CN104836720B - 交互式通信中进行信息推荐的方法及装置 - Google Patents
交互式通信中进行信息推荐的方法及装置 Download PDFInfo
- Publication number
- CN104836720B CN104836720B CN201410048523.3A CN201410048523A CN104836720B CN 104836720 B CN104836720 B CN 104836720B CN 201410048523 A CN201410048523 A CN 201410048523A CN 104836720 B CN104836720 B CN 104836720B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- analysis
- recommendation
- communication
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
提出了一种交互式通信中进行信息推荐的方法,包括以下步骤:检测用户的输入,并接收用户输入的通信信息;对通信信息进行分析,预测与通信信息相关联的信息;将相关联的信息提供给用户。本发明实施例还提出了一种交互式通信中进行信息推荐的装置。本发明提供的技术方案,在用户聊天交互过程时,通过对聊天内容自动、实时地进行分析,并推测用户实际语义及用户感兴趣的话题,以获取相关信息,根据分析结果向用户推荐多种形式的多媒体信息,从而达到提高沟通效率、丰富聊天体验和减少语义误解的目的。
Description
技术领域
本发明涉及终端设备的技术领域,具体而言,本发明涉及交互式通信中进行信息推荐的方法及装置。
背景技术
近年来,随着电子产业和通信技术的飞速发展,以数据、话音、视频为基础的新业务发展迅猛。微电子技术、计算机软硬件技术的快速发展,为终端设备处理越来越复杂的工作打下了基础,为终端设备个性化提供了实现可能,使得终端从某种程度上摆脱了网络的制约,可以具备越来越强大的功能。此外,用户本身也对终端有迫切的需求,希望终端功能更强大、更灵活、更简捷。信息技术的发展,使终端技术走向智能化、移动化、多功能化。目前,手机是最为人们所熟悉的一种移动终端,现在手机已经成为了人们日常生活不可缺少的物品。为了使人们更方便地使用手机,手机通讯录的容量越来越大、联系人越来越多、联系人的信息越来越复杂。屏幕的尺寸在不断地扩大、触控功能也越来越灵敏。现在,包括手机、电脑等智能终端已经普及到人们生活的诸多方面,人们利用各种智能终端可以进行通信、看视频、阅读网页新闻等;智能终端的功能非常多且处理功能强大。
近年来,基于(移动)互联网的即时聊天(IM)工具以其低成本、高效率、方便使用的优点,成为人们日常通讯的主要方式。这些即时通讯工具大多接受多种输入方式、如文字、语音、视频以及这些方式的组合。目前,用户内容及行为分析与智能推荐系统主要应用于电子商务领域。推荐系统通过对大量用户历史点击及交易行为的分析(包括所购买的商品种类与数量或所关注的商品类型),挖掘出用户可能感兴趣的内容,并向其推荐包括图片及文字等促销信息。现有的交互式聊天工具往往只能使用语音或文字,由于语言的高度抽象性以及语言现象的复杂多样性,可能给聊天过程带来不便。例如,当采用语音或文字沟通的通信双方谈到一个对双方而言都很陌生的地方或物品时,由于没有对应的可视化信息(图片或视频),使得描述该地方或物品时存在困难,造成沟通效率不高的问题。又例如,当采用语音或文字沟通的通信双方谈论体育或娱乐项目时,仅仅通过语言或文字难以达到视频或图片带来的“临场”感受,因而无法体验身临其境的感觉。又例如,当采用语音或文字沟通的通信双方由于地域、方言或对话情景不同对所沟通的对象容易产生误解或歧义,也会造成沟通效率不高的问题。在现有的聊天应用上,如果用户希望在聊天过程中增加与本次谈话内容相关的多媒体信息(图片、视频、语音),只能通过人工搜索出相应的内容,然后发送给对方,这使得整个沟通过程需要大量用户的参与和操作,造成使用并不方便并且可能因为需要搜索相关内容而暂停交流,降低交流的流畅性。以上举例是想说明,目前的交互式聊天应用存在沟通障碍和效率不高的问题,因而需要加以改善。
有鉴于此,需要提供一种高效的交互式通信方式,以克服用户沟通中的歧义现象、无法临场感受的问题,从而提高交互式通信的效率。
发明内容
本发明的目的旨在至少解决上述技术缺陷之一,特别是提供一种交互式通信中进行信息推荐的方法及装置,以克服用户沟通中的歧义现象、无法临场感受的问题,从而提高交互式通信的效率。
为了实现上述目的,本发明实施例公开了一种交互式通信中进行信息推荐的方法,包括以下步骤:检测用户的输入,并接收用户输入的通信信息;对通信信息进行分析,预测与通信信息相关联的信息;将相关联的信息提供给用户。
为了实现上述目的,本发明实施例还公开了一种交互式通信中进行信息推荐的装置,包括:检测模块,用于检测用户的输入,并接收用户输入的通信信息;分析模块,用于对通信信息进行分析,预测与通信信息相关联的信息;推送模块,用于将相关联的信息提供给用户。
本发明提供的技术方案,基于交互式聊天内容分析,确定与用户交流内容相关联的有用信息,然后将该有用信息以可接收的形式推荐给用户。本发明所提供方案,可以在目前常用的可视化、交互式聊天应用(如QQ、微信等)的基础上,在用户聊天交互过程时,通过对聊天内容自动、实时地进行分析,并推测用户实际语义及用户感兴趣的话题,以获取相关信息,根据分析结果向用户推荐多种形式的多媒体信息,从而达到提高沟通效率、丰富聊天体验和减少语义误解的目的。本发明提出的上述方案,对现有系统的改动很小,不会影响系统的兼容性,而且实现简单、高效。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了根据本发明一实施例的交互式通信中进行信息推荐的方法流程图;
图2示出了根据本发明一实施例的用户在谈论体育领域话题时的对话界面图;
图3示出了根据本发明一实施例的两个使用不同方言的人进行交流的对话界面图;
图4示出了根据本发明另一实施例的预测与通信信息相关联的信息的流程图;
图5示出了根据本发明一实施例的交互式通信中进行信息推荐的装置结构图;
图6示出了根据本发明另一实施例的交互式通信中进行信息推荐的装置结构图。
具体实施例
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备,其仅具备无发射能力的无线信号接收器的设备,又包括接收和发射硬件的设备,其具有能够在双向通信链路上,进行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备;PCS(Personal Communications Service,个人通信系统),其可以组合语音、数据处理、传真和/或数据通信能力;PDA(Personal Digital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System,全球定位系统)接收器;常规膝上型和/或掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的,或者适合于和/或配置为在本地运行,和/或以分布形式,运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端,例如可以是PDA、MID(Mobile Internet Device,移动互联网设备)和/或具有音乐/视频播放功能的移动电话,也可以是智能电视、机顶盒等设备。
在接下来的介绍中,本发明提出的部分实施例方式会以安卓技术平台为例进行说明。应当理解,本发明公开的技术方案同样适用于其他技术平台。因此,本发明提出的关于交互式通信中进行信息推荐的方法和装置的技术方案,是一种在各种技术平台中普遍适用的技术方案,以安卓技术平台为例进行说明并不能理解为对本发明的限制,只是为了更好地阐述本发明。
图1示出了根据本发明一实施例的交互式通信中进行信息推荐的方法流程图包括以下步骤:
S1.检测用户的输入,并接收用户输入的通信信息;
S2.对通信信息进行分析,预测与通信信息相关联的信息;
在本发明中,相关联的信息可以是多媒体信息,例如包括:视频、音频、文字、图片、网页、链接等形式。
S3.将相关联的信息提供给用户。
本发明提供的上述方案,是一种智能信息推荐方案,基于交互式聊天内容,分析与用户交流内容相关联的具有实质意义的有用信息,然后将该有用信息以可接收的形式推荐给用户参考,从而达到提高沟通效率、丰富聊天体验和减少语义误解的目的。
为了实现检测用户的输入,并接收用户输入的通信信息(步骤S1),终端可以在进入聊天界面以后,接收用户输入的文本或语音信号,随后进行相应的分析处理。用户可以按照其习惯使用语音或文字进行输入,在检测用户的输入过程中,终端可以检测到用户选择的聊天输入方式。例如,输入方式可以包括语音输入方式、文字输入方式。例如,输入方式还可以包括硬件实体键盘、软件虚拟键盘、手写键盘等方式。
为了预测与通信信息相关联的信息,首先需要实现对通信信息进行分析(步骤S2)。作为本发明的实施例,对通信信息进行分析,包括:根据通信信息获取对话内容,对话内容包括以下一项或多项信息:
文字信息、用户口音信息、地理位置信息和用户情绪信息。
具体而言,根据通信信息获取对话内容,包括:
可以对用户直接输入的文本或语音识别的文本结果进行分析,包括提取文本中包含的句式、情绪以及能够反映话题领域范围的关键词信息。不同的输入方式可以提供不同的辅助分析信息,这些辅助分析信息可以用于进行如下分析:当检测到语音输入时,可以分析出说话人的口音、方言等信息,当检测到文字和手写输入时,可以分析出用户的情感信息。
作为一种实施例,无论用户采用何种输入形式,用户输入的通信信息都可以先转化为文本,再经过自然语言处理和语义分析,抽取其中反映用户语义的重要名词实体和主题信息,随后推荐系统综合考虑用户输入的通信信息的内容及其它因素,向用户推荐其可能感兴趣的图片、视频、音频等多媒体信息。可以理解的是,推荐信息可以是提示信息,例如通过链接形式进行提示,即,用户可快速访问多媒体内容的链接,也可以是直接推荐多媒体内容。优选地,为了用户体验,本发明提供的方案采取提示信息的方式进行描述。
作为一种实施例,可以采用分类器设计对辅助分析信息进行分析。例如,配置在终端中的用于检测输入信息的检查模块可以包括触控屏幕和分类器。例如,分类器又可以包括语音分析单元和文字输入分析单元。例如,语音分析单元又可以包括内容分析子单元、口音分析子单元以及情绪分析子单元。例如,文字输入分析单元又可以包括内容分析子单元、压力感测子单元以及情绪分析子单元。例如,语音分析单元和文字输入分析单元可以共用同一个内容分析子单元和/或情绪分析子单元,也可以分别配置不同的内容分析子单元和/或情绪分析子单元。当用户选择语音输入时,语音分析单元对语音信号进行分析,通过内容分析子单元进行语音识别以获得输入的内容信息,通过口音分析子单元提取用户的口音信息,同时通过情绪分析子单元捕获用户情绪信息;当用户选择手写输入时,文字输入分析单元对手写笔迹进行分析,通过内容分析子单元进行手写内容识别以获得输入的内容信息,通过压力感测子单元捕获用户书写或敲击屏幕的压力信息,同时通过情绪分析子单元根据物理环境和获取的压力信息分析出的用户写字时的情绪信息。可以理解的是,在本发明所提方案中,在接收用户输入的通信信息过程中,除了分析用户输入中所包含的内容信息之外,还可以采集或捕捉各种输入方式中的辅助分析信息。因此,本发明设计的方案可以将从语音或手写输入中获取的上述信息作为后面推荐信息时的参考因素。因此,终端获取的通信信息可以包括:用户输入的具体内容信息和辅助分析信息。
由此可知,相比现有的终端而言,本发明设计的方案可以使终端能够检测到辅助分析信息,并根据具体内容信息和辅助分析信息分析出该用户的特有兴趣点,这是本发明对现有技术做出的改进和贡献之一。
由此可知,对通信信息进行分析,可以包括如下步骤:根据通信信息获取对话内容;当检测用户通过话筒以语音的方式输入时,对输入的语音信息进行分析,获得对话内容,其中,对话内容包括:文字信息、用户口音信息和/或用户情绪信息;当检测用户通过终端输入区域以文字的方式输入时,对用户通过触控物进行相应操作中的滑动轨迹信息和/或操作触控屏幕的受力信息进行分析,获得对话内容。例如,用户通过触控物进行相应操作可以是通过触控笔或手指在触控屏幕上进行直线、曲线、封闭图形等滑动操作,从而形成直线、曲线、封闭图形等的滑动轨迹。例如,用户操作触控屏幕的受力信息可以是用户点击、滑动、摇动触控屏幕而产生的压力信息。
进一步而言,某种类型的信息可通过多种方式获取,例如情绪信息可以通过摄像头捕捉人脸表情获取,也可以通过对用户的语音分析获取,还可以从用户键盘手写输入的压力获取。再例如,对用户方言或所属地的分析,可以从交谈内容中获取,也可以利用地理位置信息本身获取。
作为本发明的实施例,针对获取对话内容出现冲突的情况,解决方案包括:
一种是一旦出现冲突,系统就不采用具有冲突信息的对话内容进行分析与推荐。这是考虑到频繁的误推荐会极大地影响用户体验。
另一种是利用机器学习的方法,对多种信息来源进行分类判断。例如,同时获得了来自摄像头,语音和键盘压力三种来源的用户情绪信息,并且从三种来源各自获取的情绪判断不一致,可以将三种方式的获取方式设置优先级,以优先级高的获取方式得到的信息为准。
显然,还可以有其他的方法解决信息冲突的问题,在此不再举例说明。
作为一种实施例,可以通过提示性的链接将所推荐的内容发送给用户。推荐的内容可以包括与用户语义相关的1-2个“关键词”提示,在具体实施时,相关的1-2个“关键词”提示从触控操作的界面上只需要占据一行的平面位置。随后,若用户对该条推荐信息感兴趣,点击该提示信息后,会出现下拉菜单,包含更多媒体信息链接(例如,3-5条)。优选地,考虑到该触控操作的界面占用面积较大,可能影响聊天正文内容,因此再次点击提示信息,该下拉菜单可以设计为重新折叠成一行。
因此,可以理解的是,本发明所提供方案可以在目前常用的可接收、交互式聊天应用(如QQ、微信等)的基础上,在用户聊天交互过程时,通过对聊天内容自动、实时地进行分析,并推测用户实际语义及用户感兴趣的话题,以获取相关信息,根据分析结果向用户推荐多种形式的多媒体信息,从而达到提高沟通效率、丰富聊天体验和减少语义误解的目的。
图2示出了根据本发明一实施例的用户在谈论体育领域话题时的界面效果图。如图2所示的基于聊天内容分析的多媒体信息推荐实施例,左侧用户通过语音或文字询问对方,内容为“昨天你看NBA总决赛了吗?”。获取文本内容后,通过语义分析与提取步骤获取名字实体识别发现“NBA”和“总决赛”两个实体,而语义分析找出主要动作“看”。利用用户偏好与兴趣分析功能,根据“看”,“NBA”,“总决赛”等语义要素推测出用户意图,因此向用户推荐三条多媒体链接,第一条为精彩进球视频,第二条为总决赛精彩扣篮图片,第三条为姚明看NBA总决赛。因此,通过上述的交互式通信中进行信息推荐的方法(例如,自动推荐多媒体信息)可以丰富用户的对话体验,从而为用户提供传统文字聊天所不具备的“临场”体验。
图3示出了根据本发明一实施例的两个使用不同方言的人进行交流的对话界面图。如图3所示的基于聊天内容分析的多媒体信息推荐实施例,左侧用户为四川人,使用带四川口音及夹杂四川方言的普通话,右侧用户使用标准普通话。在第一段对话情景中,左侧用户使用语音输入,其真实意图为“你怎么不开腔呢?”(意思为你怎么不说话呢,其中“开腔”为四川方言,表示说话)。现有的语音识别系统很可能将其识别成“你怎么不开枪呢?”,这会引起对方极大的困惑。通过对结合对用户口音分析,系统推测出用户的真实语义为说话。因此,向用户推荐可能的语义候选。在第二段对话请将中,左侧用户使用语音输入,语音发音为“我昨天买了双孩子”,其真实意图为“我昨天买了双鞋子”(“孩子”为鞋子在四川方言中的发音)。现有的语音识别系统很可能将其识别成“我昨天买了双孩子”,这会引起对方极大的困惑。通过对结合对用户口音分析,系统推测出用户的真实语义为鞋子。因此,通过上述的交互式通信中进行信息推荐的方法可以减少语言多义、歧义的现象,从而提高传统聊天的沟通效率。
作为一种实施例,预测与通信信息相关联的信息,可以包括如下步骤:在进行预测处理之前,通过预定义规则建立用户的兴趣模型,和/或通过在影响用户兴趣的因素上基于统计规则,建立用户的兴趣模型;根据相关度算法对获取的对话内容进行相关度分析,将相关度分析结果与兴趣模型进行对比,并提取符合预定匹配规则的信息。随后,将“相关度分析”结果作为预测结果,即,将根据兴趣模型从按照预定规则生成的数据库或网络中提取符合预定匹配规则的信息作为预测结果。
作为一种实施例,可以通过系统自学习(积累)方式建立用户的兴趣模型,包括如下规则之一:决策树、神经网络或基于向量的表示规则。可以理解的是,通过预定义规则建立用户的兴趣模型是对用户行为进行建模与通过在影响用户兴趣的因素上基于统计规则建立兴趣模型是两种建立兴趣模型的方法。通过预定义规则建立用户的兴趣模型是对用户行为进行建模,其适用基础是建立在对用户行为模型有准确的描述;通过在影响用户兴趣的因素上基于统计规则建立兴趣模型是基于多因素的统计模型进行建模,其适用基础是通过在统计意义下挖掘多种因素的统计相关性来对用户兴趣作出预测。上述两种方法既可以单独进行应用,也可以结合进行应用。
进一步地,按照预定规则生成的数据库,可以包括:设置在通信系统或网络系统中的预先制作的数据库;或通过网络搜索引擎从网络系统中搜索内容相关度符合预定标准的多媒体数据,并根据搜索出的多媒体数据建立的数据库。由此可知,用户的兴趣模型可以基于两类数据库进行运算:第一类、设置在终端中或设置在预定的通信系统或网络系统中,例如在终端的存储器中或在无线网络的服务器中等,称为“预先制作的多媒体库”;第二类、通过预定检索算法在广域网中实时搜索并建立,称为“实时搜索的多媒体库”。优选地,用户的兴趣模型可以同时包括上述两类数据库。
进一步地,建立用户的兴趣模型,还包括:当检测到用户查看与通信信息相关联的信息时,记录相关联的信息;根据记录的相关联的信息,修正用户的兴趣模型。例如,为了实现修正用户的兴趣模型,可以根据用户查看与通信信息相关联的信息修改第一类多媒体库(“预先制作的多媒体库”),并根据更新的查看信息不断地修正第一类多媒体库。由此可知,通过修正步骤,可以不断地调整兴趣模型的精确度,以提高推荐信息的准确性。
为实现在进行预测处理之前,通过预定义规则建立用户的兴趣模型,可以通过识别名字实体和语义分析的结果,预测用户的意图和兴趣点。名字实体识别(NER,NameEntity Recognition)是用于识别人名、地名、机构名等名字实体。语义分析识别是用于识别用户交流的实体内容,其参数包括:输入为句子、输出为事件类型、发起者和应答者。根据语义分析与提取后输出的分析结果,即包括:名字实体与事件行为,应用基于规则或基于机器学习的方法对其建立模型,并预测用户偏好及感兴趣的话题。例如,通过系统自学习方式建立针对用户的兴趣模型,自学习方式可以包括如下方式之一:决策树、神经网络或基于向量的表示方法等。建立基于内容的用户模型需要有用户的历史数据,用户模型可能随着用户的偏好改变而发生变化。本发明提出的方案可以根据用户意图与兴趣的预测结果,从预先制作的多媒体库和网络搜索引擎中搜索内容相关度最高的图片、视频、语音等多媒体资料,并推荐给用户。例如,可以通过链接形式推荐给用户,也可以通过直接显示或播放方式提供给用户。
进一步地,为了实现提取符合预定匹配规则的信息,可以通过如下方式:根据相关度算法对获取的对话内容进行相关度分析,将相关度分析结果与兴趣模型进行对比,并根据兴趣模型从按照预定规则生成的数据库中提取符合预定匹配规则的信息。例如,在进行相关度分析时,可以先利用“预先制作的多媒体库”进行检索和比对,然后再利用“实时搜索的多媒体库”进行检索和比对。例如,当利用“预先制作的多媒体库”没有检索到相关信息或者检索到的相关信息经比对后结果低于预定相关度阈值时,进一步利用“实时搜索的多媒体库”进行检索和比对;由于“实时搜索的多媒体库”的数据量巨大,因此满足预定相关度阈值的信息会更多。又例如,可以同时利用“预先制作的多媒体库”和“实时搜索的多媒体库”进行检索和比对,分别生成第一检索结果与第二检索结果,同时分别生成第一比对结果与第二比对结果;当第一比对结果与第二比对结果分别满足预定相关度阈值时,再进行第一比对结果和第二比对结果之间的对比;如果第一比对结果和第二比对结果有重复内容时,进行过滤;如果第一比对结果和第二比对结果无重复内容时,将两个对比结果合并,并按照相关度的优先级进行排序和显示。由此可知,通过两类数据库的设置,可以将最符合用户兴趣点的参考信息检索出来,并进行推荐。
为了解决传统语义分析语义(词级)相似度困难的问题,传统分析方法通常将词语作为语义分析的最小单元,词语之间的语义相似度是通过收集近义词实现的,但这个过程需要大量人工参与,并且当某个名词实体不在预先定义的词典或知识库中时,难以进行自动扩展。为了解决这个问题,本发明提出的方案引入了基于连续向量空间的词语表示模型(distributed representation of word)。该方法的基本思路是将离散且不可拆分的词用连续空间中的多维向量表示(该向量的维数可能达到成百上千)。这样即使名词实体没有出现在预先定义的知识库中,也能够计算单词之间的距离,根据距离远近的计算结果作为“语义相似度”信息,从而根据“语义相似度”信息获得相似度评价。所谓的“语义相似度”是度量两个词间的相似度信息,比如利用词的连续向量表示。
例如,当用户采取语音输入时,终端能够判断出用户的口音信息,并在与口音相关的特定地域知识库中进行信息匹配。对兴趣模型进行遍历搜索。例如,每个特定话题领域对应一个知识库,预定义的领域包括:体育、娱乐、财经、…、等等。用户可以自己定义感兴趣的话题领域,修改兴趣模型中的知识库信息。例如,每个具体领域按树状组织,叶子节点上对应具体的实体概念名词。此外,其它领域用于捕获不在现有领域内的“集外词”,这样可利用通用搜索引擎解决落入其它类中的“集外词”推荐问题。
例如,当分析对象是“今天你看NBA了吗?”,基于连续向量空间的词语表示模型,本发明提出的方案可以进行如下分析步骤:
STEP1.首先通过词性标注功能将句子的动词(看)、名词(你/NBA)、主语(你)、宾语(NBA)提取出来;
STEP2.动词往往反映了用户的意图,比如“看”意味着用户倾向于视觉信息,“听”意味着用户倾向于听觉信息;因此,动词会影响最终推荐信息的形式,如视觉系动词会偏向于视频、图片,而听觉系动词会偏向于歌曲、对话等。
STEP3.对名词实体进行分析,首先在知识库中搜索名词实体,如果找到则结合动词类型返回与该名词实体相关的多媒体信息;如果在知识库中没有找到现有的名词实体,则可用多种方法获取与该名词实体语义最相近的名词。如通过搜索引擎返回的结果,或根据词的连续向量空间表示方法。例如通过在大量语料上利用机器学习方法可将北京表示为100维向量(x1,x2,x3,x4,…,x100),北平可表示为(y1,y2,y3,y4,…,y100),纽约可表示为(z1,z2,z3,z4,…,z100)。在这样的连续向量空间表示方法下,可以计算出任意两个词之间的相似度。
因此,根据相关度算法对获取的对话内容进行相关度分析,可以包括:输入对话内容,通过连续空间中的多维向量表示离散且不可拆分的对话内容;根据对话内容对应的多维向量,计算各个对话内容之间的距离;根据各个对话内容之间的距离远近,确定对话内容的相关度大小。例如,当距离近时,相关度大;当距离远时,相关度小。这里,离散且不可拆分的所述对话内容是指一个语义完整的单元,例如是一句完整的句子,一个完整的词组等。
图4示出了根据本发明另一实施例的预测与通信信息相关联的信息的流程图。在于人们在日常聊天过程中会使用大量与聊天主题无关的句子,如对话开始与结束时的寒暄。如果对这些句子进行分析并向用户推荐,一方面不会获得对用户有帮助、有价值的信息,浪费系统资源,所推荐的信息还可能对用户造成干扰,影响用户体验。由于用户输入的信息不是都具有实际内容的,有时只是表示一种情感或礼貌用语,因此对于此类输入信息可以进行过滤或选择,以提高推荐的精确性和信息处理的效率。为了实现对无实际内容的语句的过滤和选择,本发明首次提出了“推荐度分析”方案。“推荐度分析”的目的在于量化是否值得对用户的输入进行分析的程度。也就是说,推荐度分析可以理解为语义预分析,而相关度分析可以理解为语义再分析。通过层次化的语义分析方案,实现浅层语义到深层语义进行区分处理的过程,这是本发明相对于现有技术而言具有突出贡献的一个方面。
“推荐度”可以采用基于规则的方法获得,也可以采用基于机器学习的方法获得。例如,推荐度的计算方式包含两种:一种是上述基于显式规则(即,反映为各要素的权重)的推荐度计算方法,这种方法会量化地计算推荐度,一旦推荐度值大于预先指定的阈值就进一步做相关度分析;另一种推荐度计算方法是利用统计机器学习的方法,对大量用户贡献的实例(即,用户认为值得推荐的句子)建立统计模型,并借由该模型对推荐度进行预测。
如图4所示,首先,进入聊天界面以后,用户可以选择文字输入或语音输入方式通过屏幕上的用户交互界面进行输入;接着,终端设备检测用户的输入,并接收用户输入的通信信息;接着,终端设备将接收用户输入的通信信息输入分类器进行分析,以获取相应的分析结果,其中,对输入的语音信息进行分析,从分析的结果中抽取相应语音对应的文字信息、用户口音信息和/或用户情绪信息,并将抽取后的文字信息、用户口音信息和/或用户情绪信息作为对话内容;对输入的语音信息进行分析,根据捕获用户通过触控物进行相应操作中的滑动轨迹信息和/或操作触控屏幕的受力信息,对捕获的滑动轨迹信息和/或受力信息进行分析,从分析的结果中抽取相应操作对应的用户情绪信息,并将直接输入的文字信息和抽取后的用户情绪信息作为对话内容;接着,终端设备将分类器的分析结果进行“推荐度分析”,并判断是否需要进行推荐;当推荐度分析结果大于或等于预设阈值时,接着对通信信息进行相关度分析;当推荐度分析结果小于预设阈值时,过滤通信信息而不再进行相关度分析;接着,对满足预设阈值的通信信息进行如上文步骤的“相关度分析”,预测与通信信息相关联的信息;接着,将相关联的信息显示给用户。
增加“推荐度分析”的步骤主要目的是提取文本的浅层特征,判断是否需要对该文本做进一步深层次的分析,而深层次的分析是通过“相关度分析”实现。相比现有技术而言,本发明的另一个创新点是引入了层次化的文本语义分析方法,即,在浅层分析时,使用“推荐度分析”技术,指导系统从大量用户输入中筛选出值得关注的信息,以作为进一步分析与推送的内容;在深层语义挖掘时,使用“相关度分析”技术找出与用户输入最相近的领域话题。“推荐度”是衡量句子是否值得进行深层分析并向用户推荐的量化指标,可能由基于规则的方法得到,也可能基于统计机器学习/预测的方法获得。一般地,“推荐度”y可表示为多种判决因素x1,x2,x3,…,xN的函数,即y=f(x1,x2,x3,…,xN)。判决函数f存在多种可能的实现形式。下面举例说明推荐度的可能计算方法(但不限于这些方法):
1、基于规则的方法:
另一种可能的推荐度计算方法是基于规则的方法,而基于规则的方法需要预先确定各种因素的权重。例如,考虑利用句式、情绪和内容关键词三个因素按如下规则对句子进行推荐度评分:y=w1*x1+w2*x2+w3*x3,其中w1,w2,w3分别为判决因素x1,x2,x3的判决权重。在本例中,假设句式与情绪的判决权重各占30%,而关键词内容的权重占到40%,则推荐度y=0.3*句式+0.3*情绪+0.4*关键词内容。
句式与情绪(sentence pattern&emotion):疑问句,感叹句的得分较高(如“你知道怎么去XXX?”,“西藏太美了!”),陈述句的得分较低(“今天北京天气不错”);如果使用语音输入,还可以综合从语音信号和手写笔迹中分析得到的情绪信息(如语调、音量、笔迹压力等)。
内容关键词(keyword):首先提取名词实体,然后与系统中预定义的若干领域话题进行关联度打分。在该阶段,系统只评价名词实体与领域话题大类的关联性(如体育、娱乐、购物、旅游、美食、财经、热门话题与其它等等),而不评价与话题大类中具体子话题或概念的关联度。若关键词落入除“其它”之外的话题大类中,则根据对用户历史数据的分析给予额外权重。若落入“其它”类中,则给予较低分数。
2、基于统计机器学习/预测的方法:
之前举例用到的基于规则的方法需要预先确定各种因素的权重,因此适用的应用场景与领域有一定局限性。在某些应用场景中,由于涉及的判决因素多而很难确定各因素的具体权重。
为了弥补基于规则的方法的缺陷,另一种可能的推荐度计算方法是利用统计机器学习的方法,对训练集中的句子进行人工标注L(即让标注员认为判断句子是否具有推荐价值,有推荐价值的标注为1,无推荐价值的标注为0),而每个句子可以表示为由判决因素构成的向量X,通过向量X和标注符号L可以训练分类器,如SVM,GMM等分类器。输入句子,如“西藏太美了”,可以表示为[80分(句式),90分(情感),80分(关键词)],通过分类器得到输出为1。相比基于规则的方法,利用机器学习方法获取分类器的优点在于,不必根据预先指定各种因素的权重,各种因素对推荐度的贡献程度可以通过机器学习方法从大量标注样本例句中自动学习获得,具有较强的推广性和灵活性。
“推荐度分析”技术输出的是文本句子与其“推荐度(degree ofrecommendation)”得分,其中,“推荐度”得分反应了对应的文本句子值得被推荐的程度高低,由上面“句式与情绪”和“内容关键词”得分加权后得到。当句子“推荐度”小于预先制定的阈值时,系统停止对该句子做进一步的分析,这样就达到了对输入“无用”文本的区分与过滤。另外,上述权重与预定义阈值可以根据具体的应用领域调整,以适应具体领域需要。
因此,预测与通信信息相关联的信息,还可以包括:在进行相关度分析之前,根据推荐度算法对获取的对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较;当推荐度分析结果大于或等于预设阈值时,对对话内容进行相关度分析。可以理解的是,基于上述步骤,当推荐度分析结果小于预设阈值时,可以直接过滤对话内容而不再进行相关度分析,并返回检测步骤。也就是说,上述方案实现了直接过滤无用信息的功能。
作为一种实施例,为了实现根据推荐度算法对获取的对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较,可以包括:根据预设的量化规则,将对话内容进行量化处理,以获取对话内容对应的权重计算变量;将权重计算变量代入预设的推荐度计算公式进行计算,并将计算结果与预设阈值进行比较。例如,从通信信息中提取文字信息、用户口音信息和/或用户情绪信息;根据预设的量化规则,将提取出的文字信息、用户口音信息和/或用户情绪信息进行量化处理;将量化后的文字信息、用户口音信息和/或用户情绪信息所对应的量值作为权重计算变量;将权重计算变量代入预设的推荐度计算公式进行计算,并将计算结果与预设阈值进行比较,从而实现将推荐度分析结果与预设阈值进行比较。
作为另一种实施例,为了实现根据推荐度算法对获取的对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较,可以包括:检测并获取用户根据预先设置的推荐价值等级,对对话内容进行标注后的标注信息;根据预设的量化规则,对对话内容进行向量化处理,以获取对话内容对应的向量值;根据向量值和标注信息进行分类训练并获取分类结果;将分类结果与预设阈值进行比较。例如,设置推荐价值等级,检测并获取用户根据推荐价值等级对通信信息进行标注后的标注信息;根据预设的量化规则,将提取出的文字信息、用户口音信息和/或用户情绪信息进行向量化处理,并获取向量化后的文字信息、用户口音信息和/或用户情绪信息所对应的向量值;根据向量值和标注信息训练分类器,并获取分类器记录的分类结果;将分类结果与预设阈值进行比较,从而实现作为推荐度分析结果的计算结果与预设阈值进行比较。
由此可知,“推荐度分析”技术的主要功能是判断是否需要对用户输入的通信信息做进一步深层分析,以提高推荐的精确性和信息处理的效率。
为了实现用户意图及偏好分析与推送,可以将得到的口音属性、名字实体、语义分析出的要素作为用户偏好及兴趣模型建模的特征。利用这些特征对用户偏好及兴趣做出预测,根据主题类型向用户推送不同的多媒体信息链接提示。语义分析输出的是能够反映用户语义的“领域词”或“名词实体”,这些“领域词”或“名词实体”首先和预先准备的多媒体库进行匹配,若没有合适的内容进行推送,则将这些“领域词”或“名词实体”送入搜索引擎的不同类别,例如图片搜索引擎、视频搜索引擎。
为了实现实时提供推荐信息,本发明提供的交互式通信中进行信息推荐的方法,还可以包括:当用户输入的通信信息变化时,重新分析并预测与通信信息相关联的信息,并实时以可接收的形式显示更新后的相关联的信息。为了判断用户输入的通信信息是否变化,可以通过检测如下情况之一而实现:1、检测到用户继续输入的新的通信信息,并从新的通信信息中获取新的对话内容;2、检测到用户修改之前输入的通信信息,并从修改后的通信信息中获取新的对话内容;3、当通信信息含有语音信息时,从语音信息中抽取的文字信息、用户口音信息和/或用户情绪信息,检测到文字信息、用户口音信息和/或用户情绪信息之一发生变化;或者,4、当通信信息含有文字信息时,捕获用户通过触控物进行相应操作中的滑动轨迹信息和/或操作触控屏幕的受力信息,检测到滑动轨迹信息、受力信息和/或文字信息之一发生变化。例如,修改方式可以包括通过光标删除文字信息、对文字信息进行触控删除操作或者通过语音修改之前的表述方式等。由此可知,本发明提供的方案可以实现实时提供推荐信息,以提高用户交流的效率和体验。
为了实现将相关联的信息提供给用户(步骤S3),作为本发明的实施例,本发明提出通过多种方式将相关联的信息提供给用户,例如,包括但不限于:
将相关联的信息以可视化的形式显示于屏幕上;或者,将相关联的信息以音频信息输出。
进一步而言,作为本发明的实施例,在信息的呈现形式上,判断用户的需求,选择性地为需要的用户提供相关联信息。例如,A跟B说:“我上个月去过西藏,太美了!”,B回答A:“我准备明年去”。显然,在这样的语境下,本发明提供的技术方案,可以选择单独向B推荐与西藏风景相关的信息。在另外一种场景下,A跟B说:“听说西藏很美,真想去看看!”,B回答A:“我准备明年去”。此时,本发明提供的技术方案,可以选择同时向A和B推荐与西藏风景相关的信息。
因此,作为本发明的实施例,将相关联的信息提供给用户,包括:
根据对话内容,将相关联的信息提供给其中一方的用户或多方的用户。例如,在两人交互的情景中,将相关联的信息提供给其中一方或提供给双方。在多人共同参与交互的情景中,将相关联的信息提供给其中一方或提供给多方。相关联的信息的输出方式包括但不限于视频或音频。也就是,本发明提供的技术方案,能够分析交谈双方的需求,智能化地呈现相关资讯。
为了实现将相关联的信息以可视化的形式显示于屏幕上,可以包括如下方式:将相关联的信息以链接的形式插入到交互式的通信信息中。例如,可以按照多媒体内容的分类(移频、视频、文本等)进行分类显示。
为了实现将相关联的信息以链接的形式插入到交互式的通信信息中,可以包括:根据与通信信息的相关度的高低,对生成的链接进行区分显示,其中,对生成的链接进行区分显示,可以包括如下方式之一:按照与对话内容的相关度不同,以不同颜色或亮度进行显示;或者,按照链接对应的多媒体内容的不同种类,以不同颜色进行显示。例如,当与对话内容的相关度高时,显示颜色深;当与对话内容的相关度低时,显示颜色浅。例如,当与对话内容的相关度高时,显示亮度亮;当与对话内容的相关度低时,显示亮度暗。例如,当链接对应的多媒体内容是文本时,采用红色进行显示;当链接对应的多媒体内容是音频时,采用绿色进行显示;当链接对应的多媒体内容是视频时,采用蓝色进行显示。
为了实现将相关联的信息以可视化的形式显示于屏幕上,如图2和3所示,可以包括如下方式:生成关联信息选择框,用于显示相关度达到预定值的相关联的信息。作为一种实施例,生成关联信息选择框,可以包括:将关联信息选择框设置在屏幕任一可视区域的范围内。例如,可以将关联信息选择框设置在对话发起方或对话应答方输入的通信信息的位置下方。
进一步地,如图2所示,本发明提供的交互式通信中进行信息推荐的方法,还可以包括:当检测到用户选中位于第一预定位置处的相关联的信息时,高亮显示或加深显示相关联的信息,并且在第二预定位置处展开并显示相关联的信息对应的多媒体内容。例如,可以按照纵向或横向排列方式展开相关联的信息。
由上可知,本发明提供的交互式通信中进行信息推荐的方法,是基于交互式聊天内容,分析与用户交流内容相关联的具有实质意义的有用信息,然后将该有用信息以可接收的形式推荐给用户参考的智能信息推荐方案。本发明所提供方案,可以在目前常用的可视化、交互式聊天应用(如QQ、微信等)的基础上,在用户聊天交互过程时,通过对聊天内容自动、实时地进行分析,并推测用户实际语义及用户感兴趣的话题,以获取相关信息,根据分析结果向用户推荐多种形式的多媒体信息,从而达到提高沟通效率、丰富聊天体验和减少语义误解的目的。本发明提出的上述方案,对现有系统的改动很小,不会影响系统的兼容性,而且实现简单、高效。
图5示出了根据本发明一实施例的交互式通信中进行信息推荐的装置结构图。本发明提供一种交互式通信中进行信息推荐的装置100,包括:检测模块110,分析模块120和推送模块130。
其中,检测模块110用于检测用户的输入,并接收用户输入的通信信息;分析模块120用于对通信信息进行分析,预测与通信信息相关联的信息;推送模块130用于将相关联的信息提供给用户。
作为装置100的实施例,检测模块110用于检测用户的输入,并接收用户输入的通信信息,包括:
检测模块110用于检测用户通过话筒以语音的方式输入,接收用户输入的通信信息;或者,
检测模块110用于检测用户通过终端输入区域以文字的方式输入,接收用户输入的通信信息。
作为装置100的实施例,分析模块120用于根据通信信息获取对话内容,对话内容包括以下一项或多项信息:
文字信息、用户口音信息、地理位置信息和用户情绪信息。
作为装置100的实施例,分析模块120还用于当通过不同的途径获取对话内容中的信息,获取的信息冲突时,通过以下任意一种方式处理:
丢弃具有信息冲突的对话内容;
设置获取信息方式的优先级,以优先级高的获取方式得到的信息为准。
如图6所示,作为装置100的实施例,还包括建模模块140。
具体而言,分析模块120用于预测与通信信息相关联的信息,包括:
建模模块140用于在进行预测处理之前,通过预定义规则建立用户的兴趣模型,和/或基于统计规则建立用户的兴趣模型;
分析模块120还用于根据相关度算法对获取的对话内容进行相关度分析,将相关度分析结果与兴趣模型进行对比,并提取符合预定匹配规则的信息。
作为装置100的实施例,建模模块140用于建立用户的兴趣模型,还包括:
建模模块140用于当检测到用户查看与通信信息相关联的信息时,记录相关联的信息;
建模模块140用于根据记录的相关联的信息,修正兴趣模型。
作为装置100的实施例,分析模块120用于根据相关度算法对获取的对话内容进行相关度分析,包括:
分析模块120用于通过连续空间中的多维向量,表示离散且不可拆分的对话内容;
分析模块120用于根据对话内容对应的多维向量,计算各个对话内容之间的距离;
分析模块120用于根据各个对话内容之间的距离远近,确定对话内容的相关度的大小。
作为装置100的实施例,分析模块120用于预测与通信信息相关联的信息,还包括:
分析模块120用于在进行相关度分析之前,根据推荐度算法对获取的对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较;
分析模块120用于当推荐度分析结果大于或等于预设阈值时,对对话内容进行相关度分析。
作为装置100的实施例,分析模块120用于根据推荐度算法对获取的对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较,包括:
分析模块120用于根据预设的量化规则,将对话内容进行量化处理,以获取对话内容对应的权重计算变量;
分析模块120用于将权重计算变量代入预设的推荐度计算公式进行计算,并将计算结果与预设阈值进行比较。
作为装置100的实施例,分析模块120用于根据推荐度算法对获取的对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较,包括:
分析模块120用于检测并获取用户根据预先设置的推荐价值等级,对对话内容进行标注后的标注信息;
分析模块120用于根据预设的量化规则,对对话内容进行向量化处理,以获取对话内容对应的向量值;
分析模块120用于根据向量值和标注信息进行分类训练并获取分类结果;
分析模块120用于将分类结果与预设阈值进行比较。
作为装置100的实施例,推送模块130用于将相关联的信息提供给用户,包括:
推送模块130用于根据对话内容,将相关联的信息提供给其中一方的用户或多方的用户。
作为装置100的实施例,推送模块130用于将相关联的信息提供给用户,包括:
推送模块130用于将相关联的信息以可视化的形式显示于屏幕上;或者,
推送模块130用于将相关联的信息以音频信息输出。
作为装置100的实施例,推送模块130用于将相关联的信息以可视化的形式显示于屏幕上,包括:
推送模块130用于将相关联的信息以链接的形式插入到交互式的通信信息中。
作为装置100的实施例,推送模块130用于将相关联的信息以链接的形式插入到交互式的通信信息中,包括:
推送模块130用于根据与通信信息的相关度的高低,对生成的链接进行区分显示,其中,对生成的链接进行区分显示,包括如下方式之一:
按照与对话内容的相关度不同,以不同颜色或亮度进行显示;或者,
按照链接对应的多媒体内容的不同种类,以不同颜色进行显示。
作为装置100的实施例,推送模块130用于将相关联的信息以可视化的形式显示于屏幕上,包括:
推送模块130用于生成关联信息选择框,用于显示相关度达到预定值的相关联的信息。
由上可知,本发明提供的交互式通信中进行信息推荐的装置,是基于交互式聊天内容,分析与用户交流内容相关联的具有实质意义的有用信息,然后将该有用信息以可接收的形式推荐给用户参考的智能信息推荐方案。本发明所提供方案,可以在目前常用的可视化、交互式聊天应用(如QQ、微信等)的基础上,在用户聊天交互过程时,通过对聊天内容自动、实时地进行分析,并推测用户实际语义及用户感兴趣的话题,以获取相关信息,根据分析结果向用户推荐多种形式的多媒体信息,从而达到提高沟通效率、丰富聊天体验和减少语义误解的目的。本发明提出的上述方案,对现有系统的改动很小,不会影响系统的兼容性,而且实现简单、高效。
本发明公开的上述方法,通常会在终端或终端设备中使用;或者,本发明公开的上述装置或设备,构成终端或终端设备的一个部分。
本技术领域技术人员可以理解,本发明包括涉及用于执行本申请中所述操作中的一项或多项的设备。这些设备可以为所需的目的而专门设计和制造,或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序,这些计算机程序选择性地激活或重构。这样的计算机程序可以被存储在设备(例如,计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中,所述计算机可读介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(Random Access Memory,随即存储器)、EPROM(Erasable ProgrammableRead-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically ErasableProgrammable Read-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,可读介质包括由设备(例如,计算机)以能够读的形式存储或传输信息的任何介质。
本技术领域技术人员可以理解,可以用计算机程序指令来实现这些结构图和/或框图和/或流图中的每个框以及这些结构图和/或框图和/或流图中的框的组合。本技术领域技术人员可以理解,可以将这些计算机程序指令提供给通用计算机、专业计算机或其他可编程数据处理方法的处理器来实现,从而通过计算机或其他可编程数据处理方法的处理器来执行本发明公开的结构图和/或框图和/或流图的框或多个框中指定的方案。
本技术领域技术人员可以理解,本发明中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地,具有本发明中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地,现有技术中的具有与本发明中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (29)
1.一种交互式通信中进行信息推荐的方法,其特征在于,包括以下步骤:
检测用户的输入,并接收所述用户输入的通信信息;
对所述通信信息进行分析,预测与所述通信信息相关联的信息;
将所述相关联的信息提供给用户;
其中,所述对所述通信信息进行分析包括:根据所述通信信息获取对话内容;所述将所述相关联的信息提供给用户包括:根据对话内容确定接收所述相关联的信息的一方的用户或多方的用户,并将所述相关联的信息提供给所述一方的用户或多方的用户。
2.根据权利要求1 所述的交互式通信中进行信息推荐的方法,其特征在于,检测用户的输入,并接收所述用户输入的通信信息,包括:
检测用户通过话筒以语音的方式输入,接收所述用户输入的通信信息;或者,
检测用户通过终端输入区域以文字的方式输入,接收所述用户输入的通信信息。
3.根据权利要求1 所述的交互式通信中进行信息推荐的方法,其特征在于,所述对话内容包括内容信息和辅助分析信息。
4.根据权利要求3 所述的交互式通信中进行信息推荐的方法,其特征在于,当通过不同的途径获取所述对话内容中的信息,获取的信息冲突时,通过以下任意一种方式处理:
丢弃具有信息冲突的对话内容;
设置获取信息方式的优先级,以优先级高的获取方式得到的信息为准。
5.根据权利要求3 所述的交互式通信中进行信息推荐的方法,其特征在于,预测与所述通信信息相关联的信息,包括:
在进行预测处理之前,通过预定义规则建立用户的兴趣模型,和/ 或基于统计规则建立用户的兴趣模型;
根据相关度算法对获取的所述对话内容进行相关度分析,将相关度分析结果与所述兴趣模型进行对比,并提取符合预定匹配规则的信息。
6.根据权利要求5 所述的交互式通信中进行信息推荐的方法,其特征在于,建立用户的兴趣模型,还包括:
当检测到用户查看与所述通信信息相关联的信息时,记录所述相关联的信息;
根据记录的所述相关联的信息,修正所述兴趣模型。
7.根据权利要求5 所述的交互式通信中进行信息推荐的方法,其特征在于,根据相关度算法对获取的所述对话内容进行相关度分析,包括:
通过连续空间中的多维向量,表示离散且不可拆分的所述对话内容;
根据所述对话内容对应的多维向量,计算各个对话内容之间的距离;
根据各个对话内容之间的距离远近,确定所述对话内容的相关度的大小。
8.根据权利要求5 所述的交互式通信中进行信息推荐的方法,其特征在于,预测与所述通信信息相关联的信息,还包括:
在进行相关度分析之前,根据推荐度算法对获取的所述对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较;
当所述推荐度分析结果大于或等于所述预设阈值时,对所述对话内容进行相关度分析。
9.根据权利要求8 所述的交互式通信中进行信息推荐的方法,其特征在于,根据推荐度算法对获取的所述对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较,包括:
根据预设的量化规则,将所述对话内容进行量化处理,以获取所述对话内容对应的权重计算变量;
将所述权重计算变量代入预设的推荐度计算公式进行计算,并将计算结果与预设阈值进行比较。
10.根据权利要求8 所述的交互式通信中进行信息推荐的方法,其特征在于,根据推荐度算法对获取的所述对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较,包括:
检测并获取用户根据预先设置的推荐价值等级,对所述对话内容进行标注后的标注信息;
根据预设的量化规则,对所述对话内容进行向量化处理,以获取所述对话内容对应的向量值;
根据所述向量值和所述标注信息进行分类训练并获取分类结果;
将所述分类结果与预设阈值进行比较。
11.根据权利要求1所述的交互式通信中进行信息推荐的方法,其特征在于,将所述相关联的信息提供给用户,包括:
将所述相关联的信息以可视化的形式显示于屏幕上;或者,
将所述相关联的信息以音频信息输出。
12.根据权利要求11 所述的交互式通信中进行信息推荐的方法,其特征在于,将所述相关联的信息以可视化的形式显示于屏幕上,包括:
将所述相关联的信息以链接的形式插入到交互式的所述通信信息中。
13.根据权利要求12 所述的交互式通信中进行信息推荐的方法,其特征在于,对所述通信信息进行分析,包括:
将所述相关联的信息以链接的形式插入到交互式的所述通信信息中,包括:
根据与所述通信信息的相关度的高低,对生成的所述链接进行区分显示,其中,对生成的所述链接进行区分显示,包括如下方式之一:
按照与所述对话内容的相关度不同,以不同颜色或亮度进行显示;或者,
按照所述链接对应的多媒体内容的不同种类,以不同颜色进行显示。
14.根据权利要求11 所述的交互式通信中进行信息推荐的方法,其特征在于,将所述相关联的信息以可视化的形式显示于屏幕上,包括:
生成关联信息选择框,用于显示相关度达到预定值的所述相关联的信息。
15.一种交互式通信中进行信息推荐的装置,其特征在于,包括:
检测模块,用于检测用户的输入,并接收所述用户输入的通信信息;
分析模块,用于对所述通信信息进行分析,预测与所述通信信息相关联的信息;
推送模块,用于将所述相关联的信息提供给用户;
其中,所述分析模块用于对所述通信信息进行分析,获取对话内容,所述推送模块用于根据所述对话内容确定接收所述相关联的信息的一方的用户或多方的用户,并将所述相关联的信息提供给所述一方的用户或多方的用户。
16.根据权利要求15所述的交互式通信中进行信息推荐的装置,其特征在于,所述检测模块用于检测用户的输入,并接收所述用户输入的通信信息,包括:
所述检测模块用于检测用户通过话筒以语音的方式输入,接收所述用户输入的通信信息;或者,
所述检测模块用于检测用户通过终端输入区域以文字的方式输入,接收所述用户输入的通信信息。
17.根据权利要求15所述的交互式通信中进行信息推荐的装置,其特征在于,所述对话内容包括内容信息和辅助分析信息。
18.根据权利要求17所述的交互式通信中进行信息推荐的装置,其特征在于,所述分析模块还用于当通过不同的途径获取所述对话内容中的信息,获取的信息冲突时,通过以下任意一种方式处理:
丢弃具有信息冲突的对话内容;
设置获取信息方式的优先级,以优先级高的获取方式得到的信息为准。
19.根据权利要求17所述的交互式通信中进行信息推荐的装置,其特征在于,还包括建模模块,
所述分析模块用于预测与所述通信信息相关联的信息,包括:
所述建模模块用于在进行预测处理之前,通过预定义规则建立用户的兴趣模型,和/或基于统计规则建立用户的兴趣模型;
所述分析模块还用于根据相关度算法对获取的所述对话内容进行相关度分析,将相关度分析结果与所述兴趣模型进行对比,并提取符合预定匹配规则的信息。
20.根据权利要求19所述的交互式通信中进行信息推荐的装置,其特征在于,所述建模模块用于建立用户的兴趣模型,还包括:
所述建模模块用于当检测到用户查看与所述通信信息相关联的信息时,记录所述相关联的信息;
所述建模模块用于根据记录的所述相关联的信息,修正所述兴趣模型。
21.根据权利要求19所述的交互式通信中进行信息推荐的装置,其特征在于,所述分析模块用于根据相关度算法对获取的所述对话内容进行相关度分析,包括:
所述分析模块用于通过连续空间中的多维向量,表示离散且不可拆分的所述对话内容;
所述分析模块用于根据所述对话内容对应的多维向量,计算各个对话内容之间的距离;
所述分析模块用于根据各个对话内容之间的距离远近,确定所述对话内容的相关度的大小。
22.根据权利要求19所述的交互式通信中进行信息推荐的装置,其特征在于,所述分析模块用于预测与所述通信信息相关联的信息,还包括:
所述分析模块用于在进行相关度分析之前,根据推荐度算法对获取的所述对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较;
所述分析模块用于当所述推荐度分析结果大于或等于所述预设阈值时,对所述对话内容进行相关度分析。
23.根据权利要求22所述的交互式通信中进行信息推荐的装置,其特征在于,所述分析模块用于根据推荐度算法对获取的所述对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较,包括:
所述分析模块用于根据预设的量化规则,将所述对话内容进行量化处理,以获取所述对话内容对应的权重计算变量;
所述分析模块用于将所述权重计算变量代入预设的推荐度计算公式进行计算,并将计算结果与预设阈值进行比较。
24.根据权利要求22 所述的交互式通信中进行信息推荐的装置,其特征在于,所述分析模块用于根据推荐度算法对获取的所述对话内容进行推荐度分析,将推荐度分析结果与预设阈值进行比较,包括:
所述分析模块用于检测并获取用户根据预先设置的推荐价值等级,对所述对话内容进行标注后的标注信息;
所述分析模块用于根据预设的量化规则,对所述对话内容进行向量化处理,以获取所述对话内容对应的向量值;
所述分析模块用于根据所述向量值和所述标注信息进行分类训练并获取分类结果;
所述分析模块用于将所述分类结果与预设阈值进行比较。
25.根据权利要求15所述的交互式通信中进行信息推荐的装置,其特征在于,所述推送模块用于将所述相关联的信息提供给用户,包括:
所述推送模块用于将所述相关联的信息以可视化的形式显示于屏幕上;或者,
所述推送模块用于将所述相关联的信息以音频信息输出。
26.根据权利要求25所述的交互式通信中进行信息推荐的装置,其特征在于,所述推送模块用于将所述相关联的信息以可视化的形式显示于屏幕上,包括:
所述推送模块用于将所述相关联的信息以链接的形式插入到交互式的所述通信信息中。
27.根据权利要求26所述的交互式通信中进行信息推荐的装置,其特征在于,
所述推送模块用于将所述相关联的信息以链接的形式插入到交互式的所述通信信息中,包括:
所述推送模块用于根据与所述通信信息的相关度的高低,对生成的所述链接进行区分显示,其中,对生成的所述链接进行区分显示,包括如下方式之一:
按照与所述对话内容的相关度不同,以不同颜色或亮度进行显示;或者,
按照所述链接对应的多媒体内容的不同种类,以不同颜色进行显示。
28.根据权利要求25所述的交互式通信中进行信息推荐的装置,其特征在于,所述推送模块用于将所述相关联的信息以可视化的形式显示于屏幕上,包括:
所述推送模块用于生成关联信息选择框,用于显示相关度达到预定值的所述相关联的信息。
29.一种终端,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序实现权利要求1-14任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410048523.3A CN104836720B (zh) | 2014-02-12 | 2014-02-12 | 交互式通信中进行信息推荐的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410048523.3A CN104836720B (zh) | 2014-02-12 | 2014-02-12 | 交互式通信中进行信息推荐的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104836720A CN104836720A (zh) | 2015-08-12 |
CN104836720B true CN104836720B (zh) | 2022-02-25 |
Family
ID=53814365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410048523.3A Active CN104836720B (zh) | 2014-02-12 | 2014-02-12 | 交互式通信中进行信息推荐的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104836720B (zh) |
Families Citing this family (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106506322A (zh) | 2015-09-08 | 2017-03-15 | 阿里巴巴集团控股有限公司 | 业务功能的实现方法和装置 |
CN105243143B (zh) * | 2015-10-14 | 2018-07-24 | 湖南大学 | 基于即时语音内容检测的推荐方法及系统 |
JP6780001B2 (ja) | 2015-12-21 | 2020-11-04 | グーグル エルエルシー | メッセージング・アプリケーションのための自動提案および他のコンテンツ |
CN108781175B (zh) * | 2015-12-21 | 2021-09-21 | 谷歌有限责任公司 | 用于消息交换题绪的自动建议的方法、介质及系统 |
KR101694727B1 (ko) * | 2015-12-28 | 2017-01-10 | 주식회사 파수닷컴 | 인공 지능 기반 연관도 계산을 이용한 노트 제공 방법 및 장치 |
CN105610694B (zh) * | 2016-01-11 | 2019-01-25 | 广东城智科技有限公司 | 沟通信息管理方法及管理装置 |
CN105654950B (zh) * | 2016-01-28 | 2019-07-16 | 百度在线网络技术(北京)有限公司 | 自适应语音反馈方法和装置 |
CN105872213A (zh) * | 2016-03-28 | 2016-08-17 | 维沃移动通信有限公司 | 一种信息显示方法及电子设备 |
CN105893569A (zh) * | 2016-03-31 | 2016-08-24 | 北京奇虎科技有限公司 | 新闻权重计算方法和装置 |
US10757048B2 (en) * | 2016-04-08 | 2020-08-25 | Microsoft Technology Licensing, Llc | Intelligent personal assistant as a contact |
CN105843962A (zh) * | 2016-04-18 | 2016-08-10 | 百度在线网络技术(北京)有限公司 | 信息处理、显示方法及装置以及信息处理显示系统 |
CN105915439A (zh) * | 2016-04-18 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置及系统 |
CN105975540A (zh) * | 2016-04-29 | 2016-09-28 | 北京小米移动软件有限公司 | 信息显示方法及装置 |
CN105931642B (zh) * | 2016-05-31 | 2020-11-10 | 北京京东尚科信息技术有限公司 | 语音识别方法、设备及系统 |
CN107545013A (zh) * | 2016-06-29 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 用于提供搜索推荐信息的方法和装置 |
CN106200962A (zh) * | 2016-07-08 | 2016-12-07 | 北京光年无限科技有限公司 | 面向智能机器人的交互方法及系统 |
CN106331781A (zh) * | 2016-09-09 | 2017-01-11 | 深圳市九洲电器有限公司 | 一种基于家庭语音的分析推送方法及系统 |
CN109952572B (zh) | 2016-09-20 | 2023-11-24 | 谷歌有限责任公司 | 基于消息贴纸的建议响应 |
JP6659910B2 (ja) | 2016-09-20 | 2020-03-04 | グーグル エルエルシー | データへのアクセス許可を要求するボット |
CN106447507A (zh) * | 2016-10-16 | 2017-02-22 | 广东聚联电子商务股份有限公司 | 一种社交网络的信息处理系统和方法 |
CN106649524B (zh) * | 2016-10-20 | 2019-11-22 | 天聚地合(苏州)数据股份有限公司 | 一种改进型基于计算机云数据的深度学习智能应答系统 |
CN108132952B (zh) * | 2016-12-01 | 2022-03-15 | 百度在线网络技术(北京)有限公司 | 一种基于语音识别的主动型搜索方法和装置 |
CN106649704B (zh) * | 2016-12-20 | 2020-04-07 | 竹间智能科技(上海)有限公司 | 一种智能对话控制方法和系统 |
CN106951468B (zh) * | 2017-03-02 | 2018-12-28 | 腾讯科技(深圳)有限公司 | 对话生成方法及装置 |
CN106970949A (zh) * | 2017-03-03 | 2017-07-21 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及装置 |
WO2018161306A1 (en) * | 2017-03-09 | 2018-09-13 | Microsoft Technology Licensing, Llc | Application recommendation |
CN108668140B (zh) * | 2017-03-31 | 2020-11-10 | 腾讯科技(深圳)有限公司 | 音视频交互状态同步方法及装置 |
CN108733666B (zh) * | 2017-04-13 | 2022-03-08 | 腾讯科技(深圳)有限公司 | 服务器信息推送方法、终端信息发送方法及装置、系统 |
US20180300534A1 (en) * | 2017-04-14 | 2018-10-18 | Facebook, Inc. | Automatically segmenting video for reactive profile portraits |
US10860854B2 (en) | 2017-05-16 | 2020-12-08 | Google Llc | Suggested actions for images |
CN108933726A (zh) * | 2017-05-25 | 2018-12-04 | 腾讯科技(深圳)有限公司 | 一种内容推荐方法、系统、相关设备及存储介质 |
US10404636B2 (en) | 2017-06-15 | 2019-09-03 | Google Llc | Embedded programs and interfaces for chat conversations |
US10348658B2 (en) | 2017-06-15 | 2019-07-09 | Google Llc | Suggested items for use with embedded applications in chat conversations |
CN110770819B (zh) | 2017-06-15 | 2023-05-12 | 北京嘀嘀无限科技发展有限公司 | 语音识别系统和方法 |
CN107292109B (zh) * | 2017-06-27 | 2021-04-20 | 美的集团股份有限公司 | 饮食规划方法和装置 |
US11580305B2 (en) | 2017-06-28 | 2023-02-14 | Microsoft Technology Licensing, Llc | Automatically assisting conversations using graph database |
CN107656983A (zh) * | 2017-09-08 | 2018-02-02 | 广州索答信息科技有限公司 | 一种基于声纹识别的智能推荐方法及装置 |
CN107656997B (zh) * | 2017-09-20 | 2021-01-15 | Oppo广东移动通信有限公司 | 自然语言处理方法、装置、存储介质及终端设备 |
CN107704612A (zh) * | 2017-10-23 | 2018-02-16 | 北京光年无限科技有限公司 | 用于智能机器人的对话交互方法及系统 |
CN110110204A (zh) * | 2018-01-15 | 2019-08-09 | 北京搜狗科技发展有限公司 | 一种信息推荐方法、装置和用于信息推荐的装置 |
CN110119443B (zh) * | 2018-01-18 | 2021-06-08 | 中国科学院声学研究所 | 一种面向推荐服务的情感分析方法 |
CN108462794B (zh) * | 2018-01-31 | 2021-03-23 | 维沃移动通信有限公司 | 一种信息显示方法及移动终端 |
CN110209774A (zh) * | 2018-02-11 | 2019-09-06 | 北京三星通信技术研究有限公司 | 处理会话信息的方法、装置及终端设备 |
CN108573053B (zh) * | 2018-04-24 | 2021-11-30 | 百度在线网络技术(北京)有限公司 | 信息推送方法、装置和系统 |
CN110456920A (zh) * | 2018-05-08 | 2019-11-15 | 北京金山安全软件有限公司 | 一种基于语义分析的内容推荐方法和装置 |
CN110472021A (zh) * | 2018-05-11 | 2019-11-19 | 微软技术许可有限责任公司 | 会话中推荐新闻的技术 |
CN108446410B (zh) * | 2018-05-29 | 2022-05-17 | 科大讯飞股份有限公司 | 信息推荐方法、装置、系统、设备及可读存储介质 |
CN108810625A (zh) * | 2018-06-07 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种多媒体数据的播放控制方法、装置及终端 |
CN108933729A (zh) * | 2018-06-12 | 2018-12-04 | 王静玺 | 一种实现消息交互的方法及系统 |
CN108920649B (zh) * | 2018-06-29 | 2021-09-17 | 北京百度网讯科技有限公司 | 一种信息推荐方法、装置、设备和介质 |
CN108960934A (zh) * | 2018-07-19 | 2018-12-07 | 苏州思必驰信息科技有限公司 | 语音对话过程中的信息推荐方法及系统 |
EP3834424A4 (en) * | 2018-08-10 | 2022-03-23 | Microsoft Technology Licensing, LLC | PROVISION OF VIDEO RECOMMENDATION |
CN109446311B (zh) * | 2018-10-30 | 2022-04-05 | 五八有限公司 | 一种聊天增强方法、装置、存储介质及终端 |
CN109962841B (zh) * | 2019-03-15 | 2021-05-28 | 北京达佳互联信息技术有限公司 | 信息交互方法、装置、服务端、电子设备及存储介质 |
CN110032625B (zh) * | 2019-03-28 | 2023-01-13 | 腾讯科技(上海)有限公司 | 一种人机对话方法及装置 |
CN110417637A (zh) * | 2019-04-26 | 2019-11-05 | 成海林 | Ai人工智能辅助沟通技术 |
CN110334341B (zh) * | 2019-05-23 | 2022-05-17 | 平安科技(深圳)有限公司 | 基于数据分析的语料推荐方法、装置、介质及电子设备 |
CN110287481B (zh) * | 2019-05-29 | 2022-06-14 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 命名实体语料标注训练系统 |
CN110427566A (zh) * | 2019-07-23 | 2019-11-08 | 复旦大学 | 一种基于社群系统的服务管理系统 |
CN110673745B (zh) * | 2019-08-30 | 2023-03-21 | 联想(北京)有限公司 | 一种信息处理方法、第一电子设备及计算机可读存储介质 |
CN110765285A (zh) * | 2019-10-23 | 2020-02-07 | 深圳报业集团 | 基于视觉特征的多媒体信息内容管控方法及系统 |
CN110991329A (zh) * | 2019-11-29 | 2020-04-10 | 上海商汤智能科技有限公司 | 一种语义分析方法及装置、电子设备和存储介质 |
CN112988956A (zh) * | 2019-12-17 | 2021-06-18 | 北京搜狗科技发展有限公司 | 自动生成对话的方法及装置、信息推荐效果检测方法及装置 |
JP2021149322A (ja) * | 2020-03-17 | 2021-09-27 | 本田技研工業株式会社 | 予定管理装置、イベント提案システム、および、予定管理プログラム |
US11488585B2 (en) | 2020-11-16 | 2022-11-01 | International Business Machines Corporation | Real-time discussion relevance feedback interface |
CN112799764A (zh) * | 2021-01-29 | 2021-05-14 | 上海明略人工智能(集团)有限公司 | 任务流程图的生成方法、装置、设备及存储介质 |
CN113010784B (zh) * | 2021-03-17 | 2024-02-06 | 北京十一贝科技有限公司 | 用于生成预测信息的方法、装置、电子设备和介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101075253A (zh) * | 2007-02-15 | 2007-11-21 | 腾讯科技(深圳)有限公司 | 一种广告信息推送系统和方法 |
US20080301187A1 (en) * | 2007-06-01 | 2008-12-04 | Concert Technology Corporation | Enhanced media item playlist comprising presence information |
JP2009104450A (ja) * | 2007-10-24 | 2009-05-14 | Nagoya Institute Of Technology | Webチャットの観測に基づく商品推薦システム |
CN101354714B (zh) * | 2008-09-09 | 2010-09-08 | 浙江大学 | 一种基于概率潜在语义分析的问题推荐方法 |
CN101360071A (zh) * | 2008-09-16 | 2009-02-04 | 腾讯科技(深圳)有限公司 | 基于即时聊天进行多媒体资源共享的方法及系统 |
CN101794292A (zh) * | 2009-06-03 | 2010-08-04 | 朱世康 | 一种根据即时通讯交互内容显示相关信息的方法及装置 |
CN101894351A (zh) * | 2010-08-09 | 2010-11-24 | 北京邮电大学 | 基于多智能Agent的旅游多媒体信息个性化服务系统 |
WO2012079254A1 (zh) * | 2010-12-17 | 2012-06-21 | 北京交通大学 | 节目推荐装置和节目推荐方法 |
CN102650960B (zh) * | 2012-03-31 | 2015-04-15 | 北京奇虎科技有限公司 | 一种消除终端设备故障的方法及装置 |
-
2014
- 2014-02-12 CN CN201410048523.3A patent/CN104836720B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104836720A (zh) | 2015-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104836720B (zh) | 交互式通信中进行信息推荐的方法及装置 | |
CN110717017B (zh) | 一种处理语料的方法 | |
CN107818781B (zh) | 智能交互方法、设备及存储介质 | |
CN107609101B (zh) | 智能交互方法、设备及存储介质 | |
CN111767741B (zh) | 一种基于深度学习和tfidf算法的文本情感分析方法 | |
CN107832286B (zh) | 智能交互方法、设备及存储介质 | |
CN109829039B (zh) | 智能聊天方法、装置、计算机设备及存储介质 | |
US20200395008A1 (en) | Personality-Based Conversational Agents and Pragmatic Model, and Related Interfaces and Commercial Models | |
WO2019100350A1 (en) | Providing a summary of a multimedia document in a session | |
US11704501B2 (en) | Providing a response in a session | |
CN113569088B (zh) | 一种音乐推荐方法、装置以及可读存储介质 | |
CN111444326B (zh) | 一种文本数据处理方法、装置、设备以及存储介质 | |
US11587541B2 (en) | Providing personalized songs in automated chatting | |
CN111241237A (zh) | 一种基于运维业务的智能问答数据处理方法及装置 | |
Kaushik et al. | Automatic sentiment detection in naturalistic audio | |
CN109582869A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN109710732A (zh) | 信息查询方法、装置、存储介质和电子设备 | |
CN111090771A (zh) | 歌曲搜索方法、装置及计算机存储介质 | |
CN111984749A (zh) | 一种兴趣点排序方法和装置 | |
CN112069326A (zh) | 知识图谱的构建方法、装置、电子设备及存储介质 | |
CN108268443B (zh) | 确定话题点转移以及获取回复文本的方法、装置 | |
CN110781329A (zh) | 图像搜索方法、装置、终端设备及存储介质 | |
CN115292495A (zh) | 情绪分析方法、装置、电子设备及存储介质 | |
CN114118087A (zh) | 实体确定方法、装置、电子设备及存储介质 | |
CN114239565A (zh) | 一种基于深度学习的情绪原因识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |