本發(fā)明涉及網(wǎng)絡(luò)信息分析與數(shù)據(jù)挖掘
技術(shù)領(lǐng)域：
，特別是涉及一種用戶評(píng)價(jià)方法、裝置及系統(tǒng)。
背景技術(shù)：
：隨著計(jì)算機(jī)網(wǎng)絡(luò)的不斷發(fā)展，網(wǎng)絡(luò)信息成為日常生活中的重要組成部分，互聯(lián)網(wǎng)以及成為人們獲取信息、交流溝通的重要場(chǎng)所。用戶可以在各種主題的論壇中發(fā)布信息、獲取信息、交流經(jīng)驗(yàn)等，在這些海量的帖子蘊(yùn)含著巨大的潛在價(jià)值。同樣，發(fā)布帖子的用戶也同樣具有相應(yīng)的價(jià)值。現(xiàn)有用戶行為評(píng)價(jià)的方法，基本上是基于有限的數(shù)據(jù)量，采用主動(dòng)降維、人工抽取權(quán)重因子的方式。但是，該方式需要的人工量大，而且不利于自動(dòng)化、快速的迭代。技術(shù)實(shí)現(xiàn)要素：本發(fā)明主要解決的技術(shù)問題是提供一種用戶行為評(píng)價(jià)方法、裝置及系統(tǒng)，能夠快速根據(jù)論壇帖子的相關(guān)信息對(duì)用戶行為進(jìn)行評(píng)價(jià)。為解決上述技術(shù)問題，本發(fā)明采用的一個(gè)技術(shù)方案是：提供一種用戶行為評(píng)價(jià)方法，所述方法包括：服務(wù)器獲取用戶請(qǐng)求日志，根據(jù)所述用戶請(qǐng)求日志記錄的用戶操作行為生成用戶行為日志；根據(jù)所述用戶行為日志統(tǒng)計(jì)所述用戶的操作行為；根據(jù)用戶的操作行為的統(tǒng)計(jì)結(jié)果確定評(píng)分，以利用所述評(píng)分對(duì)所述用戶進(jìn)行行為評(píng)價(jià)。其中，所述根據(jù)所述用戶行為日志統(tǒng)計(jì)所述用戶的操作行為的步驟具體為：根據(jù)所述用戶行為日志確定用于評(píng)價(jià)用戶行為的因子，并計(jì)算各因子的相關(guān)系數(shù)矩陣，以保留相關(guān)性滿足第一預(yù)設(shè)條件的因子；計(jì)算保留下來的各因子的貢獻(xiàn)率；以及根據(jù)計(jì)算得到的保留下來的各因子的貢獻(xiàn)率，確定各因子的累積貢獻(xiàn)率，以統(tǒng)計(jì)所述用戶的操作行為。其中，根據(jù)所述用戶行為日志確定用于評(píng)價(jià)用戶行為的因子，并計(jì)算各因子的相關(guān)系數(shù)矩陣，以保留相關(guān)性滿足第一預(yù)設(shè)條件的因子的步驟之后，所述方法還包括：對(duì)保留下來的因子進(jìn)行檢驗(yàn)統(tǒng)計(jì)量KMO的檢測(cè)，以保留相關(guān)性滿足第二預(yù)設(shè)條件的因子。其中，所述根據(jù)計(jì)算得到的保留下來的各因子的貢獻(xiàn)率，確定各因子的累積貢獻(xiàn)率，以統(tǒng)計(jì)所述用戶的操作行為的步驟具體為：根據(jù)計(jì)算得到的保留下來的各因子的貢獻(xiàn)率，確定各因子的累積貢獻(xiàn)率；計(jì)算各因子的載荷矩陣，獲得各主成分因子的權(quán)重向量，以統(tǒng)計(jì)所述用戶的操作行為；所述根據(jù)用戶的操作行為的統(tǒng)計(jì)結(jié)果確定評(píng)分，以利用所述評(píng)分對(duì)所述用戶進(jìn)行行為評(píng)價(jià)的步驟具體為：根據(jù)用戶的操作行為的統(tǒng)計(jì)結(jié)果以及所述權(quán)重向量確定評(píng)分，以利用所述評(píng)分對(duì)所述用戶進(jìn)行行為評(píng)價(jià)。其中，所述方法還包括：將評(píng)分滿足第四預(yù)定條件的用戶的用戶信息/用戶行為發(fā)送至另一服務(wù)器，使所述另一服務(wù)器對(duì)所述用戶信息/用戶行為進(jìn)行分析以獲取相關(guān)信息。其中，所述方法還包括：根據(jù)所述用戶行為的評(píng)價(jià)結(jié)果進(jìn)行排序，以確定置信閾值；其中，所述置信閾值用于預(yù)測(cè)所述用戶接下來的用戶生成內(nèi)容是否屬于有價(jià)值的信息。為解決上述技術(shù)問題，本發(fā)明采用的另一個(gè)技術(shù)方案是：提供一種用戶行為評(píng)價(jià)裝置，所述裝置包括：獲取模塊，用于獲取用戶請(qǐng)求日志，根據(jù)所述用戶請(qǐng)求日志記錄的用戶操作行為生成用戶行為日志；統(tǒng)計(jì)模塊，用于對(duì)所述獲取模塊生成的用戶行為日志進(jìn)行統(tǒng)計(jì)而得到所述用戶的操作行為；評(píng)價(jià)模塊，用于根據(jù)所述統(tǒng)計(jì)模塊得到的所述用戶的操作行為的統(tǒng)計(jì)結(jié)果確定評(píng)分，以利用所述評(píng)分對(duì)所述用戶進(jìn)行行為評(píng)價(jià)。其中，所述統(tǒng)計(jì)模塊用于根據(jù)該用戶行為日志確定用于評(píng)價(jià)用戶行為的因子，并計(jì)算各因子的相關(guān)系數(shù)矩陣，以保留相關(guān)性滿足預(yù)設(shè)條件的因子；根據(jù)用戶行為日志確定用于評(píng)價(jià)用戶行為的因子，并根據(jù)各因子的相關(guān)系數(shù)矩陣提取相關(guān)性較強(qiáng)的因子，過濾掉相關(guān)性較低的因子；計(jì)算保留下來的各因子的貢獻(xiàn)率；以及根據(jù)計(jì)算得到的保留下來的各因子的貢獻(xiàn)率，確定各因子的累積貢獻(xiàn)率，以統(tǒng)計(jì)所述用戶的操作行為。其中，所述統(tǒng)計(jì)模塊根據(jù)計(jì)算得到的保留下來的各因子的貢獻(xiàn)率，確定各因子的累積貢獻(xiàn)率；根據(jù)所述各因子的累積貢獻(xiàn)率獲得各主成分因子的權(quán)重向量；所述評(píng)價(jià)模塊用于根據(jù)用戶的操作行為的統(tǒng)計(jì)結(jié)果以及所述權(quán)重向量確定評(píng)分，以利用所述評(píng)分對(duì)所述用戶進(jìn)行行為評(píng)價(jià)。為解決上述技術(shù)問題，本發(fā)明采用的另一個(gè)技術(shù)方案是：提供一種用戶行為評(píng)價(jià)系統(tǒng)，所述系統(tǒng)包括第一服務(wù)器和第二服務(wù)器，其中，所述第一服務(wù)器包括：獲取模塊，用于獲取用戶請(qǐng)求日志，根據(jù)所述用戶請(qǐng)求日志記錄的用戶操作行為生成用戶行為日志；統(tǒng)計(jì)模塊，用于對(duì)所述獲取模塊生成的用戶行為日志進(jìn)行統(tǒng)計(jì)而得到所述用戶的操作行為；評(píng)價(jià)模塊，用于根據(jù)所述統(tǒng)計(jì)模塊得到的所述用戶的操作行為的統(tǒng)計(jì)結(jié)果確定評(píng)分，以利用所述評(píng)分對(duì)所述用戶進(jìn)行行為評(píng)價(jià)；以及傳送模塊，用于發(fā)送包括所述用戶評(píng)分的用戶信息至所述第二服務(wù)器，使所述第二服務(wù)器對(duì)所述用戶信息進(jìn)行分析以確定相關(guān)信息。本發(fā)明的有益效果是：本發(fā)明提供的一種用戶行為評(píng)價(jià)方法、裝置及系統(tǒng)，通過對(duì)根據(jù)用戶請(qǐng)求日志記錄的用戶操作行為生成的用戶行為日志統(tǒng)計(jì)用戶的操作行為，并根據(jù)用戶的操作行為的統(tǒng)計(jì)結(jié)果確定評(píng)分，以利用評(píng)分對(duì)所述用戶進(jìn)行行為評(píng)價(jià)，從而自動(dòng)、快速地分離有效的用戶行為及其影響權(quán)重，具有很強(qiáng)的自動(dòng)化和魯棒性。附圖說明圖1是本發(fā)明一種用戶行為評(píng)價(jià)方法的第一實(shí)施方式的流程圖；圖2是圖1所示的一種用戶行為評(píng)價(jià)方法中統(tǒng)計(jì)用戶操作行為的方法的流程圖；圖3是本發(fā)明一種用戶行為評(píng)價(jià)方法的第二實(shí)施方式的流程圖；圖4是本發(fā)明一種用戶行為評(píng)價(jià)裝置的第一實(shí)施方式的結(jié)構(gòu)示意圖；圖5是本發(fā)明一種用戶行為評(píng)價(jià)裝置的第二實(shí)施方式的結(jié)構(gòu)示意圖；圖6是本發(fā)明一種用戶行為評(píng)價(jià)系統(tǒng)一實(shí)施方式的結(jié)構(gòu)示意圖。具體實(shí)施方式首先，對(duì)本發(fā)明實(shí)施方式中出現(xiàn)的相關(guān)技術(shù)名詞進(jìn)行解釋說明。KMO檢測(cè)，檢驗(yàn)統(tǒng)計(jì)量(Kaiser-Meyer-Olkin)檢測(cè)，KMO是用于比較變量間簡(jiǎn)單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標(biāo)。KMO統(tǒng)計(jì)量是取值在0和1之間。當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和遠(yuǎn)遠(yuǎn)大于偏相關(guān)系數(shù)平方和時(shí)，KMO值接近1。KMO值越接近于1，意味著變量間的相關(guān)性越強(qiáng)，原有變量越適合作因子分析；當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和接近0時(shí)，KMO值接近0.KMO值越接近于0，意味著變量間的相關(guān)性越弱，原有變量越不適合作因子分析。Kaiser給出了常用的KMO度量標(biāo)準(zhǔn)：0.9以上表示非常適合；0.8表示適合；0.7表示一般；0.6表示不太適合；0.5以下表示極不適合。球形檢測(cè)，又稱巴特利特球形檢驗(yàn)，是一種檢驗(yàn)各個(gè)變量之間相關(guān)性程度的檢驗(yàn)方法。一般在做因子分析之前都要進(jìn)行巴特利特球形檢驗(yàn)，用于判斷變量是否適合用于做因子分析。巴特利特球形檢驗(yàn)是以變量的相關(guān)系數(shù)矩陣為出發(fā)點(diǎn)的。它的零假設(shè)相關(guān)系數(shù)矩陣是一個(gè)單位陣，即相關(guān)系數(shù)矩陣對(duì)角線上的所有元素都是1，所有非對(duì)角線上的元素都為零。巴特利特球形檢驗(yàn)的統(tǒng)計(jì)量是根據(jù)相關(guān)系數(shù)矩陣的行列式得到的，如果該值較大，且其對(duì)應(yīng)的相伴概率值小于用戶心中的顯著性水平，那么應(yīng)該拒絕零假設(shè)，認(rèn)為相關(guān)系數(shù)不可能是單位陣，即原始變量之間存在相關(guān)性，適合于作因子分析，相反不適合作因子分析。下面結(jié)合附圖和實(shí)施方式對(duì)本發(fā)明進(jìn)行詳細(xì)說明。請(qǐng)參閱圖1，為本發(fā)明一種用戶行為評(píng)價(jià)方法的第一實(shí)施方式的流程圖，該實(shí)施方式示出的方法包括：步驟S10：服務(wù)器獲取用戶請(qǐng)求日志，根據(jù)該用戶請(qǐng)求日志記錄的用戶操作行為生成用戶行為日志。其中，該用戶行為日志記錄了用戶對(duì)應(yīng)用程序各個(gè)功能點(diǎn)的操作行為記錄，包括功能點(diǎn)、操作時(shí)間和操作時(shí)長(zhǎng)等信息。用戶登錄服務(wù)器運(yùn)行的論壇等信息發(fā)布平臺(tái)發(fā)布帖子，發(fā)布的帖子通常包括標(biāo)題、內(nèi)容、發(fā)布者的身份信息ID，例如，用戶名、用戶的網(wǎng)絡(luò)地址等。并且，服務(wù)器根據(jù)該需要被評(píng)價(jià)的用戶發(fā)布帖子的時(shí)間、數(shù)量以及對(duì)發(fā)布的帖子的回復(fù)、瀏覽、收藏等記錄用戶的操作行為，形成該用戶請(qǐng)求日志。服務(wù)器根據(jù)該用戶請(qǐng)求日志，整理出用戶在應(yīng)用程序上的操作行為，以形成該用戶行為日志。在本實(shí)施方式中，該用戶行為日志包括該需要被評(píng)價(jià)的用戶如下11項(xiàng)因子：總活躍天數(shù)、歷史活躍發(fā)表帖子天數(shù)、歷史發(fā)表帖子次數(shù)、近三十天天瀏覽帖子次數(shù)、近三十天回復(fù)天數(shù)、近三十天回復(fù)次數(shù)、近三十天收藏天數(shù)、近三十天收藏的次數(shù)。在本實(shí)施方式中，根據(jù)帖子內(nèi)容和用戶行為特點(diǎn)，同時(shí)選取如上所述的11個(gè)因子作為評(píng)價(jià)該用戶的因子，還可以從如上所述的11個(gè)因子中選擇一個(gè)或多個(gè)因子作為帖子的特征。但是，在其他實(shí)施方式中，可以根據(jù)情況選擇因子，并不僅限于如上列出的11個(gè)因子。進(jìn)一步地，在步驟S10中，服務(wù)器還過濾數(shù)據(jù)不全的用戶請(qǐng)求日志，以保留下有效的日志項(xiàng)，從而得到用戶行為日志。步驟S11，根據(jù)該用戶行為日志統(tǒng)計(jì)該用戶的操作行為。在步驟S11中，根據(jù)用戶行為日志統(tǒng)計(jì)用戶的操作行為，具體為：以天為單位，根據(jù)用戶行為日志統(tǒng)計(jì)該用戶當(dāng)天對(duì)各項(xiàng)功能點(diǎn)進(jìn)行操作的操作次數(shù)和時(shí)長(zhǎng)統(tǒng)計(jì)，按周和月的時(shí)間粒度對(duì)操作次數(shù)和時(shí)長(zhǎng)統(tǒng)計(jì)結(jié)果進(jìn)行兩重統(tǒng)計(jì)匯總，得到用戶的操作行為。請(qǐng)同時(shí)參閱圖2，步驟S11，即，根據(jù)該用戶行為日志統(tǒng)計(jì)該用戶的操作行為，具體通過如下步驟實(shí)現(xiàn)：步驟S110，根據(jù)該用戶行為日志確定用于評(píng)價(jià)用戶行為的因子，并計(jì)算各因子的相關(guān)系數(shù)矩陣，以保留相關(guān)性滿足第一預(yù)設(shè)條件的因子。在步驟S110中，服務(wù)器根據(jù)用戶行為日志確定用于評(píng)價(jià)用戶行為的因子，并根據(jù)各因子的相關(guān)系數(shù)矩陣提取相關(guān)性較強(qiáng)的因子，過濾掉相關(guān)性較低的因子。其中，設(shè)定相關(guān)系數(shù)閾值為0.3，即，第一預(yù)設(shè)條件為相關(guān)性系數(shù)高于0.3，因此將相關(guān)性系數(shù)高于0.3的因子保留下來，形成相關(guān)性較強(qiáng)的因子組合，同時(shí)將相關(guān)性系數(shù)低于0.3的因子過濾。進(jìn)一步地，對(duì)保留下來的因子進(jìn)行KMO檢驗(yàn)統(tǒng)計(jì)量和球形檢測(cè)。如果KMO檢測(cè)值能達(dá)到0.7以上，則說明這樣的因子組合可解釋度很高，可以進(jìn)入下一步計(jì)算。步驟S111，計(jì)算保留下來的各因子的貢獻(xiàn)率。在步驟S111中，計(jì)算保留下來的各因子的相關(guān)性系數(shù)矩陣的特征根，并提取特征值大于0.1的成分因子，然后計(jì)算各特征值對(duì)應(yīng)的成分因子的貢獻(xiàn)率。步驟S112，根據(jù)計(jì)算得到的保留下來的各因子的貢獻(xiàn)率，確定各因子的累積貢獻(xiàn)率，以統(tǒng)計(jì)所述用戶的操作行為。根據(jù)步驟111的計(jì)算結(jié)果，統(tǒng)計(jì)所有特征值大于0.1的成分因子的累積貢獻(xiàn)率，如果該貢獻(xiàn)率達(dá)到70％以上，則認(rèn)可該因子組合方式。所以，根據(jù)認(rèn)可的因子組合方式確定對(duì)應(yīng)的用戶操作行為，即，由認(rèn)可的選定的因子以得到評(píng)價(jià)用戶行為的參考對(duì)象(用戶操作行為)。步驟S113，計(jì)算各因子的載荷矩陣，以統(tǒng)計(jì)該用戶的操作行為。其中，選取的因子為如步驟S110至S112確定的因子。使用主成分計(jì)算各因子的載荷矩陣，可以獲得各主成分下各因子的權(quán)重值，如果各成分的典型代表變量不是很突出，各指標(biāo)前幾個(gè)公共因子上均有相當(dāng)程度的載荷值，是難以合理解釋其實(shí)際意義，此時(shí)需要進(jìn)一步進(jìn)行選擇。選擇方差最大化方法進(jìn)行因子旋轉(zhuǎn)，得到旋轉(zhuǎn)后的因子載荷矩陣，然后根據(jù)上述判斷方式，如果各成分的典型代表向量突出，則認(rèn)可該模型結(jié)果，從而獲得各主成分因子的權(quán)重向量。步驟S12，根據(jù)用戶的操作行為的統(tǒng)計(jì)結(jié)果確定評(píng)分，以利用該評(píng)分對(duì)該用戶進(jìn)行評(píng)價(jià)。在步驟S12中，結(jié)合用戶的操作行為的統(tǒng)計(jì)結(jié)果和主成分因子權(quán)重向量，即可計(jì)算用戶置信分(評(píng)分)。由于一般的應(yīng)用程序功能點(diǎn)很多，統(tǒng)計(jì)項(xiàng)也非常多，很難給出合理的解釋，本發(fā)明實(shí)施方式中采用因子分析法，計(jì)算出相關(guān)系數(shù)矩陣的特征值、貢獻(xiàn)率、累計(jì)貢獻(xiàn)率、因子載荷矩陣等，最終求得綜合評(píng)價(jià)值，實(shí)現(xiàn)對(duì)用戶行為的評(píng)價(jià)。利用本發(fā)明實(shí)施方式，通過對(duì)根據(jù)用戶請(qǐng)求日志記錄的用戶操作行為生成的用戶行為日志統(tǒng)計(jì)用戶的操作行為，并根據(jù)用戶的操作行為的統(tǒng)計(jì)結(jié)果確定評(píng)分，以利用評(píng)分對(duì)所述用戶進(jìn)行行為評(píng)價(jià)，從而自動(dòng)、快速地分離有效的用戶行為及其影響權(quán)重，具有很強(qiáng)的自動(dòng)化和魯棒性。下面對(duì)本發(fā)明實(shí)施方式中的用戶行為評(píng)價(jià)方法進(jìn)行舉例說明。例如，起初選定的涉及用戶行為評(píng)價(jià)的基礎(chǔ)因子包括：總活躍天數(shù)、歷史活躍發(fā)表帖子天數(shù)、歷史發(fā)表帖子次數(shù)、近三十天瀏覽帖子次數(shù)、近三十天回復(fù)天數(shù)、近三十天回復(fù)次數(shù)、近三十天收藏天數(shù)、近三十天收藏的次數(shù)等11項(xiàng)，都是用戶在UGC(UserGeneratedContent，用戶生成內(nèi)容)社區(qū)中的行為統(tǒng)計(jì)結(jié)果。并從UGC社區(qū)中隨機(jī)抽取5萬個(gè)用戶行為統(tǒng)計(jì)數(shù)據(jù)做測(cè)試。首先，根據(jù)用戶行為日志中記錄的如上所述的因子及對(duì)應(yīng)的數(shù)據(jù)，計(jì)算各因子的相關(guān)系數(shù)矩陣，結(jié)果如下：由此可以看出，在這11個(gè)因子當(dāng)中，前9個(gè)因子之間存在較強(qiáng)的相關(guān)關(guān)系，最后兩個(gè)因子與其他因子的相關(guān)性系數(shù)偏離性較大，所以過濾掉這兩個(gè)因子(近三十天收藏天數(shù)和近三十天收藏次數(shù))的相關(guān)數(shù)據(jù)。這兩項(xiàng)與其他項(xiàng)的相關(guān)度低是因?yàn)橄嚓P(guān)系數(shù)大多數(shù)小于0.3，而其余9個(gè)因子的相關(guān)系數(shù)大多在0.3以上，由此可知，這9個(gè)因子之間存在較強(qiáng)的相關(guān)關(guān)系。利用剔除最后兩項(xiàng)因子的剩余9項(xiàng)數(shù)據(jù)進(jìn)行計(jì)算，得出相關(guān)系數(shù)矩陣，如下：CorrelationMatrix然后對(duì)保留下來的因子做KMO檢測(cè)，結(jié)果如下：KMOandBartlett'sTest其中，KMO檢驗(yàn)值為0.763，大于0.7，則說明這9項(xiàng)因子的組合可解釋度很高，非常適合用于做因子分析以統(tǒng)計(jì)用戶行為。因此，繼續(xù)計(jì)算保留下來的因子載荷矩陣，如下：ComponentMatrixa由此可以看出，各個(gè)公共因子的典型代表變量不是很突出，各因子前幾個(gè)公共因子上均有相當(dāng)程度的載荷值，難以合理解釋其實(shí)際意義，所以需要進(jìn)一步進(jìn)行旋轉(zhuǎn)。選擇方差最大化方法進(jìn)行因子旋轉(zhuǎn)，得到旋轉(zhuǎn)后的因子載荷矩陣如下：RotatedComponentMatrixa根據(jù)旋轉(zhuǎn)后的因子載荷矩陣表，可將指標(biāo)集分為三個(gè)主因子，第一主因子在“近三十天發(fā)表帖子天數(shù)”、“近三十天天發(fā)表帖子次數(shù)”、“近三十天回復(fù)天數(shù)”、“近三十天回復(fù)次數(shù)”四個(gè)指標(biāo)上具有很大載荷，從各指標(biāo)的含義可知反映了用戶近期在論壇上的發(fā)帖和回復(fù)行為，將其定義為內(nèi)容產(chǎn)出行為；第二主因子在“總活躍天數(shù)”、“近三十天瀏覽帖子天數(shù)”、“近三十天瀏覽帖子次數(shù)”上有較大載荷，從各指標(biāo)的含義可知反映了用戶瀏覽行為，將其定義為內(nèi)容消費(fèi)行為；第三主因子在“歷史活躍發(fā)表帖子天數(shù)”、“歷史發(fā)表帖子次數(shù)”比重上載荷較大，從各指標(biāo)的含義可知時(shí)反映用戶的歷史活躍程度，將其定義為歷史行為。使用旋轉(zhuǎn)結(jié)果，得到各因子權(quán)重如下(注：未歸一化)：總活躍天數(shù)0.26197032歷史活躍發(fā)表帖子天數(shù)0.2944206歷史發(fā)表帖子次數(shù)0.32751438近三十天發(fā)表帖子天數(shù)0.56119506近三十天發(fā)表帖子次數(shù)0.54647568近三十天瀏覽帖子天數(shù)0.32128377近三十天瀏覽帖子次數(shù)0.30641238近三十天回復(fù)天數(shù)0.53242188近三十天回復(fù)次數(shù)0.56202837然后構(gòu)建用戶綜合評(píng)價(jià)模型，算出因子得分并排序。具體地，確定因子得分系數(shù)矩陣為：F＝57.52％*F1+19.17％*F2+11.46％*F3F1＝0.691*X1+0.718*X2+0.729*X3+0.797*X4+0.757*X5+0.744*X6+0.709*X7+0.844*X8+0.821*X9F2＝0.613*X1-0.265*X2-0.358*X3-0.426*X4-0.460*X5+0.612*X6+0.594*X7-0.015*X8-0.180*X9F3＝0.126*X1+0.613*X2+0.555*X3-0.251*X4-0.259*X5-0.005*X6-0.012*X7-0.276*X8-0.354*X9請(qǐng)參閱圖3，為本發(fā)明一種用戶行為評(píng)價(jià)方法的第二實(shí)施方式的流程圖，該實(shí)施方式與圖1所示的實(shí)施方式相比，還包括如下步驟：步驟S23，根據(jù)用戶行為的評(píng)價(jià)結(jié)果進(jìn)行排序，以確定置信閾值。其中，該置信閾值用于預(yù)測(cè)該用戶在接下來的UGC(用戶生成內(nèi)容)是否屬于垃圾信息。圖2中的其他步驟可以參閱圖1及對(duì)應(yīng)的文字說明。進(jìn)一步地，服務(wù)器還可以將評(píng)分滿足第四預(yù)定條件的用戶的用戶信息/用戶行為發(fā)送至另一服務(wù)器，使另一服務(wù)器對(duì)該用戶信息/用戶行為進(jìn)行分析以獲取相關(guān)信息。具體地，根據(jù)該用戶行為的評(píng)價(jià)結(jié)果進(jìn)行排序，以確定評(píng)分滿足該第四預(yù)定條件的用戶信息，并將評(píng)分滿足第四預(yù)定條件的用戶信息及/或用戶行為發(fā)送至該另一服務(wù)器，使該另一服務(wù)器對(duì)用戶信息和/或用戶行為進(jìn)行分析以獲取相關(guān)信息。在本實(shí)施方式中，按照評(píng)分從高到低的順序進(jìn)行排列，該第四預(yù)定條件為評(píng)分最高的用戶的信息，其中，該用戶信息至少包括用戶名。在其他實(shí)施方式中，該第四預(yù)定信息為根據(jù)排序結(jié)果確定前N個(gè)的用戶的信息，N為自然數(shù)。當(dāng)確定評(píng)分滿足第四預(yù)定條件的用戶的信息時(shí)，即，評(píng)價(jià)最高的一個(gè)(或幾個(gè))用戶時(shí)，服務(wù)器還將這些用戶信息/用戶行為發(fā)送至相應(yīng)的服務(wù)器進(jìn)行信息分析、保存、操作、管理等相關(guān)操作。例如，當(dāng)論壇為生理健康知識(shí)相關(guān)的論壇時(shí)，用戶在該論壇中發(fā)布的帖子基本上均為養(yǎng)生、治療、癥狀等相關(guān)內(nèi)容的帖子。根據(jù)如上所述的用戶行為評(píng)價(jià)方法對(duì)每個(gè)(或從中抽取的特定數(shù)量的)用戶的用戶行為進(jìn)行評(píng)價(jià)而得到對(duì)應(yīng)的評(píng)價(jià)分?jǐn)?shù)。該服務(wù)器將這些用戶的用戶信息/用戶行為發(fā)送至一醫(yī)院網(wǎng)站服務(wù)器，使該醫(yī)院網(wǎng)站服務(wù)器從這些用戶信息/用戶行為提取帖子摘要關(guān)鍵字，或者用戶ID等帖子特征，并進(jìn)行相關(guān)的數(shù)據(jù)分析以得到所需信息，如，哪些用戶正在的關(guān)注的醫(yī)療領(lǐng)域，并向這些用戶推送相關(guān)的醫(yī)藥產(chǎn)品、廣告等。請(qǐng)參閱圖4，為本發(fā)明實(shí)施方式的一種用戶行為評(píng)價(jià)裝置的結(jié)構(gòu)示意圖，該裝置30包括：獲取模塊31、統(tǒng)計(jì)模塊32以及評(píng)價(jià)模塊33。該獲取模塊31用于用戶請(qǐng)求日志，根據(jù)該用戶請(qǐng)求日志記錄的用戶操作行為生成用戶行為日志。其中，該用戶行為日志記錄了用戶對(duì)應(yīng)用程序各個(gè)功能點(diǎn)的操作行為記錄，包括功能點(diǎn)、操作時(shí)間和操作時(shí)長(zhǎng)等信息。用戶登錄服務(wù)器運(yùn)行的論壇等信息發(fā)布平臺(tái)發(fā)布帖子，發(fā)布的帖子通常包括標(biāo)題、內(nèi)容、發(fā)布者的身份信息ID，例如，用戶名、用戶的網(wǎng)絡(luò)地址等。并且，服務(wù)器根據(jù)該需要被評(píng)價(jià)的用戶發(fā)布帖子的時(shí)間、數(shù)量以及對(duì)發(fā)布的帖子的回復(fù)、瀏覽、收藏等記錄用戶的操作行為，形成該用戶請(qǐng)求日志。獲取模塊31根據(jù)該用戶請(qǐng)求日志，整理出用戶在應(yīng)用程序上的操作行為，以形成該用戶行為日志。在本實(shí)施方式中，該用戶行為日志包括該需要被評(píng)價(jià)的用戶如下11項(xiàng)因子：總活躍天數(shù)、歷史活躍發(fā)表帖子天數(shù)、歷史發(fā)表帖子次數(shù)、近三十天天瀏覽帖子次數(shù)、近三十天回復(fù)天數(shù)、近三十天回復(fù)次數(shù)、近三十天收藏天數(shù)、近三十天收藏的次數(shù)。在本實(shí)施方式中，根據(jù)帖子內(nèi)容和用戶行為特點(diǎn)，同時(shí)選取如上所述的11個(gè)因子作為評(píng)價(jià)該用戶的因子，還可以從如上所述的11個(gè)因子中選擇一個(gè)或多個(gè)因子作為帖子的特征。但是，在其他實(shí)施方式中，可以根據(jù)情況選擇因子，并不僅限于如上列出的11個(gè)因子。進(jìn)一步地，獲取模塊31還過濾數(shù)據(jù)不全的用戶請(qǐng)求日志，以保留下有效的日志項(xiàng)，從而得到用戶行為日志。該統(tǒng)計(jì)模塊32用于根據(jù)該獲取模塊31生成的用戶行為日志進(jìn)行統(tǒng)計(jì)而得到用戶的操作行為。該統(tǒng)計(jì)模塊32根據(jù)用戶行為日志統(tǒng)計(jì)用戶的操作行為，具體為：以天為單位，根據(jù)用戶行為日志統(tǒng)計(jì)該用戶當(dāng)天對(duì)各項(xiàng)功能點(diǎn)進(jìn)行操作的操作次數(shù)和時(shí)長(zhǎng)統(tǒng)計(jì)，按周和月的時(shí)間粒度對(duì)操作次數(shù)和時(shí)長(zhǎng)統(tǒng)計(jì)結(jié)果進(jìn)行兩重統(tǒng)計(jì)匯總，得到用戶的操作行為。該統(tǒng)計(jì)模塊32具體用于：根據(jù)該用戶行為日志確定用于評(píng)價(jià)用戶行為的因子，并計(jì)算各因子的相關(guān)系數(shù)矩陣，以保留相關(guān)性滿足第一預(yù)設(shè)條件的因子；計(jì)算保留下來的各因子的貢獻(xiàn)率；據(jù)計(jì)算得到的保留下來的各因子的貢獻(xiàn)率，確定各因子的累積貢獻(xiàn)率，以統(tǒng)計(jì)所述用戶的操作行為；以及計(jì)算各因子的載荷矩陣，以統(tǒng)計(jì)該用戶的操作行為。其中，該統(tǒng)計(jì)模塊32根據(jù)用戶行為日志確定用于評(píng)價(jià)用戶行為的因子，并根據(jù)各因子的相關(guān)系數(shù)矩陣提取相關(guān)性較強(qiáng)的因子，過濾掉相關(guān)性較低的因子。其中，設(shè)定相關(guān)系數(shù)閾值為0.3，即，第一預(yù)設(shè)條件為相關(guān)性系數(shù)高于0.3，因此將相關(guān)性系數(shù)高于0.3的因子保留下來，形成相關(guān)性較強(qiáng)的因子組合，同時(shí)將相關(guān)性系數(shù)低于0.3的因子過濾。進(jìn)一步地，該統(tǒng)計(jì)模塊32對(duì)保留下來的因子進(jìn)行KMO檢驗(yàn)統(tǒng)計(jì)量和球形檢測(cè)。如果KMO檢測(cè)值能達(dá)到0.7以上，則說明這樣的因子組合可解釋度很高，可以進(jìn)入下一步計(jì)算。該統(tǒng)計(jì)模塊32計(jì)算保留下來的各因子的相關(guān)性系數(shù)矩陣的特征根，并提取特征值大于0.1的成分因子，然后計(jì)算各特征值對(duì)應(yīng)的成分因子的貢獻(xiàn)率。該統(tǒng)計(jì)模塊32根據(jù)計(jì)算得到的保留下來的各因子的貢獻(xiàn)率，確定各因子的累積貢獻(xiàn)率，以統(tǒng)計(jì)所述用戶的操作行為。具體地，該統(tǒng)計(jì)模塊32統(tǒng)計(jì)所有特征值大于0.1的成分因子的累積貢獻(xiàn)率，如果該貢獻(xiàn)率達(dá)到70％以上，則認(rèn)可該因子組合方式。所以，根據(jù)認(rèn)可的因子組合方式確定對(duì)應(yīng)的用戶操作行為，即，由認(rèn)可的選定的因子以得到評(píng)價(jià)用戶行為的參考對(duì)象(用戶操作行為)。該評(píng)價(jià)模塊33用于根據(jù)用戶的操作行為的統(tǒng)計(jì)結(jié)果確定評(píng)分，以利用該評(píng)分對(duì)該用戶進(jìn)行評(píng)價(jià)。具體地，該評(píng)價(jià)模塊33結(jié)合用戶的操作行為的統(tǒng)計(jì)結(jié)果和主成分因子權(quán)重向量，即可計(jì)算用戶置信分(評(píng)分)。請(qǐng)參閱圖5，為本發(fā)明一種用戶行為評(píng)價(jià)裝置的第二實(shí)施方式的結(jié)構(gòu)示意圖，該實(shí)施方式與圖5所示的實(shí)施方式相比，還包括排序模塊44。該排序模塊44用于根據(jù)用戶行為的評(píng)價(jià)結(jié)果進(jìn)行排序，以確定置信閾值。其中，該置信閾值用于預(yù)測(cè)該用戶在接下來的UGC(用戶生成內(nèi)容)是否屬于垃圾信息。圖5中的其他步驟可以參閱圖4及對(duì)應(yīng)的文字說明。進(jìn)一步地，該裝置還可以將評(píng)分滿足第四預(yù)定條件的用戶的用戶信息/用戶行為發(fā)送至另一服務(wù)器，使另一服務(wù)器對(duì)該用戶信息/用戶行為進(jìn)行分析以獲取相關(guān)信息。具體地，該裝置根據(jù)所述用戶行為的評(píng)價(jià)結(jié)果進(jìn)行排序，以確定評(píng)分滿足該第四預(yù)定條件的用戶信息；以及將評(píng)分滿足第四預(yù)定條件的用戶信息及/或用戶行為發(fā)送至該另一服務(wù)器，使該另一服務(wù)器對(duì)用戶信息和/或用戶行為進(jìn)行分析以獲取相關(guān)信息。在本實(shí)施方式中，該裝置按照評(píng)分從高到低的順序進(jìn)行排列，該第四預(yù)定條件為評(píng)分最高的用戶的信息，其中，該用戶信息至少包括用戶名。在其他實(shí)施方式中，該第四預(yù)定信息為根據(jù)排序結(jié)果確定前N個(gè)的用戶的信息，N為自然數(shù)。當(dāng)確定評(píng)分滿足第四預(yù)定條件的用戶的信息時(shí)，即，評(píng)價(jià)最高的一個(gè)(或幾個(gè))用戶子時(shí)，服務(wù)器還將這些用戶信息/用戶行為發(fā)送至相應(yīng)的服務(wù)器進(jìn)行信息分析、保存、操作、管理等相關(guān)操作。請(qǐng)參閱圖6，為本發(fā)明一種用戶行為評(píng)價(jià)系統(tǒng)的結(jié)構(gòu)示意圖，該實(shí)施方式示出的系統(tǒng)50包括第一服務(wù)器51和第二服務(wù)器52。該第一服務(wù)器51包括獲取模塊510、統(tǒng)計(jì)模塊511、評(píng)價(jià)模塊512以及傳送模塊513。該第二服務(wù)器52為醫(yī)院網(wǎng)站服務(wù)器、學(xué)校網(wǎng)站服務(wù)器等專業(yè)機(jī)構(gòu)服務(wù)器，該第二服務(wù)器52的類型還可以根據(jù)該第一服務(wù)器51進(jìn)行評(píng)價(jià)的帖子所在論壇的類型進(jìn)行選擇。該獲取模塊51用于用戶請(qǐng)求日志，根據(jù)該用戶請(qǐng)求日志記錄的用戶操作行為生成用戶行為日志。其中，該用戶行為日志記錄了用戶對(duì)應(yīng)用程序各個(gè)功能點(diǎn)的操作行為記錄，包括功能點(diǎn)、操作時(shí)間和操作時(shí)長(zhǎng)等信息。該統(tǒng)計(jì)模塊52用于根據(jù)該獲取模塊51生成的用戶行為日志進(jìn)行統(tǒng)計(jì)而得到用戶的操作行為。該評(píng)價(jià)模塊53用于根據(jù)用戶的操作行為的統(tǒng)計(jì)結(jié)果確定評(píng)分，以利用該評(píng)分對(duì)該用戶進(jìn)行評(píng)價(jià)。該傳送模塊513用于將評(píng)分滿足第四預(yù)定條件的用戶的用戶信息/用戶行為發(fā)送至第二服務(wù)器52，使第二服務(wù)器52對(duì)該用戶信息/用戶行為進(jìn)行分析以獲取相關(guān)信息。本發(fā)明提供的一種用戶行為評(píng)價(jià)方法、裝置及系統(tǒng)，通過對(duì)根據(jù)用戶請(qǐng)求日志記錄的用戶操作行為生成的用戶行為日志統(tǒng)計(jì)用戶的操作行為，并根據(jù)用戶的操作行為的統(tǒng)計(jì)結(jié)果確定評(píng)分，以利用評(píng)分對(duì)所述用戶進(jìn)行行為評(píng)價(jià)，從而自動(dòng)、快速地分離有效的用戶行為及其影響權(quán)重，具有很強(qiáng)的自動(dòng)化和魯棒性。以上所述僅為本發(fā)明的實(shí)施方式，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的
技術(shù)領(lǐng)域：
，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。當(dāng)前第1頁1 2 3