本發(fā)明涉及網(wǎng)絡(luò)通信，更具體地講，涉及一種根據(jù)用戶興趣點進(jìn)行個性化推薦的方法和系統(tǒng)。

背景技術(shù)：
隨著電子信息技術(shù)的發(fā)展，網(wǎng)絡(luò)已經(jīng)改變了人們的生活方式。例如，人們可以利用網(wǎng)絡(luò)獲取自己感興趣的書籍、電影、音樂、商品等，因此網(wǎng)絡(luò)帶給了人們高效快捷的生活。人們已經(jīng)習(xí)慣利用計算機(jī)、手機(jī)等具有上網(wǎng)功能的設(shè)備，通過瀏覽自己感興趣的網(wǎng)頁進(jìn)行學(xué)習(xí)、娛樂、購物等來滿足自身多方位的需求。一般，用戶通過在網(wǎng)絡(luò)的搜索引擎輸入關(guān)鍵字來找到感興趣的網(wǎng)頁。然而通過這種搜索引擎的搜索，會呈現(xiàn)給用戶非常多的網(wǎng)頁，因此給用戶找到自己期望的內(nèi)容帶來困難。

技術(shù)實現(xiàn)要素：
本發(fā)明目的是實現(xiàn)從用戶在多個產(chǎn)品線上的行為記錄，挖掘用戶的關(guān)注需求點來彌補(bǔ)單一產(chǎn)品線用戶行為的稀疏性，從多個維度充分地了解和刻畫用戶，從而給用戶提供更好的個性化的搜索和推薦服務(wù)。本發(fā)明的目的在于提供一種根據(jù)用戶興趣點進(jìn)行個性化推薦的方法和系統(tǒng)。根據(jù)本發(fā)明的一方面，提供了一種根據(jù)用戶興趣點/關(guān)注點進(jìn)行個性化推薦的方法，該方法包括：(a)整合用戶在多個產(chǎn)品線上的在預(yù)定時間段內(nèi)的用戶行為日志；(b)針對用戶在預(yù)定時間段內(nèi)的行為日志進(jìn)行會話劃分；(c)對劃分的會話的用戶行為日志進(jìn)行同類需求行為信息整合并且挖掘用戶關(guān)注點/興趣點；(d)根據(jù)挖掘出的用戶興趣點/關(guān)注點通過推薦排序模型展示針對用戶興趣點/關(guān)注點的個性化推薦。步驟(b)可包括以下子步驟：針對用戶在預(yù)定時間段內(nèi)的行為日志進(jìn)行塊劃分；通過使用分類器來判斷劃分的塊集合所在的會話。所述塊劃分可基于以下規(guī)則中的至少一個來執(zhí)行：規(guī)則1：時間完全相同的連續(xù)日志歸為同一個塊；規(guī)則2：如果連續(xù)的2條日志時間間隔大于一定時間，則歸為不同的塊；規(guī)則3：如果連續(xù)日志的產(chǎn)品線為特定產(chǎn)品線，則將之歸為同一個塊；規(guī)則4：對比當(dāng)前日志中抽取的文本信息和上一條日志中抽取的文本信息是否相同，如果相同則歸為同一個塊，否則為新的一個塊的開始。判斷劃分的塊集合所在的會話的步驟可包括：通過遍歷劃分的塊集合，對于給定當(dāng)前塊，首先判斷是否和上一個塊同屬于一個會話中；如果是，則將該塊歸入前一個塊所在的會話；否則利用回溯策略，判斷往前看預(yù)定時間內(nèi)的所有塊中是否有與當(dāng)前塊同屬于一個會話的塊，如果有，則將當(dāng)前塊歸入找到的塊所在的會話中，否則將當(dāng)前塊歸入新的會話中。步驟(c)可包括以下子步驟：通過提取劃分的會話中的特定字段來計算目標(biāo)數(shù)據(jù)；利用主題分類技術(shù)來計算每個目標(biāo)的主題，并將每個主題分類相同的目標(biāo)歸并在一起以形成多個目標(biāo)集合；對每個目標(biāo)集合進(jìn)行分詞以建立術(shù)語共現(xiàn)圖；通過應(yīng)用圖聚類算法來識別用戶興趣點/關(guān)注點。展示針對用戶興趣點/關(guān)注點的個性化推薦的步驟可包括：當(dāng)用戶在搜索引擎中進(jìn)行搜索時，基于用戶輸入的搜索詞將符合用戶興趣點/關(guān)注點的個性化推薦顯示在搜索結(jié)果的前面。展示針對用戶興趣點/關(guān)注點的個性化推薦的步驟可包括：在用戶瀏覽網(wǎng)頁時，在除瀏覽的網(wǎng)頁的主要區(qū)塊的其余區(qū)塊中顯示符合用戶興趣點/關(guān)注點的個性化推薦。根據(jù)本發(fā)明的另一方面，提供了一種根據(jù)用戶興趣點/關(guān)注點進(jìn)行個性化推薦的系統(tǒng)，該系統(tǒng)包括：整合數(shù)據(jù)源模塊，用于整合用戶在多個產(chǎn)品線上的在預(yù)定時間段內(nèi)的用戶行為日志；會話劃分模塊，用于針對用戶在預(yù)定時間段內(nèi)的行為日志進(jìn)行會話劃分；關(guān)注點/興趣點挖掘模塊，用于對劃分的會話的用戶行為日志進(jìn)行同類需求行為信息整合并且挖掘用戶關(guān)注點/興趣點；個性化推薦模塊，用于根據(jù)挖掘出的用戶興趣點/關(guān)注點通過推薦排序模型展示針對用戶興趣點/關(guān)注點的個性化推薦。會話劃分模塊可包括：塊劃分子模塊，用于針對用戶在預(yù)定時間段內(nèi)的行為日志進(jìn)行塊劃分；會話劃分子模塊，用于通過使用分類器來判斷劃分的塊集合所在的會話。塊劃分子模塊可基于以下規(guī)則中的至少一個來執(zhí)行塊劃分：規(guī)則1：時間完全相同的連續(xù)日志歸為同一個塊；規(guī)則2：如果連續(xù)的2條日志時間間隔大于一定時間，則歸為不同的塊；規(guī)則3：如果連續(xù)日志的產(chǎn)品線為特定產(chǎn)品線，則將之歸為同一個塊；規(guī)則4：對比當(dāng)前日志中抽取的文本信息和上一條日志中抽取的文本信息是否相同，如果相同則歸為同一個塊，否則為新的一個塊的開始。會話劃分子模塊可通過以下步驟來判斷劃分的塊集合所在的會話：通過遍歷劃分的塊集合，對于給定當(dāng)前塊，首先判斷是否和上一個塊同屬于一個會話中；如果是，則將該塊歸入前一個塊所在的會話；否則利用回溯策略，判斷往前看預(yù)定時間內(nèi)的所有塊中是否有與當(dāng)前塊同屬于一個會話的塊，如果有，則將當(dāng)前塊歸入找到的塊所在的會話中，否則將當(dāng)前塊歸入新的會話中。關(guān)注點/興趣點挖掘模塊可包括：目標(biāo)數(shù)據(jù)計算子模塊，用于通過提取劃分的會話中的特定字段來計算目標(biāo)數(shù)據(jù)；目標(biāo)集合形成子模塊，用于利用主題分類技術(shù)來計算每個目標(biāo)的主題，并將每個主題分類相同的目標(biāo)歸并在一起以形成多個目標(biāo)集合；術(shù)語共現(xiàn)圖建立子模塊，用于對每個目標(biāo)集合進(jìn)行分詞以建立術(shù)語共現(xiàn)圖；用戶興趣點/關(guān)注點識別子模塊，用于通過應(yīng)用圖聚類算法來識別用戶興趣點/關(guān)注點。當(dāng)用戶在搜索引擎中進(jìn)行搜索時，可通過基于用戶輸入的搜索詞將符合用戶興趣點/關(guān)注點的個性化推薦顯示在搜索結(jié)果的前面，個性化推薦模塊來展示針對用戶興趣點/關(guān)注點的個性化推薦。在用戶瀏覽網(wǎng)頁時，可通過在除瀏覽的網(wǎng)頁的主要區(qū)塊的其余區(qū)塊中顯示符合用戶興趣點/關(guān)注點的個性化推薦，個性化推薦模塊來展示針對用戶興趣點/關(guān)注點的個性化推薦。將在接下來的描述中部分闡述本發(fā)明另外的方面和/或優(yōu)點，還有一部分通過描述將是清楚的，或者可以經(jīng)過本發(fā)明的實施而得知。附圖說明通過下面結(jié)合附圖進(jìn)行的描述，本發(fā)明的上述和其他目的和特點將會變得更加清楚，其中：圖1是示出根據(jù)本發(fā)明實施例的根據(jù)用戶興趣點進(jìn)行個性化推薦的方法的流程圖；圖2是示出session劃分的流程圖；圖3是示出session劃分的示例；圖4是示出對劃分的session的用戶行為日志進(jìn)行同類需求行為信息整合并且挖掘用戶關(guān)注點/興趣點的過程的流程圖；圖5是根據(jù)本發(fā)明實施例的根據(jù)用戶興趣點/關(guān)注點進(jìn)行個性化推薦的系統(tǒng)的框圖。具體實施方式現(xiàn)在，詳細(xì)描述本發(fā)明的實施例，其示例在附圖中表示，其中，相同的標(biāo)號始終表示相同的部件。以下通過參考附圖描述實施例以解釋本發(fā)明。圖1是示出根據(jù)本發(fā)明實施例的根據(jù)用戶興趣點/關(guān)注點進(jìn)行個性化推薦的方法的流程圖。如圖1所示，在步驟S101，整合多個數(shù)據(jù)源，即整合用戶在多個產(chǎn)品線上的在預(yù)定時間段內(nèi)的用戶行為日志(例如，搜索點擊行為日志)。這里的產(chǎn)品線可包括例如大搜索、貼吧、知道、文庫等等。具體地講，通過以用戶身份(ID)為關(guān)鍵詞依據(jù)時間順序來組織用戶在各個產(chǎn)品線上的搜索點擊行為日志。在步驟S102，針對用戶在預(yù)定時間段內(nèi)的行為日志進(jìn)行會話(session)劃分。具體地講，會話(session)是一個邏輯意義，它代表一個用戶在某段時間內(nèi)的一個意圖，從用戶的日志行為來看，會話具體可以規(guī)約成具有相關(guān)聯(lián)的一組檢索和點擊。例如，一個用戶連續(xù)搜索了“北京鮮花”“寶馬”“鮮花快遞”“奔馳”“別克”“鮮花購買”6個查詢。其中我們可以看出<“北京鮮花”“鮮花快遞”“鮮花購買”>和<“寶馬”“奔馳”“別克”>這兩組檢索屬于不同的行為意圖，即為兩個不同的session。因此，同一session可被定義為同一用戶在一段連續(xù)時間內(nèi)為滿足某個單一信息需求的搜索點擊行為。圖2是示出session劃分的流程圖。在步驟S201，針對每個用戶在預(yù)定時間段內(nèi)的行為日志進(jìn)行塊(block)劃分。所述block劃分基于以下規(guī)則來執(zhí)行：規(guī)則1：時間完全相同的連續(xù)日志歸為同一個block；規(guī)則2：如果連續(xù)的2條日志時間間隔大于一定時間（例如，5分鐘），則歸為不同的block；規(guī)則3：如果連續(xù)日志的產(chǎn)品線是為特定產(chǎn)品線(例如“news”、“ting”、“map”)，則將之歸為同一個block（常識上認(rèn)為如果有人連續(xù)時間內(nèi)在閱讀新聞、聽歌、或是瀏覽地圖則認(rèn)為是同一個意圖，故歸為同一個block）；規(guī)則4：對比當(dāng)前日志中抽取的文本信息和上一條日志中抽取的文本信息是否相同，如果相同則歸為同一個block，否則為新的一個block的開始。應(yīng)該理解，按照上述規(guī)則(規(guī)則1至規(guī)則4)的先后順序來針對用戶日志判斷是否屬于同一block，即先判斷用戶日志是否滿足規(guī)則1，如果沒有滿足規(guī)則1，則繼續(xù)判斷規(guī)則2，以此類推。在步驟S202，通過使用分類器來判斷劃分的block集合所在的session。由于分類器屬于機(jī)器學(xué)習(xí)中的現(xiàn)有技術(shù)，因此不在此進(jìn)行贅述。具體地講，通過遍歷劃分的block集合，對于給定當(dāng)前block，首先判斷是否和上一個block同屬于一個session中。如果是，則將該block歸入前一個block所在的session；否則利用回溯策略，判斷往前看預(yù)定時間(例如一個小時)內(nèi)的所有block中是否有與當(dāng)前block同屬于一個session的block，如果有則將當(dāng)前block歸入找到的block所在的session中，否則將當(dāng)前block歸入新的session中。更具體地講，回溯策略主要在判斷2個block是否屬于同一個session之后，再往回看預(yù)定時間(例如一個小時)之內(nèi)的block是否與當(dāng)前block屬于同一個session。如果沒有則重新開啟一個新的session，否則記錄當(dāng)前block和之前的block為相同的sessionid。下面將參照圖3給出的示例來詳細(xì)描述session劃分過程。如圖3所示，該用戶在時間20:19:14進(jìn)行“曼聯(lián)”查詢、在20:21:38進(jìn)行“曼聯(lián)直播”查詢、在22:01:04進(jìn)行“長痘痘的位置”查詢、在22:11:51進(jìn)行“如何改善員工不穩(wěn)定性”查詢、在22:19:11進(jìn)行“長痘痘是吃什么”查詢、在23:02:44進(jìn)行“如何穩(wěn)定員工隊伍”查詢。根據(jù)上述block劃分，可得到圖3中間的6個block，然后遍歷這6個block，對于當(dāng)前的block利用分類器判斷是否和上一個block屬于同個session，用分類器判斷block1（曼聯(lián)）和block2（曼聯(lián)直播）同屬于一個session中。然后考慮block3和block2，根據(jù)分類器確定這兩個block不屬于同一個session，則接下來往回考慮block3和block1，由于這兩個block的時間間隔大于預(yù)定時間(即1個小時)，故block3屬于新的session。同理當(dāng)遍歷到block5的時候，發(fā)現(xiàn)其和block4不屬于同一個session，往回看一個小時內(nèi)的block，發(fā)現(xiàn)和block4、block3的時間間隔均在一個小時之內(nèi)，故把block5和block4、block3進(jìn)行了判斷，通過分類器發(fā)現(xiàn)block5和block4不在一個session中，而和block3同屬一個session，則把block5歸入block3所在的session中。以此類推，發(fā)現(xiàn)block6和block4同屬一個session。當(dāng)遍歷完所有block之后，輸出圖3中右邊的結(jié)果，而左邊為不考慮回溯策略的session劃分結(jié)果?，F(xiàn)回到圖1，在步驟S103，對劃分的session的用戶行為日志進(jìn)行同類需求行為信息整合并且挖掘用戶關(guān)注點/興趣點。下面將參照圖4對步驟S103進(jìn)行詳細(xì)描述。在步驟S401，通過提取劃分的會話(session)中的有用字段來計算目標(biāo)(goal)數(shù)據(jù)。具體地講，針對不同數(shù)據(jù)源的特點，因為不同的產(chǎn)品線的日志不同，因此通過使用不同策略提取對計算興趣點有用的字段來計算生成用戶的目標(biāo)數(shù)據(jù)，因此這里的有用字段可以指查詢(Query)、標(biāo)題(title)等。在計算目標(biāo)時一般查詢字段中的查詢信息會兩倍處理，其他都是一倍處理，這是由于我們認(rèn)為查詢更能表達(dá)用戶興趣，而標(biāo)題字段(這里的標(biāo)題是指用戶搜索后點擊的網(wǎng)頁標(biāo)題)等非查詢信息字段只是對查詢的有益補(bǔ)充。在步驟S402，利用主題分類技術(shù)來計算每個目標(biāo)的主題，并將每個用戶主題分類相同的目標(biāo)歸并在一起以形成多個目標(biāo)集合。主題分類技術(shù)是對用戶搜索查詢或者點擊標(biāo)題進(jìn)行分類的機(jī)器學(xué)習(xí)技術(shù)。輸入是一個查詢或者標(biāo)題文本，輸出為該查詢或者標(biāo)題能分到的某一個類別，比如“娛樂人物”，“交通票務(wù)”，“教育培訓(xùn)”等等。該主題分類技術(shù)為機(jī)器學(xué)習(xí)中的常規(guī)技術(shù)，因此在此不再累述。在步驟S403，對每個目標(biāo)集合進(jìn)行分詞以建立術(shù)語(term)共現(xiàn)圖。具體地講，對每個目標(biāo)集合中的用戶的查詢和標(biāo)題進(jìn)行切詞，根據(jù)術(shù)語共現(xiàn)建立術(shù)語共現(xiàn)圖。圖中每個術(shù)語共現(xiàn)圖中的節(jié)點對應(yīng)一個術(shù)語，節(jié)點的權(quán)重對應(yīng)術(shù)語出現(xiàn)的頻次。共現(xiàn)圖的每條邊對應(yīng)兩個術(shù)語的共現(xiàn)，連接的權(quán)重對應(yīng)兩個術(shù)語共現(xiàn)的頻次。例如，以查詢“我喜歡狗”為例，切詞后變成“我”、“喜歡”、“狗”這幾個詞，那建立的圖有三個節(jié)點，每個節(jié)點一個詞，節(jié)點上的權(quán)重就是這幾個詞出現(xiàn)的頻次，連接的邊上的權(quán)重就是兩個詞共同出現(xiàn)的次數(shù)，比如說我和喜歡共同出現(xiàn)了1次。在步驟S404，通過應(yīng)用圖聚類算法來識別用戶興趣點/關(guān)注點。具體地講，對術(shù)語共現(xiàn)圖進(jìn)行凝聚層次聚類，以識別出術(shù)語共現(xiàn)圖中共有多少個Cluster(簇)，這里認(rèn)為每一個簇對應(yīng)一個用戶的興趣點。其后，通過下一步驟來分別輸出各個聚類結(jié)果中的興趣點：抽取用戶興趣點時，先選擇在該簇中權(quán)重最大的節(jié)點作為該興趣點的核心術(shù)語。然后選取連接權(quán)重乘以節(jié)點權(quán)重最大且與核心節(jié)點相連接的術(shù)語作為第一輔助術(shù)語。最后將所有與核心術(shù)語和第一輔助術(shù)語相連的術(shù)語都提取出來作為其他輔助術(shù)語。所以每個興趣點的術(shù)語數(shù)量是不確定的，如果為非孤立節(jié)點，則術(shù)語數(shù)量一定大于等于2；若為孤立節(jié)點，則術(shù)語數(shù)量為1。之后，回到原始Session中重新核對興趣點是否可以輸出：如果興趣點在多天出現(xiàn)過或在單天出過3次以上，則認(rèn)為行為夠豐富，可以輸出，否則不輸出。此外，輸出的每個興趣點包括核心術(shù)語，輔助術(shù)語等。每個興趣點還輸出來源的產(chǎn)品線，以輔助應(yīng)用方部署策略過濾策略；同時還輸出地名術(shù)語，從而識別興趣的地域傾向；并且輸出其末次出現(xiàn)日期和總出現(xiàn)天數(shù)，以輔助應(yīng)用方判斷興趣點的時效性等。接著，利用已經(jīng)構(gòu)建的詞典，將已經(jīng)輸出的興趣點過詞典匹配模塊，以對該興趣點加標(biāo)簽(tag)。詞典匹配策略只考慮核心術(shù)語和第一輔助術(shù)語，首先將這兩個術(shù)語連接（包括正向和反向），進(jìn)行詞典匹配。若匹配成功，則輸出匹配的標(biāo)簽；否則利用核心術(shù)語進(jìn)行匹配，若匹配成功，則輸出匹配的標(biāo)簽；否則利用第一輔助術(shù)語進(jìn)行匹配，若匹配成功，則輸出匹配的標(biāo)簽?，F(xiàn)在返回圖1，在步驟S104，根據(jù)挖掘出的用戶興趣點/關(guān)注點通過推薦排序模型展示針對用戶興趣點/關(guān)注點的個性化推薦。上述步驟S101、S102和S103可在用戶終端中執(zhí)行或者在服務(wù)器中執(zhí)行。具體地講，用戶終端可從服務(wù)器上下載相應(yīng)的用戶興趣點/關(guān)注點挖掘軟件以便挖掘用戶興趣點/關(guān)注點。根據(jù)以上描述，用戶興趣點/關(guān)注點挖掘軟件可根據(jù)用戶的查詢點擊操作日志來不斷地更新用戶興趣點/關(guān)注點。上述步驟S104可在服務(wù)器上執(zhí)行。上述推薦排序模型可由現(xiàn)有的推薦排序模型來實現(xiàn)，例如，現(xiàn)有的推薦排序模型可根據(jù)商家競價、根據(jù)用戶IP地址等等條件對搜索結(jié)果進(jìn)行排序，因此在此不對其進(jìn)行詳細(xì)描述。根據(jù)本發(fā)明的實施例，例如，當(dāng)用戶在搜索引擎中進(jìn)行搜索時推薦排序模型可基于用戶輸入的搜索詞將符合用戶興趣點/關(guān)注點的網(wǎng)站、文章、視頻等列在搜索結(jié)果的前面?；蛘?，可在用戶瀏覽網(wǎng)頁時，在除瀏覽的網(wǎng)頁的主要區(qū)塊的其余區(qū)塊中顯示根據(jù)用戶興趣點/關(guān)注點而推薦的網(wǎng)站、文章、視頻等，例如，當(dāng)用戶興趣點/關(guān)注點為股票時，可在用戶瀏覽的網(wǎng)頁的其余區(qū)塊中為用戶推薦與股票相關(guān)的網(wǎng)站、文章、視頻等。圖5是根據(jù)本發(fā)明實施例的根據(jù)用戶興趣點/關(guān)注點進(jìn)行個性化推薦的系統(tǒng)的框圖。如圖5所示，根據(jù)本發(fā)明的根據(jù)用戶興趣點進(jìn)行個性化推薦的系統(tǒng)包括：整合數(shù)據(jù)源模塊501、會話劃分模塊502、關(guān)注點/興趣點挖掘模塊503和個性化推薦模塊504。整合數(shù)據(jù)源模塊501用于整合用戶在多個產(chǎn)品線上的在預(yù)定時間段內(nèi)的用戶行為日志。會話劃分模塊502用于針對用戶在預(yù)定時間段內(nèi)的行為日志進(jìn)行會話劃分。關(guān)注點/興趣點挖掘模塊503用于對劃分的session的用戶行為日志進(jìn)行同類需求行為信息整合并且挖掘用戶關(guān)注點/興趣點。個性化推薦模塊504用于根據(jù)挖掘出的用戶興趣點/關(guān)注點通過推薦排序模型展示針對用戶興趣點/關(guān)注點的個性化推薦。應(yīng)該理解，整合數(shù)據(jù)源模塊501、會話劃分模塊502、關(guān)注點/興趣點挖掘模塊503可被單獨或集成實現(xiàn)在用戶終端中或集成實現(xiàn)在服務(wù)器上。個性化推薦模塊504可被實現(xiàn)在服務(wù)器上。如圖5所示，會話劃分模塊502包括塊劃分子模塊5021和會話劃分子模塊5022。其中，塊劃分子模塊5021用于針對每個用戶在預(yù)定時間段內(nèi)的行為日志進(jìn)行塊(block)劃分。所述block劃分基于以下規(guī)則來執(zhí)行：規(guī)則1：時間完全相同的連續(xù)日志歸為同一個block；規(guī)則2：如果連續(xù)的2條日志時間間隔大于一定時間（例如，5分鐘），則歸為不同的block；規(guī)則3：如果連續(xù)日志的產(chǎn)品線是為特定產(chǎn)品線(例如“news”、“ting”、“map”)，則將之歸為同一個block（常識上認(rèn)為如果有人連續(xù)時間內(nèi)在閱讀新聞、聽歌、或是瀏覽地圖則認(rèn)為是同一個意圖，故歸為同一個block）；規(guī)則4：對比當(dāng)前日志中抽取的文本信息和上一條日志中抽取的文本信息是否相同，如果相同則歸為同一個block，否則為新的一個block的開始。會話劃分子模塊5022用于通過使用分類器來判斷劃分的block集合所在的session。又如圖5所示，關(guān)注點/興趣點挖掘模塊503包括目標(biāo)數(shù)據(jù)計算子模塊5031、目標(biāo)集合形成子模塊5032、術(shù)語共現(xiàn)圖建立子模塊5033和用戶興趣點/關(guān)注點識別子模塊5034。目標(biāo)數(shù)據(jù)計算子模塊5031用于通過提取劃分的會話(session)中的有用字段來計算目標(biāo)(goal)數(shù)據(jù)。目標(biāo)集合形成子模塊5032用于利用主題分類技術(shù)來計算每個目標(biāo)的主題，并將每個用戶主題分類相同的目標(biāo)歸并在一起以形成多個目標(biāo)集合。術(shù)語共現(xiàn)圖建立子模塊5033用于對每個目標(biāo)集合進(jìn)行分詞以建立術(shù)語共現(xiàn)圖。用戶興趣點/關(guān)注點識別子模塊5034用于通過應(yīng)用圖聚類算法來識別用戶興趣點/關(guān)注點。通過根據(jù)本發(fā)明的根據(jù)用戶興趣點/關(guān)注點進(jìn)行個性化推薦的方法和系統(tǒng)，通過判定出用戶的興趣點/關(guān)注點，從而向用戶推薦更符合用戶興趣點/關(guān)注點的產(chǎn)品，從而提高用戶的滿意度。盡管已經(jīng)參照本發(fā)明實施例具體顯示和描述了本發(fā)明，但是本領(lǐng)域的技術(shù)人員應(yīng)該理解，在不脫離由權(quán)利要求限定的本發(fā)明的精神和范圍的情況下，可以對其進(jìn)行形式和細(xì)節(jié)上的各種改變。