CN106649780B - 基于人工智能的信息提供方法及装置 - Google Patents

基于人工智能的信息提供方法及装置 Download PDF

Info

Publication number
CN106649780B
CN106649780B CN201611233400.2A CN201611233400A CN106649780B CN 106649780 B CN106649780 B CN 106649780B CN 201611233400 A CN201611233400 A CN 201611233400A CN 106649780 B CN106649780 B CN 106649780B
Authority
CN
China
Prior art keywords
user
information
news
interest characteristics
interest
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
Application number
CN201611233400.2A
Other languages
English (en)
Other versions
CN106649780A (zh
Inventor
林加新
闭玮
何体喜
王智圣
苏映滨
曹宇慧
陈蕊
刘志慧
张岩
周超
黄硕
何径舟
周古月
黄世维
姜迪
石磊
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 CN201611233400.2A priority Critical patent/CN106649780B/zh
Publication of CN106649780A publication Critical patent/CN106649780A/zh
Priority to US15/845,713 priority patent/US10733197B2/en
Application granted granted Critical
Publication of CN106649780B publication Critical patent/CN106649780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G06F16/337—Profile generation, learning or modification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提出一种基于人工智能的信息提供方法及装置，其中，该方法包括以下步骤：根据用户历史访问记录，确定所述用户的兴趣特征；在信息展示界面中，向所述用户展示与所述兴趣特征匹配的信息卡片，所述信息卡片中包括，对数据库中的新闻进行解析后确定的、与所述兴趣特征匹配的新闻的核心内。由此，实现了用户可以直接获取到感兴趣的新闻的核心内容，减少了用户的操作，节省了用户的时间，提高了用户的信息获取效率，且减少了用户使用该应用的流量，节省了用户的成本。

Description

基于人工智能的信息提供方法及装置
技术领域
本申请涉及网页信息处理技术领域，尤其涉及一种基于人工智能的信息提供方法及装置。
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、语言识别、图像识别、自然语言处理和专家系统等。
目前，大多数的新闻app都以feed流的方式给用户提供新闻资讯服务，其粒度是单篇的新闻稿件，然后通过正文页的相关新闻服务，为用户提供与该新闻相似的资讯信息。
但是由于feed流，每次可以向用户提供的几十条甚至上百条的新闻，用户看新闻的时候必须自己从大量新闻中筛选自己需要的信息，筛选过程耗时长，不仅造成了用户的负担，而且影响了用户获取到核心信息的速度，用户体验差。
发明内容
本申请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，本申请的第一个目的在于提出一种基于人工智能的信息提供方法，该方法实现了用户可以直接获取到感兴趣的新闻的核心内容，减少了用户的操作，节省了用户的时间，提高了用户的信息获取效率，且减少了用户使用该应用的流量，节省了用户的成本。
本申请的第二个目的在于提出一种基于人工智能的信息提供装置。
本申请的第三个目的在于提出一种基于人工智能的信息提供设备。
本申请的第四个目的在于提出一种计算机可读存储介质。
为达上述目的，本申请第一方面实施例提出了一种基于人工智能的信息提供方法，包括以下步骤：根据用户历史访问记录，确定所述用户的兴趣特征；在信息展示界面中，向所述用户展示与所述兴趣特征匹配的信息卡片，所述信息卡片中包括，对数据库中的新闻进行解析后确定的、与所述兴趣特征匹配的新闻的核心内容。
本申请实施例的基于人工智能的信息提供方法，首先根据用户历史访问记录，确定所述用户的兴趣特征，然后在信息展示界面中，向用户展示与其兴趣特征匹配的新闻的核心内容。由此，实现了用户可以直接获取到感兴趣的新闻的核心内容，减少了用户的操作，节省了用户的时间，提高了用户的信息获取效率，且减少了用户使用该应用的流量，节省了用户的成本。
为达上述目的，本申请第二方面实施例提出了一种基于人工智能的信息提供装置，包括：第一确定模块，用于根据用户历史访问记录，确定所述用户的兴趣特征；展示模块，用于在信息展示界面中，向所述用户展示与所述兴趣特征匹配的信息卡片，所述信息卡片中包括，对数据库中的新闻进行解析后确定的、与所述兴趣特征匹配的新闻的核心内容。
本申请实施例的基于人工智能的信息提供装置，首先根据用户历史访问记录，确定所述用户的兴趣特征，然后在信息展示界面中，向用户展示与其兴趣特征匹配的新闻的核心内容。由此，实现了用户可以直接获取到感兴趣的新闻的核心内容，减少了用户的操作，节省了用户的时间，提高了用户的信息获取效率，且减少了用户使用该应用的流量，节省了用户的成本。
为达上述目的，本申请第三方面实施例提出了一种基于人工智能的信息提供设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，当处理器执行所述计算机程序时，实现如上述第一方面所述的方法。
为达上述目的，本申请第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面所述的方法。
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是本申请一个实施例的基于人工智能的信息提供方法的流程图；
图2为本申请实施例提供的一种信息展示示意图；
图3是本申请一个实施例的基于人工智能的信息提供方法的流程图；
图4是本申请实施例提供的确定核心内容的技术逻辑示意框图；
图5为本申请实施例提供的信息提供优化过程示意；
图6为本申请提供的基于人工智能的信息提供方法的技术原理框图；
图7是本申请一个实施例的人工智能的信息提供装置的结构示意图；
图8是本申请另一个实施例的基于人工智能的信息提供装置的结构示意图；
图9是本申请一个实施例的基于人工智能的信息提供设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，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，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于人工智能的信息提供方法及装置。
图1是本申请一个实施例的基于人工智能的信息提供方法的流程图。
如图1所示，该基于人工智能的信息提供方法包括：
步骤101，根据用户历史访问记录，确定所述用户的兴趣特征。
具体地，本申请实施例提供的基于人工智能的信息提供方法，可以被配置在任何向用户提供信息的应用中，比如新闻类应用等，用于根据用户的使用习惯和兴趣，向用户提供最感兴趣的新闻核心内容，以节省用户自己在大量信息中筛选核心消息的时间，减少了用户的操作，提高了用户的信息获取效率，且减少了用户使用该应用的流量，节省了用户的成本。
为更加清楚的对本申请提供的基于人工智能的信息提供方法进行解释说明，下面以本方法被应用在新闻类应用为例，以下简称新闻应用，进行详细说明。
其中，用户的历史访问记录，可以是用户使用某一新闻应用时的访问记录，也可以是用户使用多个新闻应用时的访问记录等，本实施例对此不作限定。
具体的，用户的访问记录中，可能包括多种信息，比如用户访问的新闻的类型、访问新闻的标题、访问的时间、访问的频率、时长、地点，使用的终端设备类型等等。相应的，用户的兴趣特征中，可能包括时间、地点、使用的终端设备类型及对应的新闻类型等。
也就是说，用户在不同的时间段、不同地点、使用不同终端设备，打开同一个新闻类应用时，想要获取的新闻类型或者内容可能是不同的。
即上述步骤101之前，该方法，还可以包括：
确定所述用户访问所述新闻展示界面时，对应的场景特征，所述场景特征包括以下信息中的至少一个：使用的终端设备的类型、所述用户所在的位置、当前的时间。
相应的，上述步骤101，包括：
根据所述场景特征，确定所述用户当前的兴趣特征。
举例来说，场景特征为：上午8点-9点、地铁10号线、移动终端时，对应的兴趣特征为：体育类(尤其是篮球赛事)；场景特征为：上午10点-12点、国贸财富中心、固定终端时，对应的兴趣特征为：财经类(尤其是今日股票分析)；场景特征为：中午12点-下午2点、国贸财富中心、移动终端时，对应的兴趣特征为：娱乐类。
那么当用户在上午8点半打开新闻应用时，该应用获取到用户的位置为：地图10号线，且使用的终端为移动终端，那么即可确定当前对应的场景特征为：上午8点-9点、地铁10号线、移动终端，从而即可确定用户当前的兴趣特征为：体育类(尤其是篮球赛事)。
步骤102，在新闻展示界面中，向所述用户展示与所述兴趣特征匹配的信息卡片，所述信息卡片中包括，对数据库中的新闻进行解析后确定的、与所述兴趣特征匹配的新闻的核心内容。
其中，新闻展示界面，为该新闻应用中的一个新闻展示界面。该展示界面可以是该新闻应用的主界面；也可以是用户在该新闻应用中，选择了一种新闻获取方式后触发打开的；或者，也可以是对该新闻应用中的一个服务选项卡进行了触控操作后打开的，本申请实施例对此不作限定。
另外，数据库，可以是该新闻应用对应的内部数据库，也可以是外部数据库，比如其它的新闻应用、网站等，本实施例对此不作限定。
具体的，由于根据用户的兴趣特征，在新闻展示界面中展示的仅是用户感兴趣的新闻的核心内容，比如新闻的核心事实、事件的背景、结果等，从而使用户可以直接获取到新闻的核心内容，而无需自己对大量新闻信息进行分析、筛选，从而节省了用户的阅读时间，提高了用户获取信息的效率。
举例来说，如图2所示，图2为本申请实施例提供的一种信息展示示意图。如图2a所示，根据用户的兴趣特征，向用户展示的信息卡片中是一篇讲述『易到用车拖欠供应商欠款』相关的新闻的核心内容，让用户根据该信息卡片，即可对这个事件有个初步了解。通过聚合多篇相似新闻的内容，以核心事实，分析，背景，评论等角度提炼内容，并以多个新闻视角提供给用户新闻的核心内容，减轻用户阅读整个新闻的负担，同时不丢失新闻的核心信息，给用户更好的体验。
本申请实施例提供的基于人工智能的信息提供方法，首先根据用户历史访问记录，确定所述用户的兴趣特征，然后在信息展示界面中，向用户展示与其兴趣特征匹配的新闻的核心内容。由此，实现了用户可以直接获取到感兴趣的新闻的核心内容，减少了用户的操作，节省了用户的时间，提高了用户的信息获取效率，且减少了用户使用该应用的流量，节省了用户的成本。
通过上述分析可知，新闻应用可以根据用户的兴趣特征，通过将数据库中的新闻进行解析后，向用户提供感兴趣的新闻的核心内容，从而节省用户的时间和成本。具体的，新闻应用可以采用多种方式对数据库中的新闻进行解析，以确定各个新闻的核心内容，下面结合图3，对本申请提供的基于人工智能的信息提供方法中，确定核心内容的过程进行详细说明。
图3是本申请一个实施例的基于人工智能的信息提供方法的流程图。
参见图3，该基于人工智能的信息提供方法包括：
步骤301，确定用户访问所述新闻展示界面时，对应的场景特征。
步骤302，根据所述场景特征，确定所述用户当前的兴趣特征。
步骤303，根据预设的提取规则，从所述数据库中获取与所述兴趣特征对应的新闻数据。
其中，预设的提取规则，可以为新闻应用根据用户的历史访问记录生成的；或者，也可以是根据新闻应用预先设置的，本申请实施例对此不做限定。
具体的，在确定用户的兴趣特征后，可以根据兴趣特征，确定对应的检索词，然后从数据库中获取与检索词对应的新闻数据；或者，也可以根据兴趣特征，确定与兴趣特征对应的事件，然后再以事件为粒度，从数据库中选取相关事件的新闻数据，即
上述步骤303，具体可包括：
根据所述兴趣特征，确定目标新闻数据对应的事件粒度；
基于聚类、检索和/或签名方式，从所述数据库中聚合符合所述事件粒度的新闻数据。
举例来说，若根据用户的历史访问记录，确定用户的兴趣特征为：公务员考试，从而可以确定目标新闻数据为与“公务员考试”相关的所有新闻事件，然后即可基于聚类、检索和/或签名方式，聚合符合该事件的所有新闻数据。
进一步地，获取到新闻数据后，若新闻数据太多，那还可以将新闻数据进行筛选处理，比如根据新闻稿件与事件的相似度，仅选取相似度大于一定值的新闻，或，仅选择一定数量的新闻，或者仅选择新闻稿件的时间在一定范围内的等等，本实施例对此不做限定。
其中，相似度，是指新闻稿件与事件匹配程度，具体的，可以通过新闻稿件中包含满足兴趣特征的字段的数量，或者符合兴趣特征的字段在新闻稿件中出现的频率等确定，本申请实施例对此不做限定。
步骤304，将所述新闻数据进行解析处理，获取所述新闻数据中包括的关键信息。
步骤305，将所述关键信息进行聚合处理，生成与所述兴趣特征匹配的信息卡片。
具体的，由于获取到的新闻数据，是包括与核心内容相关的背景、时间或事实等信息的一篇篇新闻稿件，而最终显示的新闻卡片中仅包括该事件的核心内容，因此需要将各篇新闻稿件进行解析，抽取构成核心内容的关键信息。
具体实现时，上述步骤304，可以包括：
根据所述兴趣特征，确定所述新闻数据对应的核心内容的结构模型；
将所述新闻数据进行句子打散处理后，根据所，从所述新闻数据中抽取关键信息。
相应的，上述步骤305，包括：
根据所述结构模型，将所述关键信息进行深度神经网络训练。
具体的，为了使构造的核心内容，可以尽量简练、全面的满足用户的兴趣特征需求，本申请实施例中，可以采用不同的结构模型来构成不同兴趣特征的核心内容。比如，可以时间结构，构造核心内容，或者也可以人物关系结构，构造核心内容，或者，也可以事实+评论的结构，构造核心内容等等，本申请对此不作限定。
具体实现时，可以在新闻应用中，预先设置兴趣特征与结构模型的映射关系，进而在确定用户当前的兴趣特征后，即可通过查询预设的映射关系，确定对应的结构模型，然后再以结构模型为依据，从新闻数据中抽取需要的关键信息。比如，若结构模型是以时间为结构，那么即可从新闻数据中，获取相应的时间、核心事实来构成核心内容等。
举例来说，如图4所示，图4是本申请实施例提供的确定核心内容的技术逻辑示意框图。
如图4所示，在构造核心内容时，可以首先基于聚类、检索和/或签名的方式，从数据库中获取多个相似度较高的稿件，然后再将新闻稿件进行句子、段落打散，然后可以根据结构模型，利用不同训练模型，比如动态图模型或者深度神经网络模型等，从打散后的数据中抽取核心事实、事件背景、事件分析、网友评论等多个视角的关键信息，然后再将提取的关键信息进行聚合，比如进行顺序学习，或者深度神经网络学习等生成有序的篇章粒度的核心内容。
需要说明的是，本申请实施例中，动态图模型和深度神经网络模型，仅是示意性说明，在具体实现时，可以根据兴趣特征对应的结构模型，选取任意可对信息进行聚合训练的模型，对关键信息进行训练，生成有序的核心内容。
步骤306，在信息展示界面中，向所述用户展示与所述兴趣特征匹配的信息卡片。
进一步地，由于信息卡片可包含的信息有限，为了进一步满足用户对信息的获取需求，本申请实施例，提供的信息展示界面中，可以通过对话交互的方式，为用户进一步提供与信息卡片相关或者相近的其它内容，或者为用户提供其它类型的信息卡片，即在上述步骤306之后，还包括：
步骤307，接收所述用户在所述信息展示界面中进行的触控操作。
步骤308，根据所述触控操作，更新所述信息展示界面中展示的信息卡片。
其中，用户在信息展示界面中进行的触控操作，可以是指用户通过语音或者文字等方式，输入了新的检索语句或者指令，也可以指用户对新闻展示界面中的信息卡片进行了滑动或者点击等操作。
在本申请一种较优的实现形式中，新闻应用在根据用户的兴趣特征，生成与用户兴趣特征匹配的信息卡片时，还可以生成与该信息卡片中的核心内容关联的其他新闻的引导卡，并将引导卡显示在信息展示界面中，从而使用户通过点击引导卡，即可切换信息卡片，或者进一步获取与信息卡片相关的新闻，即上述步骤307，还可以包括：
接收所述用户对所述引导卡进行的选取操作。
其中，引导卡主要用于引导用户对当前显示的信息卡片对应的事件进行更全面的了解，或者引导用户获取与当前显示的信息卡片相关或相近的其它信息，从而无需用户自己对事件进行分析，而可以直接通过引导卡的提示，全面的了解事件的所有核心内容。
具体的，引导卡可以在信息展示界面的顶部、底部等任意位置，引导卡的数量及显示形式，可以根据需要设置，比如引导卡数量较过多时，可以下拉框的形式设置，或者，也可以提示框等形式设置，本实施里对此不作限定。
举例来说，如图2b所示，若在图2a中，向用户展示了『易到用车拖欠供应商欠款』核心内容的信息卡片时信息展示界面中还包括“还有别的新闻吗”和“易到如何回应”的引导卡，当用户选择了“易到如何回应”的引导卡时，则可以如图2b所示，在信息展示界面中展示与“易到如何回应”的引导卡对应的核心内容，进而用户再次点击了“事件进展”的引导卡，那么即可在信息展示界面中展示与“事件进展”的引导卡对应的核心内容。
由于信息展示界面中展示的所有信息卡片中的内容，均是通过对数据库中的数据进行聚合处理后得到的，从而使用户通过几个信息卡片的浏览，就可以了解到事件的重要方面的内容。
进一步地，由于“乐视”为“易到”的主要控股股东，因此如图2b所示在该事件的信息卡片结束后，还可以在信息展示页面中，显示与该事件相关的其他事件的引导卡，比如“乐视欠款问题”，或者还可以显示“换条行吗”、“换一条”等形式的引导卡，从而使用户可以继续通过点击引导卡，以获取更多其它信息。
通过提供新闻的相关引导选项，让用户可以了解与此事件相关的其他新闻资讯，相比常规的相关新闻服务，相关引导选项对新闻内容做了非常精炼的概括和提炼，对用户而言更直观。并且，用户还可以直接在信息展示界面提供输入框中直接搜索感兴趣的话题，让用户可以主动了解与当前新闻事件相关的其他视角的内容，让用户可以直达内容。
进一步地，新闻应用在根据用户的兴趣特征，向用户展示信息卡片时，还可以根据用户的触控操作，对用户的兴趣特征进行优化处理，进而为用户提供更准确的信息卡片。
举例来说，图5为本申请实施例提供的信息提供优化过程示意图。
如图5所示，若根据用户的兴趣特征，首先确定的引导卡的引导维度为“国考开考啦！”，根据关键词“国考公共科目笔试”，确定的新闻点如图5中a所示，然后若用户选择的引导卡的引导维度为“竞争居然减少了？”，对应的关键词“国考竞争大幅减少”，确定的新闻点如图5中b所示，之后即可对用户的兴趣特征进行优化处理，确定的引导卡的引导维度为“历史弃考人数有多少？”，然后再根据关键词“国考弃考人数今年”，从数据库中获取相应的新闻数据，并经过深度神经网络模型训练后，确定的新闻点如图5c所示。
通过基于用户的阅读历史，利用深度学习算法，给用户推荐最符合其兴趣的新闻，并根据用户的反馈，不断优化调整推荐的信息卡片内容，从而提高了用户的体验，节省了用户的新闻浏览时间，提高了用户新闻核心内容获取的效率。
本申请实施例的基于人工智能的信息提供方法，首先根据用户的历史访问记录，确定用户的兴趣特征，然后再从数据库中获取与用户的兴趣特征对应的新闻数据，进而再利用相应的训练模型，对新闻数据进行解析、聚合处理，确定与用户的兴趣特征对应的核心内容，再将核心内容以信息卡片的形式显示在信息展示界面中，并且在信息展示过程中，根据用户的触控操作，更新信息展示界面中的信息卡片。由此，不仅实现了用户可以直接获取到感兴趣的新闻的核心内容，节省了用户的时间，提高了用户的信息获取效率，且减少了用户使用该应用的流量，节省了用户的成本，并且通过对话的方式，为用户提供信息卡片，满足了用户利用该新闻应用获取各种信息的需求，且根据用户的反馈不断的更新用户的兴趣特征，提高了向用户展示的信息的准确性，提高了用户体验。
为了对本申请提供的基于人工智能的信息提供方法进行更加直观的描述，下面结合图6对本申请提供的基于人工智能的信息提供方法的技术原理进行说明。
图6为本申请提供的基于人工智能的信息提供方法的技术原理框图。
如图6所示，用户可以通过新闻应用的“交互接口”，比如点击引导卡，或者语音输入等方式，向新闻应用发送新闻获取请求，然后新闻应用通过自然语音理解模块，对用户输入的请求进行解析，然后再通过问答检索模块，从新闻问答库中，获取与请求对应的信息卡片，并且自然语音理解模块，在对用户输入的请求进行解析后，还可以将该请求发送给内容建设模块，从而内容建设模块，通过爬虫从百度知道等外部数据源和新闻库等内部数据源处，获取与用户请求对应的数据，再对数据进行解析及规范化和语义理解等处理后，从而生成与用户的请求对应的核心内容卡片。
由图6可知，自然语言理解模块，主要完成用户检索词的意图理解，包括功能意图，新闻意图，非新闻意图等，其中新闻意图也包括事件内外的识别。底层的理解算法集成了分词、专名、依存等NLP基础工具。问答检索模块，主要基于理解模块的结果，从下游各种数据中(包括百科、高质问答、新闻库等)提取与用户意图最匹配的内容作为结果返回。
通过这种信息提供方式，通过聚合多篇相似新闻的内容，以核心事实，分析，背景，评论等角度提炼内容，并以多个新闻视角提供给用户，减轻用户阅读整个新闻的负担，同时不丢失新闻的核心信息，给用户更好的体验。通过提供新闻的相关引导选项，让用户可以了解与此事件相关的其他新闻资讯，相比常规的相关新闻服务，相关引导选项对新闻内容做了非常精炼的概括和提炼，对用户而言更直观。提供输入框给用户，让用户可以直接搜索感兴趣的话题，同时此输入框的另一个重要作用是，让用户可以主动了解与当前新闻事件相关的其他视角的内容，让用户可以直达内容。
为了实现上述实施例，本申请还提出一种基于人工智能的信息提供装置。
图7是本申请一个实施例的人工智能的信息提供装置的结构示意图。
如图7所示，该人工智能的信息提供装置包括：
第一确定模块71，用于根据用户历史访问记录，确定所述用户的兴趣特征；
展示模块72，用于在信息展示界面中，向所述用户展示与所述兴趣特征匹配的信息卡片，所述信息卡片中包括，对数据库中的新闻进行解析后确定的、与所述兴趣特征匹配的新闻的核心内容。
需要说明的是，前述对基于人工智能的信息提供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提供装置，此处不再赘述。
本申请实施例的基于人工智能的信息提供装置，首先根据用户历史访问记录，确定所述用户的兴趣特征，然后在信息展示界面中，向用户展示与其兴趣特征匹配的新闻的核心内容。由此，实现了用户可以直接获取到感兴趣的新闻的核心内容，减少了用户的操作，节省了用户的时间，提高了用户的信息获取效率，且减少了用户使用该应用的流量，节省了用户的成本。
图8是本申请另一个实施例的基于人工智能的信息提供装置的结构示意图，如图8所示，基于图7所示实施例，该装置中，还包括：
第二确定模块81，用于确定所述用户访问所述新闻展示界面时，对应的场景特征，所述场景特征包括以下信息中的至少一个：使用的终端设备的类型、所述用户所在的位置、当前的时间；
第三确定模块82，用于根据所述场景特征，确定所述用户当前的兴趣特征。
进一步地，还包括：
获取模块83，用于根据预设的提取规则，从所述数据库中获取与所述兴趣特征对应的新闻数据；
解析模块84，用于将所述新闻数据进行解析处理，获取所述新闻数据中包括的关键信息；
聚合模块85，用于将所述关键信息进行聚合处理，生成与所述兴趣特征匹配的信息卡片。
其中，获取模块83，具体用于：
根据所述兴趣特征，确定目标新闻数据对应的事件粒度；
基于聚类、检索和/或签名方式，从所述数据库中聚合符合所述事件粒度的新闻数据。
上述解析模块84，具体用于：
根据所述兴趣特征，确定所述新闻数据对应的核心内容的结构模型；
将所述新闻数据进行句子打散处理后，根据所述结构模型，从所述新闻数据中抽取关键信息；
相应的所述聚合模块85，具体用于：
根据所述结构模型，将所述关键信息进行深度神经网络训练。
进一步地，在本申请一种可能的实现形式中，该基于人工智能的信息提供装置，还包括：
接收模块86，用于接收所述用户在所述信息展示界面中进行的触控操作；
更新模块87，用于根据所述触控操作，更新所述信息展示界面中展示的信息卡片。
其中，所述接收模块87，具体用于：
接收所述用户在所述信息展示界面中进行的输入操作；或者，
接收所述用户对所示信息卡片进行的触控操作；或者，
若所述信息展示界面中包括引导卡；则接收模块87接收所述用户对所述引导卡进行的选取操作。
进一步地，该装置，还包括：
优化模块，用于根据所述触控操作，对所述用户的兴趣特征进行优化处理。
需要说明的是，前述对基于人工智能的信息提供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提供装置，此处不再赘述。
本申请实施例的基于人工智能的信息提供装置，首先根据用户的历史访问记录，确定用户的兴趣特征，然后再从数据库中获取与用户的兴趣特征对应的新闻数据，进而再利用相应的训练模型，对新闻数据进行解析、聚合处理，确定与用户的兴趣特征对应的核心内容，再将核心内容以信息卡片的形式显示在信息展示界面中，并且在信息展示过程中，根据用户的触控操作，更新信息展示界面中的信息卡片。由此，不仅实现了用户可以直接获取到感兴趣的新闻的核心内容，节省了用户的时间，提高了用户的信息获取效率，且减少了用户使用该应用的流量，节省了用户的成本，并且通过对话的方式，为用户提供信息卡片，满足了用户利用该新闻应用获取各种信息的需求，且根据用户的反馈不断的更新用户的兴趣特征，提高了向用户展示的信息的准确性，提高了用户体验。
基于上述实施例提供的基于人工智能的信息提供方法及装置，本申请在一方面提供一种基于人工智能的信息提供设备。
其中，该基于人工智能的信息提供设备，可以为任意可以安装应用的电子设备，比如可以为手机、掌上电脑、计算机等等，下面结合图9以手机为例，对该基于人工智能的信息提供设备的结构进行详细说明。
图9是本申请一个实施例的基于人工智能的信息提供设备的结构示意图。
本实施例中，图9显示的仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，人工智能的信息提供设备9以通用手机设备的形式表现。其可以包括但不限于：处理器91，存储器92，连接不同系统组件(包括存储器92和处理器91)的总线93。总线93表示几类总线结构中的一种或多种，包括存储器92总线或者存储器92控制器，外围总线，图形加速端口，处理器92或者使用多种总线结构中的任意总线结构的局域总线。
举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
存储器92可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)和/或高速缓存存储器。
进一步，该基于人工智能的信息提供设备，还可以包括其它可移动/不可移动的、易失性/非易失性存储介质94。仅作为举例，存储介质94可以用于读写不可移动的、非易失性磁介质(图中未显示，通常称为“硬盘驱动器”)。尽管图中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线93相连。存储器92可以包括至少一个程序产品，该程序产品具有一组程序模块，这些程序模块被配置以执行本发明各实施例的功能。
该基于人工智能的信息提供设备中，还包括显示屏95及数据接口96，使得用户能与该设备进行交互通信。
进一步地，该基于人工智能的信息提供设备中，还包括：用于与其他设备，如服务器等通过通信网络进行通信的通信接口97，以通过通信接口97，从服务器处获取信息数据。
当基于人工智能的信息提供设备在使用时，处理器91可通过运行存储在系统存储器92中的程序，从而执行各种功能应用以及数据处理，例如实现基于人工智能的信息提供方法。
进一步地，该申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的基于人工智能的信息提供方法。
其中，该存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。
计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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申请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。在本申请的描述中，“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定制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，并且本申请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，这应被本申请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所述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所述程序，然后将其存储在计算机存储器中。
应当理解，本申请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，所述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，在本申请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。所述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申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (14)

1.一种基于人工智能的信息提供方法，其特征在于，包括以下步骤：
根据用户历史访问记录，确定所述用户的兴趣特征；
在信息展示界面中，向所述用户展示与所述兴趣特征匹配的信息卡片，所述信息卡片中包括，对数据库中的新闻进行解析后确定的、与所述兴趣特征匹配的新闻的核心内容，所述核心内容是由从所述与兴趣特征匹配的新闻中抽取的关键信息构成的；
所述向所述用户展示与所述兴趣特征匹配的信息卡片之前，还包括：
根据预设的提取规则，从所述数据库中获取与所述兴趣特征对应的新闻数据；
根据预先设置的兴趣特征与结构模型的映射关系，确定所述用户的兴趣特征对应的结构模型；
将所述新闻数据进行句子打散处理后，根据所述结构模型，从所述新闻数据中抽取关键信息；
根据所述结构模型，将所述关键信息进行深度神经网络训练，生成与所述兴趣特征匹配的信息卡片。
2.如权利要求1所述的方法，其特征在于，所述根据用户历史访问记录，确定所述用户的兴趣特征之前，还包括：
确定所述用户访问所述信息展示界面时，对应的场景特征，所述场景特征包括以下信息中的至少一个：使用的终端设备的类型、所述用户所在的位置、当前的时间；
根据所述场景特征，确定所述用户当前的兴趣特征。
3.如权利要求1所述的方法，其特征在于，根据预设的提取规则，从所述数据库中获取与所述兴趣特征对应的新闻数据，包括：
根据所述兴趣特征，确定目标新闻数据对应的事件粒度；
基于聚类、检索和/或签名方式，从所述数据库中聚合符合所述事件粒度的新闻数据。
4.如权利要求1-3任一所述的方法，其特征在于，所述在信息展示界面中，向所述用户展示与所述兴趣特征匹配的信息卡片之后，还包括：
接收所述用户在所述信息展示界面中进行的触控操作；
根据所述触控操作，更新所述信息展示界面中展示的信息卡片。
5.如权利要求4所述的方法，其特征在于，所述信息展示界面中包括引导卡；
所述接收所述用户在所述信息展示界面中进行的触控操作，包括：
接收所述用户在所述信息展示界面中进行的输入操作；或者，
接收所述用户对所示信息卡片进行的触控操作；或者，
接收所述用户对所述引导卡进行的选取操作。
6.如权利要求4所述的方法，其特征在于，所述接收所述用户在所述信息展示界面中进行的触控操作之后，还包括：
根据所述触控操作，对所述用户的兴趣特征进行优化处理。
7.一种基于人工智能的信息提供装置，其特征在于，包括：
第一确定模块，用于根据用户历史访问记录，确定所述用户的兴趣特征；
展示模块，用于在信息展示界面中，向所述用户展示与所述兴趣特征匹配的信息卡片，所述信息卡片中包括，对数据库中的新闻进行解析后确定的、与所述兴趣特征匹配的新闻的核心内容，所述核心内容是由从所述与兴趣特征匹配的新闻中抽取的关键信息构成的；
获取模块，用于根据预设的提取规则，从所述数据库中获取与所述兴趣特征对应的新闻数据；
解析模块，用于根据预先设置的兴趣特征与结构模型的映射关系，确定所述用户的兴趣特征对应的结构模型，以及将所述新闻数据进行句子打散处理后，根据所述结构模型，从所述新闻数据中抽取关键信息；
聚合模块，用于根据所述结构模型，将所述关键信息进行深度神经网络训练，生成与所述兴趣特征匹配的信息卡片。
8.如权利要求7所述的装置，其特征在于，还包括：
第二确定模块，用于确定所述用户访问所述信息展示界面时，对应的场景特征，所述场景特征包括以下信息中的至少一个：使用的终端设备的类型、所述用户所在的位置、当前的时间；
第三确定模块，用于根据所述场景特征，确定所述用户当前的兴趣特征。
9.如权利要求7所述的装置，其特征在于，获取模块，具体用于：
根据所述兴趣特征，确定目标新闻数据对应的事件粒度；
基于聚类、检索和/或签名方式，从所述数据库中聚合符合所述事件粒度的新闻数据。
10.如权利要求7-9任一所述的装置，其特征在于，还包括：
接收模块，用于接收所述用户在所述信息展示界面中进行的触控操作；
更新模块，用于根据所述触控操作，更新所述信息展示界面中展示的信息卡片。
11.如权利要求10所述的装置，其特征在于，所述信息展示界面中包括引导卡；
所述接收模块，具体用于：
接收所述用户在所述信息展示界面中进行的输入操作；或者，
接收所述用户对所示信息卡片进行的触控操作；或者，
接收所述用户对所述引导卡进行的选取操作。
12.如权利要求10所述的装置，其特征在于，还包括：
优化模块，用于根据所述触控操作，对所述用户的兴趣特征进行优化处理。
13.一种基于人工智能的信息提供设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，
当处理器执行所述计算机程序时，实现如权利要求1-6任一所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201611233400.2A 2016-12-28 2016-12-28 基于人工智能的信息提供方法及装置 Active CN106649780B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201611233400.2A CN106649780B (zh) 2016-12-28 2016-12-28 基于人工智能的信息提供方法及装置
US15/845,713 US10733197B2 (en) 2016-12-28 2017-12-18 Method and apparatus for providing information based on artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611233400.2A CN106649780B (zh) 2016-12-28 2016-12-28 基于人工智能的信息提供方法及装置

Publications (2)

Publication Number Publication Date
CN106649780A CN106649780A (zh) 2017-05-10
CN106649780B true CN106649780B (zh) 2020-11-24

Family

ID=58832948

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611233400.2A Active CN106649780B (zh) 2016-12-28 2016-12-28 基于人工智能的信息提供方法及装置

Country Status (2)

Country Link
US (1) US10733197B2 (zh)
CN (1) CN106649780B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107734456B (zh) * 2017-11-30 2021-06-25 上海连尚网络科技有限公司 一种用于推荐服务信息的方法与设备
CN108089878B (zh) * 2017-12-14 2022-05-20 腾讯科技（深圳）有限公司 页面信息展现和生成方法、装置及系统
CN108062389A (zh) * 2017-12-15 2018-05-22 北京百度网讯科技有限公司 简报生成方法和装置
CN112818250B (zh) * 2018-03-07 2024-03-08 创新先进技术有限公司 一种内容推荐方法、装置、电子设备及系统
CN108509589B (zh) * 2018-03-29 2022-02-18 阿里巴巴（中国）有限公司 信息流展示方法及系统、计算机可读存储介质
CN110737820B (zh) * 2018-07-03 2022-05-31 百度在线网络技术（北京）有限公司 用于生成事件信息的方法和装置
CN109635174A (zh) * 2018-10-29 2019-04-16 珠海市君天电子科技有限公司 新闻信息流管理方法、装置、电子设备及存储介质
RU2739554C1 (ru) 2018-12-13 2020-12-25 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для формирования карточки объекта
CN109740140B (zh) * 2018-12-28 2023-07-11 北京百度网讯科技有限公司 页面排版方法、装置和计算机设备
CN110727795B (zh) * 2019-08-07 2022-09-20 北京百度网讯科技有限公司 新闻播报的方法及装置
CN110502299B (zh) * 2019-08-12 2021-05-14 南京大众书网图书文化有限公司 一种用于提供小说信息的方法与设备
CN110474987A (zh) * 2019-08-21 2019-11-19 北京联创众升科技有限公司 一种事件信息推送方法及装置
CN110990574B (zh) * 2019-12-17 2023-05-09 上饶市中科院云计算中心大数据研究院 一种新闻资讯管理方法及装置
CN111373439B (zh) * 2020-02-10 2023-05-02 香港应用科技研究院有限公司 使用cnn进行图像分割的方法
CN111475722B (zh) * 2020-03-31 2023-04-18 百度在线网络技术（北京）有限公司 用于发送信息的方法和装置
CN116228075A (zh) * 2023-04-28 2023-06-06 深圳市宏大供应链服务有限公司 一种基于人工智能的数据分析方法、系统及介质
CN117149983B (zh) * 2023-10-30 2024-02-27 山东高速信息集团有限公司 基于高速公路业务智能对话的方法、装置及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003216636A (ja) * 2002-01-23 2003-07-31 Hitachi Ltd 最新記事推薦方法およびシステム
WO2007148817A1 (ja) * 2006-06-23 2007-12-27 Nec Corporation コンテンツ推薦システム、コンテンツ推薦方法及びコンテンツ推薦用プログラム
CN102611785A (zh) * 2011-01-20 2012-07-25 北京邮电大学 面向手机的移动用户个性化新闻主动推荐服务系统及方法
CN103914550A (zh) * 2014-04-11 2014-07-09 百度在线网络技术（北京）有限公司 展现推荐内容的方法和装置
CN106202563A (zh) * 2016-08-02 2016-12-07 西南石油大学 一种实时关联事件新闻推荐方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110295612A1 (en) * 2010-05-28 2011-12-01 Thierry Donneau-Golencer Method and apparatus for user modelization
US9117249B2 (en) * 2012-03-15 2015-08-25 Facebook, Inc. Selectively providing content on a social networking system
US10037538B2 (en) * 2012-12-11 2018-07-31 Facebook, Inc. Selection and presentation of news stories identifying external content to social networking system users
US9866646B2 (en) * 2015-08-07 2018-01-09 Bento Labs Inc. Systems and methods for anticipatory push search for a homescreen browser

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003216636A (ja) * 2002-01-23 2003-07-31 Hitachi Ltd 最新記事推薦方法およびシステム
WO2007148817A1 (ja) * 2006-06-23 2007-12-27 Nec Corporation コンテンツ推薦システム、コンテンツ推薦方法及びコンテンツ推薦用プログラム
CN102611785A (zh) * 2011-01-20 2012-07-25 北京邮电大学 面向手机的移动用户个性化新闻主动推荐服务系统及方法
CN103914550A (zh) * 2014-04-11 2014-07-09 百度在线网络技术（北京）有限公司 展现推荐内容的方法和装置
CN106202563A (zh) * 2016-08-02 2016-12-07 西南石油大学 一种实时关联事件新闻推荐方法及系统

Also Published As

Publication number Publication date
CN106649780A (zh) 2017-05-10
US10733197B2 (en) 2020-08-04
US20180181628A1 (en) 2018-06-28

Similar Documents

Publication Publication Date Title
CN106649780B (zh) 基于人工智能的信息提供方法及装置
CN112565899B (zh) 一种用于视频中情绪一致性可视化分析的系统及方法
CN111191078B (zh) 基于视频信息处理模型的视频信息处理方法及装置
US11062090B2 (en) Method and apparatus for mining general text content, server, and storage medium
CN108170792B (zh) 基于人工智能的问答引导方法、装置和计算机设备
CN107330023B (zh) 基于关注点的文本内容推荐方法和装置
CN106874467B (zh) 用于提供搜索结果的方法和装置
JP6361351B2 (ja) 発話ワードをランク付けする方法、プログラム及び計算処理システム
CN109783631B (zh) 社区问答数据的校验方法、装置、计算机设备和存储介质
CN109451147B (zh) 一种信息展示方法及装置
CN109275047B (zh) 视频信息处理方法及装置、电子设备、存储介质
CN111144952A (zh) 基于用户兴趣的广告推荐方法、装置、服务器及存储介质
CN112235641B (zh) 一种视频推荐方法、装置、设备和介质
CN110727785A (zh) 推荐模型的训练、搜索文本的推荐方法、装置及存储介质
Zhang et al. Utilizing affective analysis for efficient movie browsing
CN111177462B (zh) 视频分发时效的确定方法和装置
CN109815482B (zh) 一种新闻交互的方法、装置、设备和计算机存储介质
CN113806588A (zh) 搜索视频的方法和装置
CN111723235B (zh) 音乐内容识别方法、装置及设备
CN113407775B (zh) 视频搜索方法、装置及电子设备
CN113672758A (zh) 歌单生成方法、装置、介质和计算设备
CN113573128A (zh) 一种音频处理方法、装置、终端以及存储介质
CN116910302A (zh) 一种多模态视频内容有效性反馈可视分析方法与系统
CN109670111B (zh) 用于推送信息的方法和装置
WO2023124793A1 (zh) 图像推送方法和装置

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