用户兴趣模型在个性化营销中的研究

《工业控制计算机１２０１６年第２９卷第１１期　１３３　用户兴趣模型在个性化营销中的研究　Ｓｔｕｄｙ　ｏｆ　Ｕｓｅｒ　Ｉｎｔｅｒｅｓｔ　Ｍｏｄｅｌ　ｉｎ　Ｉｎｄｉｖｉｄａｌ　Ｓａｌｅ　赵　云　何利力　（浙江理工大学信息学院，浙江杭州３１００１８）　摘要：采用隐式方法获取用户信息，创建用户兴趣描述文件。通过用户浏览页面集的内容信息和行为信息以及根据用户　在初始化注册信息中提供的兴趣爱好信息进行兴趣度分析。加入空间向量区别地域性兴趣差异，及时准确反馈用户兴趣。采　用ｋ－ｍｅａｎｓ聚类算法进行聚类分析，得到用兴趣分类树表示的用户兴趣模型。　关键词：数据收集，用户兴趣模型，个性化营销　Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ｉｎｔｒｏｄｕｃｅｓ　ａ　ｍｅｔｈｏｄ　ａｂｏｕｔ　ｃｒｅａｔｅ　ｕｓｅｒ　ｉｎｔｅｒｅｓｔ　ｄｅｓｃｒｉｐｔｉｏｎ　ｆｉｌｅ．ａｎｄ　ａｎａｌｙｚｅｓ　ｔｈｅ　ｉｎｔｅｒｅｓ“ｎｇｎｅｓｓ　ｔｈｒｏｕｇｈ　ｂｒｏｗｓｅ　ｗｅｂ　ａｎｄ　ｕｓｅｒ　Ｓ　ｈｏｂｂｙ　ｆｒ０ｍ　ｒｅｇｉｓｔｅｒ　ａｎｄ　ｃｏｍｂｉＲｅ　ｔｈｅ　ｂｅｈａｖｉｏｒ．Ａｄｄ　ｓｐａｔｉａｌ　ｖｅｃｔｏｒ　ｔｏ　ｄｉｓｔｉｎｇｕｉｓｈ　ｇｅｏｇｒａｐｈｉｃ　ｄｉｆｅｒｅｎｃｅ．Ｔｈｉｓ　ｗａｙ　ＣａＲ　ｆｅｅｄｂａｃｋ　ｕｓｅｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎ　ｔｉｍｅｌｙ．Ｔｈｉｓ　ｐａｐｅｒ　ｔａｋｅｓ　ｋ－ｍｅａｎｓ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｇｅｔ　ｔｈｅ　ｉｎｔｅｒｅｓｔ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｔｒｅｅ　ｒｅｐｒｅｓｅｎｔａｔｉｏｎ　ｏｆ　ｕｓｅｒ　ｉｎｔｅｒｅｓｔ　ｍｏｄｅ１．　Ｋｅｙｗｏｒｄｓ：ｄａｔａ　ｃｏｌｌｅｃｔｉｏｎ．ｕｓｅｒ　ｉｎｔｅｒｅｓｔ　ｍｏｄｅｌ，ｉｎｄｉｖｉｄａｌ　ｓａｌｅ　

本文采用用户浏览页面的内容信息和浏览行为信息以及根　据用户在注册信息中提供的兴趣爱好，隐式地创建用户兴趣描　述文件的方法，采用树状向量空间模型表示，加入区域因素区别　用户的兴趣趋向，根据用户的反馈及时修改兴趣模型。与个性化　服务技术在网络购物平台的应用不同，文中主要是研究该模型　在企业营销中的作用。　１用户数据收集　采用隐式收集方式，是指用户不需要主动参与的情况下，实　现对用户信息的收集。　用户兴趣挖掘的主要元数据是获取用户浏览页面的内容信　息，它被用于基于内容的聚类分析，得到用户页面描述文件，即　文本特征向量。这些页面的内容信息主要来源于Ｗｅｂ服务器　端，根据用户的浏览！Ｅｌ志记录，得到单一用户的浏览历史页面　ＵＲＬ，然后从数据库服务器中取出这些ＵＲＬ对应的Ｗｅｂ页面，　另存于该用户的浏览页面文件夹中，元数据获取过程如图所示。　图１　用户行为数据，是通过对客户端行为数据进行分析，把用户　在客户端访问页面时的所有的浏览行为进行统计和分析，同时从　服务器端取得页面访问的时间，用回归方程计算出用户对该页面　的基于行为的兴趣度，把用户行为兴趣和用户对该页面的内容兴　趣合并，得到能够描述用户在该页面上的兴趣的用户页面兴趣描　述文件。在挖掘用户兴趣的过程中，首先是对用户页面描述文件　进行聚类分析，得到基于用户某一兴趣的类簇，一个类簇准确地　描述一个用户的兴趣；然后，在计算每个兴趣类的权值的时候，同　时利用到了用户的浏览行为信息和浏览页面内容信息。　２特征值的抽取　２．１文档特征值　在对文档进行特征值提取之前，需要先进行文本信息的预　处理，对特征词条的选择。从文本中有意义地抽取关键词项的相　关信息，是非常重要的技术，也是文本处理的基本要求。向量空　间模型表达效果的优劣直接依赖于特征项的选取，以及权重的　计算。选取特征项有以下几个原则，一是应当选取那些包含语义　信息较多，对文本的表示能力较强的语言单位作为特征项；二是　文本在这些特征项上的分布应当有比较明显的统计规律性；三　是这种选取过程本身应当比较容易实现，其时间和空间开销都　不应当太大。一篇中文文本有字、词、短语、句、段等各个层次，在　实际应用中常常采用字、词或短语来作为特征项。从自然语言理　解的角度来看，名词及名词短语、动词及动词短语是一个文本的　核心，它们的简单组合可以作为整个文档的简单表示。目前，文　本信息预处理所采用的方法主要包括英文文档的ｓｔｅｍｍｉｎｇ处　理和中文文档的词条切分处理。采用特征向量的抽取，如图２。　

图２　采取到的词、词组和短语组成文档的基本元素并且在不同内　容的文档中，各词条出现频率有一定的规律性，因此可以根据词　条的频率特性进行目标特征提取。不同的词条在文档中的作用是　不同的，常用词在所有文档中都有很高的出现频率，无法体现目　标内容，而稀有词在所有文档中出现的次数都很少，其词频统计　特性很难确定，这两类词都不能作为特征项，还有一些词在所有　文档中出现的频率都基本相同，区分性差，也不能作为特征项。　

一个有效的特征项集必须具备以下两个特点：完全性，特征　项能够表示目标内容；区分性，根据特征项集，能够将目标同其　它文档相区分。　２．２特征向量的抽取　要取得一个网页的特征向量，首先要对页面进行处理，清除　页面中网页标签信息，然后进行提取页面的词向量。页面清洗的　过程主要是清除页面中ＨＴＭＬ标记，如ＨＴＭＬ、ＨＥＡＤ、ＴＩＴＬＥ等　标记；其次是除去停止词（停止词实际上是无实际意义的词，例　如：中文词中的：的、得、地、在、然而等；英文词中的：ａｂｏｕｔ、ａｆ－　１３４　用户兴趣模型在个性化营销中的研究　ｔｅｒ、ｂｅｔｗｅｅｎ、ｂｅｆｏｒｅ）；然后是提取页面的特征词，在提取特征　词的同时，计算出该页面中对应特征词的词频，这样，每一个特　征词就可以组成一个特征向量的元素（Ｗ，ｔ），其中Ｗｔ表示特征　项，ｆ　表示该特征项在网页中出现的词频，最后形成特征向量　ＶＳＭ的表示：Ｖｉ＝｛（Ｗ　ｆｉ　），（Ｗ　，ｆ．２），（Ｗｂ，　），…（Ｗ＿ｋ，　｝。　Ｖ　表示在Ｎ张页面上的第ｉ张，Ｗ．．表示第ｉ张页面中第ｊ　个特征词，ｆｉｊ表示第ｉ张页面第ｊ个词在该页面中出现的词频。根　据获取的特征词采用Ｋ—ｍｅａｎｓ聚类方法仅对文档集合进行划　分，将文本集合聚成Ｋ个簇使同一簇中的文档的相似度尽可能　的最大化，不同簇中的文档相似度尽可能的最小化。Ｋ—ｍｅａｎｓ　聚类算法描述如下：　１）确定要生成的簇的数目Ｋ；　２）按照某种原则选取Ｋ个初始聚类中心Ａ＝（ａ　，ａ２，ａ３…　）　并设置初始化迭代次数为Ｒ＝Ｉ；　３）对文档集合中的每个文档ｄ　依次计算它与各个聚类中　心ａｉ的相似度ｓｉｍ（ｄｉ，ａｊ）；　４）选择具有最大相似度的聚类中心将ｄ　归入以ａｉ为中心的　簇中；　５）计算新的聚类中心，新的聚类中心为这一轮迭代中分到　该簇中的所有文档矢量的均值，即ａｊ＝Ｆ／ｎｊ其中Ｆｉ为聚簇ａｉ的　文档集合，ｎｉ为Ｆｉ中的文档数；　６）￣１１果所有聚类中心均达到稳定，则结束；否则，ｒ＝ｒ＋ｌ，跳　至３）。　该算法的时间复杂度与Ｒ值有关，０（ｋｒｎ）其中ｎ为文档总　数，Ｋ为得到的聚簇数目，ｒ为迭代次数。　３用户兴趣模型　３．１向量空间模型表示　向量空间模型的一个基本假设：一个文本所表达内容的特　征权与某些特定语义单位在该文本中出现的频数有关，而与这　些语义单位在文本中出现的位置或顺序无关。也就是说一个文　本中所蕴含的内容知识可以通过构成文本的各种语义单位本身　的特性以及他们在文本中出现的频数表示。　采用空间向量模型即ＶＳＭ，是把文本内容处理简化为向量　空间的向量运算，并且它以空间上的相似度表达语义的相似度。　当文本被表示为文档的空间向量就可以通过计算向量之间的相　似度来度量文档间的相似性，本文处理中采用的是余弦距离。向　量空间模型是一个应用于信息过滤，信息撷取，索引以及评估相　关性的代数模型。文件被视为索引词形成的多次元向量空间，索　引词的集合通常为文件中至少出现一次的词组。搜索时，输入的　检索词也被转换为类似文本的向量。模型假设文件和搜寻词的　相关程度，可以经由比较每个文件向量检索词向量的夹角偏差　程度而得知。两个文档的相似性可以表示为：　

∑　ｃｏｓ（ｄ，，ｃＩ）　节　ｌ　ＶｆｌＩ　Ｉ　余弦为零表示检索词向量垂直于文件向量，即没有符合，也　

就是说该文件不含此检索词。　’　３＿２用户模型创建　流程图如图３所示，在系统初次运行的过程中，用户兴趣模　型创建模块会根据历史信息挖掘出来的用户历史浏览信息进行　读取分析，利用文本分类模块对这些网页进行分类，计算出各兴　趣类别的兴趣度，最终生成用户初始兴趣配置文件。历史信息挖　掘模块生成的历史记录文件中的每一条记录表示一个用户感兴　趣的网页资源，通过对这些网页资源记录进行读取并提取相应　

图３　文本向量之后，利用分类模块对其进行分类，则可得到该网页资　源的所属类别。得到该网页资源的所属类别之后，我们就可以利　用将该兴趣类别加入到用户兴趣文件中去了。在创建用户兴趣　类别时，有以下两条规则：　１）如果用户兴趣文件中存在该分类，则将类别直接加入到　该分类中，重新计算分类兴趣值；　２）如果用户兴趣文件中不存在该分类，根据分类模块分类　结果，增加新分类至兴趣文件中。　Ｃ类兴趣度的计算公式如下：　

Ｃ　＋　ＣＯＳ（ｖｉ，ｖｐ）　＝———　Ｉ＿———一　∑Ｇ　’　，＝Ｔ　其中Ｃ　是兴趣度类Ｃ的“类兴趣度”，Ｃ　是兴趣类Ｃ重　

新生成的值，Ｖ　是兴趣类Ｃ的关键特征向量，Ｖ。是记录页面Ｐ　的关键词特征向量，ＣＯＳ（Ｖ．，Ｖ。）则是计算类Ｃ和页面Ｐ的关键　词特征向量之间的相似度，Ｗ是指新插入页面记录的兴趣度。也　表示，兴趣度Ｃ的类兴趣度就是类Ｃ与其所属页面的特征向量　ｎ　之间的相似度之和，　ｃ．是指所有兴趣类别兴趣度之和，除以　

Ｉ＝１　ｎ　ｃ；是为了进行归一化处理。这样定义类兴趣度是比较直观　

ｊ＝１　．　的。随着插入的属于该分类的页面记录的增多，该分类的兴趣度　

的值也会随之变大。　通过基于空间向量的两层树状结构来表示用户兴趣模型，　第一层节点表示用户的兴趣主题，一个主题可以包含多个特征　项；第二层节点表示用户某个兴趣主题下的特征项及其兴趣度。　区域Ａ的表示方法如图４所示。　

图４　３．３用户兴趣模型更新　用户兴趣是不断变化的，因而用户兴趣模型不能一成不　变，要根据用户的兴趣发展变化进行相应的调整更新。当用户需　要改变自己的兴趣时，可以将相关文档交给系统分析，系统提出　（下转第１３６页）