CN106599042A - 基于人工智能的信息推送方法及装置 - Google Patents

基于人工智能的信息推送方法及装置 Download PDF

Info

Publication number
CN106599042A
CN106599042A CN201610982576.1A CN201610982576A CN106599042A CN 106599042 A CN106599042 A CN 106599042A CN 201610982576 A CN201610982576 A CN 201610982576A CN 106599042 A CN106599042 A CN 106599042A
Authority
CN
China
Prior art keywords
article
future event
user
information
date
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.)
Granted
Application number
CN201610982576.1A
Other languages
English (en)
Other versions
CN106599042B (zh
Inventor
戴腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201610982576.1A priority Critical patent/CN106599042B/zh
Publication of CN106599042A publication Critical patent/CN106599042A/zh
Application granted granted Critical
Publication of CN106599042B publication Critical patent/CN106599042B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/958Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于人工智能的信息推送方法及装置,其中,该方法包括:获取预测未来事件的文章,其中,文章包括未来事件的预测兑现日期;在达到预测兑现日期时,将文章推送给用户,并获取文章的多个评论者针对未来事件的观点信息;根据观点信息判断未来事件是否发生,并将判断结果推送给文章的作者和评论者。本发明实施例提供的基于人工智能的信息推送方法及装置,为用户提供了未来事件的判断结果,使得用户无需自己查找即可获取预测未来事件的文章的判断结果,方便了用户查看预测未来事件的文章以及对应的判断结果。

Description

基于人工智能的信息推送方法及装置
技术领域
本发明涉及互联网技术领域,尤其涉及一种基于人工智能的信息推送方法及装置。
背景技术
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。
在当前的互联网应用中,很多人在论坛、贴吧、个人空间等网络空间发表文章、评论,或以其他的方式在网络社区进行交流。其中,有些文章是对未来的事件的预测。
对于这些预测未来的文章,有些用户对这些文章中预测未来的事件是否发生十分感兴趣,然而,通常预测未来的文章中所预测的事件通常不会立即发生,因此,过一段时间之后,大多数用户不会记住这些预测未来的文章,当用户再次需要查看该预测未来的文章时,用户需要手动查找该预测未来的文章,并且需要通过查看评论确定该文章中预测的事件是否发生,因此,如何将预测未来的文章是否发生的结果准确提供给用户是目前急需解决的技术问题。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种基于人工智能的信息推送方法,该方法为用户提供了未来事件的判断结果,使得用户无需自己查找即可获取预测未来事件的文章的判断结果,方便了用户查看预测未来事件的文章以及对应的判断结果。
本发明的第二个目的在于提出一种基于人工智能的信息推送装置。
为达上述目的,本发明第一方面实施例提出了一种基于人工智能的信息推送方法,包括:获取预测未来事件的文章,其中,所述文章包括所述未来事件的预测兑现日期;在达到所述预测兑现日期时,将所述文章推送给用户,并获取所述文章的多个评论者针对所述未来事件的观点信息;根据所述观点信息判断所述未来事件是否发生,并将判断结果推送给所述文章的作者和所述评论者。
本发明实施例的基于人工智能的信息推送方法,在处理预测未来事件的文章过程中,在达到预测兑现日期时,根据多个评论者针对未来事件的观点信息,对文章中未来事件是否发生进行判断,并将未来事件的判断结果推送给文章的作者和评论者,由此,为用户提供了未来事件的判断结果,使得用户无需自己查找即可获取预测未来事件的文章的判断结果,方便了用户查看预测未来事件的文章以及对应的判断结果。
为达上述目的,本发明第二方面实施例提出了一种基于人工智能的信息推送装置,包括:第一获取模块,用于获取预测未来事件的文章,其中,所述文章包括所述未来事件的预测兑现日期;第二获取模块,用于在达到所述预测兑现日期时,获取所述文章的多个评论者针对所述未来事件的观点信息;第一处理模块,用于根据所述观点信息判断所述未来事件是否发生,并将判断结果推送给所述文章的作者和所述评论者。
本发明实施例的基于人工智能的信息推送装置,在处理预测未来事件的文章过程中,在达到预测兑现日期时,根据多个评论者针对未来事件的观点信息,对文章中未来事件是否发生进行判断,并将未来事件的判断结果推送给文章的作者和评论者,由此,为用户提供了未来事件的判断结果,使得用户无需自己查找即可获取预测未来事件的文章的判断结果,方便了用户查看预测未来事件的文章以及对应的判断结果。
本发明第三方面实施例提供了一种基于人工智能的信息推送装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:获取预测未来事件的文章,其中,所述文章包括所述未来事件的预测兑现日期;
在达到所述预测兑现日期时,将所述文章推送给用户,并获取所述文章的多个评论者针对所述未来事件的观点信息;
根据所述观点信息判断所述未来事件是否发生,并将判断结果推送给所述文章的作者和所述评论者。
本发明第四方面实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有一个或者多个程序,当所述一个或者多个程序被一个设备执行时,使得所述设备执行以本发明第一方面实施例的基于人工智能的信息推送方法。
本发明第五方面实施例提供了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行一种基于人工智能的信息推送方法,所述方法包括:获取预测未来事件的文章,其中,所述文章包括所述未来事件的预测兑现日期;在达到所述预测兑现日期时,将所述文章推送给用户,并获取所述文章的多个评论者针对所述未来事件的观点信息;根据所述观点信息判断所述未来事件是否发生,并将判断结果推送给所述文章的作者和所述评论者请求的匹配度;根据每个网页与所述搜索请求的匹配度确定搜索结果展示顺序。
附图说明
图1是本发明一个实施例的基于人工智能的信息推送方法的流程图;
图2是本发明另一个实施例的基于人工智能的信息推送方法的流程图;
图3是本发明再一个实施例的基于人工智能的信息推送方法的流程;
图4是本发明又一个实施例的基于人工智能的信息推送方法的流程;
图5是本发明一个实施例的基于人工智能的信息推送装置的结构示意图;
图6是本发明另一个实施例的基于人工智能的信息推送装置的结构示意图;
图7是本发明又一个实施例的基于人工智能的信息推送装置的结构示意图;
图8是本发明再一个实施例的基于人工智能的信息推送装置的结构示意图;
图9是本发明另一个实施例的基于人工智能的信息推送装置的结构示意图。
具体实施方式
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,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的信息推送方法及装置。
图1是本发明一个实施例的基于人工智能的信息推送方法的流程图。
如图1所示,该基于人工智能的信息推送方法包括:
S11,获取预测未来事件的文章。
其中,文章可以包括但不限于未来事件的预测兑现日期。
例如,文章中还可以包括预测未来事件的理由。
其中,预测兑现日期是用户在编辑文章时,预先设置的预测未来事件发生的日期信息。
作为一种示例性的实施方式,在用户编辑文章的页面中,为用户提供设置预测兑现日期选项,用户可根据需求在预测兑现日期选项中选择文章中未来事件发生的日期信息。
其中,需要说明的是,为了对预测未来事件发生的日期进行管理,可预先设置日期信息的上限,用户输入的文章的预测兑现日期不能超过该上限。
S12,在达到预测兑现日期时,将文章推送给用户,并获取文章的多个评论者针对未来事件的观点信息。
具体地,在对预测未来事件的文章进行处理的过程中,可对该文章设置的预测兑现日期进行监控,当监控到当前日期达到预测兑现日期时,可获取评论该文章的多个评论者对于未来事件的观点信息。
其中,观点信息可以包括赞成和反对。
在本发明的一个实施例中,在达到预测兑现日期时,可将该文章发送给用户,用户可对文章中预测的未来事件是否发生进行评论,如果评论者确定该文章中预测的未来事件发生,评论者可提交赞成观点。
也就是说,在监控到预测兑现日期时,将该文章推送给用户,由用户对该文章中未来事件是否发生进行标注(赞成或者反对)。
在本发明的一个实施中,为了使得用户可以获取该文章的排序情况,在达到预测兑现日期之前,还可以根据关注度对文章和其他文章进行排序,并将排序后的推荐列表推送给用户。
S13,根据观点信息判断未来事件是否发生,并将判断结果推送给文章的作者和评论者。
在本发明的一个实施例中,在获取多个评论者的观点信息后,可通过统计赞成未来事件发生的赞成数,并统计反对未来事件已发生的反对数(即,用户认为文章中预测的未来事件并没有发生),以及比较赞成数和反对数的大小,如果赞成数大于反对数,则确定该文章中预测的未来事件发生,并应用预测正确标识对该文章进行标记。
另外,如果反对数大于赞成数,则确定该文章中预测的未来事件并没有发生,此时,可应用预测错误标识对该文章进行标记。
为了使得该文章的作者和评论者可以准确获取未来事件的判断结果,在生成文章的判断结果后,可将文章的判断结果推送给该文章的作者和评论者。
本发明实施例的基于人工智能的信息推送方法,在处理预测未来事件的文章过程中,在达到预测兑现日期时,根据多个评论者针对未来事件的观点信息,对文章中未来事件是否发生进行判断,并将未来事件的判断结果推送给文章的作者和评论者,由此,为用户提供了未来事件的判断结果,使得用户无需自己查找即可获取预测未来事件的文章的判断结果,方便了用户查看预测未来事件的文章以及对应的判断结果。
基于上述实施例的基础上,为了使得关注该文章的用户也可以获得预测未来事件的判断结果,如图2所示,该基于人工智能的信息推荐方法还可以包括:
S14,获取关注文章的关注者的标识信息。
S15,根据标识信息将判断结果推送给关注者。
在本发明的一个实施例中,为了使得更多的用户获取该文章中未来事件的判断结果,如图3所示,该信息推荐方法还可以包括:
S31,根据文章的文章内容确定未来事件的类别。
其中,类别可以包括但不限于科技、体育、金融、娱乐等等类别。
也就是说,在编写预测未来事件的文章时,用户可根据需求对各行各业中可能发生的事件进行预测,由此,满足了用户对各行各业进行预测的需求。
S32,将判断结果发送给关注该类别的用户。
综上可以看出,关注该类别的用户也可以查看该预测未来事件的文章的判断结果。
图4是本发明又一个实施例的基于人工智能的信息推送方法的流程图。
如图4所示,该基于人工智能的信息推送方法包括:
S41,获取预测未来事件的文章。
其中,文章可以包括但不限于未来事件的预测兑现日期。
例如,文章中还可以包括预测未来事件的理由。
其中,预测兑现日期是用户在编辑文章时,预先设置的预测未来事件发生的日期信息。
作为一种示例性的实施方式,在用户编辑文章的页面中,为用户提供设置预测兑现日期选项,用户可根据需求在预测兑现日期选项中选择文章中未来事件发生的日期信息。
其中,需要说明的是,为了对预测未来事件发生的日期进行管理,可预先设置日期信息的上限,用户输入的文章的预测兑现日期不能超过该上限。
S42,在达到预测兑现日期时,将文章推送给用户,并获取文章的多个评论者针对未来事件的观点信息。
具体地,在对预测未来事件的文章进行处理的过程中,可对该文章设置的预测兑现日期进行监控,当监控到当前日期达到预测兑现日期时,可获取评论该文章的多个评论者对于未来事件的观点信息。
其中,观点信息可以包括赞成和反对。
在本发明的一个实施例中,在达到预测兑现日期时,可将该文章发送给用户,用户可对文章中预测的未来事件是否发生进行评论,如果评论者确定该文章中预测的未来事件发生,评论者可提交赞成观点。
也就是说,在监控到预测兑现日期时,将该文章推送给用户,由用户对该文章中未来事件是否发生进行标注(赞成或者反对)。
在本发明的一个实施中,为了使得用户可以获取该文章的排序情况,在达到预测兑现日期之前,还可以根据关注度对文章和其他文章进行排序,并将排序后的推荐列表推送给用户。
S43,根据观点信息判断未来事件是否发生,并将判断结果推送给文章的作者和评论者。
在本发明的一个实施例中,在获取多个评论者的观点信息后,可通过统计赞成未来事件发生的赞成数,并统计反对未来事件已发生的反对数(即,用户认为文章中预测的未来事件并没有发生),以及比较赞成数和反对数的大小,如果赞成数大于反对数,则确定该文章中预测的未来事件发生,并应用预测正确标识对该文章进行标记。
另外,如果反对数大于赞成数,则确定该文章中预测的未来事件并没有发生,此时,可应用预测错误标识对该文章进行标记。
为了使得该文章的作者和评论者可以准确获取未来事件的判断结果,在生成文章的判断结果后,可将文章的判断结果推送给该文章的作者和评论者。
S44,根据积分奖励机制和判断结果,对作者和观点正确的评论者进行奖励。
例如,积分奖励机制为:文章中预测的未来事件发生,奖励该文章对应的作者20个积分,奖励观点正确的评论者5个积分。在根据评论者的赞成数和反对数确定未来事件发生,则奖励写该未来事件的作者20个积分,并奖励投赞成观点的评论者5个积分。另外,在根据评论者的赞成数和反对数确定未来事件未发生时,则奖励支持反对观点的评论者5个积分,以提高用户作者和参与评论的积极性。
其中,需要理解的是,对于每个作者来说,作者可以查看自己历史文章列表。历史文章列表中显示作者曾经写过的文章,并且每篇文章被标识了预测正确、预测错误或者敬请期待。
其中,需要理解的是,对于评论者,每个评论者可在自己的个人中心记录中查看曾经参与评论的文章信息。
本发明实施例的基于人工智能的信息推送方法,在处理预测未来事件的文章过程中,在达到预测兑现日期时,根据多个评论者针对未来事件的观点信息,对文章中未来事件是否发生进行判断,并将未来事件的判断结果推送给文章的作者和评论者,以及根据积分奖励机制和判断结果,对作者和观点正确的评论者进行奖励。由此,为用户提供了未来事件的判断结果,方便了用户查看预测未来事件的文章以及对应的判断结果的同时,通过积分奖励提高了作者以及评论者的积分性,提高了用户与用户之间的交互。
为了实现上述实施例,本发明还提出一种基于人工智能的信息推送装置。
图5是本发明一个实施例的基于人工智能的信息推送装置的结构示意图。
如图5所示,该基于人工智能的信息推送装置包括第一获取模块110、第二获取模块120和第一处理模块130,其中:
第一获取模块110用于获取预测未来事件的文章。
其中,文章可以包括但不限于未来事件的预测兑现日期。
例如,文章中还可以包括预测未来事件的理由。
其中,预测兑现日期是用户在编辑文章时,预先设置的预测未来事件发生的日期信息。
第二获取模块120用于在达到预测兑现日期时,获取文章的多个评论者针对未来事件的观点信息。
其中,观点信息可以包括赞成和反对。
第一处理模块130用于根据观点信息判断未来事件是否发生,并将判断结果推送给文章的作者和评论者。
需要说明的是,前述对基于人工智能的信息推送方法实施例的解释说明也适用于该实施例的基于人工智能的信息推送装置,此处不再赘述。
本发明实施例的基于人工智能的信息推送装置,在处理预测未来事件的文章过程中,在达到预测兑现日期时,根据多个评论者针对未来事件的观点信息,对文章中未来事件是否发生进行判断,并将未来事件的判断结果推送给文章的作者和评论者,由此,为用户提供了未来事件的判断结果,使得用户无需自己查找即可获取预测未来事件的文章的判断结果,方便了用户查看预测未来事件的文章以及对应的判断结果。
基于上述实施例的基础上,为了使得关注该文章的用户也可以获得预测未来事件的判断结果,在图5所示的基础上,如图6所示,该装置还可以包括第二处理模块140,其中,第二处理模块140用于获取关注文章的关注者的标识信息,并根据标识信息将判断结果推送给关注者。
基于上述实施例的基础上,为了使得更多的用户获取该文章中未来事件的判断结果,在图5所示的基础上,如图7所示,该装置还可以包括第三处理模块150,其中,该第三处理模块150用于根据文章的文章内容确定未来事件的类别,并将判断结果发送给关注类别的用户。
在本发明的一个实施例中,在图5所示的基础上,如图8所示,该装置还可以包括排序模块160和推送模块170,其中:
排序模块160用于根据关注度对文章和其他文章进行排序。
推送模块170用于将排序后的推荐列表推送给用户。
在本发明一个实施中,为提高作者以及评论者的积分性,提高用户与用户之间的交互,在图5所示的基础上,如图9所示,该装置还可以包括第四处理模块180,其中,第四处理模块180用于根据积分奖励机制和判断结果,对作者和观点正确的评论者进行积分奖励。
其中,需要说明的是,图9所示的装置实施例中的第四处理模块180的结构也可以包含在图6-图8的装置实施例中,对此本发明不作限定。
本发明实施例的基于人工智能的信息推送装置,在处理预测未来事件的文章过程中,在达到预测兑现日期时,根据多个评论者针对未来事件的观点信息,对文章中未来事件是否发生进行判断,并将未来事件的判断结果推送给文章的作者和评论者,以及根据积分奖励机制和判断结果,对作者和观点正确的评论者进行奖励。由此,为用户提供了未来事件的判断结果,方便了用户查看预测未来事件的文章以及对应的判断结果的同时,通过积分奖励提高了作者以及评论者的积分性,提高了用户与用户之间的交互。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于人工智能的信息推送方法,其特征在于,包括以下步骤:
获取预测未来事件的文章,其中,所述文章包括所述未来事件的预测兑现日期;
在达到所述预测兑现日期时,将所述文章推送给用户,并获取所述文章的多个评论者针对所述未来事件的观点信息;
根据所述观点信息判断所述未来事件是否发生,并将判断结果推送给所述文章的作者和所述评论者。
2.如权利要求1所述的方法,其特征在于,还包括:
获取关注所述文章的关注者的标识信息;
根据所述标识信息将所述判断结果推送给所述关注者。
3.如权利要求1所述的方法,其特征在于,还包括:
根据所述文章的文章内容确定所述未来事件的类别;
将所述判断结果发送给关注所述类别的用户。
4.如权利要求1所述的方法,其特征在于,在达到所述预测兑现日期之前,所述方法还包括:
根据关注度对所述文章和其他文章进行排序;
将排序后的推荐列表推送给用户。
5.如权利要求1-4中任一项所述的方法,其特征在于,还包括:
根据积分奖励机制和所述判断结果,对所述作者和观点正确的评论者进行奖励。
6.一种基于人工智能的信息推送装置,其特征在于,包括:
第一获取模块,用于获取预测未来事件的文章,其中,所述文章包括所述未来事件的预测兑现日期;
第二获取模块,用于在达到所述预测兑现日期时,获取所述文章的多个评论者针对所述未来事件的观点信息;
第一处理模块,用于根据所述观点信息判断所述未来事件是否发生,并将判断结果推送给所述文章的作者和所述评论者。
7.如权利要求6所述的装置,其特征在于,还包括:
第二处理模块,用于获取关注所述文章的关注者的标识信息,并根据所述标识信息将所述判断结果推送给所述关注者。
8.如权利要求6所述的装置,其特征在于,还包括:
第三处理模块,用于根据所述文章的文章内容确定所述未来事件的类别,并将所述判断结果发送给关注所述类别的用户。
9.如权利要求6所述的装置,其特征在于,所述装置还包括:
排序模块,用于根据关注度对所述文章和其他文章进行排序;
推送模块,用于将排序后的推荐列表推送给用户。
10.如权利要求6-9中任一项所述的装置,其特征在于,还包括:
第四处理模块,用于根据积分奖励机制和所述判断结果,对所述作者和观点正确的评论者进行积分奖励。
CN201610982576.1A 2016-11-08 2016-11-08 基于人工智能的信息推送方法及装置 Active CN106599042B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610982576.1A CN106599042B (zh) 2016-11-08 2016-11-08 基于人工智能的信息推送方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610982576.1A CN106599042B (zh) 2016-11-08 2016-11-08 基于人工智能的信息推送方法及装置

Publications (2)

Publication Number Publication Date
CN106599042A true CN106599042A (zh) 2017-04-26
CN106599042B CN106599042B (zh) 2020-06-23

Family

ID=58590629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610982576.1A Active CN106599042B (zh) 2016-11-08 2016-11-08 基于人工智能的信息推送方法及装置

Country Status (1)

Country Link
CN (1) CN106599042B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108615167A (zh) * 2018-03-15 2018-10-02 宁波思库网络科技有限公司 一种排位系统
CN109743368A (zh) * 2018-12-24 2019-05-10 北京京东金融科技控股有限公司 舆情信息处理方法、装置、系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537211A (zh) * 2014-12-12 2015-04-22 中钢集团武汉安全环保研究院有限公司 一种基于层次分析法及灰色理论的企业安全风险预警方法
US20150205691A1 (en) * 2014-01-23 2015-07-23 Concurix Corporation Event prediction using historical time series observations of a computer application
CN104933093A (zh) * 2015-05-19 2015-09-23 武汉泰迪智慧科技有限公司 基于大数据的地区舆情监控及决策辅助系统和方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150205691A1 (en) * 2014-01-23 2015-07-23 Concurix Corporation Event prediction using historical time series observations of a computer application
CN104537211A (zh) * 2014-12-12 2015-04-22 中钢集团武汉安全环保研究院有限公司 一种基于层次分析法及灰色理论的企业安全风险预警方法
CN104933093A (zh) * 2015-05-19 2015-09-23 武汉泰迪智慧科技有限公司 基于大数据的地区舆情监控及决策辅助系统和方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108615167A (zh) * 2018-03-15 2018-10-02 宁波思库网络科技有限公司 一种排位系统
CN109743368A (zh) * 2018-12-24 2019-05-10 北京京东金融科技控股有限公司 舆情信息处理方法、装置、系统及存储介质
CN109743368B (zh) * 2018-12-24 2021-11-30 北京京东金融科技控股有限公司 舆情信息处理方法、装置、系统及存储介质

Also Published As

Publication number Publication date
CN106599042B (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
Johns et al. The influence of contextual diversity on word learning
US20210256543A1 (en) Predictive Analytics Diagnostic System and Results on Market Viability and Audience Metrics for Scripted Media
Liscio et al. Axies: Identifying and evaluating context-specific values
Rosé et al. Analyzing collaborative learning processes automatically: Exploiting the advances of computational linguistics in computer-supported collaborative learning
Vieira Indices of cognitive effort in machine translation post-editing
US11531928B2 (en) Machine learning for associating skills with content
Zagalsky et al. How the R community creates and curates knowledge: a comparative study of stack overflow and mailing lists
Liu et al. On improving summarization factual consistency from natural language feedback
CN113590945B (zh) 一种基于用户借阅行为-兴趣预测的图书推荐方法和装置
Liu et al. Semiautomatic annotation of mooc forum posts
Nouri et al. What is unclear? computational assessment of task clarity in crowdsourcing
CN106599042A (zh) 基于人工智能的信息推送方法及装置
CN109933793B (zh) 文本极性识别方法、装置、设备及可读存储介质
Waterman Reconciling agility and architecture: a theory of agile architecture
Plonsky et al. “Significance sells”: Applied linguists’ views on questionable research practices
Wachinger et al. Prompts, Pearls, Imperfections: Comparing ChatGPT and a Human Researcher in Qualitative Data Analysis
Høybye-Mortensen Performance information in human service organizations: Quality and usefulness
Simon Using Artificial Intelligence in the Law Review Submissions Process
Fang et al. On text-based personality computing: Challenges and future directions
Salvetti Detecting deception in text: a corpus-driven approach
Cumbreño et al. What do you say? Comparison of metrics for post-editing effort
Spala et al. A web-based framework for collecting and assessing highlighted sentences in a document
Koowrocki et al. Reliability and Safety of Complex Technical Systems and Processes: Modeling-Identification-Prediction-Optimization
CN112200602A (zh) 用于广告推荐的神经网络模型训练方法及装置
Magnuson Phoneme restoration and empirical coverage of interactive activation and adaptive resonance models of human speech processing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant