一种用户浏览行为的兴趣挖掘方法与流程

本发明属于大数据处理和分析的技术领域，具体地涉及一种用户浏览行为的兴趣挖掘方法。

背景技术：

在互联网逐渐步入大数据时代后，随着大数据技术的深入研究与应用，企业的专注点日益聚焦于利用大数据来刻画“用户画像”，进而深入挖掘潜在的商业价值，用户兴趣挖掘可以挖掘出不同的兴趣人群，方便做精准营销服务。

用户上网会浏览很多网站，从这众多的网站中挖掘出用户的兴趣偏好就是兴趣挖掘，现有的技术中，方法A是对一些网站进行兴趣标注，如京东、天猫网站对应着“电商购物偏好”，爱奇艺、优酷土豆对应着“影音娱乐偏好”，设定一个阈值，当用户一定时间内访问京东、天猫网站超过这个阈值时，即判定这个用户有“电商购物偏好”。

方法B是首先有大量的标注样本，如用户A的标注兴趣是“电商购物偏好”，用户B的标注兴趣是“影音娱乐偏好”等，然后通过有监督的机器学习方法以这些标注样本做训练集，训练多分类器，来对其他未标注样本进行兴趣预测、分类；还有一种做法是类似于推荐系统里面的协同过滤，通过计算未标注用户与已标注用户的相似度，将相似度高的已标注用户的兴趣赋给未标注用户。

方法A简单有效、易实现，但是效果的好坏受限于网站标注规模的大小，如只把京东、天猫网站标注为“电商购物偏好”，那么有用户访问了“唯品会”、“国美”、“苏宁”等网站，就会被忽略，对应不到“电商购物偏好”，而人工不可能标注上所有的电商购物类网站，标注规模越大，人工成本越高。

方法B利用有监督的机器学习模型来解决兴趣挖掘问题，首先得需要大量用户的兴趣标注样本，这个在多数场景下不容易解决，面临着冷启动的问题，最初始的那一批用户兴趣标注样本不容易获得，另外标注的这批用户访问网站信息随着时间更新时，用户兴趣发生变化时，通过用户之间的相似度来给用户预测兴趣标签会存在问题。

技术实现要素：

本发明的技术解决问题是：克服现有技术的不足，提供一种用户浏览行为的兴趣挖掘方法,其人工标注成本大大降低，当用户访问网站信息更新、兴趣发生变化时，只需要每周或者每月用模型重新计算一下所有用户的兴趣标签即可。

本发明的技术解决方案是：这种用户浏览行为的兴趣挖掘方法，用户u1，u2，u3，指定时间内用户u1访问了网站标签t1，t2，t3，用户u2访问了网站标签t2，用户t3访问了网站标签t2，t3，该方法包括以下步骤：

(1)对每个兴趣标签内的一些典型网站进行标注，此时这些标注的网站tag->interest对应兴趣的权重默认为1.0；

(2)根据用户user及其指定时间内访问过的网站tag之间建立二部图模型，通过n轮随机游走，其中n为正整数，user1->tag1->user2->tag2->user3->tag3,汇总多轮游走的结果，计算出user->tag的权重；

(3)用步骤(2)得到的user->tag乘以步骤(1)得到的tag->interest，得到user->interest，user->interest是每个用户到所有兴趣标签的一个置信度值，介于0-n之间，n是随机游走迭代的次数；

(4)设置一个阈值a，当user->interest的置信度大于a时，作为user预测为interest兴趣标签。

本发明对用户和其访问过的网站标签进行二部图建模，通过随机游走，只需要人工标注少量的网站，即可计算出用户的兴趣标签，因此人工标注成本大大降低；因为是对网站进行标注，而不是对用户标注，所以用户访问网站信息更新，兴趣发生变化时，只需要每周或者每月用模型重新计算一下所有用户的兴趣标签即可。

附图说明

图1是根据本发明的用户浏览行为的兴趣挖掘方法的流程图。

图2示出了用户及其访问网站tag的二部图模型。

具体实施方式

如图1、2所示，这种用户浏览行为的兴趣挖掘方法，用户u1，u2，u3，指定时间内用户u1访问了网站标签t1，t2，t3，用户u2访问了网站标签t2，用户t3访问了网站标签t2，t3，该方法包括以下步骤：

(1)对每个兴趣标签内的一些典型网站进行标注，此时这些标注的网站tag->interest对应兴趣的权重默认为1.0；

(2)根据用户user及其指定时间内访问过的网站tag之间建立二部图模型，通过n轮随机游走，其中n为正整数，user1->tag1->user2->tag2->user3->tag3,汇总多轮游走的结果，计算出user->tag的权重；

(3)用步骤(2)得到的user->tag乘以步骤(1)得到的tag->interest，得到user->interest，user->interest是每个用户到所有兴趣标签的一个置信度值，介于0-n之间，n是随机游走迭代的次数；

(4)设置一个阈值a，当user->interest的置信度大于a时，作为user预测为interest兴趣标签。

本发明对用户和其访问过的网站标签进行二部图建模，通过随机游走，只需要人工标注少量的网站，即可计算出用户的兴趣标签，因此人工标注成本大大降低；因为是对网站进行标注，而不是对用户标注，所以用户访问网站信息更新，兴趣发生变化时，只需要每周或者每月用模型重新计算一下所有用户的兴趣标签即可。

更进一步地，所述步骤(2)包括以下分步骤：

(2.1)通过用户user访问网站tag的次数pv和天数dv进行加权求和，然后归一化得到初始的user->tag和tag->user的权重；

(2.2)用tag->user的权重乘以user->tag的权重，得到tag->tag的权重；

(2.3)设第1轮游走迭代的user->tag的权重为步骤(2.1)中得到的user->tag的值，记为I1，那么设第n轮游走迭代的结果为In,则In+1＝In*(tag->tag)；

(2.4)汇总求和：tag->user＝I1+I2+…..In。

更进一步地，所述步骤(2.1)中，用户访问所有网站的pv和dv都是相同的，那么user1->tag1＝1/3,user1->tag2＝1/3,user1->tag3＝1/3，user2、user3的计算与user1的计算相同；tag3->user1＝1/2,tag3->user3＝1/2,tag1、tag2的计算与tag3的计算相同。

更进一步地，所述步骤(2.2)中计算结果为：

tag2->tag1＝(tag2->user1)*(user1->tag1)＝1/3*1＝1/3,

tag2->tag3＝(tag2->user1)*(user1->tag3)+(tag2->user3)*(user3->tag3)

＝1/3*1/3+1/3*1/2＝5/18，

tag1,tag3计算同tag2。

更进一步地，所述步骤(2.3)中第2轮随机游走：

user1->tag3＝(user1->tag1)*(tag1->tag3)+(user1->tag2)*(tag2->tag3)＝1*1/3+1/3*5/18＝23/54。

本发明的有益效果如下：

1.人工标注量少，依赖人工少。

2.模型方便定期更新，能够及时跟踪用户兴趣变化。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属本发明技术方案的保护范围。