用戶行為相似性計(jì)算方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明實(shí)施例涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種用戶行為相似性計(jì)算方法及裝置。
【背景技術(shù)】
[0002]隨著計(jì)算機(jī)技術(shù)的發(fā)展，用戶通過個(gè)人PC或移動(dòng)終端連接互聯(lián)網(wǎng)并瀏覽網(wǎng)絡(luò)信息。
[0003]用戶瀏覽網(wǎng)絡(luò)信息時(shí)通常會(huì)點(diǎn)擊其感興趣的信息，例如，用戶通過個(gè)人PC瀏覽網(wǎng)頁(yè)，該網(wǎng)頁(yè)包括很多條信息，用戶在瀏覽過程中，先看到每條信息的標(biāo)題，若其對(duì)該標(biāo)題感興趣，將點(diǎn)擊該標(biāo)題，詳細(xì)瀏覽該標(biāo)題對(duì)應(yīng)的內(nèi)容。現(xiàn)有技術(shù)可以采集到大量用戶的行為特征，例如瀏覽網(wǎng)頁(yè)操作、點(diǎn)擊網(wǎng)頁(yè)操作、瀏覽或點(diǎn)擊的網(wǎng)頁(yè)信息、點(diǎn)擊的內(nèi)容信息、點(diǎn)擊網(wǎng)頁(yè)信息的次數(shù)、點(diǎn)擊的時(shí)間等。
[0004]但是，現(xiàn)有技術(shù)中缺乏利用大量用戶的行為特征分析不同用戶行為的相似性的方法，導(dǎo)致對(duì)采集到的大量用戶的行為特征的利用率較低。

【發(fā)明內(nèi)容】

[0005]本發(fā)明實(shí)施例提供一種用戶行為相似性計(jì)算方法及裝置，以提高對(duì)采集到的大量用戶的行為特征的利用率。
[0006]本發(fā)明實(shí)施例的一個(gè)方面是提供一種用戶行為相似性計(jì)算方法，包括:
[0007]采集第一類用戶的多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值，以及第二類用戶的所述多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值；
[0008]依據(jù)所述第一類用戶對(duì)應(yīng)的多個(gè)行為特征值和所述第二類用戶對(duì)應(yīng)的多個(gè)行為特征值對(duì)所述多個(gè)行為特征進(jìn)行篩選獲得目標(biāo)行為特征集合；
[0009]依據(jù)所述目標(biāo)行為特征集合建立第一廣義線性模型，利用最優(yōu)化方法計(jì)算所述第一廣義線性模型的第一極大似然估計(jì)值，并獲得所述第一極大似然估計(jì)值對(duì)應(yīng)的估計(jì)參數(shù)；
[0010]利用所述估計(jì)參數(shù)和待測(cè)用戶對(duì)應(yīng)的所述目標(biāo)行為特征集合中每個(gè)行為特征對(duì)應(yīng)的行為特征值計(jì)算所述待測(cè)用戶與所述第一類用戶的行為相似度。
[0011]本發(fā)明實(shí)施例的另一個(gè)方面是提供一種用戶行為相似性計(jì)算裝置，包括:
[0012]采集模塊，用于采集第一類用戶的多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值，以及第二類用戶的所述多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值；
[0013]篩選模塊，用于依據(jù)所述第一類用戶對(duì)應(yīng)的多個(gè)行為特征值和所述第二類用戶對(duì)應(yīng)的多個(gè)行為特征值對(duì)所述多個(gè)行為特征進(jìn)行篩選獲得目標(biāo)行為特征集合；
[0014]建模模塊，用于依據(jù)所述目標(biāo)行為特征集合建立第一廣義線性模型，利用最優(yōu)化方法計(jì)算所述第一廣義線性模型的第一極大似然估計(jì)值，并獲得所述第一極大似然估計(jì)值對(duì)應(yīng)的估計(jì)參數(shù)；
[0015]計(jì)算模塊，用于利用所述估計(jì)參數(shù)和待測(cè)用戶對(duì)應(yīng)的所述目標(biāo)行為特征集合中每個(gè)行為特征對(duì)應(yīng)的行為特征值計(jì)算所述待測(cè)用戶與所述第一類用戶的行為相似度。
[0016]本發(fā)明實(shí)施例提供的用戶行為相似性計(jì)算方法及裝置，通過不同類型用戶分別對(duì)應(yīng)的多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值對(duì)多個(gè)行為特征進(jìn)行篩選獲得目標(biāo)行為特征集合，依據(jù)該目標(biāo)行為特征集合建立廣義線性模型，利用最優(yōu)化方法計(jì)算廣義線性模型的極大似然估計(jì)值，并獲得該極大似然估計(jì)值對(duì)應(yīng)的估計(jì)參數(shù)，通過該估計(jì)參數(shù)和待測(cè)用戶的行為特征值計(jì)算待測(cè)用戶與特定類型用戶的行為相似度，充分利用大量用戶的行為特征分析不同用戶行為的相似性，提高了對(duì)采集到的大量用戶的行為特征的利用率。
【附圖說明】
[0017]圖1為本發(fā)明實(shí)施例提供的用戶行為相似性計(jì)算方法流程圖；
[0018]圖2為本發(fā)明實(shí)施例提供的用戶行為相似性計(jì)算裝置的結(jié)構(gòu)圖；
[0019]圖3為本發(fā)明另一實(shí)施例提供的用戶行為相似性計(jì)算裝置的結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0020]圖1為本發(fā)明實(shí)施例提供的用戶行為相似性計(jì)算方法流程圖。本發(fā)明實(shí)施例針對(duì)現(xiàn)有技術(shù)中缺乏利用大量用戶的行為特征分析不同用戶行為的相似性的方法，導(dǎo)致對(duì)采集到的大量用戶的行為特征的利用率較低，提供了用戶行為相似性計(jì)算方法，該方法具體步驟如下:
[0021]步驟S101、采集第一類用戶的多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值，以及第二類用戶的所述多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值；
[0022]本發(fā)明實(shí)施例依據(jù)預(yù)先設(shè)定的多個(gè)行為特征在用戶瀏覽點(diǎn)擊網(wǎng)頁(yè)信息的過程中采集用戶的行為特征，例如，多個(gè)行為特征具體包括:是否瀏覽某網(wǎng)頁(yè)、是否點(diǎn)擊某網(wǎng)頁(yè)中的標(biāo)題、用戶瀏覽某網(wǎng)頁(yè)的時(shí)間、點(diǎn)擊某標(biāo)題的時(shí)間、點(diǎn)擊的標(biāo)題內(nèi)容、一天內(nèi)點(diǎn)擊某標(biāo)題的次數(shù)等，本發(fā)明實(shí)施例并不限定預(yù)先設(shè)定的多個(gè)行為特征的個(gè)數(shù)為6個(gè)，可以是任意多個(gè)。另外，本發(fā)明實(shí)施例預(yù)先對(duì)多個(gè)行為特征中的每一個(gè)行為特征進(jìn)行數(shù)字標(biāo)識(shí)，例如用戶瀏覽了某網(wǎng)頁(yè)記為1，用戶沒有瀏覽某網(wǎng)頁(yè)記為0 ;用戶點(diǎn)擊了某網(wǎng)頁(yè)中的標(biāo)題記為1，用戶沒有點(diǎn)擊某網(wǎng)頁(yè)中的標(biāo)題記為0 ;用戶瀏覽某網(wǎng)頁(yè)的時(shí)間在早上記為1，中午記為2，下午記為3，晚上記為4 ;點(diǎn)擊某標(biāo)題的時(shí)間在早上記為1，中午記為2，下午記為3，晚上記為4 ;點(diǎn)擊的標(biāo)題內(nèi)容屬于健康飲食記為1，休閑娛樂記為2，金融投資記為3，科技信息記為4等；一天內(nèi)點(diǎn)擊某標(biāo)題的次數(shù)可根據(jù)實(shí)際點(diǎn)擊的某標(biāo)題內(nèi)容的次數(shù)定義。例如，用戶瀏覽了某網(wǎng)頁(yè)，點(diǎn)擊了某網(wǎng)頁(yè)中的標(biāo)題，用戶瀏覽某網(wǎng)頁(yè)的時(shí)間在早上，點(diǎn)擊某標(biāo)題的時(shí)間在中午，點(diǎn)擊的標(biāo)題內(nèi)容屬于健康飲食，一天內(nèi)點(diǎn)擊某標(biāo)題的次數(shù)為3，則用戶端的瀏覽器采集該用戶的多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值分別為1、1、1、2、1、3，該用戶的多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值可構(gòu)成一個(gè)行為特征向量[1、1、1、2、1、3]。
[0023]所述第一類用戶為符合第一目標(biāo)行為特征的用戶，所述第二類用戶為符合第二目標(biāo)行為特征的用戶，所述第一目標(biāo)行為特征和所述第二目標(biāo)行為特征具有部分相同的行為特征。
[0024]本發(fā)明實(shí)施例分別采集第一類用戶和第二類用戶的多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值，第一類用戶具體為種子用戶，第二類用戶具體為對(duì)照用戶，種子用戶和對(duì)照用戶的部分行為特征相同，部分行為特征不同，例如，種子用戶為瀏覽了某品牌牛奶廣告并點(diǎn)擊了該廣告的用戶，對(duì)照用戶為瀏覽了某品牌牛奶廣告但沒有點(diǎn)擊該廣告的用戶，且第一類用戶的標(biāo)識(shí)號(hào)為1，第二類用戶的標(biāo)識(shí)號(hào)為0。例如，本發(fā)明實(shí)施例采集100個(gè)第一類用戶和100個(gè)第二類用戶分別對(duì)應(yīng)的多個(gè)行為特征中每個(gè)行為特征對(duì)應(yīng)的行為特征值，即100個(gè)第一類用戶對(duì)應(yīng)有100個(gè)行為特征向量，100個(gè)第二類用戶對(duì)應(yīng)有100個(gè)行為特征向量。
[0025]步驟S102、依據(jù)所述第一類用戶對(duì)應(yīng)的多個(gè)行為特征值和所述第二類用戶對(duì)應(yīng)的多個(gè)行為特征值對(duì)所述多個(gè)行為特征進(jìn)行篩選獲得目標(biāo)行為特征集合；
[0026]由于預(yù)先設(shè)定的多個(gè)行為特征的個(gè)數(shù)可以是任意多個(gè)，但是在該多個(gè)行為特征中某些行為特征對(duì)于本發(fā)明實(shí)施例提供的用戶行為相似性計(jì)算方法而言是冗余的，所以需要對(duì)多個(gè)行為特征進(jìn)行篩選獲得目標(biāo)行為特征集合。