买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安银信博锐信息科技有限公司

摘要：本申请涉及数据处理技术领域，具体涉及基于数据挖掘的用户数据分析方法，该方法包括：获取用户浏览的网页文本数据，对文本数据进行预处理，获取网页中所有语句以及对应的单词；基于网页文本数据中单词的词频及词性分布状态，构建网页关键词性特征系数；基于单词对于网页的重要程度及语句之间的语义相似程度，构建主题内容连贯指数；基于网页之间的内容相关性构建核心内容关联指数，获取阻尼系数，结合PageRank算法，获取用户浏览网页的数据分析结果。本申请旨在结合用户浏览网页的主要内容特征获取阻尼系数，避免PageRank算法中的阻尼系数过大或过小，影响用户数据分析结果的准确性。

主权项：1.基于数据挖掘的用户数据分析方法，其特征在于，该方法包括以下步骤：根据用户浏览的各网页中采集的所有文本数据，结合神经网络模型，获取各网页的所有语句、每条语句的所有单词以及每个单词的语义向量；对各网页每条语句的单词进行词性标记，获取各网页中每条语句各单词出现的频数以及TF-IDF分数；根据各网页每条语句中任意两个单词的词性、频数分布及距离分布，获取各网页每条语句所述任意两个单词的第一特征值；基于各网页每条语句所有所述第一特征值的分布，获取各网页每条语句的网页关键词性特征系数；根据各网页相邻语句所述网页关键词性特征系数的数值特征，结合各网页每条语句所有单词的TF-IDF分数，获取各网页每条语句的第二特征值；根据各网页每条语句与后一语句之间中所有单词的语义向量的分布差异，获取各网页每条语句的第三特征值；根据各网页所有语句的第二特征值与第三特征值，获取各网页的主题内容连贯指数；根据用户浏览的网页之间的单词的分布相似程度，结合所述主题内容连贯指数，获取用户的核心内容关联指数；基于用户的核心内容关联指数，获取用户在PageRank算法的阻尼系数；结合PageRank算法，获取用户浏览网页的数据分析结果；所述各网页的主题内容连贯指数具体为各网页中所有语句的第二特征值和第三特征值的正向融合结果；所述获取用户的核心内容关联指数，具体步骤包括：对于各网页，选取预设数量个单词组成各网页的重要单词字符序列；计算任意两个网页的主题内容连贯指数的相加结果；获取所述任意两个网页的重要单词字符序列的距离度量；基于所述任意两个网页所述相加结果以及所述距离度量，获取任意两个网页的关联因子；其中，所述关联因子与所述相加结果为递增关系，与所述距离度量为递减关系；将用户浏览的所有网页两两组合后得到的关联指数的分布趋势值，作为用户的核心内容关联指数。

全文数据：

权利要求：

百度查询： 西安银信博锐信息科技有限公司 基于数据挖掘的用户数据分析方法