本發(fā)明屬于計算機技術(shù)領(lǐng)域，具體地，涉及一種對目標(biāo)人物進(jìn)行評分的方法、一種對人物進(jìn)行推送的方法、一種對目標(biāo)人物進(jìn)行評分的裝置、一種對人物進(jìn)行推送的系統(tǒng)。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的普及，同樣的網(wǎng)站會被形形色色的人所使用。例如，一個導(dǎo)航網(wǎng)頁會被年齡跨度為60多歲的人所使用，同時，他們的職業(yè)各不相同，上網(wǎng)的需求也隨之大相徑庭。海量的信息如潮水般涌現(xiàn)在大家面前，我們已然進(jìn)入了一個信息爆炸的時代，在此背景下，一方面用戶越來越不容易從中發(fā)現(xiàn)自己感興趣的內(nèi)容，另一方面也是的大量的信息無人問津，無法被用戶所獲取。

如何實現(xiàn)信息與對應(yīng)用戶之間的配對，是用戶能夠獲得更多、更實用的信息，就需要判斷目標(biāo)用戶的屬性，基于該屬性，了解目標(biāo)用戶的情況、需要和愛好，才能向目標(biāo)用戶提供相關(guān)信息。

在現(xiàn)階段，沒有一個非常好的方法解決上述提到的問題。

技術(shù)實現(xiàn)要素：

本發(fā)明技術(shù)方案解決的技術(shù)問題為：如何在對目標(biāo)用戶信息數(shù)據(jù)進(jìn)行處理的基礎(chǔ)上，通過算法進(jìn)行評分，然后實現(xiàn)對應(yīng)信息的推薦。

為了解決上述技術(shù)問題，本發(fā)明技術(shù)方案提供了一種對目標(biāo)人物進(jìn)行評分的方法，包括：

獲取若干第一評分指標(biāo)及所述第一評分指標(biāo)下維度的狀態(tài)分布；

針對所述目標(biāo)人物統(tǒng)計所述第一評分指標(biāo)各維度的狀態(tài)分布；

基于所述第一評分指標(biāo)各維度的狀態(tài)分布計算所述目標(biāo)人物對于所述第一評分指標(biāo)的契合度；

對屬于相同指標(biāo)類型的第一評分指標(biāo)契合度取平均值以得到指標(biāo)值；

基于所有指標(biāo)值與其對應(yīng)指標(biāo)權(quán)重的加權(quán)平均結(jié)果輸出所述目標(biāo)人物的評分。

可選的，所述指標(biāo)類型包括第一指標(biāo)類型與第二指標(biāo)類型，所述對目標(biāo)人物進(jìn)行評分的方法還包括：

獲取所述目標(biāo)人物的關(guān)注度；

基于所述目標(biāo)人物的關(guān)注度計算所述目標(biāo)人物的關(guān)注度指標(biāo)乘數(shù)，所述關(guān)注度指標(biāo)乘數(shù)為所述目標(biāo)人物相對于其他人物的關(guān)注度；

若所述第一評分指標(biāo)屬于第一指標(biāo)類型，所述對屬于相同指標(biāo)類型的第一評分指標(biāo)契合度取平均值以得到指標(biāo)值包括：將所述第一評分指標(biāo)契合度平均值與所述目標(biāo)人物的關(guān)注度指標(biāo)乘數(shù)相乘以得到所述指標(biāo)值；

若所述第一評分指標(biāo)屬于第二指標(biāo)類型，所述對屬于相同指標(biāo)類型的第一評分指標(biāo)契合度取平均值以得到指標(biāo)值包括：將所述第一評分指標(biāo)契合度平均值作為所述指標(biāo)值。

可選的，還包括：

獲取若干第二評分指標(biāo)；

針對所述目標(biāo)人物統(tǒng)計所述第二評分指標(biāo)的統(tǒng)計值；

基于所述第二評分指標(biāo)的統(tǒng)計值計算所述第二評分指標(biāo)的相對活躍度；

取所述第二評分指標(biāo)相對活躍度的平均值以得到所述指標(biāo)值。

可選的，對于第二評分指標(biāo)，所述指標(biāo)值基于如下步驟獲取：

獲取所述目標(biāo)人物的活躍度；

基于所述目標(biāo)人物的活躍度計算所述目標(biāo)人物的活躍度乘數(shù)；

將所述第二評分指標(biāo)相對活躍度的平均值與所述目標(biāo)人物的活躍度乘數(shù)相乘以得到所述指標(biāo)值。

可選的，設(shè)所述契合度為cosθ_i，有：

其中，i為指標(biāo)的編號，R_i為第一評分指標(biāo)各維度的狀態(tài)分布矩陣，為所述目標(biāo)人物各指標(biāo)的狀態(tài)分布矩陣，(R_i)^T為R_i的轉(zhuǎn)置矩陣。

可選的，設(shè)關(guān)注度指標(biāo)乘數(shù)為T_i，有：

其中，i為所述目標(biāo)人物的編號，為所述目標(biāo)人物的關(guān)注度，t₁，t₂，...，t_n為所述其他人物及目標(biāo)人物的關(guān)注度，n為所述其他人物及目標(biāo)人物的人物個數(shù)。

可選的，設(shè)所述第二評分指標(biāo)的相對活躍度為F_i，有：

其中，i為所述目標(biāo)人物的編號，為所述目標(biāo)人物第二評分指標(biāo)的統(tǒng)計值，為所述其他人物及目標(biāo)人物的第二評分指標(biāo)的統(tǒng)計值，n為所述其他人物及目標(biāo)人物的人物個數(shù)。

可選的，設(shè)活躍度乘數(shù)為S_i，有：

其中，i為所述目標(biāo)人物的編號，g_i為所述目標(biāo)人物的活躍度，g₁，g₂，...，g_n為所述其他人物及目標(biāo)人物的活躍度，n為所述其他人物及目標(biāo)人物的人物個數(shù)。

可選的，所述基于所有指標(biāo)值與其對應(yīng)指標(biāo)權(quán)重的相乘結(jié)果輸出所述目標(biāo)人物的評分包括：

將所述相乘結(jié)果累加以得到所述目標(biāo)人物的評分。

可選的，所述基于所有指標(biāo)值與其對應(yīng)指標(biāo)權(quán)重的相乘結(jié)果輸出所述目標(biāo)人物的評分包括：

獲取第三評分指標(biāo)；

針對所述目標(biāo)人物統(tǒng)計所述第三評分指標(biāo)數(shù)值；

將所述相乘結(jié)果累加并將所述累加值與所述第三評分指標(biāo)數(shù)值相乘以得到所述目標(biāo)人物的評分。

為了解決上述技術(shù)問題，本發(fā)明技術(shù)方案還提供了一種對人物進(jìn)行推送的方法，包括：

基于前述的方法對所有目標(biāo)人物進(jìn)行評分；

基于所述目標(biāo)人物的評分進(jìn)行人物推送。

可選的，還包括：

接收用戶人物推送請求；

所述對所有目標(biāo)人物進(jìn)行評分基于所述請求被執(zhí)行。

為了解決上述技術(shù)問題，本發(fā)明技術(shù)方案還提供了一種對目標(biāo)人物進(jìn)行評分的裝置，包括：

獲取單元，適于獲取若干第一評分指標(biāo)及所述第一評分指標(biāo)下維度的分布；

統(tǒng)計單元，適于針對所述目標(biāo)人物統(tǒng)計所述第一評分指標(biāo)各維度的狀態(tài)分布；

計算單元，適于基于所述第一評分指標(biāo)各維度的狀態(tài)分布計算所述目標(biāo)人物對于所述第一評分指標(biāo)的契合度；

平均單元，適于對屬于相同指標(biāo)類型的第一評分指標(biāo)契合度取平均值以得到指標(biāo)值；

輸出單元，適于基于所有指標(biāo)值與其對應(yīng)指標(biāo)權(quán)重的相乘結(jié)果輸出所述目標(biāo)人物的評分。

為了解決上述技術(shù)問題，本發(fā)明技術(shù)方案提供了一種對人物進(jìn)行推送的系統(tǒng)，包括：

如上所述裝置，適于輸出對所有目標(biāo)人物進(jìn)行評分；

推送單元，適于基于所述目標(biāo)人物的評分進(jìn)行人物推送。

本發(fā)明技術(shù)方案的有益效果至少包括：

本發(fā)明技術(shù)方案基于預(yù)設(shè)的評價系統(tǒng)，評價系統(tǒng)中具有標(biāo)簽集合，標(biāo)簽集合可以對評價分類(游戲、購物、經(jīng)濟等)有關(guān)，基于瀏覽器用戶瀏覽的網(wǎng)頁數(shù)據(jù)進(jìn)行標(biāo)簽評價，通過大數(shù)據(jù)/歷史瀏覽器用戶的數(shù)據(jù)制定偏好，判斷男女性別的屬性以便更好的進(jìn)行網(wǎng)頁推送。這樣有助于實現(xiàn)推送信息符合瀏覽器用戶的需求。

在另一方面，本發(fā)明技術(shù)方案能夠?qū)Ω黝惞娙宋镞M(jìn)行評價，并判斷公眾人物的屬性，以確定綜合公眾人物的各種客觀評價信息，并基于上述評價信息進(jìn)行公眾人物的評估，從而自適應(yīng)地進(jìn)行人物推薦及選擇，實現(xiàn)了網(wǎng)絡(luò)及大數(shù)據(jù)背景下各種人物信息的綜合評價，實現(xiàn)目標(biāo)人物的自動選擇推薦。

附圖說明

通過閱讀參照以下附圖對非限制性實施例所作的詳細(xì)描述，本發(fā)明的其他特征、目的和優(yōu)點將會變得更明顯：

圖1示出根據(jù)本發(fā)明的第一具體實施例的，一種對目標(biāo)人物進(jìn)行評分的方法流程圖；

圖2示出根據(jù)本發(fā)明的第二具體實施例的，一種對目標(biāo)人物進(jìn)行評分的方法流程圖；

圖3示出根據(jù)本發(fā)明的第三具體實施例的，一種對目標(biāo)人物進(jìn)行評分的方法流程圖；

圖4示出根據(jù)本發(fā)明的第三具體實施例的一個變化例的，一種對指標(biāo)值的獲取方法流程圖；

圖5示出根據(jù)本發(fā)明的第四具體實施例的，一種對人物進(jìn)行推送的方法流程圖；

圖6示出根據(jù)本發(fā)明的第五具體實施例的，一種對目標(biāo)人物進(jìn)行評分的裝置結(jié)構(gòu)圖。

具體實施方式

為了更好的使本發(fā)明的技術(shù)方案清晰的表示出來，下面結(jié)合附圖對本發(fā)明作進(jìn)一步說明。

需要理解的是，本發(fā)明主要適用但不限于這樣一種場景，本領(lǐng)域技術(shù)人員理解這樣的控制過程具有重要的意義，瀏覽器用戶可能對應(yīng)多個用戶；一個用戶也可能是多個瀏覽器用戶。通過大數(shù)據(jù)/歷史瀏覽器用戶的數(shù)據(jù)制定偏好，判斷男女性別的屬性以便更好的進(jìn)行網(wǎng)頁推送。本發(fā)明技術(shù)方案設(shè)定評價系統(tǒng)，評價系統(tǒng)中具有標(biāo)簽集合，標(biāo)簽集合對評價分類(游戲、購物、經(jīng)濟等)有關(guān)，基于瀏覽器用戶瀏覽的網(wǎng)頁數(shù)據(jù)進(jìn)行標(biāo)簽評價，評價中則對對應(yīng)評價分類進(jìn)行基礎(chǔ)分值(0)上的計算，比如偏男性則(+1)，偏女性則(-1)；將所有評價分類的最終計算值進(jìn)行相加，從而得到基礎(chǔ)分值上的負(fù)值或正值，從而進(jìn)行網(wǎng)頁/產(chǎn)品推薦。

圖1示出根據(jù)本發(fā)明的第一具體實施例的，一種對目標(biāo)人物進(jìn)行評分的方法流程圖。具體步驟如下：

進(jìn)入步驟S101，獲取若干第一評分指標(biāo)及所述第一評分指標(biāo)下維度的狀態(tài)分布。具體地，所述獲取即檢測用戶終端的頁面上是否有用戶輸入指令并判斷用戶輸入指令的類型。用戶終端可以是計算機、手機等中的瀏覽器。用戶終端的頁面通常是通過瀏覽器接入的網(wǎng)站管理服務(wù)中的一個頁面，服務(wù)器根據(jù)用戶在所接入的頁面上的操作發(fā)回響應(yīng)信息；所述第一評分指評價系統(tǒng)中的標(biāo)簽集合，標(biāo)簽集合對評價分類(游戲、購物、經(jīng)濟等)有關(guān)。

執(zhí)行步驟S102，具體地，針對所述目標(biāo)人物統(tǒng)計所述第一評分指標(biāo)各維度的狀態(tài)分布。

進(jìn)入步驟S103，基于所述第一評分指標(biāo)各維度的狀態(tài)分布計算所述目標(biāo)人物對于所述第一評分指標(biāo)的契合度。具體地，所述契合度，即系統(tǒng)判斷所述目標(biāo)人物與所述第一評分指標(biāo)的相似度。更加具體地，設(shè)所述契合度為cosθ_i，有：

其中，i為指標(biāo)的編號，R_i為第一評分指標(biāo)各維度的狀態(tài)分布矩陣，為所述目標(biāo)人物各指標(biāo)的狀態(tài)分布矩陣，(R_i)^T為R_i的轉(zhuǎn)置矩陣。

執(zhí)行步驟S104，對屬于相同指標(biāo)類型的第一評分指標(biāo)契合度取平均值以得到指標(biāo)值。具體地，所述指標(biāo)值為對所述目標(biāo)人物屬性的判斷，例如，可以用來指示所述目標(biāo)人物偏男性/女性。

進(jìn)入步驟S105，基于所有指標(biāo)值與其對應(yīng)指標(biāo)權(quán)重的加權(quán)平均結(jié)果輸出所述目標(biāo)人物的評分。具體地，所述評分為綜合的評分，即指所述目標(biāo)人物各項指標(biāo)綜合起來所反映的所述目標(biāo)人物的屬性。

進(jìn)一步地，所述基于所有指標(biāo)值與其對應(yīng)指標(biāo)權(quán)重的相乘結(jié)果輸出所述目標(biāo)人物的評分包括：將所述相乘結(jié)果累加以得到所述目標(biāo)人物的評分。

圖2示出根據(jù)本發(fā)明的第二具體實施例的，一種對目標(biāo)人物進(jìn)行評分的方法流程圖。所述指標(biāo)類型包括第一指標(biāo)類型與第二指標(biāo)類型，其中所述第二指標(biāo)類型屬于指標(biāo)類型，這邊是對指標(biāo)類型進(jìn)行劃分，其中一部分指標(biāo)類型(對應(yīng)所述第一指標(biāo)類型)作平均值與關(guān)注度相乘處理，另一部分指標(biāo)類型(對應(yīng)所述第二指標(biāo)類型)作平均值處理。具體步驟如下：

進(jìn)入步驟S201，獲取所述目標(biāo)人物的關(guān)注度。具體地，所述目標(biāo)人物并非真實的人，而是指瀏覽器等互聯(lián)網(wǎng)入口；所述關(guān)注度可以為點擊率或曝光量。

執(zhí)行步驟S202，基于所述目標(biāo)人物的關(guān)注度計算所述目標(biāo)人物的關(guān)注度指標(biāo)乘數(shù)。具體地，所述關(guān)注度指標(biāo)乘數(shù)為所述目標(biāo)人物相對于其他人物的關(guān)注度。更加具體地，設(shè)關(guān)注度指標(biāo)乘數(shù)為T_i，有：

其中，其中，i為所述目標(biāo)人物的編號，t_i為所述目標(biāo)人物的關(guān)注度，t₁，t₂，...，t_n為所述其他人物及目標(biāo)人物的關(guān)注度，n為所述其他人物及目標(biāo)人物的人物個數(shù)。

進(jìn)入步驟S203，判斷所述第一評分指標(biāo)的類型。

執(zhí)行步驟S204，若所述第一評分指標(biāo)屬于第一指標(biāo)類型，所述對屬于相同指標(biāo)類型的第一評分指標(biāo)契合度取平均值以得到指標(biāo)值包括：將所述第一評分指標(biāo)契合度平均值與所述目標(biāo)人物的關(guān)注度指標(biāo)乘數(shù)相乘以得到所述指標(biāo)值；若所述第一評分指標(biāo)屬于第二指標(biāo)類型，所述對屬于相同指標(biāo)類型的第一評分指標(biāo)契合度取平均值以得到指標(biāo)值包括：將所述第一評分指標(biāo)契合度平均值作為所述指標(biāo)值。

圖3示出根據(jù)本發(fā)明的第三具體實施例的，一種對目標(biāo)人物進(jìn)行評分的方法流程圖。

進(jìn)入步驟S301，獲取若干第二評分指標(biāo)。具體地，所述第二評分與第一評分指標(biāo)都是所述評分指標(biāo)的某一類，包括性別、職業(yè)等，只是在表述時加以區(qū)分。

執(zhí)行步驟S302，針對所述目標(biāo)人物統(tǒng)計所述第二評分指標(biāo)的統(tǒng)計值。

進(jìn)入步驟S303，基于所述第二評分指標(biāo)的統(tǒng)計值計算所述第二評分指標(biāo)的相對活躍度。具體地，所述第二評分指標(biāo)的相對活躍度為F_i，有：

其中，i為所述目標(biāo)人物的編號，為所述目標(biāo)人物第二評分指標(biāo)的統(tǒng)計值，為所述其他人物及目標(biāo)人物的第二評分指標(biāo)的統(tǒng)計值，n為所述其他人物及目標(biāo)人物的人物個數(shù)。

執(zhí)行步驟S304，取所述第二評分指標(biāo)相對活躍度的平均值以得到所述指標(biāo)值。

進(jìn)一步的，所述指標(biāo)值基于圖4示出的方法獲得。具體步驟如下；

進(jìn)入步驟S401，獲取所述目標(biāo)人物的活躍度。

執(zhí)行步驟S402，基于所述目標(biāo)人物的活躍度計算所述目標(biāo)人物的活躍度乘數(shù)。具體地，設(shè)活躍度乘數(shù)為S_i，有：

其中，i為所述目標(biāo)人物的編號，g_i為所述目標(biāo)人物的活躍度，g₁，g₂，...，g_n為所述其他人物及目標(biāo)人物的活躍度，n為所述其他人物及目標(biāo)人物的人物個數(shù)。

進(jìn)入步驟S403，將所述第二評分指標(biāo)相對活躍度的平均值與所述目標(biāo)人物的活躍度乘數(shù)相乘以得到所述指標(biāo)值。

進(jìn)一步地，所述基于所有指標(biāo)值與其對應(yīng)指標(biāo)權(quán)重的相乘結(jié)果輸出所述目標(biāo)人物的評分包括：獲取第三評分指標(biāo)；針對所述目標(biāo)人物統(tǒng)計所述第三評分指標(biāo)數(shù)值；將所述相乘結(jié)果累加并將所述累加值與所述第三評分指標(biāo)數(shù)值相乘以得到所述目標(biāo)人物的評分。

圖5示出根據(jù)本發(fā)明的第四具體實施例的，一種對人物進(jìn)行推送的方法流程圖。第四具體實施例基于第一、二、三具體實施例中任意一個方法對所有目標(biāo)人物進(jìn)行評分，然后將所述目標(biāo)人物的評分進(jìn)行任務(wù)推送。具體步驟如下：

進(jìn)入步驟S501，接收用戶人物推送請求。具體地，所述用戶人物即瀏覽器端的操作者；所述推送請求即指所述用戶人物在瀏覽器端操作時所發(fā)出的需求，該需求可能是所述用戶人物直接傳達(dá)，亦可能是某項操作中隱含的需求。例如，用戶在晚上搜索鋼筆，那么隱含需求就可能是字帖、墨水等。

執(zhí)行步驟S502，所述對所有目標(biāo)人物進(jìn)行評分基于所述請求被執(zhí)行。

圖6示出根據(jù)本發(fā)明的第五具體實施例的，一種對目標(biāo)人物進(jìn)行評分的裝置結(jié)構(gòu)圖，該裝置包括獲取單元61、統(tǒng)計單元62、計算單元63、平均單元64及輸出單元65。所述獲取單元61適于獲取若干第一評分指標(biāo)及所述第一評分指標(biāo)下維度的分布；所述統(tǒng)計單元62適于針對所述目標(biāo)人物統(tǒng)計所述第一評分指標(biāo)各維度的狀態(tài)分布；所述計算單元63適于基于所述第一評分指標(biāo)各維度的狀態(tài)分布計算所述目標(biāo)人物對于所述第一評分指標(biāo)的契合度；所述平均單元64適于對屬于相同指標(biāo)類型的第一評分指標(biāo)契合度取平均值以得到指標(biāo)值；所述輸出單元65適于基于所有指標(biāo)值與其對應(yīng)指標(biāo)權(quán)重的相乘結(jié)果輸出所述目標(biāo)人物的評分。

需要說明的是，對于上述對目標(biāo)人物進(jìn)行評分的裝置的結(jié)構(gòu)并不限于此實施例，比如，上述獲取單元61、統(tǒng)計單元62、計算單元63、平均單元64可以合成于同一模塊，比如一處理模塊，該處理模塊與輸出單元65完成上述評分功能；再如，上述平均單元64可以合成于計算單元63中，或者，統(tǒng)計單元62、平均單元64也可以一同合成于上述計算單元63。本發(fā)明技術(shù)方案不對上述結(jié)構(gòu)形式作限定。

進(jìn)一步地，所述對目標(biāo)人物進(jìn)行評分的裝置與推送單元共同組成對任務(wù)進(jìn)行推送的系統(tǒng)。所述推送單元適于基于所述目標(biāo)人物的評分進(jìn)行人物推送。

根據(jù)本發(fā)明技術(shù)方案的上述技術(shù)特征，本實施例還提供了一則應(yīng)用例，即使用上述對目標(biāo)人物進(jìn)行評分的方法對演員進(jìn)行評分，其主要思路是基于上述對目標(biāo)人物進(jìn)行評分的方法設(shè)立一種演員評分模型。在使用上述對目標(biāo)人物進(jìn)行評分的方法設(shè)立演員評分模型時，其使用目的包括：演員因素對影視劇效益的影響是多方面的，體現(xiàn)在知名度、演技、活躍度等方面；選擇演員需要進(jìn)行多維度的考慮，以實現(xiàn)效益的最大化。由于演員甄選所涉及的維度較多，且維度之間差異性大，因此依靠主觀判斷難以形成完整的考量。建立演員評分模型旨在保證評價指標(biāo)的全面性和多樣性，并且通過一定的統(tǒng)計方面對不同的指標(biāo)進(jìn)行合理的綜合，增強結(jié)果的可讀性和實用性。另外，考慮到影響影視劇效益的因素是多方面的，除了演員因素之外，還包括劇本、拍攝、宣傳等諸多方面的因素；因此，演員評分模型是從其中的一個環(huán)節(jié)出發(fā)，在給定了劇本、且不考慮拍攝和宣傳的情況下，選擇效益最大化的演員。在這些條件中，給定劇本是最重要的前提，即可以充分地對影視劇索要拍攝的主題、類型和劇情進(jìn)行解讀。

基于上述思路，并結(jié)合本實施例所述對目標(biāo)人物進(jìn)行評分的方法，在將上述技術(shù)方案應(yīng)用于演員評分，首先，包括設(shè)立以下指標(biāo)體系的步驟，詳見表一設(shè)定的演員評分模型指標(biāo)。

表一：演員評分模型指標(biāo)

基于表一，本應(yīng)用例將上述演員評分模型分為如下指標(biāo)類型，包括：劇本-粉絲契合度(C)、粉絲乘數(shù)、劇本-能力契合度(R)、知名度(F)及活躍度乘數(shù)。其中：

表一所指劇本-粉絲契合度(C)包括如下指標(biāo)維度(即所述指標(biāo)名稱)：

(1)年齡段(C₁)

將年齡段劃分為6段，0-12代表童年期人群，12-18代表青春期人群(初高中生)，18-24代表大學(xué)生人群，24-35代表初入職場的青年人群，35-55代表中年人群，55以上代表老年人群。

演員粉絲的年齡是一個頻率分布，對應(yīng)粉絲年齡比較年輕化的演員來說，其粉絲以學(xué)生人群為主，一種典型的分布可以是：C₁＝(0，0.3，0.5，0.2，0，0)，當(dāng)然，演員粉絲的年齡分布根據(jù)粉絲人群在年齡上分布的不同可能不同，對于粉絲年齡比較成熟的演員來說，其分布情況可以是C₁＝(0，0.2，0.3，0.4，0.1，0)。

(2)性別(C₂)

以粉絲的女性比例為基礎(chǔ)，分為6檔，即0-15％、15％-30％、30％-50％、50％-70％、70％-85％和85％以上。

性別指標(biāo)是一個狀態(tài)，如果演員粉絲的女性比例為60％，則分布狀態(tài)為：C₂＝(0，0，0，1，0，0)，如果演員粉絲的女性比例為44％，則分布狀態(tài)為：C₂＝(0，0，1，0，0，0)

(3)潮流狀態(tài)(C₃)

潮流狀態(tài)反映演員粉絲對娛樂圈的關(guān)注度。調(diào)研50-100個活躍粉絲，其最近的20條微博中與娛樂圈相關(guān)的平均占比；將這一比例分為6檔，即0-15％、15％-30％、30％-50％、50％-70％、70％-85％和85％以上。

潮流狀態(tài)指標(biāo)同樣是一個狀態(tài)，如果娛樂圈微博平均占比為34％，則：C₃＝(0，0，1，0，0，0)

(4)興趣愛好(C₄)

劇本的主題和情節(jié)往往能夠?qū)?yīng)到一些生活狀態(tài)，例如宅、自然、運動、閱讀、干練等，不同的人會選擇不同的劇。興趣愛好指標(biāo)將這種生活的狀態(tài)分為靜的(宅、文藝、職場)，動的(運動、自然)，以及思想的(幻想)，共6類。

興趣愛好指標(biāo)同樣是一個頻率分布，調(diào)研50-100個活躍粉絲，得到各類生活狀態(tài)的占比。如果占比分別為35％、20％、10％、5％、5％、25％，則：C₄＝(0.35，0.2，0.1，0.05，0.05，0.25)

表二給出了劇本-粉絲契合度(C)在各個指標(biāo)及其維度分布。

表二：劇本-粉絲契合(C)度指標(biāo)及維度

基于上述表一及表二，以下給出計算劇本-粉絲契合度(C)的計算方法。

根據(jù)上述劇本-粉絲契合度(C)的目標(biāo)人群特征，若給定劇本，則其目標(biāo)人群的特征按年齡段、性別、潮流狀態(tài)和興趣愛好這4個維度可以表達(dá)為：

其中，和代表年齡和興趣愛好，是一個概率分布，而和代表性別和潮流狀態(tài)，是一個狀態(tài)。

在對契合度計算時，使用余弦相似度，計算某項指標(biāo)(年齡、性別、潮流狀態(tài)和興趣愛好)的契合度為：

則演員的劇本-粉絲契合度(C)為4個指標(biāo)契合度的平均數(shù)：

表一所指劇本-能力契合度(R)包括如下指標(biāo)維度(即所述指標(biāo)名稱)：

(1)角色擔(dān)當(dāng)力(R₁)

演員對角色的詮釋能力將影響劇的整體質(zhì)量，而演員的經(jīng)驗?zāi)芊从吵鰧≈薪巧膭偃纬潭?。按照角色類型，將指?biāo)分為悲、喜、情、冷、穩(wěn)、力、性7個維度。

角色擔(dān)當(dāng)力(R1)的指標(biāo)是一個頻率分布，統(tǒng)計演員所有出演過的角色類型，可計算這7個維度的占比。

(2)劇情擔(dān)當(dāng)力(R₂)

演員出演過的影視劇類型同樣影響對劇的詮釋，與角色擔(dān)當(dāng)力類似，按照影視劇類型，將指標(biāo)分為古裝、歷史、都市、偶像、科幻、懸疑和玄幻7個維度。

指標(biāo)同樣是一個頻率分布，統(tǒng)計演員所有出演過的劇的類型，計算各個維度的占比。表三給出了劇本-能力契合度(R)在各個指標(biāo)及其維度分布。

表三：劇本-能力契合度(R)指標(biāo)及維度

基于上述表一及表二，以下給出計算：劇本-能力契合度(R)指標(biāo)及維度的計算方法。

根據(jù)給定的劇本，則角色擔(dān)當(dāng)力和劇情擔(dān)當(dāng)力可以根據(jù)表三的維度分布表達(dá)為：

其中根據(jù)統(tǒng)計演員之前的出演劇本，為演員在劇本角色類型悲、喜、情、冷、穩(wěn)、力、性上的概率分布，為演員在劇本劇情類型古裝、歷史、都市、偶像、科幻、懸疑和玄幻上的概率分布。

需要說明的是，和在本應(yīng)用例中代表角色類型和劇的類型，是一個概率分布，但是更接近于狀態(tài)分布。

與劇本-粉絲契合度(C)的計算是類似的，劇本-能力契合度(R)基于角色擔(dān)當(dāng)力及劇情擔(dān)當(dāng)力的兩個指標(biāo)，劇本-能力契合度(R)計算式包括余弦計算：

劇本-能力契合度(R)的綜合指標(biāo)為：

針對表一所指知名度(F)，其計算過程包括：

設(shè)定相對評分體系，結(jié)合表一的指標(biāo)名稱，知名度指標(biāo)包括：

F₁：出道年限-從出演第一部戲到評分時的時間，以年為單位；

F₂：出演次數(shù)-截止到評分時，共出演的影視劇數(shù)量；

F₃：獲獎次數(shù)-截止到評分時，獲得國際獎項的次數(shù)；

F₄：公眾評分-截止到評分時，所有出演的影視劇在視頻網(wǎng)站上的評分平均數(shù)。

若Y₁₁，Y₁₂，...，Y_1n是N個演員的出道年限，則第i個演員的F₁得分為：

用同樣的方法計算第i個演員的F₂、F₃和F₄得分，記為F_2i，F(xiàn)_3i和F_4i。

則演員i的知名度(即上述實施例中的相對活躍度)綜合評分為：

其中，j為1～4。

表一所指活躍度乘數(shù)(S)的計算過程包括：知名度代表演員的演藝成就，是一個靜態(tài)的歷史指標(biāo)。然而，演員關(guān)注度的衰減速度極快，因此，近期的活躍度對知名度的影響較大。

設(shè)gi是第i個演員在一定期間內(nèi)(比如，近1年或若干年)的搜索指數(shù)，所述搜索目標(biāo)可以基于百度網(wǎng)站等所有搜索引擎中的一種統(tǒng)計結(jié)果或多種統(tǒng)計結(jié)果的平均值，所述統(tǒng)計結(jié)果可以是第i個演員在該搜索引擎上搜索次數(shù)的總和，或者基于該總計算的搜索比例，由于該統(tǒng)計結(jié)果可以根據(jù)搜索統(tǒng)計的算法或統(tǒng)計量進(jìn)行客觀評價，本應(yīng)用例不對該統(tǒng)計結(jié)果的具體定義做限定。

基于上述g_i的統(tǒng)計，其該第i個演員的活躍度乘數(shù)(S)為：

演員的活躍度乘數(shù)(S)在本應(yīng)用例的演員評分模型中是用于調(diào)整該演員的知名度(F)的，雖然單獨使用本應(yīng)用例的知名度(F)算法也可以建立上述演員評分模型，但準(zhǔn)確度差強人意。本應(yīng)用例還使用演員的活躍度乘數(shù)(S)調(diào)整演員的知名度(F)，使最終的演員評分模型中的指標(biāo)更為精確，基于上述闡述，有調(diào)整后的演員的知名度F_i′＝F_i·S_i。

繼續(xù)結(jié)合表一中的指標(biāo)參數(shù)，劇本-粉絲契合度(C)從相關(guān)性上衡量了演員的相對效益，但是粉絲規(guī)模還可體現(xiàn)規(guī)模效益。真正活躍的粉絲會在實際行動上有所體現(xiàn)，因此可以借助網(wǎng)絡(luò)銷售商或其他統(tǒng)計平臺中顯示的演員同款商品或其他與演員相關(guān)的作品等產(chǎn)品的銷售數(shù)量、出售數(shù)量、上架數(shù)量等中的至少一種產(chǎn)品統(tǒng)計量作為指標(biāo)計算依據(jù)。

若以演員在淘寶上同款商品的數(shù)量作為指標(biāo)計算依據(jù)，則設(shè)ti是第i個演員在淘寶上同款商品的數(shù)量，設(shè)1...n為所有演員的編號(n為大于1的自然數(shù))，其粉絲乘數(shù)(T)(即上述實施例中的關(guān)注度乘數(shù))為：

粉絲乘數(shù)(T)在演員評分模型中是用來調(diào)整劇本-粉絲契合度(C)的，使調(diào)整后的劇本-粉絲契合度(C)更能用于評價演員粉絲效應(yīng)的客觀性。第i個演員經(jīng)過粉絲乘數(shù)(T)調(diào)整的劇本-粉絲契合度C′_i＝C_i·T_i。

當(dāng)然，需要說明的是在其他實施例中，直接輸出所述劇本-粉絲契合度(C)而不經(jīng)過粉絲乘數(shù)(T)的調(diào)整也是可行的。

以上模型參數(shù)的初步建立后，調(diào)整后的劇本-粉絲契合度、劇本-能力契合度和調(diào)整后的知名度組成了演員的評價模型，有評價模型P＝(C′，R，F(xiàn)′)。也就是說，本應(yīng)用例中的評價模型包括三個參數(shù)，即調(diào)整后的劇本-粉絲契合度、劇本-能力契合度和調(diào)整后的知名度。

上述評價模型中的各個參數(shù)，即調(diào)整后的劇本-粉絲契合度、劇本-能力契合度和調(diào)整后的知名度還具有各自的產(chǎn)出驅(qū)動權(quán)重。依據(jù)投入的不同，影視劇的產(chǎn)出驅(qū)動權(quán)重存在差異，也就是說，根據(jù)演員的驅(qū)動力不同，演員面向公眾時會受到宣傳驅(qū)動、自身演出實力等不同，演員評價模型的各個參數(shù)可相較于上述宣傳驅(qū)動、演出質(zhì)量驅(qū)動而設(shè)定各個參數(shù)之間的權(quán)重值。

舉例來說，宣傳驅(qū)動在成本空間較大的情況下，依靠知名度和渠道實現(xiàn)收益，因此對粉絲契合度、能力契合度和知名度之間的權(quán)衡有所不同，總的來說會對知名度造成的影響力會偏大，如可設(shè)定劇本-粉絲契合度、劇本-能力契合度和知名度之間的權(quán)重值為(0.2，0.2，0.6)。另外，質(zhì)量驅(qū)動依靠良好的表演獲得公眾的認(rèn)可，通過口碑實現(xiàn)收益的擴張。在這種情況下，演員的素質(zhì)相對更為重要，因此粉絲契合度、能力契合度和知名度的權(quán)衡可能是(0.3，0.5，0.2)。上述權(quán)重值的劃分僅作為舉例，根據(jù)設(shè)定的驅(qū)動因素(比如所述宣傳驅(qū)動、演員實例等)對上述評價模型中的各個參數(shù)設(shè)定比較妥帖的參數(shù)權(quán)重，用來準(zhǔn)確推斷目前階段模型中各個參數(shù)之間的權(quán)衡，是本領(lǐng)域普通技術(shù)人員可以依據(jù)本發(fā)明技術(shù)方案所公開的技術(shù)特征流程所自定確認(rèn)的。

根據(jù)上述評價模型，基于驅(qū)動因素設(shè)定評價模型中的各個參數(shù)權(quán)重，并設(shè)定劇本-粉絲契合度、劇本-能力契合度和調(diào)整后知名度的權(quán)重W＝(W_c’，W_R，W_F’)，其中，W_c’、W_R及W_F’分別為調(diào)整后的劇本-粉絲契合度的權(quán)重、劇本-能力契合度權(quán)重及調(diào)整后知名度的權(quán)重。

對于本應(yīng)用例所述演員的最終評分模型為：Score＝P^T·W。

本應(yīng)用例的一個變化例中，還可以在上述演員評估模型中納入綜合評估演員的風(fēng)險值。演員作為公眾人物，其公眾形象和輿論導(dǎo)向?qū)ν度氘a(chǎn)出的影響較大。正面、良好的形象是實現(xiàn)收益的保障，相反，負(fù)面消息對收益的潛在影響最為重要。在上述評分模型Score＝P^T·W的基礎(chǔ)上，可以將負(fù)面消息納入到評分模型，具體做法可以是搜索約定期間內(nèi)(比如6個月)在網(wǎng)絡(luò)或媒體公開的新聞，具體可以確定某一個網(wǎng)絡(luò)平臺做新聞搜索，比如百度或者新浪，判斷該演員的風(fēng)險值Z。風(fēng)險值Z的具體數(shù)值可以通過如下方法中的任一項進(jìn)行確定：

(1)出現(xiàn)暴力、違法、犯罪等嚴(yán)重的負(fù)面消息，則Z＝0；

(2)一般負(fù)面消息(生活、感情、對立沖突等)，若新聞?wù)急却笥?0％，則Z＝0.5；

(3)一般負(fù)面消息占比小于50％，則Z＝0.8；

(4)沒有負(fù)面消息，則Z＝1.

因此，在加入風(fēng)險值調(diào)整后的演員評估模型，具體為：

Adjusted Score＝P^T·W·Z。

上述應(yīng)用例具體闡述了如何將對目標(biāo)人物進(jìn)行評分的方法應(yīng)用于對演員的評分，當(dāng)然，上述方法的評分對象不限于演員，事實上，對于各類公眾人物的評價都是可行的。本發(fā)明技術(shù)方案能夠?qū)Ω黝惞娙宋镞M(jìn)行評價，并判斷公眾人物的屬性，以確定綜合公眾人物的各種客觀評價信息，并基于上述評價信息進(jìn)行公眾人物的評估，從而自適應(yīng)地進(jìn)行人物推薦及選擇，實現(xiàn)了網(wǎng)絡(luò)及大數(shù)據(jù)背景下各種人物信息的綜合評價，實現(xiàn)目標(biāo)人物的自動選擇推薦。

上對本發(fā)明的具體實施例進(jìn)行了描述。需要理解的是，本發(fā)明并不局限于上述特定實施方式，本領(lǐng)域技術(shù)人員可以在權(quán)利要求的范圍內(nèi)做出各種變形或修改，這并不影響本發(fā)明的實質(zhì)內(nèi)容。