一種個性化標簽的推薦方法及裝置制造方法
【專利摘要】本發明涉及一種個性化標簽的推薦方法，包括以下步驟：收集用戶訪問網站的歷史行為數據，存儲從該歷史行為數據中挖掘的關鍵詞；統計所存儲的每個關鍵詞與用戶的相關度；接收客戶端的標簽推薦請求；根據所述每個關鍵詞與用戶的相關度從所存儲的關鍵詞中提取至少一個關鍵詞；根據所提取的關鍵詞生成關鍵詞標簽，將所生成的關鍵詞標簽返回至客戶端進行顯示。本發明還提供一種個性化標簽的推薦裝置。利用本發明可以為用戶推薦符合個性化需求的標簽供用戶選擇設置，提高用戶設置標簽的積極性，以及所設置標簽的準確性和有效性。
【專利說明】一種個性化標簽的推薦方法及裝置
【技術領域】
[0001] 本發明具體實施例涉及信息交互【技術領域】，特別涉及一種個性化標簽的推薦方法 及裝置。
【背景技術】
[0002] 隨著互聯網技術的發展，涉及到互聯網的應用越來越多。在一些應用中，需要用戶 設置一些標簽，用于表示用戶的個性化特征，例如用戶的興趣、特長等，以便該應用根據所 設置的標簽進行進一步的數據分析或數據挖掘。例如，在用于互動交流的問答平臺中，通常 需要用戶先設置一些表示用戶擅長領域(例如IT領域、紡織領域)、擅長對象(例如電腦、月艮 裝）的標簽。問答平臺可以根據用戶設置的標簽為用戶推薦一些該用戶可能知道答案的問 題，讓用戶從中選擇問題進行解答，從而簡化用戶在問答平臺中尋找問題的繁瑣過程。
[0003] 然而，目前應用的標簽一般要求用戶通過手動輸入進行設置，或者從一個通用的 標簽推薦列表中選擇認為適合的標簽進行設置。手動輸入標簽的效率顯然較低，而通用的 標簽推薦列表通常不符合用戶的個性化需求，因此用戶設置所述標簽的積極性受到影響， 所設置的標簽反映用戶個性化特征的準確性也較低。而用戶若不設置或隨意設置標簽，則 會給后期的數據分析或數據挖掘等造成一定的障礙，例如所述問答平臺難以根據該標簽找 到符合用戶要求的問題。
【發明內容】
[0004] 有鑒于此，有必要提供一種個性化標簽的推薦方法及裝置，可以為用戶推薦符合 個性化需求的標簽供用戶選擇設置，提高用戶設置標簽的積極性，以及所設置標簽的準確 性和有效性。
[0005] -種個性化標簽的推薦方法，包括以下步驟：收集步驟：收集用戶訪問網站的歷 史行為數據，存儲從該歷史行為數據中挖掘的關鍵詞；統計步驟：統計所存儲的每個關鍵 詞與用戶的相關度；接收步驟：接收客戶端的標簽推薦請求；提取步驟：根據所述每個關鍵 詞與用戶的相關度從所存儲的關鍵詞中提取至少一個關鍵詞；第一生成步驟：根據所提取 的關鍵詞生成關鍵詞標簽，將所生成的關鍵詞標簽返回至客戶端進行顯示。
[0006] -種個性化標簽的推薦裝置，包括：收集模塊，用于收集用戶訪問網站的歷史行為 數據，存儲從該歷史行為數據中挖掘的關鍵詞；統計模塊，用于統計所存儲的每個關鍵詞與 用戶的相關度；接收模塊，用于接收客戶端的標簽推薦請求；提取模塊，用于根據所述每個 關鍵詞與用戶的相關度從所存儲的關鍵詞中提取至少一個關鍵詞；第一生成模塊，用于根 據所提取的關鍵詞生成關鍵詞標簽，將所生成的關鍵詞標簽返回至客戶端進行顯示。
[0007] 相較于現有技術，本發明個性化標簽的推薦方法及裝置，通過收集用戶訪問網站 的歷史行為數據，根據從該歷史行為數據中挖掘出的關鍵詞生成標簽返回給客戶端，可以 為用戶推薦符合個性化需求的標簽供用戶選擇設置，提高用戶設置標簽的積極性，以及所 設置標簽的準確性和有效性。
[0008] 為讓本發明的上述和其他目的、特征和優點能更明顯易懂，下文特舉較佳實施例， 并配合所附圖式，作詳細說明如下。
【專利附圖】
【附圖說明】
[0009] 圖1為本發明實施例提供的個性化標簽的推薦方法應用時的環境示意圖。
[0010] 圖2為本發明第一實施例提供的個性化標簽的推薦方法的流程圖。
[0011] 圖3為客戶端的標簽設置頁面的示意圖。
[0012] 圖4為自定義標簽設置界面的示意圖。
[0013] 圖5為本發明第二實施例提供的個性化標簽的推薦方法的流程圖。
[0014] 圖6為推薦的關鍵詞標簽和種類標簽的不意圖。
[0015] 圖7為本發明第三實施例提供的個性化標簽的推薦裝置的框圖。
[0016]圖8為本發明第四實施例提供的個性化標簽的推薦裝置的框圖。
【具體實施方式】
[0017] 為更進一步闡述本發明為實現預定發明目的所采取的技術手段及功效，以下結合 附圖及較佳實施例，對依據本發明的【具體實施方式】、結構、特征及其功效，詳細說明如后。
[0018] 參閱圖1所示，為本發明實施例提供的個性化標簽的推薦方法應用時的環境示意 圖。在本實施例中，該個性化標簽的推薦方法應用于服務器1中，該服務器1通過網絡2與 終端3進行網絡通信。該終端3的具體實例包括但并不限于臺式計算機、便攜式計算機、手 機、平板電腦、個人數字助理、自助網絡終端機或者其他類似的運算裝置。網絡2可為任意 的網絡連接方式，例如互聯網（Internet)、移動互聯網（如電信運營商提供的2G、3G網絡)、 局域網(有線或者無線）等。
[0019] 第一實施例
[0020] 參閱圖2所示，本發明第一實施例提供一種個性化標簽的推薦方法，該個性化標 簽的推薦方法包括以下步驟：
[0021] 步驟S1，收集用戶訪問網站的歷史行為數據，存儲從該歷史行為數據中挖掘的關 鍵詞；
[0022] 步驟S2,統計所存儲的每個關鍵詞與用戶的相關度；
[0023] 步驟S3,接收客戶端的標簽設置請求；
[0024] 步驟S4,根據所述每個關鍵詞與用戶的相關度從所存儲的關鍵詞中提取至少一個 關鍵詞；
[0025] 步驟S5,根據所提取的關鍵詞生成關鍵詞標簽，將所生成的關鍵詞標簽返回至客 戶端進行顯示。
[0026] 按照上述的個性化標簽的推薦方法，通過收集用戶訪問網站的歷史行為數據，根 據從該歷史行為數據中挖掘出的關鍵詞生成標簽返回給客戶端，可以為用戶推薦符合個性 化需求的標簽供用戶選擇設置，提高用戶設置標簽的積極性，以及所設置標簽的準確性和 有效性。
[0027] 在一些實例中，上述方法的各步驟的實現細節如下：
[0028] 步驟S1所述的網站例如可以是騰訊網、百度網、新浪網等服務性網站，包括該服 務性網站下的網頁搜索引擎、問答平臺（例如騰訊問問、百度知道、新浪愛問）等應用，也可 以包括與該服務性網站相關聯的應用平臺，例如與騰訊網通過QQ登錄賬號關聯的QQ空間 和騰訊微博，與新浪網通過登錄賬號關聯的新浪微博等。
[0029] 所述的歷史行為數據例如包括用戶在該網站上所瀏覽網頁的標題、搜索網頁所輸 入的關鍵字、在該問答平臺上提出或解答過的問題的標題、搜索問題所使用的關鍵字等，甚 至包括用戶在與該網站相關聯的應用平臺中設置的個人信息，例如用戶在騰訊微博上設置 的代表用戶個性化特征的個人標簽等數據。
[0030] 所收集的歷史行為數據需要與該用戶關聯起來，例如，該歷史行為數據可以與用 戶登錄該網站所使用的登錄賬號關聯起來。當用戶使用該登錄賬號登錄該網站后，服務器1 實時收集用戶訪問該網站的歷史行為數據，將所收集的歷史行為數據存儲在服務器1的存 儲器中，并將所存儲的該歷史行為數據與該用戶的登錄賬號關聯，例如，將所收集的該歷史 行為數據存入該用戶的登錄賬號對應的存儲空間中。
[0031] 在本實施例中，該歷史行為數據可以為由連續的字組成的詞語、短語或句子等，因 此可以先采用分詞算法對該歷史行為數據進行分詞處理，然后根據各詞的頻度、是否為獨 立字(如"是"、"的"）等預定規則從該歷史行為數據中挖掘出關鍵詞，并將所挖掘的關鍵詞 存儲在服務器1的存儲器中。此外，步驟S1還可以對所挖掘的關鍵詞進行歸一化處理，經 歸一化處理后的關鍵詞更具有通用性。例如，該歸一化處理可以基于語義分析實現，通過對 關鍵詞的語義分析，將同義或近義的關鍵詞合并為一個關鍵詞。對關鍵詞的歸一化處理也 可以通過機器學習的方式實現，將表述同一事物的關鍵詞合并為一個關鍵詞。
[0032] 步驟S2所述的關鍵詞與用戶的相關度用于評價關鍵詞符合用戶興趣或需求的程 度。關鍵詞與用戶的相關度越高，說明用戶對該關鍵詞感興趣或需求的可能性越大，關鍵詞 與用戶的相關度越低，說明用戶對該關鍵詞感興趣或需求的可能性越低。
[0033] 在一個示例中，可以將相應的關鍵詞在所述歷史行為數據中出現的頻度按照一定 的函數公式計算得到該關鍵詞與用戶的相關度。關鍵詞在所述歷史行為數據中出現的頻度 越高，計算得到的該關鍵詞與用戶的相關度就越高。關鍵詞在所述歷史行為數據中出現的 頻度越低，計算得到的該關鍵詞與用戶的相關度就越低。在一個示例中，也可以采用貝葉斯 等統計學方法統計相應的關鍵詞符合用戶興趣或需求的概率而得到該關鍵詞與用戶的相 關度。在另一個示例中，還可以通過對包括大量數據的訓練集進行機器學習，依次判斷關鍵 詞是否符合用戶興趣或需求的方式得到該關鍵詞與用戶的相關度。所統計的每個關鍵詞與 用戶的相關度也被存儲在所述存儲器中。
[0034] 此外，步驟S2還可以對所存儲的每個關鍵詞按照該與用戶的相關度從高到低的 順序進行排序。例如，所存儲的與用戶A對應的關鍵詞包括"電腦"、"手機"和"平板"三個， 根據這三個關鍵詞的頻度及某個函數公式計算得到關鍵詞"電腦"與用戶的相關度的值為 8,關鍵詞"手機"與用戶的相關度的值為7,關鍵詞"平板"與用戶的相關度的值為9,則這三 個關鍵詞及其與用戶的相關度以集合的形式可以排序為{(平板，9)，（電腦，8)，（手機，7)}。
[0035] 步驟S3所述的客戶端運行于所述終端3中，用戶在該客戶端中通過所述登錄賬 號登錄該網站。該客戶端還用于根據用戶的操作顯示該網站的標簽設置頁面及標簽設置 選項。該標簽用于反映該用戶的個性化特征，例如用戶的興趣、愛好、特長等。例如圖3所 示，該客戶端為該網站的問答平臺，該問答平臺包括用戶的擅長問題的標簽設置頁面，圖3 中的"添加"選項10即為該標簽設置選項。當用戶選擇該標簽設置頁面上的標簽設置選項 時，客戶端將向服務器1發出所述的標簽推薦請求。
[0036] 步驟S4中，可以從所存儲的按照與用戶的相關度從高到低的順序進行排序后的 關鍵詞中提取排在前面的第一指定數量的關鍵詞，即提取與用戶的相關度較高的一些關鍵 詞。若所存儲的關鍵詞的數量不足該第一指定數量，則將所存儲的關鍵詞都提取出來。
[0037] 步驟S5根據所提取的關鍵詞生成關鍵詞標簽，例如針對所提取的每一個關鍵詞 都生成一個對應的關鍵詞標簽，該關鍵詞標簽例如是所述問答平臺中，用戶擅長問題的標 簽設置頁面中擅長關鍵詞的標簽。然后，步驟S5將所生成的關鍵詞標簽返回至客戶端進行 顯示，供用戶從所顯示的關鍵詞標簽中直接選擇適合的關鍵詞標簽進行標簽設置，無需用 戶手動輸入標簽。
[0038] 此外，步驟S5還可以同時生成一個自定義標簽設置界面，用于接收用戶手動輸入 的自定義標簽，例如圖4所示，然后將該自定義標簽設置界面返回至客戶端以顯示在客戶 端當前的標簽設置頁面上。若用戶在所顯示的關鍵詞標簽中沒有找到適合的關鍵詞標簽， 則可以在所顯示的該自定義標簽設置界面上手動輸入自定義的關鍵詞標簽進行設置。
[0039] 第二實施例
[0040] 為了豐富所推薦標簽的表現形式，除了所述關鍵詞標簽外，還推薦一種種類標簽， 本發明第二實施例提供一種個性化標簽的推薦方法，其相較于第一實施例的個性化標簽的 推薦方法，參閱圖5所示，所述步驟S2進一步包括：
[0041] 步驟S21，對所存儲的關鍵詞按照預設的種類進行分類。例如在該網站的問答平臺 中，在擅長問題的標簽設置頁面中，除了設置擅長關鍵詞外，還需要設置擅長領域。該擅長 領域即可理解為擅長關鍵詞的分類。因此，該預設的種類例如包括服裝類、電子產品類等。 在本實施例中，可以采用例如線性遞歸法、SVM (Support Vector Machine，支持向量機）的 機器學習法等，將該所存儲的關鍵詞劃分到各預設的種類下。例如，關鍵詞"手機"、"電腦"、 "MP3"等可以劃分到預設的電子產品類下，而關鍵詞"童裝"、"羽絨服"等可以劃分到預設的 服裝類下。
[0042] 步驟S22,根據預設的每個種類對應的各關鍵詞與用戶的相關度，統計所預設的每 個種類與用戶的相關度。該種類與用戶的相關度用于評價種類符合用戶的興趣與需求的程 度。該種類與用戶的相關度越高，說明用戶對該種類感興趣或需求的可能性越大。該種類 與用戶的相關度越低，說明用戶對該種類感興趣或需求的可能性越小。具體而言，例如可以 對每個種類下的各關鍵詞與用戶的相關度進行加權或不加權的求和計算，從而得到每個種 類與用戶的相關度。步驟S22也可以對所預設的每個種類按照與用戶的相關度從高到低的 順序進行排序。
[0043] 對應地，所述客戶端的標簽推薦請求中將包括需要推薦的標簽類型。所述標簽設 置選項也可以分為關鍵詞標簽的設置選項(如圖3中的選項10)和種類標簽的設置選項(如 圖3中的選項20)。當用戶選擇該關鍵詞標簽的設置選項時，客戶端發出關鍵詞標簽的標簽 推薦請求。當用戶選擇該種類標簽的設置選項時，客戶端發出種類標簽的標簽推薦請求。
[0044] 因此，所述步驟S3在接收到客戶端的標簽推薦請求后，將根據該標簽推薦請求分 析需要推薦的標簽為關鍵詞標簽還是種類標簽，若為關鍵詞標簽，則執行所述步驟S4,若為 種類標簽，則執行下述的步驟S6和步驟S7。
[0045] 步驟S6,根據所述每個種類與用戶的相關度從所預設的種類中獲取至少一個種 類。具體而言，可以從按照與用戶的相關度從高到低的順序進行排序后的預設的種類中獲 取排在前面的第二指定數量的種類，即提取與用戶的相關度較高的種類。
[0046] 步驟S7,根據所獲取的種類生成種類標簽，然后將所生成的種類標簽返回至客戶 端進行顯示，供用戶從所顯示的種類標簽中選擇適合的種類標簽進行標簽設置，例如進行 問答平臺中用戶擅長領域的標簽設置，無需用戶手動輸入標簽，如圖6所示。
[0047] 當然，步驟S7也可以同時生成一個自定義標簽設置界面，用于接收用戶手動輸入 的自定義標簽，然后將該自定義標簽設置界面返回至客戶端以顯示在客戶端當前的標簽設 置頁面上。
[0048] 綜上所述，本實施例的個性化標簽的推薦方法，可以在第一實施例的個性化標簽 的推薦方法的基礎上，進一步豐富所推薦標簽的表現形式。
[0049] 第三實施例
[0050] 參閱圖7所示，本發明第三實施例提供一種個性化標簽的推薦裝置100,其包括收 集模塊101、統計模塊102、接收模塊103、提取模塊104和第一生成模塊105。可以理解，上 述的各模塊是指計算機程序或者程序段，用于執行某一項或多項特定的功能。此外，上述各 模塊的區分并不代表實際的程序代碼也必須是分開的。
[0051] 收集模塊101，用于收集用戶訪問網站的歷史行為數據，存儲從該歷史行為數據中 挖掘的關鍵詞。收集模塊101還對所挖掘的關鍵詞進行歸一化處理。
[0052] 統計模塊102,用于統計所存儲的每個關鍵詞與用戶的相關度。統計模塊102還用 于對所存儲的每個關鍵詞按照與用戶的相關度從高到底的順序進行排序。
[0053] 接收模塊103,用于接收客戶端的標簽推薦請求。
[0054] 提取模塊104,用于根據所述每個關鍵詞與用戶的相關度從所存儲的關鍵詞中提 取至少一個關鍵詞。具體而言，提取模塊104可以從所存儲的按照與用戶的相關度從高到 低的順序進行排序后的關鍵詞中提取排在前面的第一指定數量的關鍵詞。若所存儲的關鍵 詞的數量不足該第一指定數量，則將所存儲的關鍵詞都提取出來。
[0055] 第一生成模塊105,用于根據所提取的關鍵詞生成關鍵詞標簽，將所生成的關鍵詞 標簽返回至客戶端進行顯示。第一生成模塊105還可以同時生成一個自定義標簽設置界 面，用于接收用戶手動輸入的自定義標簽，然后將該自定義標簽設置界面返回至客戶端以 顯示在客戶端當前的標簽設置頁面上。
[0056] 對于以上各模塊的具體工作過程，可進一步參考本發明第一實施例提供的個性化 標簽的推薦方法，在此不再重復。
[0057] 綜上所述，本實施例的個性化標簽的推薦裝置100,通過收集用戶訪問網站的歷史 行為數據，根據從該歷史行為數據中挖掘出的關鍵詞生成標簽返回給客戶端，可以為用戶 推薦符合個性化需求的標簽供用戶選擇設置，提高用戶設置標簽的積極性，以及所設置標 簽的準確性和有效性。
[0058] 第四實施例
[0059] 參閱圖8所示，本發明第四實施例提供一種個性化標簽的推薦裝置200,其相比于 第三實施例的個性化標簽的推薦裝置100,所述統計模塊102進一步包括：
[0060] 分類子模塊1021，用于對所存儲的關鍵詞按照預設的種類進行分類。
[0061] 統計子模塊1022,用于根據預設的每個種類對應的各關鍵詞與用戶的相關度，統 計所預設的每個種類與用戶的相關度。此外，統計子模塊1022也可以對所預設的每個種類 按照與用戶的相關度從高到低的順序進行排序。
[0062] 對應地，所述接收模塊103在接收到客戶端的標簽推薦請求后，將根據該標簽推 薦請求分析需要推薦的標簽為關鍵詞標簽還是種類標簽，若為關鍵詞標簽，則執行所述提 取模塊104,若為種類標簽，則執行下述的獲取模塊201和第二生成模塊202。
[0063] 獲取模塊201，用于根據所述每個種類與用戶的相關度從所預設的種類中獲取至 少一個種類。具體而言，可以從按照與用戶的相關度從高到低的順序進行排序后的預設的 種類中獲取排在前面的第二指定數量的種類。
[0064] 第二生成模塊202,用于根據所獲取的種類生成種類標簽，然后將所生成的種類標 簽返回至客戶端進行顯示。此外，第二生成模塊202也可以同時生成一個自定義標簽設置 界面，用于接收用戶手動輸入的自定義標簽，然后將該自定義標簽設置界面返回至客戶端 以顯示在客戶端當前的標簽設置頁面上。
[0065] 對于以上各模塊的具體工作過程，可進一步參考本發明第二實施例提供的個性化 標簽的推薦方法，在此不再重復。
[0066] 綜上所述，本實施例的個性化標簽的推薦裝置200,可以在第三實施例的個性化標 簽的推薦裝置100的基礎上，進一步豐富所推薦標簽的表現形式，除可推薦關鍵詞標簽外， 還可推薦種類標簽，供用戶選擇設置。
[0067] 此外，本發明實施例還提供一種計算機可讀存儲介質，其內存儲有計算機可執行 指令，上述的計算機可讀存儲介質例如為非易失性存儲器例如光盤、硬盤、或者閃存。上述 的計算機可執行指令用于讓計算機或者類似的運算裝置完成上述的個性化標簽的推薦方 法中的各種操作。
[0068] 以上所述，僅是本發明的較佳實施例而已，并非對本發明作任何形式上的限制，雖 然本發明已以較佳實施例揭示如上，然而并非用以限定本發明，任何本領域技術人員，在不 脫離本發明技術方案范圍內，當可利用上述揭示的技術內容做出些許更動或修飾為等同變 化的等效實施例，但凡是未脫離本發明技術方案內容，依據本發明的技術實質對以上實施 例所作的任何簡介修改、等同變化與修飾，均仍屬于本發明技術方案的范圍內。
【權利要求】
1. 一種個性化標簽的推薦方法，其特征在于，該方法包括以下步驟： 收集步驟：收集用戶訪問網站的歷史行為數據，存儲從該歷史行為數據中挖掘的關鍵 詞； 統計步驟：統計所存儲的每個關鍵詞與用戶的相關度； 接收步驟：接收客戶端的標簽推薦請求； 提取步驟：根據所述每個關鍵詞與用戶的相關度從所存儲的關鍵詞中提取至少一個關 鍵詞； 第一生成步驟：根據所提取的關鍵詞生成關鍵詞標簽，將所生成的關鍵詞標簽返回至 客戶端進行顯示。
2. 如權利要求1所述的個性化標簽的推薦方法，其特征在于，所述收集步驟還包括： 對所挖掘的關鍵詞進行歸一化處理。
3. 如權利要求1所述的個性化標簽的推薦方法，其特征在于，所述統計步驟還包括： 對所存儲的每個關鍵詞按照與用戶的相關度從高到底的順序進行排序； 所述提取步驟還包括： 從所存儲的關鍵詞中提取排在前面的第一指定數量的關鍵詞。
4. 如權利要求1所述的個性化標簽的推薦方法，其特征在于，所述統計步驟還包括： 對所存儲的關鍵詞按照預設的種類進行分類； 根據預設的每個種類對應的各關鍵詞與用戶的相關度，統計所預設的每個種類與用戶 的相關度。
5. 如權利要求4所述的個性化標簽的推薦方法，其特征在于，所述接收步驟還包括： 根據該標簽推薦請求分析需要推薦的標簽為關鍵詞標簽還是種類標簽，若為關鍵詞標 簽，則執行所述提取步驟。
6. 如權利要求5所述的個性化標簽的推薦方法，其特征在于，還包括： 獲取步驟：若需要推薦的標簽為種類標簽，則根據所述每個種類與用戶的相關度從所 預設的種類中獲取至少一個種類。
7. 如權利要求6所述的個性化標簽的推薦方法，其特征在于， 所述統計步驟還包括： 對所預設的每個種類按照與用戶的相關度從高到低的順序進行排序； 所述獲取步驟還包括： 從所預設的種類中獲取排在前面的第二指定數量的種類。
8. 如權利要求7所述的個性化標簽的推薦方法，其特征在于，還包括： 第二生成步驟：根據所獲取的種類生成種類標簽，將所生成的種類標簽返回至客戶端 進行顯示。
9. 如權利要求1或8所述的個性化標簽的推薦方法，其特征在于，所述第一生成步驟或 第二生成步驟還包括： 生成自定義標簽設置界面，將該自定義標簽設置界面返回至客戶端進行顯示。
10. -種個性化標簽的推薦裝置，其特征在于，該裝置包括： 收集模塊，用于收集用戶訪問網站的歷史行為數據，存儲從該歷史行為數據中挖掘的 關鍵詞； 統計模塊，用于統計所存儲的每個關鍵詞與用戶的相關度； 接收模塊，用于接收客戶端的標簽推薦請求； 提取模塊，用于根據所述每個關鍵詞與用戶的相關度從所存儲的關鍵詞中提取至少一 個關鍵詞； 第一生成模塊，用于根據所提取的關鍵詞生成關鍵詞標簽，將所生成的關鍵詞標簽返 回至客戶端進行顯示。
11. 如權利要求10所述的個性化標簽的推薦裝置，其特征在于，所述收集模塊還用于： 對所挖掘的關鍵詞進行歸一化處理。
12. 如權利要求10所述的個性化標簽的推薦裝置，其特征在于，所述統計模塊還用于： 對所存儲的每個關鍵詞按照與用戶的相關度從高到底的順序進行排序； 所述提取模塊還用于： 從所存儲的關鍵詞中提取排在前面的第一指定數量的關鍵詞。
13. 如權利要求10所述的個性化標簽的推薦裝置，其特征在于，所述統計模塊還用于： 對所存儲的關鍵詞按照預設的種類進行分類； 根據預設的每個種類對應的各關鍵詞與用戶的相關度，統計所預設的每個種類與用戶 的相關度。
14. 如權利要求13所述的個性化標簽的推薦裝置，其特征在于，所述接收模塊還用于： 根據該標簽推薦請求分析需要推薦的標簽為關鍵詞標簽還是種類標簽，若為關鍵詞標 簽，則執行所述提取模塊。
15. 如權利要求14所述的個性化標簽的推薦裝置，其特征在于，還包括： 獲取模塊，用于若需要推薦的標簽為種類標簽，則根據所述每個種類與用戶的相關度 從所預設的種類中獲取至少一個種類。
16. 如權利要求15所述的個性化標簽的推薦裝置，其特征在于， 所述統計模塊還用于： 對所預設的每個種類按照與用戶的相關度從高到低的順序進行排序； 所述獲取模塊還用于： 從所預設的種類中獲取排在前面的第二指定數量的種類。
17. 如權利要求16所述的個性化標簽的推薦裝置，其特征在于，還包括： 第二生成模塊，用于根據所獲取的種類生成種類標簽，將所生成的種類標簽返回至客 戶端進行顯示。
18. 如權利要求10或17所述的個性化標簽的推薦裝置，其特征在于，所述第一生成模 塊或第二生成模塊還用于： 生成自定義標簽設置界面，將該自定義標簽設置界面返回至客戶端進行顯示。
【文檔編號】G06F17/30GK104216881SQ201310206567
【公開日】2014年12月17日 申請日期:2013年5月29日 優先權日:2013年5月29日
【發明者】程剛, 姜愛榮, 潘璇, 王亮, 翟俊杰, 李鶴, 王谷丹, 莊子明, 陳建群, 蘆方 申請人:騰訊科技（深圳）有限公司