技術領域

本發明涉及互聯網技術領域，尤其涉及一種網絡內容自動推薦方法、裝置和系統。

背景技術

日常生活中，人們對互聯網的依賴程度越來越高。大家可以通過互聯網，獲取資訊，聯系朋友。于是，有的互聯網站點開始收集用戶的互聯網訪問數據，并通過對不同用戶的互聯網的歷史訪問數據的分析獲知用戶對哪些領域的資訊更為感興趣，在依據這樣的分析結果為用戶推薦他們可能會喜愛的網絡內容。

在這樣的為用戶推薦網絡內容的方法中，大多數方法都需要使用機器學習算法來對用戶進行分類，以確定用戶感興趣的領域。現有的網絡內容推薦方法大都收集用戶一段時間內的互聯網訪問數據，對這些數據進行人工標注以區分領域，利用標注好的數據通過機器學習的方法訓練用戶分類器，再利用訓練好的用戶分類器對用戶進行分類，最后根據用戶的分類向用戶推薦網絡內容。也就是說，現有的網絡內容推薦方法多采用完全監督、非增量的機器學習方法對用戶的互聯網訪問數據進行學習。現有的網絡內容推薦方法雖然實現了向用戶推薦網絡站點，但是根據這種方法向用戶推薦的網絡內容不具有時效性。因為用戶在不同的時間段的興趣點可能會不同，而根據現有的方法向用戶推薦的內容是不會發生改變的。而且，訓練用戶分類器需要人工對大量的互聯網訪問數據進行標注，成本較高。

發明內容

有鑒于此，本發明提出一種網絡內容自動推薦方法、裝置和系統，能夠使得向用戶推薦的網絡內容更具有時效性，同時大幅降低在分類器訓練階段人工數據標注的工作量。

第一方面，本發明實施例提供了一種網絡內容自動推薦方法，所述方法包括：

接收網絡文本數據，從接收的網絡文本數據中提取關鍵詞；

利用所述關鍵詞按照增量學習的方式訓練關鍵詞分類器；

接收特定用戶的網絡文本數據，根據所述關鍵詞分類器對從所述特定用戶的網絡文本數據中提取的關鍵詞的分類結果對所述特定用戶進行分類；以及

根據對所述特定用戶的分類，并按照預先定義的網絡內容的分類向特定用戶推薦特定用戶感興趣的網絡內容。

第二方面，本發明實施例提供了一種網絡內容自動推薦裝置，所述裝置包括：

關鍵詞提取模塊，用于接收網絡文本數據，從接收的網絡文本數據中提取關鍵詞；

關鍵詞分類器訓練模塊，用于利用所述關鍵詞按照增量學習的方式訓練關鍵詞分類器；

特定用戶分類模塊，用于接收特定用戶的網絡文本數據，根據所述關鍵詞分類器對從所述特定用戶的網絡文本數據中提取的關鍵詞的分類結果對所述特定用戶進行分類；以及

網絡內容推薦模塊，用于根據對所述特定用戶的分類，并按照預先定義的網絡內容的分類向特定用戶推薦特定用戶感興趣的網絡內容。

第三方面，本發明實施例提供了一種網絡內容自動推薦系統，包括服務器和客戶端，所述服務器包括如上第二方面所述的網絡內容自動推薦裝置。

本發明利用半監督學習方法進行增量學習，訓練關鍵詞分類器，然后利用訓練的關鍵詞分類器將用戶區分為多個類別，最后根據每個用戶的類別向用戶推薦網絡內容，不僅實現了根據互聯網用戶的個人興趣向用戶推薦網絡內容，而且能夠根據用戶個人興趣的變化實時改變站點推薦的類別，并且省去了分類器訓練過程中的大量人工數據標注。

附圖說明

圖1是本發明第一實施例提供的網絡內容自動推薦方法的流程示意圖。

圖2是本發明第一實施例提供的關鍵詞提取的流程示意圖。

圖3是本發明第一實施例提供的特定用戶分類的流程示意圖。

圖4是本發明第一實施例提供的網絡內容推薦的流程示意圖

圖5a是本發明第一實施例提供的向用戶推薦網絡站點的圖形用戶界面的示意圖。

圖5b是本發明第一實施例提供的經過增量學習后向用戶推薦網絡站點的圖形用戶界面的示意圖。

圖6是本發明第二實施例提供的網絡內容自動推薦裝置的結構示意圖。

圖7是本發明第三實施例提供的網絡內容自動推薦系統的結構示意圖。

具體實施方式

下面結合附圖并通過具體實施例來進一步說明本發明的技術方案。

圖1至圖5b示出了本發明的第一實施例。