基于概念语义背景图挖掘用户兴趣的方法
专利汇可以提供基于概念语义背景图挖掘用户兴趣的方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及网络搜索领域，其公开了一种基于概念语义背景图挖掘用户兴趣的方法，包括以下步骤：（A）系统 服务器 采集用户主题数据；（B）系统服务器建立用户主题兴趣模型；（C）系统服务器建立概念语义背景图；（D）系统服务器更新概念语义背景图以更新用户主题兴趣数据。本发明的有益效果是：概念语义背景图的提出，有利于网络爬行虫更好地选择爬行方向，与广度优先和传统的主题爬行方法相比，它可以在浩瀚的互联网海洋中更快、更高效地发现用户感兴趣的网页;同时，它把相似度的计算提前到了概念的层面上，进行语义上的匹配，可以更好地计算用户兴趣与网页的相关度。，下面是基于概念语义背景图挖掘用户兴趣的方法专利的具体信息内容。
1.一种基于概念语义背景图挖掘用户兴趣的方法，其特征在于：包括以下步骤：（A）系统服务器采集用户主题数据；（B）系统服务器建立用户主题兴趣模型；（C）系统服务器建立概念语义背景图；（D）系统服务器更新概念语义背景图以更新用户主题兴趣数据。
2.根据权利要求1所述的基于概念语义背景图挖掘用户兴趣的方法，其特征在于：所述步骤（A）中，系统服务器把用户的查询词提交给搜索引擎并在返回页的结果中让用户选择有兴趣的网页并构成用户的主题兴趣集合。
3.根据权利要求1所述的基于概念语义背景图挖掘用户兴趣的方法，其特征在于：所述步骤（B）中，系统服务器通过主题兴趣集合建立反映用户兴趣的概念图；所述系统服务器在建立用户主题兴趣模型之前先构建概念格。
4.根据权利要求3所述的基于概念语义背景图挖掘用户兴趣的方法，其特征在于：所述步骤（C）中，所述系统服务器将概念格转换为可以直观表示网页间的语义关系的概念语义背景图。
5.根据权利要求1所述的基于概念语义背景图挖掘用户兴趣的方法，其特征在于：所述步骤（D）中，所述系统服务器增加或减少概念语义背景图。
6.根据权利要求4所述的基于概念语义背景图挖掘用户兴趣的方法，其特征在于：所述系统服务器将概念格转换为可以直观表示网页间的语义关系的概念语义背景图的具体方法为：系统服务器先确定核心概念并将核心概念放入概念背景图的第0层, 然后再利用概念格中每个概念的属性个数的多少，把概念格中的概念映射到概念背景图相应的层次当中去。
7.根据权利要求3所述的基于概念语义背景图挖掘用户兴趣的方法，其特征在于：系统服务器利用概念格的属性词给概念格中的概念分层，其分层方法为：概念格中的核心概念插入到概念背景图中，作为概念背景图的第0层；概念格的非核心概念中，完全包含核心概念的属性词并与核心概念有较高的相似度的属性词作为概念背景图的第一层的结点；剩余的非核心概念集中，包含(N-i+1)个核心概念的属性词的概念，作为概念背景图的第i 层，其中N表示核心概念中的属性词的个数，i∈[1,N]。
8.根据权利要求2所述的基于概念语义背景图挖掘用户兴趣的方法，其特征在于：系统服务器搜集用户选择的网页，形成兴趣主题网页集合，再对网页集合进行分词处理、特征抽取，并计算特征权值，然后对这些特征按照权值大小排序，选择排在前面的特征作为构建概念格的属性集合。
9.根据权利要求8所述的基于概念语义背景图挖掘用户兴趣的方法，其特征在于：所述属性集合包括人工智能、机器学习、知识发现、agent技术、模式识别、自然语言处理、特征提取、机器翻译以及知识表示。
基于概念语义背景图挖掘用户兴趣的方法
技术领域
背景技术
发明内容
下面结合附图说明及具体实施方式对本发明进一步说明。
要使用概念语义背景图，首先，要构建用户的主题兴趣，通常采用用户参与的方式来确定用户的兴趣。如把用户的查询词提交给搜索引擎GOOGLE，在它返回的第一个页面的十个结果中让用户选择有兴趣的网页，构成用户的主题兴趣集合，通过这个网页集合去建立用户主题模型，即反映用户兴趣的概念图。
例如，用户选择了a~i 所示的特征做为属性集，8个页面作为对象集，构成了如下图所示的形式背景表，进而构建如图二所示的概念格。
e: 模式识别 f: 自然语言处理
g: 特征提取 h: 机器翻译
i: 知识表示
Object a b c d e f g h i
1 * * *
2 * * * *
3 * * * * *
4 * * * * *
5 * * * *
6 * * * * *
7 * * * *
8 * * * *
建立概念语义背景图：
建立好用户兴趣的概念格后，把它转化为，可以直观表示网页间的语义关系的概念语义背景图。转化方法如下：首先要确定出核心概念，假定用户指定的主题特征集为“abc”,那么就可以将属性集为“abc”的概念看作核心概念，把核心概念放入概念背景图的第0层。
然后再利用概念格中每个概念的属性包含核心概念属性个数的多少，把格中的概念映射到背景图相应的层次当中去，原则如下，若核心概念的属性词的个数为N,则非核心概念集中，属性词包含核心概念的词的个数为(N-i+1)个的那些属性放入第i层，i∈[1,N]。直到概念格中的所有概念都映射到背景图中，就构成了能表示用户兴趣主题的语义背景图模型。语义背景图如图3，图4所示。
r m
其中r是集合E1和E2中元素的个数最大值，m是集合I1和I2中元素的个数的最大值，w是权重，E1∩E2表示在集合E1和E2中相同的元素个数，I1∩I2表示在集合I1和I2中相同的元素的个数。
1、首先根据新对象的属性个数判断该新概念在背景图中的层次N；
2、然后将新对象的属性与背景图中第N-1层上的所有概念属性求交集；
3、根据交集结果的不同，得出不同类型的增量概念；
2)增量式更新概念背景图
a. 找出主题相关的网页
预测得分大的网页即为主题相关的网页
b.更新概念背景图
更新步骤如下：
(i)首先判断增量概念的层次N。
随着时间不断变化，主题爬行虫爬回来的网页中会有一些过时网页，这些网页或者内容不能很好反映用户主题或者已经不存在了，那么相应的概念背景图中会存在一些过时的、不能反映用户主题的信息，这时就需要在概念背景图中及时删除这些过时的信息，这些过时信息在概念背景图中是以概念的形式体现的，通过删除概念背景图中的一些概念达到删除过时信息的目的。步骤如下：
(1)从预测得分低的网页中找到与主题不相关的网页。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 组织机构名汉英翻译方法 | 2020-05-21 | 483 |
| 翻译质量测评方法及装置 | 2020-05-19 | 295 |
| 融合关联模式和用户反馈的印尼汉跨语言检索方法及系统 | 2020-05-17 | 394 |
| 一种基于神经元的机器翻译方法 | 2020-05-26 | 656 |
| 一种跨语言的主题网站自动发现方法 | 2020-05-12 | 552 |
| 基于机器翻译引擎的翻译方法及装置 | 2020-05-12 | 936 |
| 汇款报文黑名单监控系统及方法 | 2020-05-15 | 269 |
| 一种基于二级缓存的机器翻译方法、装置、介质和电子设备 | 2020-05-19 | 383 |
| 一种双模蓝牙翻译机及其使用方法 | 2020-05-13 | 483 |
| 机器翻译引擎选择方法及装置 | 2020-05-13 | 424 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
