一種數(shù)據(jù)分類方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)據(jù)信息處理技術(shù)領(lǐng)域，特別涉及一種數(shù)據(jù)分類方法及系統(tǒng)。
【背景技術(shù)】
[0002]在現(xiàn)有的推薦系統(tǒng)(比如廣告系統(tǒng)，新聞推薦系統(tǒng)，或視頻推薦系統(tǒng)等)中，商家可以通過推薦系統(tǒng)定向地或不定向的將需要推薦的數(shù)據(jù)發(fā)送到各個用戶終端，從而達到推廣某一產(chǎn)品，或告知某一信息的目的。
[0003]一般情況下，推薦系統(tǒng)會基于文本分類的方法，將推薦數(shù)據(jù)進行分類，并按照類別將推薦數(shù)據(jù)發(fā)送給對應的用戶終端，比如將推薦數(shù)據(jù)按照地域進行分類，使得推薦系統(tǒng)將與某一地域相關(guān)的推薦數(shù)據(jù)只發(fā)送給該地域內(nèi)的用戶終端，這樣可以有針對性地發(fā)送推薦數(shù)據(jù)。其中，推薦數(shù)據(jù)的分類方法的主要步驟包括訓練數(shù)據(jù)準備、特征抽取、特征選擇、模型訓練和線上預測，其中訓練數(shù)據(jù)準備階段是選取訓練數(shù)據(jù)的階段，需要對待處理數(shù)據(jù)進行標注，現(xiàn)有技術(shù)中一般采用人工標注的方法，然后再根據(jù)人工標注的數(shù)據(jù)選取訓練數(shù)據(jù)，在這個過程中需要大量的人力投入，成本較高。

【發(fā)明內(nèi)容】

[0004]本發(fā)明實施例提供一種數(shù)據(jù)分類方法及系統(tǒng)，省去人工標注的過程，從而簡化了選取訓練數(shù)據(jù)的流程。
[0005]本發(fā)明實施例提供一種數(shù)據(jù)分類方法，包括:
[0006]分別獲取多條推薦數(shù)據(jù)的地域信息，及獲取所述多條推薦數(shù)據(jù)分別對應的用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)中包括一種用戶操作對應的用戶位置信息；
[0007]選取所述多條推薦數(shù)據(jù)中的第一推薦數(shù)據(jù)作為訓練數(shù)據(jù)，所述第一推薦數(shù)據(jù)的地域信息與對應的用戶位置信息一致；
[0008]根據(jù)所述訓練數(shù)據(jù)獲取地域分類的模型文件，以對待發(fā)送推薦數(shù)據(jù)進行地域分類。
[0009]本發(fā)明實施例中還提供一種數(shù)據(jù)分類系統(tǒng)，包括:
[0010]信息獲取單元，用于分別獲取多條推薦數(shù)據(jù)的地域信息，及獲取所述多條推薦數(shù)據(jù)分別對應的用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)中包括一種用戶操作對應的用戶位置信息;
[0011]選取單元，用于選取所述多條推薦數(shù)據(jù)中的第一推薦數(shù)據(jù)作為訓練數(shù)據(jù)，所述第一推薦數(shù)據(jù)的地域信息與對應的用戶位置信息一致；
[0012]文件獲取單元，用于根據(jù)所述選取單元選取的訓練數(shù)據(jù)獲取地域分類的模型文件，以對待發(fā)送推薦數(shù)據(jù)進行地域分類。
[0013]可見，在本發(fā)明實施例中，推薦系統(tǒng)在獲取對待發(fā)送推薦數(shù)據(jù)進行地域分類的模型文件時，會直接對已經(jīng)發(fā)送的推薦數(shù)據(jù)的地域信息，與各個用戶終端反饋的對推薦數(shù)據(jù)進行操作的用戶行為數(shù)據(jù)中的用戶位置信息進行比較，從而根據(jù)比較結(jié)果自動地選取訓練數(shù)據(jù)，以便根據(jù)訓練數(shù)據(jù)得到模型文件。與現(xiàn)有技術(shù)中在選取訓練數(shù)據(jù)的過程中，采用人工標注的方法相比，本發(fā)明實施例中，推薦系統(tǒng)在選取訓練數(shù)據(jù)的過程中，直接根據(jù)獲取的信息的比較來選取訓練數(shù)據(jù)，省去了人工標注的過程，從而簡化了選取訓練數(shù)據(jù)的流程。
【附圖說明】
[0014]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0015]圖1是本發(fā)明實施例提供的一種數(shù)據(jù)分類方法的流程圖；
[0016]圖2是本發(fā)明實施例中推薦系統(tǒng)選取訓練數(shù)據(jù)的一種方法流程圖；
[0017]圖3是本發(fā)明實施例中推薦系統(tǒng)選取訓練數(shù)據(jù)的另一種方法流程圖；
[0018]圖4是本發(fā)明實施例提供的一種數(shù)據(jù)分類系統(tǒng)的結(jié)構(gòu)示意圖；
[0019]圖5是本發(fā)明實施例提供的另一種數(shù)據(jù)分類系統(tǒng)的結(jié)構(gòu)示意圖；
[0020]圖6是本發(fā)明實施例提供的另一種數(shù)據(jù)分類系統(tǒng)的結(jié)構(gòu)示意圖；
[0021]圖7是本發(fā)明應用實施例中的新聞推薦系統(tǒng)執(zhí)行數(shù)據(jù)分類方法的結(jié)構(gòu)示意圖。
【具體實施方式】
[0022]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0023]本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”、“第三” “第四”等(如果存在)是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應該理解這樣使用的數(shù)據(jù)在適當情況下可以互換，以便這里描述的本發(fā)明的實施例例如能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤?。此外，術(shù)語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排它的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設備固有的其它步驟或單元。
[0024]本發(fā)明實施例提供一種數(shù)據(jù)分類方法，主要是應用于推薦系統(tǒng)中，比如應用于廣告系統(tǒng)，新聞推薦系統(tǒng)或視頻推薦系統(tǒng)中，本實施例的方法是推薦系統(tǒng)所執(zhí)行的方法，流程圖如圖1所示，包括:
[0025]步驟101，推薦系統(tǒng)分別獲取多條推薦數(shù)據(jù)的地域信息，及獲取多條推薦數(shù)據(jù)分別對應的用戶行為數(shù)據(jù)，用戶行為數(shù)據(jù)中包括一種用戶操作對應的用戶位置信息。
[0026]可以理解，這里的推薦數(shù)據(jù)是推薦系統(tǒng)發(fā)送給各個用戶終端的數(shù)據(jù)，比如在廣告系統(tǒng)中推薦數(shù)據(jù)為廣告數(shù)據(jù)，在新聞推薦系統(tǒng)中推薦數(shù)據(jù)為新聞數(shù)據(jù)，在視頻推薦系統(tǒng)中推薦數(shù)據(jù)為視頻數(shù)據(jù)。某一條推薦數(shù)據(jù)的地域信息是表征該推薦數(shù)據(jù)所涉及的具體內(nèi)容所在地域的信息；某一條推薦數(shù)據(jù)對應的用戶行為數(shù)據(jù)是指:當推薦系統(tǒng)將該條推薦數(shù)據(jù)發(fā)送給用戶終端后，用戶終端對該推薦數(shù)據(jù)執(zhí)行的用戶操作(比如查看，收藏，點贊等用戶操作)的數(shù)據(jù)，具體可以包括用戶位置信息(即執(zhí)行用戶操作的用戶終端的位置信息)及用戶操作的信息(表示具體是哪種用戶操作的信息)，且用戶行為數(shù)據(jù)還可以包括用戶標識及一些具體應用的信息等。
[0027]在具體實現(xiàn)時，推薦系統(tǒng)在獲取多條推薦數(shù)據(jù)的地域信息時，會將推薦數(shù)據(jù)的標題中的地域詞提取出來，將多條推薦數(shù)據(jù)的標題中的地域詞分別作為多條推薦數(shù)據(jù)的地域信息；如果推薦數(shù)據(jù)的標題中的地域詞有多個，則推薦數(shù)據(jù)會將推薦數(shù)據(jù)的正式文本中的地域詞提取出來，將多條推薦數(shù)據(jù)的正式文本中的地域詞分別作為多條推薦數(shù)據(jù)的地域信息；進一步地，如果推薦數(shù)據(jù)的標題中的地域詞有多個，且推薦數(shù)據(jù)的正式文本中的地域詞也有多個，則推薦數(shù)據(jù)會將推薦數(shù)據(jù)的正式文本和標題中的地域詞都提取出來，并比較正式文本和標題中的地域詞，將多條推薦數(shù)據(jù)的標題中與正式文本中一致的地域詞分別作為多條推薦數(shù)據(jù)的地域信息。
[0028]在獲取用戶行為數(shù)據(jù)時，推薦系統(tǒng)可以主動獲取用戶終端統(tǒng)計的用戶行為數(shù)據(jù)，或接收用戶終端主動上報的用戶行為數(shù)據(jù)。由于一條推薦數(shù)據(jù)是發(fā)送給多個用戶終端的，則推薦系統(tǒng)得到的用戶行為數(shù)據(jù)中包括執(zhí)行用戶操作的多個用戶終端的用戶位置信息，且這些用戶終端的用戶操作也可能不同，比如查看推薦數(shù)據(jù)，或是收藏推薦數(shù)據(jù)。而在本實施例中，推薦系統(tǒng)會選擇某一種用戶操作(比如查看推薦數(shù)據(jù))對應的多個用戶終端的用戶位置信息，如果這多個用戶終端中N個以上的用戶終端的用戶位置信息一致，則將這N個以上的用戶終端的用戶位置信息作為最終結(jié)果。
[0029]步驟102，推薦系統(tǒng)選取多條推薦數(shù)據(jù)中的第一推薦數(shù)據(jù)作為訓練數(shù)據(jù)，其中，第一推薦數(shù)據(jù)的地域信息與對應的用戶位置信息一致。
[0030]推薦系統(tǒng)會根據(jù)步驟101中獲取的每條推薦數(shù)據(jù)的地域信息和對應的用戶位置信息，確定該條推薦數(shù)據(jù)是否可以作為第一推薦數(shù)據(jù)。
[0031]步驟103，推薦系統(tǒng)根據(jù)上述步驟102中得到的訓練數(shù)據(jù)獲取地域分類的模型文件，以對待發(fā)送推薦數(shù)據(jù)進行地域分類。其中，推薦系統(tǒng)具體可以通過對訓練數(shù)據(jù)進行特征抽取和模型訓練的步驟后得到模型文件，進一步地，為了使得得到的模型文件更準確，更能反映訓練數(shù)據(jù)的實際情況，推薦系統(tǒng)在獲取模型文件的過程中，還可以在特征抽取后進行特征選擇，過濾掉高噪音和冗余的特征。
[0032]推薦系統(tǒng)最終得到的模型文件主要描述了各個地域的推薦數(shù)據(jù)的特征約束條件，這樣推薦系統(tǒng)就可以根據(jù)這些特征約束條件來確定某條待發(fā)送推薦數(shù)據(jù)是哪個地域的推薦數(shù)據(jù)，即將待發(fā)送推薦數(shù)據(jù)歸入該地域的推薦數(shù)據(jù)中，從而可以將待發(fā)送推薦數(shù)據(jù)的地域分類作為精準投放的一個參考依據(jù)，比如將某個地域的待發(fā)送推薦數(shù)據(jù)發(fā)送給該地域部署的用戶終端，而不是發(fā)送給所有的用戶終端。
[0033]可以理解的是，上述步驟101到103中的操