一種基于推薦的興趣社區(qū)用戶引導(dǎo)方法
【專利摘要】一種基于推薦的興趣社區(qū)用戶引導(dǎo)方法，包括如下步驟：S100、創(chuàng)建興趣社區(qū)，通過分析推薦系統(tǒng)用戶的興趣模型挖掘所有興趣的潛在用戶,通過潛在用戶的數(shù)量確定興趣社區(qū)的排序并分批次創(chuàng)建興趣社區(qū)；S200、推薦興趣社區(qū)，把相關(guān)的興趣社區(qū)推薦給合適的用戶，并引導(dǎo)用戶進(jìn)入該興趣社區(qū)。本發(fā)明適合于移動(dòng)互聯(lián)網(wǎng)推薦產(chǎn)品快速建立自己的興趣社區(qū)，并保證新用戶的持續(xù)導(dǎo)入，用戶無需搜索即可獲得自己感興趣的興趣社區(qū)的推薦，同時(shí)方便了用戶對(duì)相關(guān)興趣社區(qū)的關(guān)注，提高了用戶瀏覽上網(wǎng)的效率，滿足了用戶的多方面需求。
【專利說明】
-種基于推薦的興趣社區(qū)用戶引導(dǎo)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種網(wǎng)絡(luò)興趣社區(qū)用戶引導(dǎo)方法，特別是一種基于推薦的興趣社區(qū)用 戶引導(dǎo)方法。
【背景技術(shù)】
[0002] 興趣社區(qū)是一類常見的互聯(lián)網(wǎng)產(chǎn)品，古老的BBS屬于最早的興趣社區(qū)類型，每一 個(gè)版面定義了一個(gè)討論的主題，擁有共同興趣的用戶通過在同一個(gè)版面下發(fā)帖回貼進(jìn)行互 動(dòng)。但是BBS時(shí)代的一個(gè)很大問題是在浩滿的互聯(lián)網(wǎng)世界，用戶找到符合自己興趣的BBS 版面并不容易。一些大的BBS社區(qū)（比如天涯，水木）因?yàn)榫S護(hù)成本的考慮不可能無限制 開設(shè)版面，導(dǎo)致很多小眾的興趣無法擁有獨(dú)立的版面。而一些專為小眾興趣成立的BBS,由 于缺乏知名度和流量，不容易被潛在用戶了解。在捜索引擎時(shí)代，百度做出了一款興趣社區(qū) 創(chuàng)新產(chǎn)品--百度貼吧。用戶在捜索的時(shí)候，相關(guān)的貼吧直接顯示在捜索頁面。如果沒 有相關(guān)的貼吧，百度會(huì)提醒用戶可W建立一個(gè)相關(guān)的貼吧。運(yùn)樣，擁有共同小眾興趣的用戶 可W低成本地建立自己的社區(qū)，而運(yùn)個(gè)社區(qū)也可W通過展示給捜索相關(guān)詞條的用戶（潛在 的有共同興趣用戶）而獲得穩(wěn)定的新用戶增長(zhǎng)，保證該社區(qū)的活力和討論氛圍。
[0003] 百度貼吧的新用戶引入方式可W抽象為基于捜索的興趣社區(qū)用戶引導(dǎo)方法。運(yùn)種 方法對(duì)于市場(chǎng)占有率高的主流捜索引擎非常有效，但是對(duì)于W推薦為主的新一代移動(dòng)互聯(lián) 網(wǎng)產(chǎn)品并不適用。近年來，隨著大數(shù)據(jù)，人工智能技術(shù)的爆發(fā)和移動(dòng)互聯(lián)網(wǎng)的高速發(fā)展，個(gè) 性化推薦技術(shù)獲得了巨大的成功。W世界領(lǐng)先的新聞推薦產(chǎn)品"今日頭條"為例，到2014年 已經(jīng)擁有2. 2億用戶，每天人均閱讀超過10篇文章，而且用戶量還在持續(xù)快速增長(zhǎng)。運(yùn)類 推薦類產(chǎn)品的用戶已經(jīng)習(xí)慣了大數(shù)據(jù)算法的推薦，主動(dòng)捜索意愿不強(qiáng)，基于捜索的興趣社 區(qū)用戶引導(dǎo)方法對(duì)于運(yùn)類產(chǎn)品的用戶效果并不好。另一方面，興趣社區(qū)可W極大增強(qiáng)用戶 粘性，對(duì)于互聯(lián)網(wǎng)產(chǎn)品有著重大意義。百度在2012年一度遭到360捜索引擎的有力挑戰(zhàn)， 但是W百度貼吧為首的產(chǎn)品線幫助百度牢牢守住了國內(nèi)捜索市場(chǎng)的領(lǐng)導(dǎo)地位。領(lǐng)先的推薦 類產(chǎn)品如果想鞏固市場(chǎng)地位，運(yùn)營自己的興趣社區(qū)產(chǎn)品是必要的舉措，運(yùn)樣勢(shì)必導(dǎo)致對(duì)于 非捜索類興趣社區(qū)用戶引導(dǎo)方法的需求。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是針對(duì)現(xiàn)有技術(shù)的上述缺陷，提供一種基于推薦的興 趣社區(qū)用戶引導(dǎo)方法。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其中， 包括如下步驟：
[0006] S100、創(chuàng)建興趣社區(qū)，通過分析推薦系統(tǒng)用戶的興趣模型挖掘所有興趣的潛在用 戶，通過潛在用戶的數(shù)量確定興趣社區(qū)的排序并分批次創(chuàng)建興趣社區(qū)；
[0007] S200、推薦興趣社區(qū)，把相關(guān)的興趣社區(qū)推薦給合適的用戶，并引導(dǎo)用戶進(jìn)入該興 趣社區(qū)。
[0008] 上述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其中，所述步驟SlOO進(jìn)一步包括：
[0009] S101、挖掘候選興趣社區(qū)，根據(jù)推薦系統(tǒng)的推薦內(nèi)容的興趣標(biāo)簽，統(tǒng)計(jì)所有可推薦 內(nèi)容的興趣標(biāo)簽集合，作為創(chuàng)建興趣社區(qū)的候選興趣集合；
[0010] S102、挖掘該興趣社區(qū)的潛在用戶，根據(jù)用戶的興趣標(biāo)簽向量，統(tǒng)計(jì)所述候選興趣 集合中每一候選興趣的影響度；
[0011] S103、確定可創(chuàng)建的興趣社區(qū)，根據(jù)所述影響度確定并創(chuàng)建的興趣社區(qū)。
[0012] 上述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其中，所述步驟S101進(jìn)一步包括：
[0013] S1011、對(duì)推薦內(nèi)容標(biāo)注興趣標(biāo)簽；
[0014] S1012、統(tǒng)計(jì)所有推薦系統(tǒng)內(nèi)部的推薦內(nèi)容；
[0015] S1013、根據(jù)所有推薦內(nèi)容統(tǒng)計(jì)對(duì)應(yīng)的所有興趣標(biāo)簽并作為興趣標(biāo)簽集合；
[0016] S1014、將該興趣標(biāo)簽集合作為創(chuàng)建興趣社區(qū)的候選興趣集合。
[0017] 上述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其中，所述步驟S102進(jìn)一步包括：
[0018] S1021、將每個(gè)用戶動(dòng)作對(duì)應(yīng)的推薦內(nèi)容定義為一個(gè)興趣標(biāo)簽向量；
[0019] S1022、針對(duì)每種用戶動(dòng)作設(shè)定一個(gè)權(quán)重W ;
[0020] S1023、給定一個(gè)用戶動(dòng)作序列[al，a2,…，曰]]，用戶的興趣標(biāo)簽向量計(jì)算如下：
[0021]
[0022] 其中Ti代表第i個(gè)用戶動(dòng)作的興趣標(biāo)簽向量，W 1代表第i個(gè)用戶動(dòng)作的權(quán)重。
[0023] 上述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其中，所述步驟S200進(jìn)一步包括：
[0024] S201、直接推薦，在用戶發(fā)起推薦請(qǐng)求時(shí)直接推薦相關(guān)的興趣社區(qū)，并引導(dǎo)用戶進(jìn) 入；或者
[00巧]S202、通過推薦內(nèi)容的相關(guān)內(nèi)容區(qū)域推薦，選擇用戶點(diǎn)擊推薦內(nèi)容的相關(guān)內(nèi)容的 興趣社區(qū)推薦，并引導(dǎo)用戶進(jìn)入；或者
[00%] S203、在用戶發(fā)表評(píng)論時(shí)推薦，在用戶發(fā)表評(píng)論時(shí)推薦被評(píng)論內(nèi)容相關(guān)的興趣社 區(qū)，并引導(dǎo)用戶進(jìn)入。
[0027] 上述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其中，所述步驟S201進(jìn)一步包括：
[0028] S2011、用戶發(fā)起推薦請(qǐng)求；
[0029] S2012、推薦系統(tǒng)檢查是否有合適的興趣社區(qū)值得推薦，若有，則進(jìn)入步驟S2013， 若無，則進(jìn)入步驟S2015 ;
[0030] S2013、推薦系統(tǒng)檢查是否是合適的推薦時(shí)機(jī)，通過待推薦興趣社區(qū)的內(nèi)容熱度判 斷是否應(yīng)該在當(dāng)前推薦，若是，則進(jìn)入步驟S2014,若否，則進(jìn)入步驟S2015 ;
[0031] S2014、推薦時(shí)機(jī)合適的興趣社區(qū)；
[0032] S2015、放棄推薦興趣社區(qū)。
[0033] 上述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其中，所述步驟S2013中判斷內(nèi)容熱 度包括興趣社區(qū)中針對(duì)該內(nèi)容的點(diǎn)擊率或評(píng)論數(shù)。
[0034] 上述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其中，所述步驟S2012進(jìn)一步包括：獲 取用戶興趣標(biāo)簽向量，按照權(quán)重大小順序檢查是否有匹配的興趣社區(qū)。
[0035] 上述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其中，所述步驟S203進(jìn)一步包括：
[0036] S2031、用戶對(duì)內(nèi)容發(fā)表評(píng)論；
[0037] S2032、推薦系統(tǒng)檢查該內(nèi)容有無相關(guān)的興趣社區(qū)；
[0038] S2033、若有，推薦系統(tǒng)在該用戶撰寫評(píng)論的系統(tǒng)界面上展示該興趣社區(qū)，并提示 該評(píng)論會(huì)轉(zhuǎn)發(fā)到該興趣社區(qū)；
[0039] S2034、在系統(tǒng)界面上提醒該用戶其評(píng)論已經(jīng)轉(zhuǎn)發(fā)到該興趣社區(qū)，并引導(dǎo)用戶進(jìn)入 該興趣社區(qū)。
[0040] 本發(fā)明的有益功效在于：
[0041] 本發(fā)明適合于移動(dòng)互聯(lián)網(wǎng)推薦產(chǎn)品快速建立自己的興趣社區(qū)，并保證新用戶的持 續(xù)導(dǎo)入，用戶無需捜索即可獲得自己感興趣的興趣社區(qū)的推薦，避免了捜索引擎公司在興 趣社區(qū)產(chǎn)品上的壁壘，同時(shí)方便了用戶對(duì)相關(guān)興趣社區(qū)的關(guān)注，提高了用戶瀏覽上網(wǎng)的效 率，滿足了用戶的多方面需求。
[0042] W下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)描述，但不作為對(duì)本發(fā)明的限定。
【附圖說明】
[0043] 圖1為本發(fā)明一實(shí)施例的方法流程圖；
[0044] 圖2為本發(fā)明一實(shí)施例挖掘候選興趣社區(qū)的方法流程圖；
[0045] 圖3為本發(fā)明一實(shí)施例直接推薦方法流程圖；
[0046] 圖4為本發(fā)明一實(shí)施例的直接推薦效果示意圖；
[0047] 圖5為本發(fā)明另一實(shí)施例的推薦效果示意圖；
[0048] 圖6為本發(fā)明又一實(shí)施例的推薦效果不意圖。 W例其中，附圖標(biāo)記 陽0加]S100-S200、S201-S203、S1011-S1014、S2011-S201 日步驟
【具體實(shí)施方式】
[0051] 下面結(jié)合附圖對(duì)本發(fā)明的結(jié)構(gòu)原理和工作原理作具體的描述：
[0052] 參見圖1，圖1為本發(fā)明一實(shí)施例的方法流程圖。本發(fā)明的基于推薦的興趣社區(qū)用 戶引導(dǎo)方法，包括如下步驟：
[0053] 步驟S100、創(chuàng)建興趣社區(qū)，通過分析推薦系統(tǒng)用戶的興趣模型挖掘所有興趣的潛 在用戶，通過潛在用戶的數(shù)量確定興趣社區(qū)的排序并分批次創(chuàng)建興趣社區(qū)；
[0054] 步驟S200、推薦興趣社區(qū)，把相關(guān)的興趣社區(qū)推薦給合適的用戶，并引導(dǎo)用戶進(jìn)入 該興趣社區(qū)。 陽化5] 其中，所述步驟S100進(jìn)一步包括：
[0056] 步驟S101、挖掘候選興趣社區(qū)，根據(jù)推薦系統(tǒng)的推薦內(nèi)容的興趣標(biāo)簽，統(tǒng)計(jì)所有可 推薦內(nèi)容的興趣標(biāo)簽集合，作為創(chuàng)建興趣社區(qū)的候選興趣集合；
[0057] 步驟S102、挖掘該興趣社區(qū)的潛在用戶，根據(jù)用戶的興趣標(biāo)簽向量，統(tǒng)計(jì)所述候選 興趣集合中每一候選興趣的影響度；
[0058] 步驟S103、確定可創(chuàng)建的興趣社區(qū)，根據(jù)所述影響度確定并創(chuàng)建的興趣社區(qū)。
[0059] 參見圖2,圖2為本發(fā)明一實(shí)施例挖掘候選興趣社區(qū)的方法流程圖。在創(chuàng)建興趣社 區(qū)前首先需要定義一個(gè)候選興趣集合。在推薦系統(tǒng)中，推薦內(nèi)容一般都帶有興趣標(biāo)簽用于 指導(dǎo)推薦。對(duì)于文本內(nèi)容，運(yùn)些興趣標(biāo)簽一般可W通過自然語言處理（NL巧技術(shù)挖掘出來， 對(duì)于多媒體內(nèi)容，一般需要重新打上興趣標(biāo)簽或者直接從標(biāo)題和簡(jiǎn)介中挖掘興趣標(biāo)簽。給 定可推薦內(nèi)容的興趣標(biāo)簽，就可W統(tǒng)計(jì)出系統(tǒng)內(nèi)所有可推薦內(nèi)容的興趣標(biāo)簽集合，并把運(yùn) 個(gè)集合作為創(chuàng)建興趣社區(qū)的候選興趣集合。因此，所述步驟S101可進(jìn)一步包括：
[0060] 步驟S1011、對(duì)推薦內(nèi)容標(biāo)注興趣標(biāo)簽；
[0061] 步驟S1012、統(tǒng)計(jì)所有推薦系統(tǒng)內(nèi)部的推薦內(nèi)容；
[0062] 步驟S1013、根據(jù)所有推薦內(nèi)容統(tǒng)計(jì)對(duì)應(yīng)的所有興趣標(biāo)簽并作為興趣標(biāo)簽集合；
[0063] 步驟S1014、將該興趣標(biāo)簽集合作為創(chuàng)建興趣社區(qū)的候選興趣集合。
[0064] 原則上可W為所有候選興趣在推薦系統(tǒng)中自動(dòng)創(chuàng)建興趣社區(qū)，但是運(yùn)樣會(huì)加大運(yùn) 營和監(jiān)管成本。因此，需要挖掘出影響面較廣，潛在用戶較多的興趣標(biāo)簽并優(yōu)先針對(duì)運(yùn)些興 趣標(biāo)簽創(chuàng)建、運(yùn)營興趣社區(qū)，達(dá)到提升用戶粘性的目的。
[0065] 給定一個(gè)候選興趣集合，需要分析每一種候選興趣潛在用戶的數(shù)量。大部分推薦 系統(tǒng)中會(huì)根據(jù)用戶對(duì)推薦內(nèi)容的點(diǎn)擊、收藏、忽略等行為建立用戶的興趣標(biāo)簽向量。本實(shí)施 例中，所述步驟S102進(jìn)一步包括：
[0066] 步驟S1021、將每個(gè)用戶動(dòng)作對(duì)應(yīng)的推薦內(nèi)容定義為一個(gè)興趣標(biāo)簽向量（一般基 于文本挖掘的方法會(huì)給每個(gè)興趣標(biāo)簽一個(gè)權(quán)重，也可W認(rèn)為權(quán)重都是1);
[0067] 步驟S1022、針對(duì)每種用戶動(dòng)作設(shè)定一個(gè)權(quán)重W，比如點(diǎn)擊算1分，瀏覽但是沒有點(diǎn) 擊算-0.2分，收藏算5分； 陽068] 步驟S1023、給定一個(gè)用戶動(dòng)作序列[al,曰2,…，曰3]，用戶的興趣標(biāo)簽向量計(jì)算如 下：
[0069]
[0070] 其中Ti代表第i個(gè)用戶動(dòng)作的興趣標(biāo)簽向量，W 1代表第i個(gè)用戶動(dòng)作的權(quán)重。
[0071] 給定用戶的興趣標(biāo)簽向量，就可W統(tǒng)計(jì)每一項(xiàng)候選興趣的影響面。具體的，給定一 個(gè)興趣標(biāo)簽t，我們可W統(tǒng)計(jì)前N個(gè)興趣標(biāo)簽（按照權(quán)重排序）中包含t的用戶數(shù)量。N取 的越小，統(tǒng)計(jì)的口徑越嚴(yán)，但是低估興趣標(biāo)簽影響范圍的可能性就越大。實(shí)際中N的取值一 般和興趣候選集合大小有關(guān)，整個(gè)集合越大，N -般也取的較大。
[0072] 統(tǒng)計(jì)出每個(gè)候選興趣的影響面后，可W根據(jù)影響面來決定先在系統(tǒng)中創(chuàng)建哪些興 趣社區(qū)。比如可W先創(chuàng)建潛在用戶超過10萬的興趣社區(qū)并投入運(yùn)營和管理。
[0073] 本實(shí)施例中，關(guān)于興趣社區(qū)的推薦的步驟S200可進(jìn)一步包括：
[0074] S201、直接推薦，在用戶發(fā)起推薦請(qǐng)求時(shí)直接推薦相關(guān)的興趣社區(qū)，并引導(dǎo)用戶進(jìn) 入，參見圖4;或者
[0075] S202、通過推薦內(nèi)容的相關(guān)內(nèi)容區(qū)域推薦，選擇用戶點(diǎn)擊推薦內(nèi)容的相關(guān)內(nèi)容的 興趣社區(qū)推薦，并引導(dǎo)用戶進(jìn)入；或者
[0076] S203、在用戶發(fā)表評(píng)論時(shí)推薦，在用戶發(fā)表評(píng)論時(shí)推薦被評(píng)論內(nèi)容相關(guān)的興趣社 區(qū)，并引導(dǎo)用戶進(jìn)入。
[0077] 參見圖3,圖3為本發(fā)明一實(shí)施例直接推薦方法流程圖。所述步驟S201進(jìn)一步包 括：
[0078] 步驟S2011、用戶發(fā)起推薦請(qǐng)求；
[0079] 步驟S2012、推薦系統(tǒng)檢查是否有合適的興趣社區(qū)值得推薦，若有，則進(jìn)入步驟 S2013,若無，則進(jìn)入步驟S2015,其中，包括獲取用戶興趣標(biāo)簽向量，按照權(quán)重大小順序檢 查是否有匹配的興趣社區(qū)；
[0080] 步驟S2013、推薦系統(tǒng)檢查是否是合適的推薦時(shí)機(jī)，通過待推薦興趣社區(qū)的內(nèi)容熱 度判斷是否應(yīng)該在當(dāng)前推薦，若是，則進(jìn)入步驟S2014,若否，則進(jìn)入步驟S2015 ;
[0081] 步驟S2014、推薦時(shí)機(jī)合適的興趣社區(qū)；
[0082] 步驟S2015、放棄推薦興趣社區(qū)。
[0083] 其中，所述步驟S2013中判斷內(nèi)容熱度包括興趣社區(qū)中針對(duì)該內(nèi)容的點(diǎn)擊率或評(píng) 論數(shù)。其中，興趣社區(qū)的推薦時(shí)間實(shí)際上由用戶決定，推薦時(shí)機(jī)的判斷只決定用戶N次刷新 中哪一次可W推薦興趣社區(qū)，但是在用戶沒有使用推薦系統(tǒng)的時(shí)候是不做判斷的。
[0084] 例如，在用戶發(fā)起推薦請(qǐng)求的時(shí)候直接推薦討論區(qū)，如圖4所示，當(dāng)用戶在新聞推 薦客戶端刷新獲取推薦內(nèi)容時(shí)，推薦系統(tǒng)在推薦的文章后面直接插一個(gè)用戶可能感興趣的 興趣社區(qū)入口，該興趣社區(qū)入口展示了興趣社區(qū)的名稱和一條熱口評(píng)論。運(yùn)種方法要求推 薦系統(tǒng)對(duì)給定用戶找到合適的興趣社區(qū)W及合適的推薦時(shí)機(jī)。前者可W通過分析用戶興趣 標(biāo)簽向量得到合適的推薦候選，一般在用戶興趣標(biāo)簽向量中權(quán)重較大的興趣標(biāo)簽會(huì)被優(yōu)先 推薦。推薦時(shí)機(jī)可W通過監(jiān)控興趣社區(qū)中帖子的熱度來確定。具體來說，如果某個(gè)興趣社 區(qū)中有一篇帖子評(píng)論數(shù)或點(diǎn)擊率超過了一定闊值，就可W把該興趣社區(qū)推薦給可能感興趣 的用戶。如果一個(gè)興趣社區(qū)在創(chuàng)建之初沒有用戶，也沒有內(nèi)容，無法推薦出去。在運(yùn)種情況 下，則可W采用步驟S202或步驟S203的方法推薦。
[00化]其中，步驟S202通過推薦內(nèi)容的相關(guān)內(nèi)容區(qū)域推薦，一般推薦系統(tǒng)都會(huì)提供相關(guān) 推薦功能，當(dāng)用戶點(diǎn)擊推薦內(nèi)容時(shí)，網(wǎng)站或者移動(dòng)客戶端會(huì)有一個(gè)區(qū)域和該內(nèi)容相關(guān)的其 它內(nèi)容。因?yàn)橥扑]系統(tǒng)中的內(nèi)容都是有興趣標(biāo)簽的，可W在該內(nèi)容的興趣標(biāo)簽中隨機(jī)選擇 一個(gè)并把相應(yīng)的興趣社區(qū)入口也展示出來。運(yùn)種方法的好處是適合展示剛剛創(chuàng)建，沒有任 何用戶和內(nèi)容的興趣社區(qū)。但是總體上效果不如直接推薦，因?yàn)樵诖藞?chǎng)景下用戶往往注意 不到。參見圖5,圖5展示了運(yùn)種推薦方式的效果圖。運(yùn)里所說的"隨機(jī)選擇"指的是在相 關(guān)內(nèi)容的興趣標(biāo)簽里（范圍比較確定，一般不超過5個(gè)，能對(duì)應(yīng)上興趣社區(qū)的一般不超過2 個(gè)）隨機(jī)選擇一個(gè)。理論上也可W選擇若干候選興趣社區(qū)中和用戶興趣最相關(guān)的那個(gè)，相 似度用該興趣社區(qū)對(duì)應(yīng)的興趣標(biāo)簽在用戶興趣標(biāo)簽向量中的權(quán)重來計(jì)算。如果候選興趣 社區(qū)中沒有一個(gè)和用戶興趣相關(guān)，再隨機(jī)選擇一個(gè)。例如，給定一個(gè)興趣社區(qū)"我是歌手"， 對(duì)于每一篇被打上"我是歌手"興趣標(biāo)簽的文章，其相關(guān)內(nèi)容推薦區(qū)域都有一定概率展示 "我是歌手"興趣社區(qū)的入口。第一個(gè)點(diǎn)擊進(jìn)入該興趣社區(qū)的用戶就成為了運(yùn)個(gè)社區(qū)的第一 個(gè)用戶，他的發(fā)帖后續(xù)進(jìn)入該社區(qū)的用戶可W查看和回復(fù)。
[0086] 另外，對(duì)推薦內(nèi)容發(fā)表評(píng)論的用戶一般比較活躍，對(duì)內(nèi)容相關(guān)的興趣社區(qū)參與度 也可能比較高。本實(shí)施例中，所述步驟S203在用戶發(fā)表評(píng)論時(shí)推薦，可進(jìn)一步包括：
[0087] 步驟S2031、用戶對(duì)內(nèi)容發(fā)表評(píng)論；
[0088] 步驟S2032、推薦系統(tǒng)檢查該內(nèi)容有無相關(guān)的興趣社區(qū)；
[0089] 步驟S2033、若有，推薦系統(tǒng)在該用戶撰寫評(píng)論的系統(tǒng)界面上展示該興趣社區(qū)，并 默認(rèn)提示該評(píng)論會(huì)轉(zhuǎn)發(fā)到該興趣社區(qū)；
[0090] 步驟S2034、發(fā)表完評(píng)論后，在系統(tǒng)界面上提醒該用戶其評(píng)論已經(jīng)轉(zhuǎn)發(fā)到該興趣社 區(qū)，并引導(dǎo)用戶進(jìn)入該興趣社區(qū)，參見圖6。
[0091] 其中，用戶在評(píng)論時(shí)推薦的興趣社區(qū)只考慮當(dāng)前被評(píng)論的文章，用戶之前評(píng)論的 其它文章并不會(huì)被考慮。
[0092] 本發(fā)明適合于移動(dòng)互聯(lián)網(wǎng)推薦產(chǎn)品快速建立自己的興趣社區(qū)，并保證新用戶的持 續(xù)導(dǎo)入，用戶無需捜索即可獲得自己感興趣的興趣社區(qū)的推薦，避免了捜索引擎公司在興 趣社區(qū)產(chǎn)品上的壁壘，同時(shí)方便了用戶對(duì)相關(guān)興趣社區(qū)的關(guān)注，提高了用戶瀏覽上網(wǎng)的效 率，滿足了用戶的多方面需求。
[0093] 當(dāng)然，本發(fā)明還可有其它多種實(shí)施例，在不背離本發(fā)明精神及其實(shí)質(zhì)的情況下，熟 悉本領(lǐng)域的技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但運(yùn)些相應(yīng)的改變和變 形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其特征在于，包括如下步驟： 5100、 創(chuàng)建興趣社區(qū)，通過分析推薦系統(tǒng)用戶的興趣模型挖掘所有興趣的潛在用戶， 通過潛在用戶的數(shù)量確定興趣社區(qū)的排序并分批次創(chuàng)建興趣社區(qū)； 5200、 推薦興趣社區(qū)，把相關(guān)的興趣社區(qū)推薦給合適的用戶，并引導(dǎo)用戶進(jìn)入該興趣社 區(qū)。2. 如權(quán)利要求1所述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其特征在于，所述步驟 SlOO進(jìn)一步包括： 5101、 挖掘候選興趣社區(qū)，根據(jù)推薦系統(tǒng)的推薦內(nèi)容的興趣標(biāo)簽，統(tǒng)計(jì)所有可推薦內(nèi)容 的興趣標(biāo)簽集合，作為創(chuàng)建興趣社區(qū)的候選興趣集合； 5102、 挖掘該興趣社區(qū)的潛在用戶，根據(jù)用戶的興趣標(biāo)簽向量，統(tǒng)計(jì)所述候選興趣集合 中每一候選興趣的影響度； 5103、 確定可創(chuàng)建的興趣社區(qū)，根據(jù)所述影響度確定并創(chuàng)建的興趣社區(qū)。3. 如權(quán)利要求2所述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其特征在于，所述步驟 SlOl進(jìn)一步包括： 51011、 對(duì)推薦內(nèi)容標(biāo)注興趣標(biāo)簽； 51012、 統(tǒng)計(jì)所有推薦系統(tǒng)內(nèi)部的推薦內(nèi)容； 51013、 根據(jù)所有推薦內(nèi)容統(tǒng)計(jì)對(duì)應(yīng)的所有興趣標(biāo)簽并作為興趣標(biāo)簽集合； 51014、 將該興趣標(biāo)簽集合作為創(chuàng)建興趣社區(qū)的候選興趣集合。4. 如權(quán)利要求2或3所述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其特征在于，所述步驟 S102進(jìn)一步包括： 51021、 將每個(gè)用戶動(dòng)作對(duì)應(yīng)的推薦內(nèi)容定義為一個(gè)興趣標(biāo)簽向量； 51022、 針對(duì)每種用戶動(dòng)作設(shè)定一個(gè)權(quán)重W ; 51023、 給定一個(gè)用戶動(dòng)作序歹Il「。1。9…。W田戶的興趣標(biāo)簽向量計(jì)算如下：其中Ti代表第i個(gè)用戶動(dòng)作的興趣標(biāo)簽向量，W 1代表第i個(gè)用戶動(dòng)作的權(quán)重。5. 如權(quán)利要求1、2或3所述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其特征在于，所述步 驟S200進(jìn)一步包括： 5201、 直接推薦，在用戶發(fā)起推薦請(qǐng)求時(shí)直接推薦相關(guān)的興趣社區(qū)，并引導(dǎo)用戶進(jìn)入； 或者 5202、 通過推薦內(nèi)容的相關(guān)內(nèi)容推薦，選擇用戶點(diǎn)擊推薦內(nèi)容的相關(guān)內(nèi)容的興趣社區(qū) 推薦，并引導(dǎo)用戶進(jìn)入；或者 5203、 在用戶發(fā)表評(píng)論時(shí)推薦，在用戶發(fā)表評(píng)論時(shí)推薦被評(píng)論內(nèi)容相關(guān)的興趣社區(qū)，并 引導(dǎo)用戶進(jìn)入。6. 如權(quán)利要求5所述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其特征在于，所述步驟 S201進(jìn)一步包括： 52011、 用戶發(fā)起推薦請(qǐng)求； 52012、 推薦系統(tǒng)檢查是否有合適的興趣社區(qū)值得推薦，若有，則進(jìn)入步驟S2013,若無， 則進(jìn)入步驟S2015 ; 52013、 推薦系統(tǒng)檢查是否是合適的推薦時(shí)機(jī)，通過待推薦興趣社區(qū)的內(nèi)容熱度判斷是 否應(yīng)該在當(dāng)前推薦，若是，則進(jìn)入步驟S2014,若否，則進(jìn)入步驟S2015 ; 52014、 推薦時(shí)機(jī)合適的興趣社區(qū)； 52015、 放棄推薦興趣社區(qū)。7. 如權(quán)利要求6所述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其特征在于，所述步驟 S2013中判斷內(nèi)容熱度包括興趣社區(qū)中針對(duì)該內(nèi)容的點(diǎn)擊率或評(píng)論數(shù)。8. 如權(quán)利要求6所述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其特征在于，所述步驟 S2012進(jìn)一步包括：獲取用戶興趣標(biāo)簽向量，按照權(quán)重大小順序檢查是否有匹配的興趣社 區(qū)。9. 如權(quán)利要求5所述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其特征在于，所述步驟 S203進(jìn)一步包括： 52031、 用戶對(duì)內(nèi)容發(fā)表評(píng)論； 52032、 推薦系統(tǒng)檢查該內(nèi)容有無相關(guān)的興趣社區(qū)； 52033、 若有，推薦系統(tǒng)在該用戶撰寫評(píng)論的系統(tǒng)界面上展示該興趣社區(qū)，并提示該評(píng) 論會(huì)轉(zhuǎn)發(fā)到該興趣社區(qū)； 52034、 在系統(tǒng)界面上提醒該用戶其評(píng)論已經(jīng)轉(zhuǎn)發(fā)到該興趣社區(qū)，并引導(dǎo)用戶進(jìn)入該興 趣社區(qū)。10. 如權(quán)利要求4所述的基于推薦的興趣社區(qū)用戶引導(dǎo)方法，其特征在于，所述步驟 S200進(jìn)一步包括： 5201、 直接推薦，在用戶發(fā)起推薦請(qǐng)求時(shí)直接推薦相關(guān)的興趣社區(qū)，并引導(dǎo)用戶進(jìn)入； 或者 5202、 通過推薦內(nèi)容的相關(guān)內(nèi)容區(qū)域推薦，選擇用戶點(diǎn)擊推薦內(nèi)容的相關(guān)內(nèi)容的興趣 社區(qū)推薦，并引導(dǎo)用戶進(jìn)入；或者 5203、 在用戶發(fā)表評(píng)論時(shí)推薦，在用戶發(fā)表評(píng)論時(shí)推薦被評(píng)論內(nèi)容相關(guān)的興趣社區(qū)，并 引導(dǎo)用戶進(jìn)入。
【文檔編號(hào)】G06F17/30GK105989077SQ201510071224
【公開日】2016年10月5日
【申請(qǐng)日】2015年2月11日
【發(fā)明人】曹歡歡, 羅立新, 張鳴, 張一鳴
【申請(qǐng)人】北京字節(jié)跳動(dòng)科技有限公司