CN106708802A - 一种信息推荐的方法及系统 - Google Patents
一种信息推荐的方法及系统 Download PDFInfo
- Publication number
- CN106708802A CN106708802A CN201611184282.0A CN201611184282A CN106708802A CN 106708802 A CN106708802 A CN 106708802A CN 201611184282 A CN201611184282 A CN 201611184282A CN 106708802 A CN106708802 A CN 106708802A
- Authority
- CN
- China
- Prior art keywords
- text
- product
- information
- theme
- user
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种信息推荐的方法及系统,所述的方法包括构建库,获取文本内容,处理所述文本内容,提取主题,匹配库,推送信息或问答步骤;所述的系统包括文本内容获取模块,文本处理模块,产品库,知识库,产品匹配模块,排名模块和推送模块,文本处理模块用于对用户聊天内容的分析,计算用户的真实需求意图,知识库用于在问答状态提供相关的知识,产品匹配模块可以根据用户的真实需求匹配到相应的产品及信息。本发明通过对用户聊天文本的分析,对用户的需求进行提取和定位,进而对用户进行精准的产品推荐,效率高,成本低。
Description
技术领域
本发明涉及机器学习、自然语言处理领域,具体是一种信息推荐的方法及系统。
背景技术
智能问答,也被称为会话代理或对话系统,如今已经成为继移动应用之后最热门的话题之一。随着时代的发展,互联网取得了巨大的成功,同时也产生了巨量的数据。如何从海量的数据中精准理解用户需求并找到用户需要的答案,成为了检索领域、自然语言处理等领域一个热门的研究课题,而智能问答是实现这一功能的关键技术。近两年,智能问答逐渐成为一个热门研究领域,像Google、微软、Facebook、阿里等世界级互联网巨头纷纷加入到对其的研究里面来,究其原因,无非是智能问答被定位为未来各种应用的接口。智能问答一般可分为三类:一问一答、交互式问答、阅读理解,而聊天机器人就属于交互式问答的一种实现形式。如果把聊天机器人当作各种应用的接口,那么基于聊天机器人的产品推荐将会是一个非常广阔的应用场景。
许多公司希望开发出能进行无法与人类相区分的自然会话机器人,而自然语言处理和深度学习技术来使其成为了可能。随着聊天机器人越来越聪明,越来越能理解人类的语言,那么它就会能够帮助人类做许多事情,我们与其聊天的频率就会越来越多。在聊天对话的过程中会涉及到用户各种需求,通过对用户聊天的文本信息进行处理分析和利用自然语言处理技术,能够确定用户的聊天主题,进而定位到用户的需求,据此可以进行精确产品推荐。推荐算法分为基于用户的协同过滤和基于物品的协同过滤,在对用户的行为分析得到用户的偏好后,可以根据用户的偏好计算相似用户和物品,然后基于相似用户或物品进行推荐。
推荐在互联网广告领域取得了巨大的成功。但是近两年来,随着问答系统取得巨大的发展,在问答系统里面进行产品推荐仍是一个空白领域,会话系统可以通过对用户聊天内容的分析,确定其聊天主题和需求,从而可以对用户进行精准的产品推荐。
发明内容
本发明的目的在于克服现有技术的不足,提供一种信息推荐的方法及系统,通过对用户聊天文本的分析,对用户的需求进行提取和定位,进而对用户进行精准的产品推荐。
本发明的目的是通过以下技术方案来实现的:一种信息推荐的方法,它包括以下步骤:
S1:构建库;
S2:获取文本内容;
S3:处理所述文本内容,提取主题;
S4:匹配库;
S5:推送信息或问答。
进一步的,在步骤S1中,所述的库包括产品信息库和知识存储库。
进一步的,在步骤S2中,能够通过QQ、微信、APP、网页对话机器人或者微信公众号,获取文本内容。
进一步的,在步骤S3中,所述的处理包括以下子步骤:
S31:对文本进行分词处理,判断是否具有特定的词汇;
S32:对文本进行命名实体识别;
S33:对文本进行上下文分析,提取相关主题。
进一步的,在步骤S33中,基于BTM模型,提取相关主题,包括以下子步骤:
S331:去掉文本中停用词,然后选取文本中的任意两个词对作为biterm词b;
S332:为了推断文本d中的主题z,设定文本的主题比例等于从文本中生成的biterms的主题比例的期望,则文档d中主题z的概率为:
S333:基于贝叶斯参数估计法计算P(z|b):
其中,P(z)=θ,P(wi|z)=φi|z,w代表每个词,wi代表第i个词,wj代表第j个词,P(wi|z)为在主题z中wi的比例,P(wj|z)为在主题z中wj的比例;
S334:计算隐含参数计算主题词分布和全局主题分布θ:
其中,α和β为设定的超参数,nd(b)是文本d中biterm b的频率,nz为主题z的频率,nw|z为主题z中词w的个数,|B|是biterm的总数,K为设定的主题个数,M是文本d中的互异词个数;
S325:计算P(b|d),设定文档d中的所有P(b|d)为均匀分布,将biterm经验分布作为估计:
其中,nd(b)是biterm b在文档d中出现的频率。
进一步的,在步骤S4中,所述的匹配根据文本处理和主题提取以后的结果,选择匹配产品信息库或知识存储库,产品信息库用于推荐产品信息,知识存储库用于问答。
进一步的,在步骤S5中,所述的推荐信息需要计算得分和得分排名,计算得分和得分排名包括以下子步骤:
S51:获取特征量D;
S52:对特征量D进行归一化处理;
S53:计算得分:
其中,Ri代表第i个产品的得分,代表归一化后的第i个产品的销量,Pi *代表归一化后的第i个产品的价格,代表归一化后的第i个产品的用户评价星级;
S54:根据得分进行排名;
S56:获取排名最高的产品信息,并对其进行格式化处理,保留产品名称和URL。
进一步的,在步骤S5中,所述的问答能够通过构建特定知识库或者使用开源知识库,能够储存大量的信息内容。
进一步的,所述的特征量D包括销量、价格和用户评价星级。
一种信息推荐的方法所使用的系统,它包括:
文本内容获取模块,用于获取用户聊天文本;
文本处理模块,用于对用户聊天内容的分析,计算用户的真实需求;
产品库,用于储存产品信息;
知识库,用于在问答状态提供相关的知识;
产品匹配模块,能够根据用户的真实需求,匹配到相应的产品及信息;
排名模块,用于对匹配到的产品信息的特征进行计算得分,按照得分对产品进行排名;
推送模块,用于把匹配、排名后的无结构化信息进行结构化处理,得到结构化的信息,并推送给用户。
本发明的有益效果是:本发明通过对用户的聊天内容分析,确定用户的需求和聊天主题,再进行产品推荐,推荐的结果更符合用户的需求。在本发明中,设定聊天时间窗,把每个聊天时间窗里的聊天文本作为一个文档,选择主题词分布中频率最高的词作为该主题的关键词,随着对话的进行,聊天主题不断的改变,根据不断改变的聊天主题来判断用户对产品的需求愿望。本发明的方法对自然语言的处理简洁高效,分析精细,提升了程序执行效率,本发明的软系统降低了向用户精准信息的成本,具有推广应用的价值。
附图说明
图1为本发明的方法步骤流程图;
图2为本发明的聊天机器人示意图;
图3为本发明的聊天流程图;
图4为本发明的聊天机器人系统结构图;
图5为本发明用于微信平台的聊天机器人的系统结构图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种信息推荐的方法,它包括以下步骤:
S1:构建库;
S2:获取文本内容;
S3:处理所述文本内容,提取主题;
S4:匹配库;
S5:推送信息或问答。
进一步的,在步骤S1中,所述的库包括产品信息库和知识存储库。
进一步的,在步骤S2中,能够通过QQ、微信、APP、网页对话机器人或者微信公众号,获取文本内容。
进一步的,在步骤S3中,所述的处理包括以下子步骤:
S31:对文本进行分词处理,判断是否具有特定的词汇;
S32:对文本进行命名实体识别;
S33:对文本进行上下文分析,提取相关主题。
进一步的,在步骤S33中,基于BTM模型,提取相关主题,包括以下子步骤:
S331:去掉文本中停用词,然后选取文本中的任意两个词对作为biterm词b;
S332:为了推断文本d中的主题z,设定文本的主题比例等于从文本中生成的biterms的主题比例的期望,则文档d中主题z的概率为:
S333:基于贝叶斯参数估计法计算P(z|b):
其中,P(z)=θ,P(wi|z)=φi|z,w代表每个词,wi代表第i个词,wj代表第j个词,P(wi|z)为在主题z中wi的比例,P(wj|z)为在主题z中wj的比例;
S334:计算隐含参数计算主题词分布和全局主题分布θ:
其中,α和β为设定的超参数,nd(b)是文本d中biterm b的频率,nz为主题z的频率,nw|z为主题z中词w的个数,|B|是biterm的总数,K为设定的主题个数,M是文本d中的互异词个数;
S325:计算P(b|d),设定文档d中的所有P(b|d)为均匀分布,将biterm经验分布作为估计:
其中,nd(b)是biterm b在文档d中出现的频率。
进一步的,在步骤S4中,所述的匹配根据文本处理和主题提取以后的结果,选择匹配产品信息库或知识存储库,产品信息库用于推荐产品信息,知识存储库用于问答。
进一步的,在步骤S5中,所述的推荐信息需要计算得分和得分排名,计算得分和得分排名包括以下子步骤:
S51:获取特征量D;
S52:对特征量D进行归一化处理;
S53:计算得分:
其中,Ri代表第i个产品的得分,代表归一化后的第i个产品的销量,Pi *代表归一化后的第i个产品的价格,代表归一化后的第i个产品的用户评价星级;
S54:根据得分进行排名;
S56:获取排名最高的产品信息,并对其进行格式化处理,保留产品名称和URL。
进一步的,在步骤S5中,所述的问答能够通过构建特定知识库或者使用开源知识库,能够储存大量的信息内容。
进一步的,所述的特征量D包括销量、价格和用户评价星级。
如图2,3,4所示,一种信息推荐的方法所使用的系统,它包括:
文本内容获取模块,用于获取用户聊天文本;
文本处理模块,用于对用户聊天内容的分析,计算用户的真实需求;
产品库,用于储存产品信息;
知识库,用于在问答状态提供相关的知识;
产品匹配模块,能够根据用户的真实需求,匹配到相应的产品及信息;
排名模块,用于对匹配到的产品信息的特征进行计算得分,按照得分对产品进行排名;
推送模块,用于把匹配、排名后的无结构化信息进行结构化处理,得到结构化的信息,并推送给用户。
常用的主题提取模型有很多,如LDA、NFM、BTM等方法,LDA模型对长文本主题提取较好,但是短文本则不行,本发明采用BTM方法对短文本进行主题提取。BTM,全称为bitermtopic model,是一种提取短文本主题的方法,它通过对词-词共现模式建模来学习主题,是一种非常适合于短文本主题提取的模型,具体思路是通过直接建模在整个语料库中所有biterms(即词共现模式)的生成,来学习短文本的主题。在本发明中,假如设定聊天时间窗size=20句,那么每个聊天时间窗里的聊天文本就是一个文档,可以提取时间窗内的聊天主题。
由于本发明统兼有问答功能及产品推荐功能,所以首先要建立产品库及知识库,产品库的信息主要来源于企业的产品数据以及品牌信息等,知识库可以是开源的知识库,也可以自己构建的专门知识库,使用公开知识库可以充实问答数据库,能够解答更复杂的问题。
可以通过即使通讯工具或平台得到用户对话内容,主要可以分为以下三类:
(1)移动端,例如手机QQ、微信、软件APP等。
(2)Web端,如嵌入到各种网页服务机器人,其对话内容可以作为采集的聊天文本。
(3)其它平台,如微信公众号等。
对聊天内容进行一系列的处理,对聊天内容的处理包括以下几步:
(1)对聊天内容进行分词处理;
(2)对聊天内容进行命名实体识别,得到对话中相关的实体,例如对话内容中出现的产品名;
(3)对聊天内容上下文分析,提取出与用户聊天的主题。
从产品库里可以匹配得到用户需要的或相关的产品,基于匹配得到的用户需求产品,对这些产品进行打分,根据得分进行产品的排名,选出产品得分排名最高的产品。排名的方法分为如下两步:
(1)提取产品的信息特征,在本发明中提取三个产品特征,即产品销量、价格、用户评价星级;
(2)根据产品特征计算得分,得到产品排名,计算产品排名,把得分排名最高的产品进行处理,主要是对其格式进行处理,把无结构化的信息变成有结构化的信息后,直接推送给用户。
作为本发明的实施例之一,基于本发明的一种实时聊天系统的个性化产品推荐的方法与系统,该系统可分别提供问答功能和产品推荐功能。如附图2,5所示,该应用场景是微信,,包括微信端、聊天平台、产品库、知识库等四部分。
步骤1:微信用户通过公众号关注本发明实施例之一提供的聊天机器人,通过与微信用户的聊天,聊天机器人实时搜集与用户的聊天的语料;
步骤2:聊天机器人包括了以下几个模块,各个模块及其功能如下:
(1)文本处理模块,对步骤1中搜集到的文本进行处理。对文本语料进行分词处理和命名实体识别实理,通过处理可以得到显式的用户需要,例如:
用户:“这几天真冷,是时候买个羽绒服了”。
在这里聊天机器人对该句话进行分词和命名实体识别处理,可以得到动作词“买”和实体“羽绒服”,这样就得到用户需要的产品名“羽绒服”,然后调用产品库对用户进行产品匹配。
(2)主题提取模块,在聊天机器人和用户进行聊天时,有时用户的产品需求并没有表现的那么明显,或者需要通过上下文才能知道用户的实际产品需求,这时聊天机器人就需要对聊天文本的主题进行提取,然后推测出与用户相关的需求,例如:
用户:嗨,未来成都天气怎么样?
Chatbot:这个嘛,未来几天有点冷哦。中雨,最低气温0°度,最高气温4°度,风力四到五级。
用户:这么冷,看来要买件衣服了过冬了;
Chatbot:是很冷的,穿的太少会感冒哦;
用户:想买个性价高的外套;
Chatbot:…
用户:…
通过对用户聊天内容进行主题提取,可以知道这段对话的主题是关于“天气”和“衣服”的,并且用户是有购买意愿的。
(3)产品推荐模块,在该模块主要功能是根据前两步确定的产品或主题,在产品库里找到相应的不同厂家或品牌的同类产品信息,计算出不同厂家或品牌的产品得分,选择产品得分排名,确定得分较高的产品。
步骤3:产品推送模块,在推送前,该模块会对将要推送的产品信息进行格式化处理,使其平滑的嵌入到我们的聊天内容中,不至于那么突兀。在本发明中,格式化处理后的产品信息只剩下产品名和URL,用户可以通过此链接访问到推送产品的具体信息。
本发明所述的构建产品库,该产品库的构建由两部分构成,分别是自建产品库和合作产品库。自建产品库主要由自己添加一些产品信息构成,合作产品库由一些有意向合作的厂家和品牌构成,其中合作厂家库占据主要地位,这也是本系统及方法能够产生较大经济效益的地方。而构建知识库,由于在本发明的实施例之一聊天机器人实时问答系统中,问答仍占据位置,问答的实现是参照了开源项目Alice的实现,知识库的构建一部分是自己构建,二是使用开源的知识库,极大地扩充在问答过程中聊天机器人能够调用的储存知识信息。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种信息推荐的方法,其特征在于,它包括以下步骤:
S1:构建库;
S2:获取文本内容;
S3:处理所述文本内容,提取主题;
S4:匹配库;
S5:推送信息或问答。
2.如权利要求1所述的一种信息推荐的方法,其特征在于:在步骤S1中,所述的库包括产品信息库和知识存储库。
3.如权利要求1所述的一种信息推荐的方法,其特征在于:在步骤S2中,能够通过QQ、微信、APP、网页对话机器人或者微信公众号,获取文本内容。
4.如权利要求1所述的一种信息推荐的方法,其特征在于:在步骤S3中,所述的处理包括以下子步骤:
S31:对文本进行分词处理,判断是否具有特定的词汇;
S32:对文本进行命名实体识别;
S33:对文本进行上下文分析,提取相关主题。
5.如权利要求4所述的一种信息推荐的方法,其特征在于:在步骤S33中,基于BTM模型,提取相关主题,包括以下子步骤:
S331:去掉文本中停用词,然后选取文本中的任意两个词对作为biterm词b;
S332:为了推断文本d中的主题z,设定文本的主题比例等于从文本中生成的biterms的主题比例的期望,则文档d中主题z的概率为:
S333:基于贝叶斯参数估计法计算P(z|b):
其中,P(z)=θ,P(wi|z)=φi|z,w代表每个词,wi代表第i个词,wj代表第j个词,P(wi|z)为在主题z中wi的比例,P(wj|z)为在主题z中wj的比例;
S334:计算隐含参数计算主题词分布和全局主题分布θ:
其中,α和β为设定的超参数,nd(b)是文本d中biterm b的频率,nz为主题z的频率,nw|z为主题z中词w的个数,|B|是biterm的总数,K为设定的主题个数,M是文本d中的互异词个数;
S325:计算P(b|d),设定文档d中的所有P(b|d)为均匀分布,将biterm经验分布作为估计:
其中,nd(b)是biterm b在文档d中出现的频率。
6.如权利要求1所述的一种信息推荐的方法,其特征在于:在步骤S4中,所述的匹配根据文本处理和主题提取以后的结果,选择匹配产品信息库或知识存储库,产品信息库用于推荐产品信息,知识存储库用于问答。
7.如权利要求1所述的一种信息推荐的方法,其特征在于:在步骤S5中,所述的推荐信息需要计算得分和得分排名,计算得分和得分排名包括以下子步骤:
S51:获取特征量D;
S52:对特征量D进行归一化处理;
S53:计算得分:
其中,Ri代表第i个产品的得分,代表归一化后的第i个产品的销量,Pi *代表归一化后的第i个产品的价格,代表归一化后的第i个产品的用户评价星级;
S54:根据得分进行排名;
S56:获取排名最高的产品信息,并对其进行格式化处理,保留产品名称和URL。
8.如权利要求1所述的一种信息推荐的方法,其特征在于:在步骤S5中,所述的问答能够通过构建特定知识库或者使用开源知识库,能够储存大量的信息内容。
9.如权利要求7所述的一种信息推荐的方法,其特征在于:所述的特征量D包括销量、价格和用户评价星级。
10.根据权利要求1-9中任意所述的一种信息推荐的方法所使用的系统,其特征在于,它包括:
文本内容获取模块,用于获取用户聊天文本;
文本处理模块,用于对用户聊天内容的分析,计算用户的真实需求;
产品库,用于储存产品信息;
知识库,用于在问答状态提供相关的知识;
产品匹配模块,能够根据用户的真实需求,匹配到相应的产品及信息;
排名模块,用于对匹配到的产品信息的特征进行计算得分,按照得分对产品进行排名;
推送模块,用于把匹配、排名后的无结构化信息进行结构化处理,得到结构化的信息,并推送给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611184282.0A CN106708802A (zh) | 2016-12-20 | 2016-12-20 | 一种信息推荐的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611184282.0A CN106708802A (zh) | 2016-12-20 | 2016-12-20 | 一种信息推荐的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106708802A true CN106708802A (zh) | 2017-05-24 |
Family
ID=58938144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611184282.0A Pending CN106708802A (zh) | 2016-12-20 | 2016-12-20 | 一种信息推荐的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106708802A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292109A (zh) * | 2017-06-27 | 2017-10-24 | 美的集团股份有限公司 | 饮食规划方法和装置 |
CN107832293A (zh) * | 2017-11-07 | 2018-03-23 | 北京灵伴即时智能科技有限公司 | 一种面向非自由谈话式汉语口语的对话行为分析方法 |
CN107977866A (zh) * | 2017-12-14 | 2018-05-01 | 北京木业邦科技有限公司 | 木材产品推荐方法、装置及计算机可读存储介质 |
CN108170673A (zh) * | 2017-12-26 | 2018-06-15 | 北京百度网讯科技有限公司 | 基于人工智能的信息格调识别方法和装置 |
CN108536868A (zh) * | 2018-04-24 | 2018-09-14 | 北京慧闻科技发展有限公司 | 社交网络上短文本数据的数据处理方法及应用 |
CN109325182A (zh) * | 2018-10-12 | 2019-02-12 | 平安科技(深圳)有限公司 | 基于会话的信息推送方法、装置、计算机设备及存储介质 |
CN109977216A (zh) * | 2019-04-01 | 2019-07-05 | 苏州思必驰信息科技有限公司 | 基于场景的对话推荐方法及系统 |
CN110019771A (zh) * | 2017-07-28 | 2019-07-16 | 北京国双科技有限公司 | 文本处理的方法及装置 |
CN111309874A (zh) * | 2018-11-23 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN111309873A (zh) * | 2018-11-23 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN112765326A (zh) * | 2021-01-27 | 2021-05-07 | 西安电子科技大学 | 一种问答社区专家推荐方法、系统及应用 |
CN113204638A (zh) * | 2021-04-23 | 2021-08-03 | 上海明略人工智能(集团)有限公司 | 基于工作会话单元的推荐方法、系统、计算机和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923545A (zh) * | 2009-06-15 | 2010-12-22 | 北京百分通联传媒技术有限公司 | 一种个性化信息推荐的方法 |
CN102694662A (zh) * | 2011-03-24 | 2012-09-26 | 腾讯科技(深圳)有限公司 | 网络服务推送系统和方法 |
CN103309886A (zh) * | 2012-03-13 | 2013-09-18 | 阿里巴巴集团控股有限公司 | 一种基于交易平台的结构化信息搜索方法和装置 |
CN103631803A (zh) * | 2012-08-23 | 2014-03-12 | 百度国际科技(深圳)有限公司 | 基于输入行为的进行广告定向的方法、装置及服务器 |
CN105260908A (zh) * | 2015-09-28 | 2016-01-20 | 魔线科技(深圳)有限公司 | 基于聊天会话内容推送靶向广告的方法及系统 |
CN105574216A (zh) * | 2016-03-07 | 2016-05-11 | 达而观信息科技(上海)有限公司 | 基于概率模型和用户行为分析的个性化推荐方法、系统 |
CN105608192A (zh) * | 2015-12-23 | 2016-05-25 | 南京大学 | 一种基于用户双词主题模型的短文本推荐方法 |
CN106033415A (zh) * | 2015-03-09 | 2016-10-19 | 深圳市腾讯计算机系统有限公司 | 文本内容推荐方法及装置 |
-
2016
- 2016-12-20 CN CN201611184282.0A patent/CN106708802A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923545A (zh) * | 2009-06-15 | 2010-12-22 | 北京百分通联传媒技术有限公司 | 一种个性化信息推荐的方法 |
CN102694662A (zh) * | 2011-03-24 | 2012-09-26 | 腾讯科技(深圳)有限公司 | 网络服务推送系统和方法 |
CN103309886A (zh) * | 2012-03-13 | 2013-09-18 | 阿里巴巴集团控股有限公司 | 一种基于交易平台的结构化信息搜索方法和装置 |
CN103631803A (zh) * | 2012-08-23 | 2014-03-12 | 百度国际科技(深圳)有限公司 | 基于输入行为的进行广告定向的方法、装置及服务器 |
CN106033415A (zh) * | 2015-03-09 | 2016-10-19 | 深圳市腾讯计算机系统有限公司 | 文本内容推荐方法及装置 |
CN105260908A (zh) * | 2015-09-28 | 2016-01-20 | 魔线科技(深圳)有限公司 | 基于聊天会话内容推送靶向广告的方法及系统 |
CN105608192A (zh) * | 2015-12-23 | 2016-05-25 | 南京大学 | 一种基于用户双词主题模型的短文本推荐方法 |
CN105574216A (zh) * | 2016-03-07 | 2016-05-11 | 达而观信息科技(上海)有限公司 | 基于概率模型和用户行为分析的个性化推荐方法、系统 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292109A (zh) * | 2017-06-27 | 2017-10-24 | 美的集团股份有限公司 | 饮食规划方法和装置 |
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 |
CN110019771A (zh) * | 2017-07-28 | 2019-07-16 | 北京国双科技有限公司 | 文本处理的方法及装置 |
CN110019771B (zh) * | 2017-07-28 | 2021-08-13 | 北京国双科技有限公司 | 文本处理的方法及装置 |
CN107832293B (zh) * | 2017-11-07 | 2021-04-09 | 北京灵伴即时智能科技有限公司 | 一种面向非自由谈话式汉语口语的对话行为分析方法 |
CN107832293A (zh) * | 2017-11-07 | 2018-03-23 | 北京灵伴即时智能科技有限公司 | 一种面向非自由谈话式汉语口语的对话行为分析方法 |
CN107977866A (zh) * | 2017-12-14 | 2018-05-01 | 北京木业邦科技有限公司 | 木材产品推荐方法、装置及计算机可读存储介质 |
CN108170673A (zh) * | 2017-12-26 | 2018-06-15 | 北京百度网讯科技有限公司 | 基于人工智能的信息格调识别方法和装置 |
CN108170673B (zh) * | 2017-12-26 | 2021-08-24 | 北京百度网讯科技有限公司 | 基于人工智能的信息格调识别方法和装置 |
CN108536868A (zh) * | 2018-04-24 | 2018-09-14 | 北京慧闻科技发展有限公司 | 社交网络上短文本数据的数据处理方法及应用 |
CN108536868B (zh) * | 2018-04-24 | 2022-04-15 | 北京慧闻科技(集团)有限公司 | 社交网络上短文本数据的数据处理方法及装置 |
CN109325182A (zh) * | 2018-10-12 | 2019-02-12 | 平安科技(深圳)有限公司 | 基于会话的信息推送方法、装置、计算机设备及存储介质 |
WO2020073528A1 (zh) * | 2018-10-12 | 2020-04-16 | 平安科技(深圳)有限公司 | 基于会话的信息推送方法、装置、计算机设备及存储介质 |
CN109325182B (zh) * | 2018-10-12 | 2024-05-14 | 平安科技(深圳)有限公司 | 基于会话的信息推送方法、装置、计算机设备及存储介质 |
CN111309873A (zh) * | 2018-11-23 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN111309874A (zh) * | 2018-11-23 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN109977216A (zh) * | 2019-04-01 | 2019-07-05 | 苏州思必驰信息科技有限公司 | 基于场景的对话推荐方法及系统 |
CN112765326A (zh) * | 2021-01-27 | 2021-05-07 | 西安电子科技大学 | 一种问答社区专家推荐方法、系统及应用 |
CN113204638A (zh) * | 2021-04-23 | 2021-08-03 | 上海明略人工智能(集团)有限公司 | 基于工作会话单元的推荐方法、系统、计算机和存储介质 |
CN113204638B (zh) * | 2021-04-23 | 2024-02-23 | 上海明略人工智能(集团)有限公司 | 基于工作会话单元的推荐方法、系统、计算机和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106708802A (zh) | 一种信息推荐的方法及系统 | |
CN110633409B (zh) | 一种融合规则与深度学习的汽车新闻事件抽取方法 | |
CN108345690B (zh) | 智能问答方法与系统 | |
JP6309644B2 (ja) | スマート質問回答の実現方法、システム、および記憶媒体 | |
CN102737042B (zh) | 建立问句生成模型的方法和装置以及问句生成方法和装置 | |
CN111708869B (zh) | 人机对话的处理方法及装置 | |
CN109325040B (zh) | 一种faq问答库泛化方法、装置及设备 | |
CN109416826A (zh) | 在与个人相关的社交网络上搜索和匹配内容的系统和方法 | |
CN105844424A (zh) | 基于网络评论的产品质量问题发现及风险评估方法 | |
CN107239564B (zh) | 一种基于监督主题模型的文本标签推荐方法 | |
CN111639252A (zh) | 一种基于新闻-评论关联性分析的虚假新闻识别方法 | |
CN102880687A (zh) | 基于标签技术的个人交互数据检索方法及其系统 | |
CN113505209A (zh) | 一种面向汽车领域的智能问答系统 | |
CN101354714A (zh) | 一种基于概率潜在语义分析的问题推荐方法 | |
CN108363725A (zh) | 一种用户评论观点提取和观点标签生成的方法 | |
CN110795544B (zh) | 内容搜索方法、装置、设备和存储介质 | |
CN116680384A (zh) | 知识问答方法、装置、设备及存储介质 | |
CN112650842A (zh) | 基于人机交互的客服机器人意图识别方法及相关设备 | |
CN111460145A (zh) | 一种学习资源推荐方法、设备及存储介质 | |
CN107665188A (zh) | 一种语义理解方法及装置 | |
CN116932776A (zh) | 一种基于知识图谱的大模型知识更新方法和装置 | |
CN111223014B (zh) | 一种从大量细分教学内容在线生成细分场景教学课程的方法和系统 | |
CN110188352B (zh) | 一种文本主题确定方法、装置、计算设备及存储介质 | |
CN116401344A (zh) | 根据问句检索表格的方法和装置 | |
CN115757720A (zh) | 基于知识图谱的项目信息搜索方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170524 |
|
RJ01 | Rejection of invention patent application after publication |