社交網(wǎng)絡(luò)中的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種社交網(wǎng)絡(luò)中的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法和系統(tǒng)，所述方法包括：針對(duì)所述社交網(wǎng)絡(luò)中待識(shí)別用戶的每篇博文，將該博文進(jìn)行分詞，得到該博文的分詞結(jié)果，并針對(duì)所述社交網(wǎng)絡(luò)中的每個(gè)領(lǐng)域，將該博文的分詞結(jié)果與該領(lǐng)域的特征詞庫(kù)中的領(lǐng)域特征詞進(jìn)行匹配，并根據(jù)匹配結(jié)果，確定該博文與該領(lǐng)域的相關(guān)度；針對(duì)每個(gè)領(lǐng)域，統(tǒng)計(jì)與該領(lǐng)域的相關(guān)度超過設(shè)定閾值的該用戶的博文的個(gè)數(shù)，并將統(tǒng)計(jì)出的博文的個(gè)數(shù)與所述用戶的博文總數(shù)的比值，作為所述用戶與該領(lǐng)域的相關(guān)度；若所述用戶與該領(lǐng)域的相關(guān)度超過設(shè)定值，則確定所述用戶為該領(lǐng)域的專家。應(yīng)用本發(fā)明，可提高發(fā)現(xiàn)的領(lǐng)域?qū)＜业臏?zhǔn)確度。
【專利說明】社交網(wǎng)絡(luò)中的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法和系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及互聯(lián)網(wǎng)【技術(shù)領(lǐng)域】，尤其涉及一種社交網(wǎng)絡(luò)中的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法和系統(tǒng)。
【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，通過社交網(wǎng)絡(luò)軟件來(lái)進(jìn)行信息的分享、傳播以及獲取，已成為廣大網(wǎng)民的主要社交方式之一。例如,通過微博或Twitter (推特)等社交網(wǎng)絡(luò)軟件，用戶可以通過各種客戶端組建個(gè)人社區(qū)，不斷通過文字、圖片等形式更新信息，實(shí)現(xiàn)自己的最新動(dòng)態(tài)和想法的即時(shí)分享。
[0003]實(shí)際應(yīng)用中，通過對(duì)微博等社交網(wǎng)絡(luò)軟件的觀察和分析發(fā)現(xiàn)，在整個(gè)社交網(wǎng)絡(luò)之上分布著大大小小的不同領(lǐng)域的社交圈，如何在整個(gè)社交網(wǎng)絡(luò)中的全部人群中分析出不同領(lǐng)域的專家，對(duì)于后續(xù)的用戶擴(kuò)展、商業(yè)運(yùn)營(yíng)等都起著至關(guān)重要的作用。如果能夠?qū)τ谀硞€(gè)領(lǐng)域的專家進(jìn)行準(zhǔn)確的挖掘，則可以利用該挖掘結(jié)果為社交網(wǎng)絡(luò)軟件提供領(lǐng)域?qū)＜覕U(kuò)展服務(wù)、以及為垂直領(lǐng)域項(xiàng)目提供數(shù)據(jù)支撐。例如，為用戶推薦其感興趣的領(lǐng)域?qū)＜遥换蛘?，為專家搜索提供基礎(chǔ)服務(wù)等。
[0004]現(xiàn)有存在一種人工發(fā)現(xiàn)社交網(wǎng)絡(luò)中的領(lǐng)域?qū)＜业姆椒ǎ渲饕亲屔缃痪W(wǎng)絡(luò)中的用戶按照指定格式填寫的標(biāo)簽、認(rèn)證信息等用于確定用戶相關(guān)領(lǐng)域的認(rèn)證內(nèi)容，繼而，社交網(wǎng)絡(luò)的運(yùn)營(yíng)人員可以根據(jù)用戶填寫的認(rèn)證內(nèi)容進(jìn)行人工審查，判斷該用戶是否為某一領(lǐng)域的權(quán)威專家。實(shí)際應(yīng)用中，填寫認(rèn)證內(nèi)容的用戶并不是很多，且用戶填寫的認(rèn)證內(nèi)容只能涉及部分領(lǐng)域，準(zhǔn)確率低，導(dǎo)致上述領(lǐng)域?qū)＜野l(fā)現(xiàn)方法的領(lǐng)域覆蓋率低，且其發(fā)現(xiàn)的領(lǐng)域?qū)＜业臏?zhǔn)確度不高。而且，通過人工進(jìn)行審核，存在工作量大、耗費(fèi)時(shí)間長(zhǎng)的不足。
[0005]為了減少發(fā)現(xiàn)領(lǐng)域?qū)＜业墓ぷ髁考昂馁M(fèi)時(shí)間，現(xiàn)有還提出了一種基于用戶分組信息的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法，其主要是根據(jù)用戶的粉絲或其他用戶對(duì)該用戶的分組名稱，統(tǒng)計(jì)出該用戶在各領(lǐng)域的權(quán)重，繼而，根據(jù)該用戶在各領(lǐng)域的權(quán)重及預(yù)置的判定條件，判斷該用戶是否為某一領(lǐng)域的專家。實(shí)際應(yīng)用中，并不是所有用戶都會(huì)對(duì)其關(guān)注的其他用戶進(jìn)行分組，且其對(duì)其他用戶的分組主要基于主觀了解，領(lǐng)域覆蓋率低且準(zhǔn)確度也不高，繼而導(dǎo)致上述基于用戶分組信息的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法存在用戶召回率低、準(zhǔn)確度不高的不足。
[0006]綜上所述，現(xiàn)有的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法，存在領(lǐng)域覆蓋率低、發(fā)現(xiàn)的領(lǐng)域?qū)＜业臏?zhǔn)確度不高的不足，因此，有必要提供一種提高領(lǐng)域覆蓋率及準(zhǔn)確度的社交網(wǎng)絡(luò)中的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法。

【發(fā)明內(nèi)容】

[0007]本發(fā)明實(shí)施例提供了一種社交網(wǎng)絡(luò)中的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法和系統(tǒng)，提高了領(lǐng)域?qū)＜野l(fā)現(xiàn)的準(zhǔn)確度。
[0008]根據(jù)本發(fā)明的一個(gè)方面，提供了一種社交網(wǎng)絡(luò)中的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法，包括:
[0009]針對(duì)所述社交網(wǎng)絡(luò)中待識(shí)別用戶的每篇博文，將該博文進(jìn)行分詞，得到該博文的分詞結(jié)果，并針對(duì)所述社交網(wǎng)絡(luò)中的每個(gè)領(lǐng)域，將該博文的分詞結(jié)果與該領(lǐng)域的特征詞庫(kù)中的領(lǐng)域特征詞進(jìn)行匹配；根據(jù)匹配結(jié)果，確定該博文與該領(lǐng)域的相關(guān)度；
[0010]針對(duì)每個(gè)領(lǐng)域，統(tǒng)計(jì)與該領(lǐng)域的相關(guān)度超過設(shè)定閾值的該用戶的博文的個(gè)數(shù)，并將統(tǒng)計(jì)出的博文的個(gè)數(shù)與所述用戶的博文總數(shù)的比值，作為所述用戶與該領(lǐng)域的相關(guān)度；若所述用戶與該領(lǐng)域的相關(guān)度超過設(shè)定值，則確定所述用戶為該領(lǐng)域的專家。
[0011]較佳地，所述領(lǐng)域的特征詞庫(kù)是預(yù)先構(gòu)建的，具體包括:
[0012]將社交網(wǎng)絡(luò)中已劃分到所述領(lǐng)域中的若干個(gè)用戶作為所述領(lǐng)域的種子用戶，并將各種子用戶的博文作為該領(lǐng)域的種子博文存儲(chǔ)至博文語(yǔ)料集中；
[0013]對(duì)于博文語(yǔ)料集中該領(lǐng)域的每個(gè)種子博文，對(duì)該種子博文進(jìn)行分詞，統(tǒng)計(jì)出該種子博文的分詞結(jié)果中各詞匯的頻率信息；并根據(jù)各詞匯的頻率信息從該種子博文的分詞結(jié)果中選擇出該領(lǐng)域的特征候選詞；
[0014]針對(duì)該領(lǐng)域的每個(gè)特征候選詞，統(tǒng)計(jì)博文語(yǔ)料集中各領(lǐng)域的種子博文中包含該特征候選詞的領(lǐng)域個(gè)數(shù)，并將統(tǒng)計(jì)出的領(lǐng)域個(gè)數(shù)作為該特征候選詞的領(lǐng)域頻率；
[0015]針對(duì)該領(lǐng)域的每個(gè)特征候選詞，根據(jù)該特征候選詞的頻率信息以及領(lǐng)域頻率，計(jì)算出該特征候選詞的特征得分；在判斷該特征得分超過預(yù)先設(shè)定的特征閾值后，將該特征候選詞作為該領(lǐng)域的領(lǐng)域特征詞存儲(chǔ)至所述領(lǐng)域的特征詞庫(kù)中，并在所述領(lǐng)域的特征詞庫(kù)中將該特征得分作為該領(lǐng)域特征詞的權(quán)重與該領(lǐng)域特征詞對(duì)應(yīng)存儲(chǔ)。
[0016]較佳地，所述根據(jù)匹配結(jié)果，確定該博文與該領(lǐng)域的相關(guān)度，具體包括:
[0017]將該博文的分詞結(jié)果中與該領(lǐng)域的特征詞庫(kù)中的領(lǐng)域特征詞相同的詞匯作為該博文的特征詞；
[0018]對(duì)于該博文的每個(gè)特征詞，統(tǒng)計(jì)出該特征詞在該博文中出現(xiàn)的頻次，并將該特征詞在所述特征詞庫(kù)中所對(duì)應(yīng)的權(quán)重作為該特征詞的領(lǐng)域權(quán)重；
[0019]根據(jù)該博文的特征詞總數(shù)、該博文的各特征詞的領(lǐng)域權(quán)重以及在該博文中出現(xiàn)的頻次，計(jì)算出該博文與該領(lǐng)域的相關(guān)度。
[0020]較佳地，所述根據(jù)該博文的特征詞總數(shù)、該博文的各特征詞的領(lǐng)域權(quán)重以及在該博文中出現(xiàn)的頻次，計(jì)算出該博文與該領(lǐng)域的相關(guān)度，具體包括:
[0021]根據(jù)如下公式1，計(jì)算出該博文與該領(lǐng)域的相關(guān)度St:
[0022]
【權(quán)利要求】
1.一種社交網(wǎng)絡(luò)中的領(lǐng)域?qū)＜野l(fā)現(xiàn)方法，其特征在于，包括: 針對(duì)所述社交網(wǎng)絡(luò)中待識(shí)別用戶的每篇博文，將該博文進(jìn)行分詞，得到該博文的分詞結(jié)果，并針對(duì)所述社交網(wǎng)絡(luò)中的每個(gè)領(lǐng)域，將該博文的分詞結(jié)果與該領(lǐng)域的特征詞庫(kù)中的領(lǐng)域特征詞進(jìn)行匹配；根據(jù)匹配結(jié)果，確定該博文與該領(lǐng)域的相關(guān)度； 針對(duì)每個(gè)領(lǐng)域，統(tǒng)計(jì)與該領(lǐng)域的相關(guān)度超過設(shè)定閾值的該用戶的博文的個(gè)數(shù)，并將統(tǒng)計(jì)出的博文的個(gè)數(shù)與所述用戶的博文總數(shù)的比值，作為所述用戶與該領(lǐng)域的相關(guān)度；若所述用戶與該領(lǐng)域的相關(guān)度超過設(shè)定值，則確定所述用戶為該領(lǐng)域的專家。
2.如權(quán)利要求1所述的方法，其特征在于，所述領(lǐng)域的特征詞庫(kù)是預(yù)先構(gòu)建的，具體包括: 將社交網(wǎng)絡(luò)中已劃分到所述領(lǐng)域中的若干個(gè)用戶作為所述領(lǐng)域的種子用戶，并將各種子用戶的博文作為該領(lǐng)域的種子博文存儲(chǔ)至博文語(yǔ)料集中； 對(duì)于博文語(yǔ)料集中該領(lǐng)域的每個(gè)種子博文，對(duì)該種子博文進(jìn)行分詞，統(tǒng)計(jì)出該種子博文的分詞結(jié)果中各詞匯的頻率信息；并根據(jù)各詞匯的頻率信息從該種子博文的分詞結(jié)果中選擇出該領(lǐng)域的特征候選詞； 針對(duì)該領(lǐng)域的每個(gè)特征候選詞，統(tǒng)計(jì)博文語(yǔ)料集中各領(lǐng)域的種子博文中包含該特征候選詞的領(lǐng)域個(gè)數(shù)，并將統(tǒng)計(jì)出的領(lǐng)域個(gè)數(shù)作為該特征候選詞的領(lǐng)域頻率； 針對(duì)該領(lǐng)域的每個(gè)特征候選詞，根據(jù)該特征候選詞的頻率信息以及領(lǐng)域頻率，計(jì)算出該特征候選詞的特征得分；在判斷該特征得分超過預(yù)先設(shè)定的特征閾值后，將該特征候選詞作為該領(lǐng)域的領(lǐng)域特征詞存儲(chǔ)至所述領(lǐng)域的特征詞庫(kù)中，并在所述領(lǐng)域的特征詞庫(kù)中將該特征得分作為該領(lǐng)域特征詞的權(quán)重與該領(lǐng)域特征詞對(duì)應(yīng)存儲(chǔ)。
3.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)匹配結(jié)果，確定該博文與該領(lǐng)域的相關(guān)度，具體包括: 將該博文的分詞結(jié)果中與該領(lǐng)域的特征詞庫(kù)中的領(lǐng)域特征詞相同的詞匯作為該博文的特征詞； 對(duì)于該博文的每個(gè)特征詞，統(tǒng)計(jì)出該特征詞在該博文中出現(xiàn)的頻次，并將該特征詞在所述特征詞庫(kù)中所對(duì)應(yīng)的權(quán)重作為該特征詞的領(lǐng)域權(quán)重； 根據(jù)該博文的特征詞總數(shù)、該博文的各特征詞的領(lǐng)域權(quán)重以及在該博文中出現(xiàn)的頻次，計(jì)算出該博文與該領(lǐng)域的相關(guān)度。
4.如權(quán)利要求3所述的方法，其特征在于，所述根據(jù)該博文的特征詞總數(shù)、該博文的各特征詞的領(lǐng)域權(quán)重以及在該博文中出現(xiàn)的頻次，計(jì)算出該博文與該領(lǐng)域的相關(guān)度，具體包括: 根據(jù)如下公式1，計(jì)算出該博文與該領(lǐng)域的相關(guān)度St:
5.如權(quán)利要求3所述的方法，其特征在于，所述將該博文的分詞結(jié)果中與該領(lǐng)域的特征詞庫(kù)中的領(lǐng)域特征詞相同的詞匯作為該博文的特征詞之后，還包括:對(duì)于該博文的每個(gè)特征詞，將該特征詞與該領(lǐng)域的共現(xiàn)特征詞庫(kù)中的領(lǐng)域共現(xiàn)特征詞進(jìn)行匹配；若所述共現(xiàn)特征詞庫(kù)中存在與該特征詞相同的領(lǐng)域共現(xiàn)特征詞，則將所述共現(xiàn)特征詞庫(kù)中與該領(lǐng)域共現(xiàn)特征詞結(jié)對(duì)的詞匯作為該博文的新的特征詞；以及 將該特征詞在該博文中出現(xiàn)的頻次作為該新的特征詞在該博文中出現(xiàn)的頻次，并將該新的特征詞在該領(lǐng)域的特征詞庫(kù)中所對(duì)應(yīng)的權(quán)重作為該新的特征詞的領(lǐng)域權(quán)重。
6.如權(quán)利要1-5任一所述的方法，其特征在于，所述博文具體是指待識(shí)別用戶在所述社交網(wǎng)絡(luò)上發(fā)布、評(píng)論、收藏、或轉(zhuǎn)發(fā)的博文。
7.一種社交網(wǎng)絡(luò)中的領(lǐng)域?qū)＜野l(fā)現(xiàn)系統(tǒng)，其特征在于，包括: 博文分詞模塊，用于針對(duì)所述社交網(wǎng)絡(luò)中待識(shí)別用戶的每篇博文，將該博文進(jìn)行分詞，并輸出該博文的分詞結(jié)果； 領(lǐng)域特征詞匹配模塊，用于對(duì)于所述用戶的每篇博文，針對(duì)所述社交網(wǎng)絡(luò)中的每個(gè)領(lǐng)域，將所述博文分詞模塊輸出的該博文的分詞結(jié)果與該領(lǐng)域的特征詞庫(kù)中的領(lǐng)域特征詞進(jìn)行匹配，并輸出該博文與該領(lǐng)域的匹配結(jié)果； 博文領(lǐng)域相關(guān)度計(jì)算模塊，用于對(duì)于所述用戶的每篇博文，針對(duì)所述社交網(wǎng)絡(luò)中的每個(gè)領(lǐng)域，根據(jù)所述領(lǐng)域特征詞匹配模塊輸出的該博文與該領(lǐng)域的匹配結(jié)果，確定該博文與該領(lǐng)域的相關(guān)度并輸出； 用戶領(lǐng)域相關(guān)度計(jì)算模塊，用于對(duì)于所述用戶的每篇博文，針對(duì)所述社交網(wǎng)絡(luò)中的每個(gè)領(lǐng)域，根據(jù)所述博文領(lǐng)域相關(guān)度計(jì)算模塊輸出的該博文與該領(lǐng)域的相關(guān)度，統(tǒng)計(jì)與該領(lǐng)域的相關(guān)度超過設(shè)定閾值的所述用戶的博文的個(gè)數(shù)，并將統(tǒng)計(jì)出的博文的個(gè)數(shù)與所述用戶的博文總數(shù)的比值，作為所述用戶與該領(lǐng)域的相關(guān)度并輸出； 領(lǐng)域?qū)＜掖_定模塊，用于針對(duì)所述社交網(wǎng)絡(luò)中的每個(gè)領(lǐng)域，若所述用戶領(lǐng)域相關(guān)度計(jì)算模塊輸出的所述用戶與該領(lǐng)域的相關(guān)度超過設(shè)定值，則確定所述用戶為該領(lǐng)域的專家。
8.如權(quán)利要求7所述的系統(tǒng)，其特征在于，還包括: 特征詞庫(kù)構(gòu)建模塊，用于將社交網(wǎng)絡(luò)中已劃分到所述領(lǐng)域中的若干個(gè)用戶作為所述領(lǐng)域的種子用戶，并將各種子用戶的博文作為該領(lǐng)域的種子博文存儲(chǔ)至博文語(yǔ)料集中；對(duì)于博文語(yǔ)料集中該領(lǐng)域的每個(gè)種子博文，對(duì)該種子博文進(jìn)行分詞，統(tǒng)計(jì)出該種子博文的分詞結(jié)果中各詞匯的頻率信息，并根據(jù)各詞匯的頻率信息從該種子博文的分詞結(jié)果中選擇出的詞匯作為該領(lǐng)域的特征候選詞；針對(duì)該領(lǐng)域的每個(gè)特征候選詞，統(tǒng)計(jì)博文語(yǔ)料集中各領(lǐng)域的種子博文中包含該特征候選詞的領(lǐng)域個(gè)數(shù)，并將統(tǒng)計(jì)出的領(lǐng)域個(gè)數(shù)作為該特征候選詞的領(lǐng)域頻率；針對(duì)該領(lǐng)域的每個(gè)特征候選詞，根據(jù)該特征候選詞的頻率信息以及領(lǐng)域頻率，計(jì)算出該特征候選詞的特征得分；在判斷該特征得分超過預(yù)先設(shè)定的特征閾值后，將該特征候選詞作為該領(lǐng)域的領(lǐng)域特征詞存儲(chǔ)至所述領(lǐng)域的特征詞庫(kù)中，并在所述領(lǐng)域的特征詞庫(kù)中將該特征得分作為該領(lǐng)域特征詞的權(quán)重與該領(lǐng)域特征詞對(duì)應(yīng)存儲(chǔ)。
9.如權(quán)利要求7所述的系統(tǒng)，其特征在于， 所述博文領(lǐng)域相關(guān)度計(jì)算模塊具體用于將所述博文分詞模塊輸出的該博文的分詞結(jié)果中與該領(lǐng)域的特征詞庫(kù)中的領(lǐng)域特征詞相同的詞匯作為該博文的特征詞；對(duì)于該博文的每個(gè)特征詞，統(tǒng)計(jì)出該特征詞在該博文中出現(xiàn)的頻次，并將該特征詞在所述特征詞庫(kù)中所對(duì)應(yīng)的權(quán)重作為該特征詞的領(lǐng)域權(quán)重；根據(jù)該博文的特征詞總數(shù)、該博文的各特征詞的領(lǐng)域權(quán)重以及在該博文中出現(xiàn)的頻次，計(jì)算出該博文與該領(lǐng)域的相關(guān)度。
10.如權(quán)利要求9所述的系統(tǒng)，其特征在于，還包括: 領(lǐng)域共現(xiàn)特征詞匹配模塊，用于針對(duì)所述用戶的每篇博文，對(duì)于所述博文領(lǐng)域相關(guān)度計(jì)算模塊確定出的該博文的每個(gè)特征詞，將該特征詞與該領(lǐng)域的共現(xiàn)特征詞庫(kù)中的領(lǐng)域共現(xiàn)特征詞進(jìn)行匹配，并輸出該博文與各領(lǐng)域的共現(xiàn)特征詞庫(kù)的匹配結(jié)果；以及 所述博文領(lǐng)域相關(guān)度計(jì)算模塊還用于針對(duì)所述社交網(wǎng)絡(luò)中的每個(gè)領(lǐng)域，對(duì)于博文的每個(gè)特征詞，若所述領(lǐng)域共現(xiàn)特征詞匹配模塊輸出的該博文與該領(lǐng)域的共現(xiàn)特征詞庫(kù)的匹配結(jié)果具體為:所述共現(xiàn)特征詞庫(kù)中存在與該特征詞相同的領(lǐng)域共現(xiàn)特征詞，則將所述共現(xiàn)特征詞庫(kù)中與該領(lǐng)域共現(xiàn)特征詞結(jié)對(duì)的詞匯作為該博文的新的特征詞，并將該特征詞在該博文中出現(xiàn)的頻次作為該新的特征詞在該博文中出現(xiàn)的頻次，將該新的特征詞在該領(lǐng)域的特征詞庫(kù)中所對(duì)應(yīng)的權(quán)重作為該新的特征詞的領(lǐng)域權(quán)重。
【文檔編號(hào)】G06F17/27GK104035967SQ201410213795
【公開日】2014年9月10日 申請(qǐng)日期:2014年5月20日 優(yōu)先權(quán)日:2014年5月20日
【發(fā)明者】李金奎, 諶貽榮 申請(qǐng)人:微夢(mèng)創(chuàng)科網(wǎng)絡(luò)科技（中國(guó)）有限公司