-09-28 | 2024-06-07 | 深圳市钜邦科技有限公司 | 一种固态硬盘的数据分析管理方法、设备及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115630173B (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106802915B (zh) | 一种基于用户行为的学术资源推荐方法 | |
| CN106503014B (zh) | 一种实时信息的推荐方法、装置和系统 | |
| US7860872B2 (en) | Automated media analysis and document management system | |
| US7783629B2 (en) | Training a ranking component | |
| CN105426514A (zh) | 个性化的移动应用app推荐方法 | |
| CN104731954A (zh) | 基于群透视音乐推荐方法与系统 | |
| CN113204709A (zh) | 基于多维数据深度比对分析的短视频搜索匹配推荐方法、系统及计算机存储介质 | |
| CN106372249A (zh) | 一种点击率预估方法、装置及电子设备 | |
| CN103729359A (zh) | 一种推荐搜索词的方法及系统 | |
| CN113065062A (zh) | 一种基于用户阅读时间行为的新闻推荐方法及系统 | |
| JP4569380B2 (ja) | ベクトル生成方法及び装置及びカテゴリ分類方法及び装置及びプログラム及びプログラムを格納したコンピュータ読み取り可能な記録媒体 | |
| CN115630173A (zh) | 一种基于兴趣度分析的用户数据管理方法 | |
| CN102982018A (zh) | 信息处理设备、信息处理方法和程序 | |
| US20060253433A1 (en) | Method and apparatus for knowledge-based music searching and method and apparatus for managing music file | |
| CN115439139A (zh) | 一种基于电商大数据的用户兴趣分析方法 | |
| CN113449146A (zh) | 一种基于数据分析的短视频浏览推荐方法、设备及计算机存储介质 | |
| KR100973969B1 (ko) | 매체 편향의 효과를 완화하는 뉴스 서비스 시스템 및 방법 | |
| CN115905489A (zh) | 一种提供招投标信息搜索服务的方法 | |
| CN102306178A (zh) | 视频推荐方法及装置 | |
| US10452710B2 (en) | Selecting content items based on received term using topic model | |
| CN115659046A (zh) | 基于ai大数据的技术交易推荐系统及方法 | |
| CN110727867A (zh) | 一种基于模糊机制的语义实体推荐方法 | |
| CN105893397A (zh) | 一种视频推荐方法及装置 | |
| US20060129581A1 (en) | Determining a level of expertise of a text using classification and application to information retrival | |
| CN114443930A (zh) | 一种新闻舆情智能监测分析方法、系统及计算机存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230727 Address after: 430070 Hubei Province, Wuhan city Hongshan District Luoyu Road No. 546 Applicant after: HUBEI CENTRAL CHINA TECHNOLOGY DEVELOPMENT OF ELECTRIC POWER Co.,Ltd. Address before: No. 12, Metallurgical Avenue, High tech Park, Qingshan District, Wuhan, Hubei 430080 Applicant before: Wuhan Zhuojiao Education Consulting Center |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |