WO2014056397A1 - 兴趣标签推荐方法、系统及计算机可读介质 - Google Patents

Description

兴趣标签推荐方法、 系统及计算机可读介质 技术领域

本发明涉及兴趣标签推荐方法、 系统及计算机可读介质。 具体地说， 本 发明涉及利用与存在的兴趣标签相关的互联网文章的特征词的统计特性来推 荐兴趣标签的兴趣标签推荐方法、 系统及计算机可读介质。 背景技术

随着互联网技术的不断发展，越来越多的用户通过互联网进行相关活动， 例如， 浏览新闻、 购物等。 但是随着互联网信息的不断增多， 用户需要关注 的内容随着增多。 为帮助用户关注其感兴趣的内容， 很多互联网应用中增加 了兴趣标签， 根据用户的兴趣标签向用户推荐相应的内容。 兴趣标签是用户 用来描述自己兴趣的词语， 例如， 用户可以用"篮球"、 "NBA", "林书豪"等 词语作为兴趣标签， 来描述自己的兴趣。 现有兴趣标签的推荐方法主要有随 机推荐和热点推荐两种方法。 随机推荐就是给用户随机推荐几个兴趣标签， 而热点推荐是根据当前的热点事件，给用户推荐兴趣标签按类别推荐。但是, 现有的推荐方式都存在明显的缺点， 例如， 随机推荐方式准确性不高， 推荐 效果差， 可能会推荐很多用户不感兴趣的标签， 而热点推荐方式只能覆盖热 门兴趣标签， 不能根据用户的选择和喜好进行相关推荐。

因此， 存在提高兴趣标签的推荐方式的准确性的必要。 发明内容

本发明通过统计与存在的兴趣标签相关的互联网文章的特征词来推荐兴 趣标签， 以提高推荐的兴趣标签的准确性。

根据本发明的一个方面， 提供了一种兴趣标签推荐方法， 包括步骤： 统 计与存在的兴趣标签相关的互联网文章的特征词以产生所述存在的兴趣标签 的特征向量； 根据存在的兴趣标签的特征向量， 计算存在的兴趣标签与待推 荐的兴趣标签的相似度； 以及根据存在的兴趣标签与待推荐的兴趣标签的相 似度进行兴趣标签的推荐。 根据本发明的另一个方面， 本发明还提供了一种兴趣标签推荐系统， 包 括： 特征向量统计模块， 用于统计与存在的兴趣标签相关的互联网文章的特 征词以产生所述存在的兴趣标签的特征向量； 相似度计算模块， 用于根据存 在的兴趣标签的特征向量， 计算存在的兴趣标签与待推荐的兴趣标签的相似 度； 以及兴趣标签推荐模块， 用于根据存在的兴趣标签与待推荐的兴趣标签 的相似度进行兴趣标签的推荐。

根据本发明的另一个方面， 本发明还提供了一种计算机可读介质， 其存 储用于实施向用户推荐兴趣标签的方法的计算机可读程序， 所述方法包括步 骤： 统计与存在的兴趣标签相关的互联网文章的特征词以产生所述存在的兴 趣标签的特征向量； 根据存在的兴趣标签的特征向量， 计算存在的兴趣标签 与待推荐的兴趣标签的相似度； 以及根据存在的兴趣标签与待推荐的兴趣标 签的相似度进行兴趣标签的推荐。

由此可见， 利用本发明上述的技术方案， 根据某个存在的兴趣标签， 统 计该存在的兴趣标签与其他兴趣标签的相似度以及存在的兴趣标签与其他兴 趣标签之间的共现关系， 并根据相似度和共现关系从其他兴趣标签中推荐合 适的兴趣标签， 从而提高推荐的兴趣标签的准确性。 附图说明

为了使本发明的技术方案及优点更加清楚明白， 以下结合附图描述本发 明的实施例， 在这些附图中，

图 1是根据本发明第一实施例的兴趣标签推荐方法的流程图；

图 2是根据本发明第二实施例的兴趣标签推荐方法的流程图；

图 3是根据本发明第一实施例的兴趣标签推荐系统的结构示意图； 以及 图 4是根据本发明第二实施例的兴趣标签推荐系统的结构示意图。 具体实施方式

以下结合附图对本发明的实施例进行详细说明。 应当理解， 此处所描述 的具体实施例仅仅用以解释本发明， 并不用于限定本发明。

图 1是根据本发明第一实施例的兴趣标签推荐方法的流程图。参考图 1 , 根据本发明第一实施例的兴趣标签推荐方法在步骤 S100 中， 统计与存在的 兴趣标签相关的互联网文章的特征词以产生所述存在的兴趣标签的特征向 量。 这里， 存在的兴趣标签为用户预先设定的兴趣标签， 或者通过统计用户 的浏览历史或者操作等事先计算出来的兴趣标签。

具体来说， 根据本发明的该实施例， 在步骤 S100 中， 为了产生存在的 兴趣标签的特征向量， 根据本发明第一实施例的兴趣标签推荐系统（下文将 给出其详细描述）提取互联网相关文件中标题或正文包含该存在的兴趣标签 的所有文章， 对包含该存在的兴趣标签的所有文章切词、 提取特征词， 统计 特征词的词频（ Tf , term frequency ), 并且对特征词按照词频进行相关排序， 截取所排序的特征词列中的一定数量的特征词， 作为存在的兴趣标签的特征 向量 Vx。 例如， 根据本发明的一个实施例， 对特征词根据 Tf* Idf ( inverse document frequency, 文档频率倒数 )排序， 截取所排序列的前 50个特征词， 作为这个兴趣标签 X的特征向量 Vx。可以理解，取词的数量可以根据需求进 行设定。

接下来， 在图 1的步骤 S110中， 根据本发明第一实施例的兴趣标签推 荐系统根据存在的兴趣标签的特征向量， 计算存在的兴趣标签 X与待推荐的 兴趣标签 y的相似度。 这里， 存在的兴趣标签 X与待推荐的兴趣标签 y的相 似度定义为： R ( x,y ) =cos(Vx, Vy), 其中， R ( x,y )表示存在的兴趣标签 x 与待推荐的兴趣标签 y的相似度， cos表示余弦函数， Vx及 Vy分别表示存 在的兴趣标签 X及待推荐的兴趣标签 y的特征向量。

接下来， 在步骤 S120 中， 本发明第一实施例的兴趣标签推荐系统根据 存在的兴趣标签 X与待推荐的兴趣标签 y的相似度进行兴趣标签的推荐。 在 步骤 S120中， 可以设定相似度阈值， 在存在的兴趣标签 X与待推荐的兴趣 标签 y的相似度大于设定的阈值时才进行推荐。 另外， 可以理解， 相似度阈 值可以根据需要进行设定和变更。

图 2是根据本发明第二实施例的兴趣标签推荐方法的流程图。 在该流程 图中， 步骤 S230和步骤 S240分别与图 1中的步骤 S100和 S110相同， 因此 将省略其详细描述。 以下参考图 2, 来描述根据本发明第二实施例的兴趣标 签推荐方法中的其他步骤。

在步骤 S200 中， 根据本发明第二实施例的兴趣标签推荐系统（下文将 进行详细描述）可以事先准备兴趣标签集， 并对其进行分类。在这个步骤中， 比如， 根据本发明第二实施例的兴趣标签推荐系统可以根据需求获得一个兴 趣标签候选集合， 常见的兴趣标签集包括影视明星、 体育赛事、 文学艺术等 方面的词条。

接下来， 在步骤 S210 中， 根据本发明第二实施例的兴趣标签推荐系统 收集互联网相关本文作为语料， 用来统计兴趣标签的关系。 例如， 根据本发 明的实施例， 可以采用用户发表在博客或微博中的博文作为语料， 也可以采 用用户日志、 心情或者文章等其他文本作为语料。

接下来， 在步骤 S220 中， 根据本发明第二实施例的兴趣标签推荐系统 确定兴趣标签的特征词词集。 根据本发明的实施例， 为了确定兴趣标签的特 征词词集， 首先对语料切词、 统计每个词的 Idf ( Idf： inverse document frequency, 文档频率倒数）值， 去掉高频词、 停用词， 去掉低频词， 然后将 剩下的词作为特征词。 这里， 文档频率指出现某个词的文档个数。

在步骤 S250 中， 根据本发明第二实施例的兴趣标签推荐系统统计存在 的兴趣标签 X与待推荐的兴趣标签 y之间的共现关系。 这里， 存在的兴趣标 签 X与待推荐的兴趣标签 y之间的共现关系是指存在的兴趣标签 X与待推荐 的兴趣标签 y在同一篇文档中出现的次数 P ( x,y ), 即 P ( x,y )为语料中同 时包含标签词 X和标签词 y的文档数目， P ( X )为语料中包含标签词 X的文 档数目。

然后， 在步骤 S260 中， 根据本发明第二实施例的兴趣标签推荐系统根 据存在的兴趣标签 X与待推荐的兴趣标签 y的相似度和共现关系进行兴趣标 签的推荐。

例如， 根据本发明的实施例， 根据下列方式进行标签推荐。

假定 Kl、 Κ2和 Κ3为预定阈值。 若待推荐的兴趣标签 y满足

存在的兴趣标签 X与待推荐的兴趣标签 y的相似度 R(x,y)>Kl和

P ( x,y ) =存在的兴趣标签 x、 待推荐的兴趣标签 y在语料中的共现次 数> 3 且

M ( x,y ) =P(x,y)/(P(x)*P(y))>K2

则将向用户推荐兴趣标签 y。

注意， 若已知用户对多个存在的兴趣标签 _Xl , x₂, . . . . . . , χ_η感兴趣， 则根 据本发明的一个实施例， 可以将存在的兴趣标签 _Xl ( i=l , ...... , η )各自的 相关待推荐的兴趣标签 都推荐给用户， 某个待推荐的兴趣标签 在用户的 相关待推荐的兴趣标签列表中出现的次数越多， 表示用户对该待推荐的兴趣 标签 有兴趣的概率越大。

图 3是根据本发明第一实施例的兴趣标签推荐系统的结构示意图。 参考 图 3,本发明第一实施例的兴趣标签推荐系统包括特征向量统计模块 310、相 似度计算模块 320和兴趣标签推荐模块 330。

具体来说， 本发明第一实施例的兴趣标签推荐系统的特征向量统计模块

310 用于统计与存在的兴趣标签相关的互联网文章的特征词以产生所述存在 的兴趣标签的特征向量。这里，存在的兴趣标签为用户预先设定的兴趣标签， 或者通过统计用户的浏览历史或者操作等事先计算出来的兴趣标签。

具体来说， 本发明第一实施例的兴趣标签推荐系统的特征向量统计模块 310 可以提取互联网相关文件中标题或正文包含该存在的兴趣标签的所有文 章， 对包含该存在的兴趣标签的所有文章切词、 提取特征词、 统计特征词的 词频（Tf, term frequency ), 并且对特征词按照词频进行相关排序， 截取所 排序的特征词列中的一定数量的特征词， 作为存在的兴趣标签的特征向量

Vx o

此外， 本发明第一实施例的兴趣标签推荐系统的相似度计算模块 320用 于根据存在的兴趣标签的特征向量， 计算存在的兴趣标签 X与待推荐的兴趣 标签 y的相似度。存在的兴趣标签 X与待推荐的兴趣标签 y的相似度定义为： R ( x,y ) =cos(Vx, Vy) , 其中， R ( x,y )表示存在的兴趣标签 χ与待推荐的兴 趣标签 y的相似度， cos表示余弦函数， Vx及 Vy分别表示存在的兴趣标签 x 及待推荐的兴趣标签 y的特征向量。

此外， 兴趣标签推荐模块 330用于根据存在的兴趣标签 X与待推荐的兴 趣标签 y的相似度进行兴趣标签的推荐。 兴趣标签推荐模块 330根据存在的 兴趣标签 X与待推荐的兴趣标签 y的相似度是否大于设定的阈值， 来确定是 否进行兴趣标签 y的推荐， 另外， 可以理解， 相似度阈值可以根据需要进行 设定和变更。

图 4是根据本发明第二实施例的兴趣标签推荐系统的结构示意图。 本发 明第二实施例的兴趣标签推荐系统包括兴趣标签集分类模块 410、 语料收集 模块 420、 特征词词集确定模块 430、 特征向量统计模块 440、 相似度计算模 块 450、 共现关系统计模块 460和兴趣标签推荐模块 470。

在本发明第二实施例的兴趣标签推荐系统中， 兴趣标签集分类模块 410 用于事先准备兴趣标签集，并对其进行分类。例如，兴趣标签集分类模块 410 可以根据需求获得一个兴趣标签候选集合，常见的兴趣标签集包括影视明星、 体育赛事、 文学艺术等方面的词条。

此外， 语料收集模块 420用于收集互联网相关本文作为语料。 例如， 语 料收集模块 420用于从互联网上收集相关的文本作为语料， 用来统计兴趣标 签的关系。 例如， 可以采用用户发表在博客或微博中的博文作为语料， 也可 以采用用户日志、 心情或者文章等其他文本作为语料。

此外，特征词词集确定模块 430用于确定兴趣标签的特征词词集。例如， 特征词词集确定模块 430可以对语料进行切词、统计每个词的 Idf( Idf: inverse document frequency, 文档频率倒数）值、 去掉高频词、 停用词以及去掉低频 词之类的操作， 然后将剩下的词作为特征词。

此外， 特征向量统计模块 440用于统计与存在的兴趣标签相关的互联网 文章的特征词以产生所述存在的兴趣标签的特征向量。 这里， 存在的兴趣标 签为用户预先设定的兴趣标签， 或者通过统计用户的浏览历史或者操作等事 先计算出来的兴趣标签。 具体来说， 特征向量统计模块 440可以提取互联网 相关文件中标题或正文包含该存在的兴趣标签的所有文章， 对包含该存在的 兴趣标签的所有文章切词、 提取特征词、 统计特征词的词频 （Tf, term frequency ),并且对特征词按照词频进行相关排序，截取所排序的特征词列中 的一定数量的特征词， 作为存在的兴趣标签的特征向量 Vx。

此外， 相似度计算模块 450用于根据存在的兴趣标签的特征向量， 计算 存在的兴趣标签 X与待推荐的兴趣标签 y的相似度。

此外， 共现关系统计模块 460用于统计存在的兴趣标签 X与待推荐的兴 趣标签 y之间的共现关系。 存在的兴趣标签 X与待推荐的兴趣标签 y之间的 共现关系是指存在的兴趣标签 X与待推荐的兴趣标签 y在同一篇文档中出现 的次数 P ( x,y ) , 即 P ( x,y )为语料中同时包含标签词 x和标签词 y的文档 数目， P ( X )为语料中包含标签词 X的文档数目。

兴趣标签推荐模块 470用于根据存在的兴趣标签 X与待推荐的兴趣标签 y 的相似度和共现关系进行兴趣标签的推荐。 例如， 兴趣标签推荐模块还可 以根据下列方式进行标签推荐。

假定 Kl、 Κ2和 Κ3为预定阈值。 若待推荐的兴趣标签 y满足

R(x,y)>Kl

P ( x,y ) =兴趣标签 x、 y在语料中的共现次数 >K3 M ( x,y ) =P(x,y)/(P(x)*P(y))>K2

则将向用户推荐兴趣标签 y。

另外， 若已知用户对多个存在的兴趣标签 _Xl, x₂, ...... , 。感兴趣， 则根 据本发明的一个实施例， 可以将存在的兴趣标签 _Xl ( i=l , . . . . . . , η )各自的 相关待推荐的兴趣标签 都推荐给用户， 某个待推荐的兴趣标签 在用户的 相关待推荐的兴趣标签列表中出现的次数越多， 表示用户对该待推荐的兴趣 标签 有兴趣的概率越大。

通过本发明的上述实施例， 可以根据某个兴趣标签， 计算该兴趣标签与 其他标签的相似度， 进行兴趣标签推荐， 从而提高推荐的相关性， 并减少对 用户的干扰。 而且， 本发明的上述实施例还在兴趣标签推荐时参考了标签间 的共现关系， 从而使推荐更加准确。

此外， 根据本发明的一个实施例， 根据图 1和图 2所示的兴趣推荐方法 可以分别是由图 3和图 4所示的兴趣推荐系统中的相应模块来执行的兴趣推 荐方法。 而且， 根据本发明的另一个实施例， 图 3和图 4所示的兴趣推荐系 统中的各个模块可以分别或全部合并为一个或若干个另外的模块， 或者其中 的某个（些）模块还可以再拆分为功能上更小的多个模块。

根据本发明的另一个实施例， 可以通过在包括中央处理模块（CPU )、 随 机存取存储器（RAM )、 只读存储器（ROM )等处理元件和存储元件的例如 计算机的通用计算设备上运行能够执行如图 1和图 2中所示的兴趣推荐方法 的计算机程序（包括程序代码），来分别构造如图 3和图 4中所示的兴趣推荐 系统， 以及来实现根据本发明的实施例的兴趣推荐方法。 所述计算机程序可 以记载于例如计算机可读记录介质上， 并通过计算机可读记录介质装载于上 述计算设备中， 并在其中运行。 以上描述了本发明的各个实施例， 但是它们 不用以限制本发明的范围， 本发明的范围由后附的权利要求来定义。 在不脱 离本发明的精神和原则的情况下， 所做的任何修改、 等同替换、 改进等， 均 应包含在权利要求的保护范围之内。

Claims

权利要求书

1、 一种兴趣标签推荐方法， 包括步骤：

统计与存在的兴趣标签相关的互联网文章的特征词以产生所述存在的兴 趣标签的特征向量；

根据存在的兴趣标签的特征向量， 计算存在的兴趣标签与待推荐的兴趣 标签的相似度； 以及

根据存在的兴趣标签与待推荐的兴趣标签的相似度进行兴趣标签的推 荐。

2、 根据权利要求 1所述的兴趣标签推荐方法， 还包括步骤：

统计存在的兴趣标签与待推荐的兴趣标签之间的共现关系， 该共现关系 是指存在的兴趣标签与待推荐的兴趣标签在同一篇文档中出现的次数， 根据存在的兴趣标签与待推荐的兴趣标签的相似度， 和存在的兴趣标签 与待推荐的兴趣标签的所述共现关系进行兴趣标签的推荐。

3、根据权利要求 1或 2所述的兴趣标签推荐方法， 其中， 所述统计与存 在的兴趣标签相关的互联网文章的特征词以产生所述存在的兴趣标签的特征 向量的步骤包括子步骤：

提取互联网相关文件中标题或正文包含所述存在的兴趣标签的所有文 章；

对包含所述存在的兴趣标签的所有文章切词、 提取特征词并统计特征词 的词频； 并且

根据所述词频对特征词进行相关排序， 并取出所排序列中的预定数量的 特征词作为兴趣标签的特征向量。

4、根据权利要求 1或 2所述的兴趣标签推荐方法， 其中， 所述统计与存 在的兴趣标签相关的互联网文章的特征词以产生所述存在的兴趣标签的特征 向量的步骤前还包括步骤：

准备兴趣标签集并将其进行分类；

收集互联网相关本文作为语料； 并且

根据语料确定兴趣标签的特征词词集，

其中， 所述特征词包括在特征词词集中， 并且所述兴趣标签包括在已分 类的所述兴趣标签集中。

5、根据权利要求 4所述的兴趣标签推荐方法， 其中， 所述确定兴趣标签 的特征词词集的步骤包括：

对语料切词， 统计每个词的文档频率倒数值， 去掉高频词、 停用词及低 频词， 并将剩下的词作为特征词。

6、 一种兴趣标签推荐系统， 包括：

特征向量统计模块， 用于统计与存在的兴趣标签相关的互联网文章的特 征词以产生所述存在的兴趣标签的特征向量；

相似度计算模块， 用于根据存在的兴趣标签的特征向量， 计算存在的兴 趣标签与待推荐的兴趣标签的相似度； 以及

兴趣标签推荐模块， 用于根据存在的兴趣标签与待推荐的兴趣标签的相 似度进行兴趣标签的推荐。

7、 根据权利要求 6所述的兴趣标签推荐系统， 还包括：

共现关系统计模块， 用于统计存在的兴趣标签与待推荐的兴趣标签之间 的共现关系， 该共现关系是指存在的兴趣标签与待推荐的兴趣标签在同一篇 文档中出现的次数，

其中， 所述兴趣标签推荐模块用于根据存在的兴趣标签与待推荐的兴趣 标签的相似度以及存在的兴趣标签与待推荐的兴趣标签的所述共现关系进行 兴趣标签的推荐。

8、根据权利要求 6或 7所述的兴趣标签推荐系统， 其中， 所述特征向量 统计模块具体用于：

提取互联网相关文件中标题或正文包含所述存在的兴趣标签的所有文 章；

对包含所述存在的兴趣标签的所有文章切词， 提取特征词， 并统计特征 词的词频； 并且

根据所述词频对特征词进行相关排序， 并取出所排序列中的预定数量的 的特征词作为兴趣标签的特征向量。

9、 根据权利要求 6或 7所述的兴趣标签推荐系统， 还包括：

兴趣标签集分类模块， 用于准备兴趣标签集， 并将其进行分类； 语料收集模块， 用于收集互联网相关本文作为语料； 特征词词集确定模块， 用于根据语料确定兴趣标签的特征词词集， 其中， 所述特征词包括在特征词词集中， 并且所述兴趣标签包括在已分 类的所述兴趣标签集中。

10、 根据权利要求 9所述的兴趣标签推荐系统， 其中， 所述特征词词集 确定模块具体用于对语料切词，统计每个词的文档频率倒数值，去掉高频词、 停用词及低频词， 并将剩下的词作为特征词。

11、 一种计算机可读介质， 其存储用于实施向用户推荐兴趣标签的方法 的计算机可读程序， 所述方法包括步骤：

统计与存在的兴趣标签相关的互联网文章的特征词以产生所述存在的兴 趣标签的特征向量；

根据存在的兴趣标签的特征向量， 计算存在的兴趣标签与待推荐的兴趣 标签的相似度； 以及

根据存在的兴趣标签与待推荐的兴趣标签的相似度进行兴趣标签的推 荐。

12、 根据权利要求 11所述的计算机可读介质， 所述方法还包括步骤： 统计存在的兴趣标签与待推荐的兴趣标签之间的共现关系， 该共现关系 是指存在的兴趣标签与待推荐的兴趣标签在同一篇文档中出现的次数，

根据存在的兴趣标签与待推荐的兴趣标签的相似度， 和存在的兴趣标签 与待推荐的兴趣标签的所述共现关系进行兴趣标签的推荐。

13、 根据权利要求 11或 12所述的计算机可读介质， 其中， 所述统计与 存在的兴趣标签相关的互联网文章的特征词以产生所述存在的兴趣标签的特 征向量的步骤包括子步骤：

提取互联网相关文件中标题或正文包含所述存在的兴趣标签的所有文 章；

对包含所述存在的兴趣标签的所有文章切词、 提取特征词并统计特征词 的词频； 并且

根据所述词频对特征词进行相关排序， 并取出所排序列中的预定数量的 特征词作为兴趣标签的特征向量。

14、 根据权利要求 11或 12所述的计算机可读介质， 其中， 所述统计与 存在的兴趣标签相关的互联网文章的特征词以产生所述存在的兴趣标签的特 征向量的步骤前还包括步骤：

准备兴趣标签集并将进行分类；

收集互联网相关本文作为语料； 并且

根据语料确定兴趣标签的特征词词集，

其中， 所述特征词包括在特征词词集中， 并且所述兴趣标签包括在已分 类的所述兴趣标签集中。

15、根据权利要求 14所述的计算机可读介质， 其中， 所述确定兴趣标签 的特征词词集的步骤包括：

对语料切词， 统计每个词的文档频率倒数值， 去掉高频词、 停用词及低 频词， 并将剩下的词作为特征词。