CN105373596A - 基于用户兴趣挖掘的移动终端和用户兴趣挖掘方法 - Google Patents

Abstract

本发明公开了一种基于用户兴趣挖掘的移动终端和用户兴趣挖掘方法，所述移动终端包括：主题空间构建模块，用于基于开发目录项目构建层次主题空间；图像标签标注模块，用于根据所述移动终端的图库中图像的内容，对所述图像标注标签；用户兴趣获取模块，用于将所述标签与所述层次主题空间进行匹配，生成用户兴趣列表。本发明直接由移动终端基于图库中的图片或照片获取用户喜欢的景物、动物、人物等第一手资料，分析挖掘出更加全面和准确的用户兴趣。挖掘出的用户兴趣可以应用于推断用户消费水平、对产品的偏好等，为用户提供更贴心、可靠的产品和服务。

Description

基于用户兴趣挖掘的移动终端和用户兴趣挖掘方法

技术领域

本发明涉及通信技术领域，尤其涉及一种基于用户兴趣挖掘的移动终端和用户兴趣挖掘方法。

背景技术

如何改善产品和服务，提高用户的满意度，是企业最关心的问题。目前广泛采用的手段是挖掘用户的兴趣爱好，以此为参考进行产品和服务的改进和研发。现有技术中，在挖掘用户兴趣时，通常由服务器通过终端搜集用户的网络搜索、浏览等信息，再根据搜集到的信息来挖掘用户兴趣。

然而，这种针对网络搜索或浏览历史记录等信息挖掘出的用户兴趣不够全面，仅局限于某一方面，而且准确性较低。

发明内容

本发明的主要目的在于提出一种基于用户兴趣挖掘的移动终端和用户兴趣挖掘方法，旨在提出一种新的挖掘用户兴趣的解决方案，更加全面准确的挖掘出用户兴趣。

为实现上述目的，本发明提出一种基于用户兴趣挖掘的移动终端，包括：

主题空间构建模块，用于基于ODP(开发目录项目)构建层次主题空间；

图像标签标注模块，用于根据所述移动终端的图库中图像的内容，对所述图像标注标签；

用户兴趣获取模块，用于将所述标签与所述层次主题空间进行匹配，生成用户兴趣列表。

进一步地，还包括图像聚类分组模块，所述图像聚类分组模块用于：对所述图库中的图像进行聚类分组。

进一步地，所述图像聚类分组模块用于：根据图像的颜色特征、形状特征或/和纹理特征对所述图库中的图像进行聚类分组。

进一步地，所述图像标签标注模块用于：从图像-标签库中检索与所述图库中待标注图像的内容相似的图像，获取检索出的图像的标签，从中选择显著词语作为所述待标注图像的标签予以标注。

进一步地，所述图像标签标注模块还用于：当所述图库中的图像已被用户标注了标签时，综合用户标注的标签和所述图像内容对所述图像标注标签。

进一步地，所述用户兴趣获取模块用于：将每一所述标签作为查询词语检索层次主题空间，获取与所述标签匹配的主题，生成排序的主题列表作为用户兴趣列表。

进一步地，所述主题空间构建模块用于：根据代表相应ODP目录的主题的句子的重要性来权重句子，根据句子的权重将主题相关句子与主题无关句子分开，并从主题相关句子中学习特定主题，构建出层次主题空间。

进一步地，所述主题空间构建模块还用于：视所述层次主题空间中的每一个主题为一个文档，基于ODP树建立倒排索引。

本发明同时提出一种用户兴趣挖掘方法，应用于移动终端，包括步骤：

基于ODP构建层次主题空间；

根据所述移动终端的图库中图像的内容，对所述图像标注标签；

将所述标签与所述层次主题空间进行匹配，生成用户兴趣列表。

进一步地，所述根据所述移动终端的图库中图像的内容对所述图像标注标签的步骤之前还包括：对所述图库中的图像进行聚类分组。

进一步地，所述对所述图库中的图像进行聚类分组包括：根据图像的颜色特征、形状特征或/和纹理特征对所述图库中的图像进行聚类分组。

进一步地，所述根据所述移动终端的图库中图像的内容，对所述图像标注标签，包括：从图像-标签库中检索与所述图库中待标注图像的内容相似的图像，获取检索出的图像的标签，从中选择显著词语作为所述待标注图像的标签予以标注。

进一步地，所述根据所述移动终端的图库中图像的内容，对所述图像标注标签，包括：当所述图库中的图像已被用户标注了标签时，综合用户标注的标签和所述图像内容对所述图像标注标签。

进一步地，所述将所述标签与所述层次主题空间进行匹配，生成用户兴趣列表，包括：将每一所述标签作为查询词语检索层次主题空间，获取与所述标签匹配的主题，生成排序的主题列表作为用户兴趣列表。

进一步地，所述基于ODP构建层次主题空间包括：根据代表相应ODP目录的主题的句子的重要性来权重句子，根据句子的权重将主题相关句子与主题无关句子分开，并从主题相关句子中学习特定主题，构建出层次主题空间。

进一步地，所述基于ODP构建层次主题空间还包括：视所述层次主题空间中的每一个主题为一个文档，基于ODP树建立倒排索引。

本发明所提出的一种基于用户兴趣挖掘的移动终端，区别于移动终端被动发送搜索数据，服务器端分析并反馈结果的传统模式，而是直接由移动终端基于图库中的图片或照片获取用户喜欢的景物、动物、人物等第一手资料，分析挖掘出更加全面和准确的用户兴趣。挖掘出的用户兴趣可以应用于推断用户消费水平、对产品的偏好等，为用户提供更贴心、可靠的产品和服务。

附图说明

图1为实现本发明各个实施例的移动终端的硬件结构示意图；

图2为如图1所示的移动终端的无线通信***示意图；

图3为本发明的用户兴趣挖掘方法第一实施例的流程图；

图4为采用本实施例的方法挖掘用户兴趣一实例的流程框图；

图5为本发明的用户兴趣挖掘方法第二实施例的流程图；

图6为本发明基于用户兴趣挖掘的移动终端第一实施例的模块示意图；

图7为本发明基于用户兴趣挖掘的移动终端第二实施例的模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。

移动终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。下面，假设终端是移动终端。然而，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。

图1为实现本发明各个实施例的移动终端的硬件结构示意。

移动终端100可以包括无线通信单元110、A/V(音频/视频)输入单元120、用户输入单元130、感测单元140、输出单元150、存储器160、接口单元170、控制器180和电源单元190等等。图1示出了具有各种组件的移动终端，但是应理解的是，并不要求实施所有示出的组件。可以替代地实施更多或更少的组件。将在下面详细描述移动终端的元件。

无线通信单元110通常包括一个或多个组件，其允许移动终端100与无线通信***或网络之间的无线电通信。例如，无线通信单元可以包括广播接收模块111、移动通信模块112、无线互联网模块113、短程通信模块114和位置信息模块115中的至少一个。

广播接收模块111经由广播信道从外部广播管理服务器接收广播信号和/或广播相关信息。广播信道可以包括卫星信道和/或地面信道。广播管理服务器可以是生成并发送广播信号和/或广播相关信息的服务器或者接收之前生成的广播信号和/或广播相关信息并且将其发送给终端的服务器。广播信号可以包括TV广播信号、无线电广播信号、数据广播信号等等。而且，广播信号可以进一步包括与TV或无线电广播信号组合的广播信号。广播相关信息也可以经由移动通信网络提供，并且在该情况下，广播相关信息可以由移动通信模块112来接收。广播信号可以以各种形式存在，例如，其可以以数字多媒体广播(DMB)的电子节目指南(EPG)、数字视频广播手持(DVB-H)的电子服务指南(ESG)等等的形式而存在。广播接收模块111可以通过使用各种类型的广播***接收信号广播。特别地，广播接收模块111可以通过使用诸如多媒体广播-地面(DMB-T)、数字多媒体广播-卫星(DMB-S)、数字视频广播-手持(DVB-H)，前向链路媒体(MediaFLO^@)的数据广播***、地面数字广播综合服务(ISDB-T)等等的数字广播***接收数字广播。广播接收模块111可以被构造为适合提供广播信号的各种广播***以及上述数字广播***。经由广播接收模块111接收的广播信号和/或广播相关信息可以存储在存储器160(或者其它类型的存储介质)中。

移动通信模块112将无线电信号发送到基站(例如，接入点、节点B等等)、外部终端以及服务器中的至少一个和/或从其接收无线电信号。这样的无线电信号可以包括语音通话信号、视频通话信号、或者根据文本和/或多媒体消息发送和/或接收的各种类型的数据。

无线互联网模块113支持移动终端的无线互联网接入。该模块可以内部或外部地耦接到终端。该模块所涉及的无线互联网接入技术可以包括WLAN(无线LAN)(Wi-Fi)、Wibro(无线宽带)、Wimax(全球微波互联接入)、HSDPA(高速下行链路分组接入)等等。

短程通信模块114是用于支持短程通信的模块。短程通信技术的一些示例包括蓝牙^TM、射频识别(RFID)、红外数据协会(IrDA)、超宽带(UWB)、紫蜂^TM等等。

位置信息模块115是用于检查或获取移动终端的位置信息的模块。位置信息模块的典型示例是GPS(全球定位***)。根据当前的技术，GPS模块115计算来自三个或更多卫星的距离信息和准确的时间信息并且对于计算的信息应用三角测量法，从而根据经度、纬度和高度准确地计算三维当前位置信息。当前，用于计算位置和时间信息的方法使用三颗卫星并且通过使用另外的一颗卫星校正计算出的位置和时间信息的误差。此外，GPS模块115能够通过实时地连续计算当前位置信息来计算速度信息。

A/V输入单元120用于接收音频或视频信号。A/V输入单元120可以包括相机121和麦克风1220，相机121对在视频捕获模式或图像捕获模式中由图像捕获装置获得的静态图像或视频的图像数据进行处理。处理后的图像帧可以显示在显示模块151上。经相机121处理后的图像帧可以存储在存储器160(或其它存储介质)中或者经由无线通信单元110进行发送，可以根据移动终端的构造提供两个或更多相机1210。麦克风122可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由移动通信模块112发送到移动通信基站的格式输出。麦克风122可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。

用户输入单元130可以根据用户输入的命令生成键输入数据以控制移动终端的各种操作。用户输入单元130允许用户输入各种类型的信息，并且可以包括键盘、锅仔片、触摸板(例如，检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)、滚轮、摇杆等等。特别地，当触摸板以层的形式叠加在显示模块151上时，可以形成触摸屏。

感测单元140检测移动终端100的当前状态，(例如，移动终端100的打开或关闭状态)、移动终端100的位置、用户对于移动终端100的接触(即，触摸输入)的有无、移动终端100的取向、移动终端100的加速或减速移动和方向等等，并且生成用于控制移动终端100的操作的命令或信号。例如，当移动终端100实施为滑动型移动电话时，感测单元140可以感测该滑动型电话是打开还是关闭。另外，感测单元140能够检测电源单元190是否提供电力或者接口单元170是否与外部装置耦接。感测单元140可以包括接近传感器1410将在下面结合触摸屏来对此进行描述。

接口单元170用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。识别模块可以是存储用于验证用户使用移动终端100的各种信息并且可以包括用户识别模块(UIM)、客户识别模块(SIM)、通用客户识别模块(USIM)等等。另外，具有识别模块的装置(下面称为"识别装置")可以采取智能卡的形式，因此，识别装置可以经由端口或其它连接装置与移动终端100连接。接口单元170可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端和外部装置之间传输数据。

另外，当移动终端100与外部底座连接时，接口单元170可以用作允许通过其将电力从底座提供到移动终端100的路径或者可以用作允许从底座输入的各种命令信号通过其传输到移动终端的路径。从底座输入的各种命令信号或电力可以用作用于识别移动终端是否准确地安装在底座上的信号。输出单元150被构造为以视觉、音频和/或触觉方式提供输出信号(例如，音频信号、视频信号、警报信号、振动信号等等)。输出单元150可以包括显示模块151、音频输出模块152、警报模块153等等。

显示模块151可以显示在移动终端100中处理的信息。例如，当移动终端100处于电话通话模式时，显示模块151可以显示与通话或其它通信(例如，文本消息收发、多媒体文件下载等等)相关的用户界面(UI)或图形用户界面(GUI)。当移动终端100处于视频通话模式或者图像捕获模式时，显示模块151可以显示捕获的图像和/或接收的图像、示出视频或图像以及相关功能的UI或GUI等等。

同时，当显示模块151和触摸板以层的形式彼此叠加以形成触摸屏时，显示模块151可以用作输入装置和输出装置。显示模块151可以包括液晶显示器(LCD)、薄膜晶体管LCD(TFT-LCD)、有机发光二极管(OLED)显示器、柔性显示器、三维(3D)显示器等等中的至少一种。这些显示器中的一些可以被构造为透明状以允许用户从外部观看，这可以称为透明显示器，典型的透明显示器可以例如为TOLED(透明有机发光二极管)显示器等等。根据特定想要的实施方式，移动终端100可以包括两个或更多显示模块(或其它显示装置)，例如，移动终端可以包括外部显示模块(未示出)和内部显示模块(未示出)。触摸屏可用于检测触摸输入压力以及触摸输入位置和触摸输入面积。

音频输出模块152可以在移动终端处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将无线通信单元110接收的或者在存储器160中存储的音频数据转换音频信号并且输出为声音。而且，音频输出模块152可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出模块152可以包括扬声器、蜂鸣器等等。

警报模块153可以提供输出以将事件的发生通知给移动终端100。典型的事件可以包括呼叫接收、消息接收、键信号输入、触摸输入等等。除了音频或视频输出之外，警报模块153可以以不同的方式提供输出以通知事件的发生。例如，警报模块153可以以振动的形式提供输出，当接收到呼叫、消息或一些其它进入通信(incomingcommunication)时，警报模块153可以提供触觉输出(即，振动)以将其通知给用户。通过提供这样的触觉输出，即使在用户的移动电话处于用户的口袋中时，用户也能够识别出各种事件的发生。警报模块153也可以经由显示模块151或音频输出模块152提供通知事件的发生的输出。

存储器160可以存储由控制器180执行的处理和控制操作的软件程序等等，或者可以暂时地存储己经输出或将要输出的数据(例如，电话簿、消息、静态图像、视频等等)。而且，存储器160可以存储关于当触摸施加到触摸屏时输出的各种方式的振动和音频信号的数据。

存储器160可以包括至少一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等。而且，移动终端100可以与通过网络连接执行存储器160的存储功能的网络存储装置协作。

控制器180通常控制移动终端的总体操作。例如，控制器180执行与语音通话、数据通信、视频通话等等相关的控制和处理。另外，控制器180可以包括用于再现(或回放)多媒体数据的多媒体模块1810，多媒体模块1810可以构造在控制器180内，或者可以构造为与控制器180分离。控制器180可以执行模式识别处理，以将在触摸屏上执行的手写输入或者图像绘制输入识别为字符或图像。

电源单元190在控制器180的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。

这里描述的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施，这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施，在一些情况下，这样的实施方式可以在控制器180中实施。对于软件实施，诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施，软件代码可以存储在存储器160中并且由控制器180执行。

至此，己经按照其功能描述了移动终端。下面，为了简要起见，将描述诸如折叠型、直板型、摆动型、滑动型移动终端等等的各种类型的移动终端中的滑动型移动终端作为示例。因此，本发明能够应用于任何类型的移动终端，并且不限于滑动型移动终端。

如图1中所示的移动终端100可以被构造为利用经由帧或分组发送数据的诸如有线和无线通信***以及基于卫星的通信***来操作。

现在将参考图2描述其中根据本发明的移动终端能够操作的通信***。

这样的通信***可以使用不同的空中接口和/或物理层。例如，由通信***使用的空中接口包括例如频分多址(FDMA)、时分多址(TDMA)、码分多址(CDMA)和通用移动通信***(UMTS)(特别地，长期演进(LTE))、全球移动通信***(GSM)等等。作为非限制性示例，下面的描述涉及CDMA通信***，但是这样的教导同样适用于其它类型的***。

参考图2，CDMA无线通信***可以包括多个移动终端100、多个基站(BS)270、基站控制器(BSC)275和移动交换中心(MSC)280。MSC280被构造为与公共电话交换网络(PSTN)290形成接口。MSC280还被构造为与可以经由回程线路耦接到基站270的BSC275形成接口。回程线路可以根据若干己知的接口中的任一种来构造，所述接口包括例如E1/T1、ATM，IP、PPP、帧中继、HDSL、ADSL或xDSL。将理解的是，如图2中所示的***可以包括多个BSC2750。

每个BS270可以服务一个或多个分区(或区域)，由多向天线或指向特定方向的天线覆盖的每个分区放射状地远离BS270。或者，每个分区可以由用于分集接收的两个或更多天线覆盖。每个BS270可以被构造为支持多个频率分配，并且每个频率分配具有特定频谱(例如，1.25MHz,5MHz等等)。

分区与频率分配的交叉可以被称为CDMA信道。BS270也可以被称为基站收发器子***(BTS)或者其它等效术语。在这样的情况下，术语"基站"可以用于笼统地表示单个BSC275和至少一个BS270。基站也可以被称为"蜂窝站"。或者，特定BS270的各分区可以被称为多个蜂窝站。

如图2中所示，广播发射器(BT)295将广播信号发送给在***内操作的移动终端100。如图1中所示的广播接收模块111被设置在移动终端100处以接收由BT295发送的广播信号。在图2中，示出了几个全球定位***(GPS)卫星300。卫星300帮助定位多个移动终端100中的至少一个。

在图2中，描绘了多个卫星300，但是理解的是，可以利用任何数目的卫星获得有用的定位信息。如图1中所示的GPS模块115通常被构造为与卫星300配合以获得想要的定位信息。替代GPS跟踪技术或者在GPS跟踪技术之外，可以使用可以跟踪移动终端的位置的其它技术。另外，至少一个GPS卫星300可以选择性地或者额外地处理卫星DMB传输。

作为无线通信***的一个典型操作，BS270接收来自各种移动终端100的反向链路信号。移动终端100通常参与通话、消息收发和其它类型的通信。特定基站270接收的每个反向链路信号被在特定BS270内进行处理。获得的数据被转发给相关的BSC275。BSC提供通话资源分配和包括BS270之间的软切换过程的协调的移动管理功能。BSC275还将接收到的数据路由到MSC280，其提供用于与PSTN290形成接口的额外的路由服务。类似地，PSTN290与MSC280形成接口，MSC与BSC275形成接口，并且BSC275相应地控制BS270以将正向链路信号发送到移动终端100。

基于上述移动终端硬件结构以及通信***，提出本发明用户兴趣挖掘方法各个实施例。

由于数码相机、手机、平板等移动终端在日常生活中被广泛使用，利用移动终端拍照已成为用户的日常行为。发明人经仔细研究发现，实际上，用户生成的大量图像激发出很多有意义的数据挖掘和研究价值，用户生成的照片或明示或暗示了用户的兴趣。虽然大多数人都不愿意通过输入关键词或填写表单来表达自己的兴趣，但是，他们拍摄的照片却能够展示出用户的兴趣，因为人们往往捕捉吸引到自己的各种物体或场景。经日积月累，移动终端中会产生大量照片，因此可以通过移动终端的照片提出一种有效的用户兴趣挖掘方法。以下通过具体实施例进行详细说明。

如图3所示，提出本发明的用户兴趣挖掘方法第一实施例，所述方法应用于前述移动终端，所述方法包括以下步骤：

S11、基于ODP构建层次主题空间。

S12、对移动终端图库中的图像进行聚类分组。

S13、根据图库中图像的内容，对每一组图像标注标签。

S14、将标注的标签与层次主题空间进行匹配，生成用户兴趣列表。

步骤S11中：

开放目录项目(OpenDirectoryProject，ODP)是一种手动编辑层次目录的方法，每个目录节点都是由人工选择的关于同一主题的网页，可以基于ODP拓扑结构构建层次主题空间及根据每个目录节点相关联的网页学习主题。

移动终端可以采用最直接的方式学***均属于这个目录的所有网页权重向量，得到均值向量，由此产生的特征向量，定义为一个主题，最终定义多个主题，构成层次主题空间。

然而，这种简单的方法有两个缺点：(1)直观的，网页中有很多词语与目标范畴的语义概念不相关，因此，为降低噪声，并确保主题的局部性(即不同的主题有不同的词语分布)，有必要区分显著词语(主题指定词语)和噪声词语；(2)由于在ODP树中有近百万个节点，如果进行查询则必须与所有主题顺序匹配，如此会非常耗时，因此，有必要找到一种有效的解决方案来实现查询主题时的快速匹配。

为了克服上述两个缺点，需要基于ODP学习和构建一个有效的层次主题空间。为此，本实施例采用块主题识别方法来解决上述第一个问题，通过基于ODP树建立倒排索引来解决上述第二个问题，下面将详细描述。

1、块主题识别方法

通过块主题识别方法来学习和构建层次主题空间的主要构思为：根据代表相应ODP目录的主题的句子的重要性来权重句子，根据句子的权重将主题相关句子与主题无关句子分开，并从主题相关句子中学习特定主题，构建出层次主题空间。具体来说，主要包括块主题识别步骤和主题学习步骤：

1)块主题识别

在ODP树中，同一节点下的网页因为是由人工挑选有关同一个主题，有理由假设，网页中句子有两种类型：主题相关和主题无关。通常情况下，主题相关的句子因为它们彼此相似，将覆盖少量公有词汇，而主题无关的句子，会有非常大量的和多样化的词汇。出于这种直觉，我们根据代表相应ODP目录的主题的句子重要性方法来权重句子。

如果句子s_i和s_j之间余弦距离大于一个预定义的阈值则认为它们相似。如果网页d中至少有一条句子和s相似，则认为句子s和网页d相似。使用S(s,d)代表这种关系，如果s和d相似，则S(s,d)＝1，否则S(s,d)＝0。定义第i条句子s_i的句子频率测量公式，如公式(1)：

${\mathrm{SF}}_i={\mathrm{\Σ}}_{j=1}^{n}S(s_i,d_j)---\left(1\right)$

其中n是与ODP目录相关联的网页总数，d_j是第j个网页。

从根本上说，句子频率SF以特征空间的角度测量句子与主题相关网页的一致程度。直觉上，频率越大，句子越能够代表相应目录的主题。

另一方面，如果一个句子与其他目录网页也相似，直觉上，这条句子在反应主题上是不重要的，甚至是噪声，或与主题无关。利用反网页频率(IWF)量化这个想法，如公式(2)：

${\mathrm{IWF}}_i=log\frac{N}{{\mathrm{\Σ}}_{j=1}^{n}S(s_i,d_j)}---\left(2\right)$

其中N为ODP目录中随机选择样本网页数。

基于上述两种测量方法，定义一条句子s_i的句子重要性(SentenceImportance，缩写为SI)，如公式(3)：

${\mathrm{SI}}_i=\frac{{\mathrm{SF}}_i\×{\mathrm{IWF}}_i}{{\mathrm{\Σ}}_{j=1}^n{\mathrm{SF}}_j\×{\mathrm{IWF}}_j}---\left(3\right)$

这是SF-IWF归一化的分数。SI分数越高，对于该主题句子就越重要。基本的想法是一条句子如果有一个局部分布，则它对该目录很重要，即在当前目录中它有许多近副本，而在其他目录中很少。这个公式与通常应用于文本搜索和挖掘领域的TF-IDF权重方案非常相似，它测量词语相对于文档的重要性，其基本思想是一个词语如果在当前文档中频率很高，同时在整个语料库的频率很低，则分配较高的权重。

2)主题学习

基于上述的句子重要性评分，能够将主题相关句子与主题无关句子分开，并从主题相关句子中学习特定主题。

为了实现这一目标，可采用一个简单且有效的块式的主题识别方法如下：

首先，将每个网页的内容分割为句子且以向量空间模型表示。其次，对每个目录节点，对与节点相关联的网页的所有句子使用k-means算法聚类。定义第k个类的类重要性(ClusterImportance，缩写为CI)为CI_k，通过平均句子重要性分数得到，如公式(4)：

${\mathrm{CI}}_k=\frac{1}{M}{\mathrm{\Σ}}_{i=1}^m{\mathrm{SI}}_i---\left(4\right)$

其中M为这个类中的句子数。

由于主题相关句子往往比主题无关句子有更小的词汇集，他们更容易被聚成一个类。此外，因为他们往往有较高的句子重要性分数，相应的类更有可能是较高的类重要性得分，因此基于类重要性分数排序，保留最靠前的类。这样假设在这个类中的句子，隔离开来作为主题相关句子，由此建立了一个新的向量空间模型，因此结果权重向量表示相应的主题。在ODP目录中迭代这个过程，得到层次的主题空间。

2、建立有效的主题空间索引

通过基于ODP树建立倒排索引的主要构思为：视层次主题空间中的每一个主题为一个文档，基于ODP树建立倒排索引，以此来索引所有主题。

如上所述，为了能够快速查询和匹配主题空间，借用一般的网页搜索的思想来构建一个高效的主题索引。具体而言，既然每一个主题均由权重向量表示，则可以视每个主题为一个文档，以此构建倒排表来索引所有的主题，因此，给定一个查询词语，包含这个词语的所有主题，可以立即获取到。当一个查询有多个词语时，应用与一般网络搜索完全一样的技术，输出查询词语和相应主题索引词语的交集的排序列表。

通过上述方式，可以构建出一个支持大规模主题检索和匹配的层次主题空间。

步骤S12中：

移动终端可以根据图库中图像的颜色特征、形状特征或/和纹理特征对图像进行聚类分组，每一组图像代表一个类别，例如运动类、风景类、服饰类、聚会类等等。可以利用K-means等聚类算法对图像进行聚类分组。

通常，如果用户拍摄或搜集了一系列足球比赛的图像，那么有理由假设这个用户喜欢足球游戏或运动；如果用户拍摄或搜集了许多狗的图像，那么可以认为用户喜欢狗或动物。用户可以有不同的兴趣，例如用户拍摄了不同的图像，足球比赛、滑雪和绘画展览等，所以有必要聚类图像分成不同的组，对每个组自适应挖掘分析用户兴趣。

本实施例中，用户兴趣挖掘之所以基于一组图像而非一个单一的图像，是因为从一组语义相关的图像中可以更可靠地发现用户兴趣。举例而言：如果只有一张白色的猫的图像，它是很难告诉我们用户是对白色的猫、猫、还是宠物感兴趣。然而，如果有关白猫和小狗的图像同时出现的话，我们可以更确定的得出结论：用户对宠物感兴趣。

根据以上分析，对图像进行聚类分组，不仅能够有助于发现或挖掘出用户的不同兴趣，而且能够更精确的定位。

步骤S13中：

移动终端理解图库中每一张图像的内容，根据图像的内容自动对每一张图像标注标签，再综合分析每一组图像的内容和标签获得概括性或延伸性标签。例如，某一组图像包括猫、狗、鹦鹉等动物标签，则可以推断用户喜欢宠物，则获得宠物标签。

移动终端可以从图像-标签库中检索与图库中待标注图像的内容相似的图像，获取检索出的图像的标签，再从获取的标签中选择显著词语作为待标注图像的标签，标注于该图像。其基本思想可以理解为：搜集一个大型的图像数据库，以便针对每个新的图像，都可以从数据库中找到数据和语义相似的图像，根据相似的图像的描述和标签来标注新的图像。其中，图像-标签库可以存储于移动终端本地，也可以存储于云端数据库。

上述解决方案基本与下述公式(5)中统计图像自动标注的想法一致：

w^*＝argmax_wp(w|I_q)...(a)

＝argmax_wp(w|θ_q)·p(θ_q|I_q)...(b)(5)

＝argmax_w[max_tp(w|t)·p(t|θ_q)]·p(θ_q|I_q)...(c)

图像自动标注的目的是找到一组可最大化公式(5a)中p(w|I_q)条件分布的关键词语。其中I_q是没有标签的用户库中的图像，w是词语或短语集。应用贝叶斯规则，获得公式(5b)，其中θ_q代表搜索结果，p(w|θ_q)研究θ_q和w之间关系。如果假设存在一个图像主题，图像由多个主题混合表示(即一个图像属于多个主题)，且每个主题对应多个词语，获得公式(5c)，其中t代表主题空间中的词语。公式(5)模拟了“图像搜索和文本挖掘”过程，由于这两个步骤都有成熟的技术，可以直接使用。

总之，本步骤S13的基本过程为：(1)给定一个未标注的图像，从图像-标签库中检索相似的图像；2)从检索结果的文本中挖掘的显著词语；3)拒掉噪声，返回显著词语作为图像标注。

图库中图像的一个典型特征是，用户可能已经给图像标注了标签，此时可以综合用户标注的标签和该图像的内容对该图像标注标签。具体的，将图像和用户标注的标签一起作为查询条件，首先对给定的标签执行基于文本的图像搜索，然后在搜索结构基础上用基于视觉的重新排序找到语义和视觉相关图像，，最后获取相关图像的标签，再从获取的标签中选择显著词语作为待标注图像的标签，标注于该图像。可以用公式(6)表示：

w^*＝argmax_w[max_tp(w|t)·p(t|θ_q)]·p(θ_q|I_q,w_q)(6)

其中w_q代表查询标签。

采用公式(5)的方法自动获取标签，称为c-tag，是使用图库中的图像作为查询，基于图像内容检索图像-标签库获取的标签。采用公式(6)基于图像内容和用户生成的标签两者结合自动获取的标签称为ck-tag。并不是所有的图像都有用户标签u-tags，如果用户标签可用，采用公式(6)来标注每个图像，否则采用公式(5)。

步骤S14中：

移动终端基于层次主题空间和图像标签学习挖掘出用户兴趣。基于ODP的层次主题空间，图像可从属于多个主题，这样用户兴趣就可以以主题分布形式表示。把图像以概念分布的形式表示而不是分类到某一个概念存在双重优势：首先，软成员关系能有效地处理文本的模糊性，例如，“苹果”可以代表一个水果或电脑品牌；其次，它在某种程度上解决了语义不匹配的问题，例如，一张足球比赛的图像可以贴上“足球”的标签，也可以贴上“国际足联冠军手表”，因为他们对“运动”概念都有高权重。

因此，本实施例挖掘用户兴趣的主要构思为：将标注的每一个标签作为查询词语检索层次主题空间，获取与标签匹配的主题，生成排序的主题列表(即主题分布模型)作为用户兴趣列表。前述标签不但包括移动终端自动标注的标签，还可以包括用户自己标注的标签。

以下描述生成主题分布模型的细节：其基本思想是将查询词语映射到层次主题空间，并使用排序的主题列表表示用户兴趣。具体地说，给定一类用户图像，首先用每个图像的查询词语搜索主题空间，然后根据与查询词语的余弦相似度给ODP主题相应的分数。若以I_i表示一张图像，θ_j作为第j个主题，T(I_i)表示特征向量，即每个非零元素为检索到的话题经归一化处理的相似性分数，可以得到公式(7)：

T(I_i)＝[w_j(θ_j)|∑_jw_j(θ_j)＝1,0≤w_j(θ_j)≤1](7)

其中w_j(θ_j)是θ_j归一化分数。特征向量T(I_i)表示了一张图像的主题分布，对一类(一组)图像中每一张图像迭代这个过程，然后累加主题分布，删除那些权重值低于预定阈值的主题，用产生的归一化的主题分布代表用户兴趣。

从根本上说，ODP树引入了一组超级词汇，即兴趣词汇和通常用户图像词汇的超集，从而将用户图像表现内容与兴趣词语关联起来，挖掘出手机用户的兴趣爱好。此外，这个结构化的词汇定义的语义主题空间，无论是一张图像还是兴趣描述词语都可以通过这个空间的数据点表示。

以下举一实例说明采用本实施例的方法挖掘用户兴趣的过程，如图4所，最左边的框图展示了移动终端的图库，包含了形形色色的图像。中间的框图，展示根据图像内容或语义对图像聚类分组，对每一组检测相关用户兴趣。用户兴趣是关联每一组(行)图像的词语向量，如最右边的框图所示。比如用户拍摄滑雪的照片，那么有理由假设用户喜欢滑雪、运动、户外活动。

本发明所述的图像，包括图片、照片等。本发明中所述的移动终端的图库，可以存储于移动终端本地，也可以存储于云端。

如图5所示，提出本发明的用户兴趣挖掘方法第二实施例，所述方法包括以下步骤：

S21、基于ODP构建层次主题空间。

S22、根据移动终端的图库中图像的内容，对每一张图像标注标签。

S23、将标注的标签与层次主题空间进行匹配，生成用户兴趣列表。

本实施例与第一实施例的区别是，省略了对图库中的图像进行聚类分组的步骤，直接对每一张图像标注标签，基于每一张图像对用户兴趣进行挖掘。但相对于实施例一中基于每一组图像挖掘用户兴趣而言，本实施例对用户兴趣定位的精确性要略逊于实施例一。

本发明用户兴趣挖掘方法，区别于移动终端被动发送搜索数据，服务器端分析并反馈结果的传统模式，而是直接由移动终端基于图库中的图片或照片获取用户喜欢的景物、动物、人物等第一手资料，分析挖掘出用户兴趣，从而能够更全面准确的了解到用户的喜好，精准定位用户的兴趣爱好。挖掘出的用户兴趣可以应用于推断用户消费水平、对产品的偏好等，为用户提供更贴心、可靠的产品和服务。

本发明进一步提供一种基于用户兴趣挖掘的移动终端，应用于前述移动终端。现基于上述移动终端硬件结构以及通信***，提出本发明的基于用户兴趣挖掘的移动终端各实施例。

如图6所示，提出本发明基于用户兴趣挖掘的移动终端第一实施例，所述装置包括主题空间构建模块、图像聚类分组模块、图像标签标注模块和用户兴趣获取模块，其中：

主题空间构建模块：用于基于ODP构建层次主题空间。

ODP是一种手动编辑层次目录的方法，每个目录节点都是由人工选择的关于同一主题的网页，主题空间构建模块可以基于ODP拓扑结构构建层次主题空间及根据每个目录节点相关联的网页学习主题。

可选地，主题空间构建模块可以采用最直接的方式学***均属于这个目录的所有网页权重向量，得到均值向量，由此产生的特征向量，定义为一个主题，最终定义多个主题，构成层次主题空间。

可选地，主题空间构建模块可以采用块主题识别方法来构建层次主题空间，具体为：根据代表相应ODP目录的主题的句子的重要性来权重句子，根据句子的权重将主题相关句子与主题无关句子分开，并从主题相关句子中学习特定主题，构建出层次主题空间。

进一步地，主题空间构建模块还可以建立有效的主题空间索引，具体为：视层次主题空间中的每一个主题为一个文档，基于ODP树建立倒排索引，以此来索引所有主题。后续就快速查询和匹配主题空间。

图像聚类分组模块：用于对移动终端的图库中的图像进行聚类分组。

具体的，图像聚类分组模块可以根据图像的颜色特征、形状特征或/和纹理特征对图库中的图像进行聚类分组，每一组图像代表一个类别，例如运动类、风景类、服饰类、聚会类等等。可以利用K-means等聚类算法对图像进行聚类分组。

本实施例中，用户兴趣挖掘之所以基于一组图像而非一个单一的图像，是因为从一组语义相关的图像中可以更可靠地发现用户兴趣。举例而言：如果只有一张白色的猫的图像，它是很难告诉我们用户是对白色的猫、猫、还是宠物感兴趣。然而，如果有关白猫和小狗的图像同时出现的话，我们可以更确定的得出结论：用户对宠物感兴趣。

由此可见，对图像进行聚类分组，不仅能够有助于发现或挖掘出用户的不同兴趣，而且能够更精确的定位。

图像标签标注模块：用于根据图库中图像的内容，对图像标注标签。

具体的，图像标签标注模块理解图库中每一张图像的内容，根据图像的内容自动对每一张图像标注标签，再综合分析每一组图像的内容和标签获得概括性或延伸性标签。例如，某一组图像包括猫、狗、鹦鹉等动物标签，则可以推断用户喜欢宠物，则获得宠物标签。

具体实现上，图像标签标注模块可以从图像-标签库中检索与图库中待标注图像的内容相似的图像，获取检索出的图像的标签，再从获取的标签中选择显著词语作为待标注图像的标签，标注于该图像。

进一步地，当图库中的图像已被用户标注了标签时，图像标签标注模块可以综合用户标注的标签和该图像的内容对该图像标注标签。具体的，图像标签标注模块将图像和用户标注的标签一起作为查询条件，首先对给定的标签执行基于文本的图像搜索，然后在搜索结构基础上用基于视觉的重新排序找到语义和视觉相关图像，最后获取相关图像的标签，再从获取的标签中选择显著词语作为待标注图像的标签，标注于该图像。

用户兴趣获取模块：用于将标注的标签与层次主题空间进行匹配，生成用户兴趣列表。

用户兴趣获取模块基于层次主题空间和图像标签学习挖掘出用户兴趣。基于ODP的层次主题空间，图像可从属于多个主题，这样用户兴趣就可以以主题分布形式表示。具体为：用户兴趣获取模块将标注的每一个标签作为查询词语检索层次主题空间，获取与标签匹配的主题，生成排序的主题列表(即主题分布模型)作为用户兴趣列表。前述标签不但包括移动终端自动标注的标签，还可以包括用户自己标注的标签。

上述实施例提供的基于用户兴趣挖掘的移动终端与用户兴趣挖掘方法实施例属于同一构思，其具体实现过程详见方法实施例，且方法实施例中的技术特征在移动终端实施例中均对应适用，这里不再赘述。

如图7所示，提出本发明基于用户兴趣挖掘的移动终端第二实施例，所述装置包括主题空间构建模块、图像标签标注模块和用户兴趣获取模块。本实施例与第一实施例的区别是，省略了图像聚类分组模块，不对图库中的图像进行聚类分组，直接对每一张图像标注标签，基于每一张图像对用户兴趣进行挖掘。但相对于实施例一中基于每一组图像挖掘用户兴趣而言，本实施例对用户兴趣定位的精确性要略逊于实施例一。

本发明基于用户兴趣挖掘的移动终端，区别于移动终端被动发送搜索数据，服务器端分析并反馈结果的传统模式，而是直接由移动终端基于图库中的图片或照片获取用户喜欢的景物、动物、人物等第一手资料，分析挖掘出用户兴趣，从而能够更全面准确的了解到用户的喜好，精准定位用户的兴趣爱好。挖掘出的用户兴趣可以应用于推断用户消费水平、对产品的偏好等，为用户提供更贴心、可靠的产品和服务。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于用户兴趣挖掘的移动终端，其特征在于，包括：

主题空间构建模块，用于基于开发目录项目构建层次主题空间；

图像标签标注模块，用于根据所述移动终端的图库中图像的内容，对所述图像标注标签；

用户兴趣获取模块，用于将所述标签与所述层次主题空间进行匹配，生成用户兴趣列表。

2.根据权利要求1所述的基于用户兴趣挖掘的移动终端，其特征在于，

还包括图像聚类分组模块，所述图像聚类分组模块用于：对所述图库中的图像进行聚类分组。

3.根据权利要求2所述的基于用户兴趣挖掘的移动终端，其特征在于，所述图像聚类分组模块用于：

根据图像的颜色特征、形状特征或/和纹理特征对所述图库中的图像进行聚类分组。

4.根据权利要求1所述的基于用户兴趣挖掘的移动终端，其特征在于，所述图像标签标注模块用于：

从图像标签库中检索与所述图库中待标注图像的内容相似的图像，获取检索出的图像的标签，从中选择显著词语作为所述待标注图像的标签予以标注。

5.根据权利要求1-4任一项所述的基于用户兴趣挖掘的移动终端，其特征在于，所述用户兴趣获取模块用于：

将每一所述标签作为查询词语检索层次主题空间，获取与所述标签匹配的主题，生成排序的主题列表作为用户兴趣列表。

6.一种用户兴趣挖掘方法，应用于移动终端，其特征在于，包括步骤：

基于开发目录项目构建层次主题空间；

根据所述移动终端的图库中图像的内容，对所述图像标注标签；

将所述标签与所述层次主题空间进行匹配，生成用户兴趣列表。

7.根据权利要求6所述的用户兴趣挖掘方法，其特征在于，所述根据所述移动终端的图库中图像的内容对所述图像标注标签的步骤之前还包括：

对所述图库中的图像进行聚类分组。

8.根据权利要求7所述的用户兴趣挖掘方法，其特征在于，所述对所述图库中的图像进行聚类分组包括：

根据图像的颜色特征、形状特征或/和纹理特征对所述图库中的图像进行聚类分组。

9.根据权利要求6所述的用户兴趣挖掘方法，其特征在于，所述根据所述移动终端的图库中图像的内容，对所述图像标注标签，包括：

从图像-标签库中检索与所述图库中待标注图像的内容相似的图像，获取检索出的图像的标签，从中选择显著词语作为所述待标注图像的标签予以标注。

10.根据权利要求6-9任一项所述的用户兴趣挖掘方法，其特征在于，所述将所述标签与所述层次主题空间进行匹配，生成用户兴趣列表，包括：

将每一所述标签作为查询词语检索层次主题空间，获取与所述标签匹配的主题，生成排序的主题列表作为用户兴趣列表。