针对用户进行个性化推荐的方法、用户建模设备及系统技术方案

本发明专利技术公开了一种针对用户进行个性化推荐的方法、用户建模设备及相应系统，其中，所述方法包括：从信息模型数据库中提取用户所关注的名人的信息模型，其中，所述名人为社交网络中满足预定条件的人，所述信息模型数据库中存储有基于第一建模策略为所述名人建立的信息模型；根据所述用户所关注的名人的信息模型和第二建模策略为所述用户建立用户模型；获取根据所述用户模型提取的适合所述用户的信息，并向所述用户推荐该信息。根据用户所关注的名人的信息模型建立的用户模型能准确表征用户的兴趣，根据用户模型为用户推荐的信息能够准确匹配用户兴趣，因此，信息推荐的准确率高，并且解决了因用户缺少或没有历史行为而引起的冷启动问题。

Method for personalized recommendation for users, user modeling device and system

The invention discloses a method for personalized recommendation and user modeling for the user equipment and the corresponding system, wherein, the method includes: extracting information model, user concerns about celebrities from the information model database in which the celebrity meets the conditions in a social network, storing the information model database in the first modeling strategy based on the information model for the establishment of celebrity; the establishment of user model for the user based on the user interest model and second celebrity information modeling strategy; according to the user's access for information extraction from the user model, and recommend the information to the user. According to the user model to establish the information model of the user is interested in celebrities can accurately reflect the user's interest, according to the user model for users to recommend information can accurately match the user interest, therefore, the accuracy of information recommendation, and solves the problem of users lack or absence of history and behavior problems caused by cold start.

【技术实现步骤摘要】
针对用户进行个性化推荐的方法、用户建模设备及系统
本专利技术涉及通信领域，更为具体而言，涉及一种针对用户进行个性化推荐的方法、用户建模设备及系统，所述系统包括针对用户进行个性化推荐的服务器系统和包括该服务器系统的网络系统。
技术介绍
随着互联网技术的强势发展以及网络信息的大范围覆盖，用户在浏览信息时通常需要从海量信息中选择自己感兴趣的内容，这不仅浪费了用户时间，并且存在严重的信息浪费。例如，在电子商务系统中，商品个数、种类等快速增长，用户需要花费大量时间才能找到自己想要的商品信息，这无疑会影响用户体验。因此，根据用户可能的兴趣点向用户推荐信息（例如：商品、经济、体育方面的信息）的个性化信息推荐方法应运而生。根据现有的信息推荐技术，需要读取用户的行为日志，通过对用户的历史行为进行分析确定最终推荐哪些信息。但是，一方面，用户行为属于隐式的用户反馈，基于用户行为确定最终推荐哪些信息并不能准确地匹配用户兴趣（例如，根据用户对新闻的点击行为很难确定用户是因为该新闻热门还是因为感兴趣而进行点击）；另一方面，对于没有历史行为的用户根本无法采用现有技术进行准确的信息推荐，即无法解决业界所谓的冷启动问题。
技术实现思路
为了准确地向用户推荐信息，本专利技术实施方式提供了一种针对用户进行个性化推荐的方法、用户建模设备及系统。一方面，本专利技术实施方式提供了一种针对用户进行个性化推荐的方法，包括：从信息模型数据库中提取用户所关注的名人的信息模型，其中，所述名人为社交网络中满足预定条件的人，所述信息模型数据库中存储有基于第一建模策略为所述名人建立的信息模型；根据所述用户所关注的名人的信息模型和第二建模策略为所述用户建立用户模型；获取根据所述用户模型提取的适合所述用户的信息，并向所述用户推荐该信息。在本专利技术的一种实施方式中，基于第一建模策略为所述名人建立的信息模型包括表示所述名人的个体属性和/或群体属性的组件。由此，所述信息模型可以准确地表征所述名人，为后续建立可准确表征用户的用户模型提供了基础。在本专利技术的另一种实施方式中，所述方法还包括：根据所述第一建模策略为所述名人建立信息模型，并将所述名人的信息模型存储至所述信息模型数据库。由此，进行信息推荐的服务商（例如，信息推荐服务商）可以建立所述信息模型数据库。在本专利技术的另一种实施方式中，根据所述第一建模策略为所述名人建立信息模型包括：从第三方信息平台获取所述名人的信息；根据所述名人的信息建立所述名人的信息模型。由此，能方便地获取建立所述名人的信息模型所需要的信息。在本专利技术的另一种实施方式中，所述第三方信息平台包括网络百科全书，并且，从第三方信息平台获取所述名人的信息包括：通过所述网络百科全书搜索所述名人，并从搜索结果中抓取关于所述名人的百科词条。由此，能方便且准确地获取建立所述名人的信息模型所需要的信息。在本专利技术的另一种实施方式中，所述根据所述名人的信息建立所述名人的信息模型包括：解析所述百科词条的文本，对所述百科词条进行分词；进行词频-逆向文件频率计算获得所述百科词条中的关键词和关键词权重，其中，所述关键词和关键词权重表示所述名人的个体属性；通过利用支持向量机建立的分类模型确定所述名人的分类，其中，所述名人的分类表示所述名人的群体属性；将所述关键词和关键词权重作为第一组件，并且将所述名人的分类作为第二组件，建立所述名人的信息模型。由此，根据所述关键词和权重以及所述名人的分类建立的信息模型，能够更加准确地表征所述名人，使得后续根据所述名人的信息模型建立的用户模型能更加准确地表征所述用户。在本专利技术的另一种实施方式中，根据所述用户所关注的名人的信息模型和第二建模策略为所述用户建立用户模型包括：根据所述用户所关注的名人的信息模型，对所述名人的个体属性和/或群体属性进行聚类，确定所述用户所关注的个体属性和/或群体属性；根据所述用户所关注的个体属性和/或群体属性建立所述用户模型。由此，能够建立准确表征所述用户（例如，表征所述用户的兴趣点，包括兴趣词和兴趣分类）的用户模型。相应的，本专利技术实施方式提供了一种针对用户进行个性化推荐的服务器系统，包括：信息模型提取模块，用于从信息模型数据库中提取用户所关注的名人的信息模型，所述信息模型数据库存储有基于第一建模策略为社交网络中满足预定条件的名人建立的信息模型；用户模型处理模块，用于根据所述用户所关注的名人的信息模型和第二建模策略为所述用户建立用户模型；信息推荐服务器，用于根据所述用户模型提取适合所述用户的信息并向所述用户推荐该信息。相应的，本专利技术实施方式还提供一种针对用户进行个性化推荐的网络系统，该网络系统包括上述的服务器系统。另一方面，本专利技术实施方式还提供了一种针对用户进行个性化推荐的服务器系统，包括：信息模型提取模块，用于从信息模型数据库中提取用户所关注的名人的信息模型，所述信息模型数据库存储有基于第一建模策略为社交网络中满足预定条件的名人建立的信息模型；通信模块，用于将用户所关注的名人的信息模型发送至用户建模设备，以及用于接收从用户建模设备发送的用户模型，所述用户模型是根据所述用户所关注的名人的信息模型和第二建模策略建立的；信息推荐服务器，用于根据所述用户模型提取适合所述用户的信息，并向所述用户推荐该信息。相应的，本专利技术实施方式提供了一种用户建模设备，包括：接收模块，用于接收由服务器系统发送的用户所关注的名人的信息模型，所述信息模型是基于第一建模策略建立的，所述名人为社交网络中满足预定条件的人；用户模型处理模块，用于根据所述用户所关注的名人的信息模型和第二建模策略为所述用户建立用户模型，所述用户模型包括表示用户所关注的个体属性和/或群体属性的组件；发送模块，用于将所述用户模型发送至所述服务器系统。相应的，本专利技术实施方式还提供一种针对用户进行个性化推荐的网络系统，该网络系统包括上述的服务器系统和用户建模设备。实施本专利技术的各种实施方式具有以下有益效果：根据用户所关注的名人的信息模型建立的用户模型能够准确的表征用户的兴趣，根据所述用户模型向用户推荐的信息能够准确匹配用户兴趣，因此，推荐的信息的准确率高（此处的准确率可以理解为与用户兴趣的契合程度，或被用户点击、阅读、收藏、转发、分享、评论等的概率等），并且解决了因用户缺少或没有历史行为而引起的冷启动问题。附图说明图1是根据本专利技术实施方式的针对用户进行个性化推荐的方法的流程图；图2是根据本专利技术实施方式的针对用户进行个性化推荐的方法的流程图；图3示出了图2所示的处理方式S11的一种实施方式；图4是根据本专利技术实施方式的为名人建立信息模型的方法的流程图；图5示出了图1-4中所示的处理方式S13的一种实施方式；图6示出了根据本专利技术实施方式的服务器系统的一例方框图；图7示出了根据本专利技术实施方式的服务器系统的另一例方框图；图8示出了图7中所示信息模型处理模块的方框图；图9示出了根据本专利技术实施方式的服务器系统的再一例方框图；图10示出了根据本专利技术实施方式的服务器系统的又一例方框图；图11示出了根据本专利技术实施方式的用户建模设备的一例方框图；图12示出了根据本专利技术实施方式的网络系统的一例方框图。具体实施方式以下结合附图和具体实施方式对本专利技术的各个方面进行详细阐述。其中，众所周知的模块、单元及其相互之间的连接、链接、通信或操本文档来自技高网...

【技术保护点】
一种针对用户进行个性化推荐的方法，其特征在于，所述方法包括：根据第一建模策略为名人建立信息模型，并将所述名人的信息模型存储至信息模型数据库，其中，所述名人为社交网络中满足预定条件的人；从所述信息模型数据库中提取用户所关注的名人的信息模型；根据所述用户所关注的名人的信息模型和第二建模策略为所述用户建立用户模型；获取根据所述用户模型提取的适合所述用户的信息，并向所述用户推荐该信息；其中，所述根据第一建模策略为名人建立信息模型包括：从第三方信息平台获取所述名人的信息，根据所述名人的信息建立所述名人的信息模型；其中，所述第三方信息平台包括网络百科全书，所述从第三方信息平台获取所述名人的信息包括：通过所述网络百科全书搜索所述名人，并从搜索结果中抓取关于所述名人的百科词条；其中，所述根据所述名人的信息建立所述名人的信息模型包括：解析所述百科词条的文本，对所述百科词条进行分词，进行词频‑逆向文件频率计算获得所述百科词条中的关键词和关键词权重，其中，所述关键词和关键词权重表示所述名人的个体属性，通过利用支持向量机建立的分类模型确定所述名人的分类，其中，所述名人的分类表示所述名人的群体属性，将所述关键词和关键词权重作为第一组件，并且将所述名人的分类作为第二组件，建立所述名人的信息模型。...

【技术特征摘要】
1.一种针对用户进行个性化推荐的方法，其特征在于，所述方法包括：根据第一建模策略为名人建立信息模型，并将所述名人的信息模型存储至信息模型数据库，其中，所述名人为社交网络中满足预定条件的人；从所述信息模型数据库中提取用户所关注的名人的信息模型；根据所述用户所关注的名人的信息模型和第二建模策略为所述用户建立用户模型；获取根据所述用户模型提取的适合所述用户的信息，并向所述用户推荐该信息；其中，所述根据第一建模策略为名人建立信息模型包括：从第三方信息平台获取所述名人的信息，根据所述名人的信息建立所述名人的信息模型；其中，所述第三方信息平台包括网络百科全书，所述从第三方信息平台获取所述名人的信息包括：通过所述网络百科全书搜索所述名人，并从搜索结果中抓取关于所述名人的百科词条；其中，所述根据所述名人的信息建立所述名人的信息模型包括：解析所述百科词条的文本，对所述百科词条进行分词，进行词频-逆向文件频率计算获得所述百科词条中的关键词和关键词权重，其中，所述关键词和关键词权重表示所述名人的个体属性，通过利用支持向量机建立的分类模型确定所述名人的分类，其中，所述名人的分类表示所述名人的群体属性，将所述关键词和关键词权重作为第一组件，并且将所述名人的分类作为第二组件，建立所述名人的信息模型。2.如权利要求1所述的方法，其特征在于，基于第一建模策略为所述名人建立的信息模型包括表示所述名人的个体属性和/或群体属性的组件。3.如权利要求1或2所述的方法，其特征在于，根据所述用户所关注的名人的信息模型和第二建模策略为所述用户建立用户模型包括：根据所述用户所关注的名人的信息模型，对所述用户所关注的名人的个体属性和/或群体属性进行聚类，确定所述用户所关注的个体属性和/或群体属性；根据所述用户所关注的个体属性和/或群体属性建立所述用户模型。4.一种针对用户进行个性化推荐的服务器系统，其特征在于，所述服务器系统包括：信息模型数据库；信息模型处理模块，用于根据第一建模策略为社交网络中满足预定条件的名人建立信息模型，并将所述名人的信息模型存储至所述信息模型数据库；信息模型提取模块，用于从信息模型数据库中提取用户所关注的名人的信息模型；用户模型处理模块，用于根据所述用户所关注的名人的信息模型和第二建模策略为所述用户建立用户模型；信息推荐服务器，用于根据所述用户模型提取适合所述用户的信息，并向所述用户推荐该信息；其中，所述信息模型处理模块包括：网络信息收集子模块，用于从第三方信息平台获取所述名人的信息，信息模型建立子模块，用于根据所述名人的信息建立所述名人的信息模型；其中，所述第三方信息平台包括网络百科全书，所述网络信息收集子模块包括：搜索单元，用于通过所述网络百科全书搜索所述名人，信息抓取单元，用于从搜索结果中抓取关于所述名人的百科词条以由信息模型处理模块进行处理；其中，所述信息模型建立子模块包括：词条预处理单元，用于解析所述百科词条的文本，对所述百科词条进行分词，个体属性计算单元，用于进行词频-逆向文件频率计算获得所述百科词条中的关键词和关键词权重，其中，所述关键词和关键词权重表示所述名人的个体属性，群体属性计算单元，用于通过利用支持向量机建立的分类模型确定所述名人的分类，其中，所述名人的分类表示所述名人的群体属性，信息模型建立单元，用于将所述关键词和关键词权重作为第一组件，并且将所述名人的分类作为第二组件，建立所述名人的信息模型。5.如权利要求4...

【专利技术属性】
技术研发人员：李本阳，秦锋剑，宋奇，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11