CN107391723B - 一种信息自动搜索归类再发布方法及系统 - Google Patents
一种信息自动搜索归类再发布方法及系统 Download PDFInfo
- Publication number
- CN107391723B CN107391723B CN201710643338.2A CN201710643338A CN107391723B CN 107391723 B CN107391723 B CN 107391723B CN 201710643338 A CN201710643338 A CN 201710643338A CN 107391723 B CN107391723 B CN 107391723B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- new
- new information
- clustering
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种信息自动搜索归类再发布方法及系统,该方法包括:步骤S1、信息监测线程监测到用户添加新信息后,启动信息搜索收集线程获取用户添加的新信息;步骤S2、存储器存储信息搜索收集线程获取的新信息;步骤S3、分析器分析存储器中存储的新信息类别;步骤S4、推送器按所述新信息类别向相应的信息页面推送发布新信息;步骤S5、信息互通线程建立原点信息和转发信息之间的关系链接;其中,所述原点信息包括所述推送器推送发布的新信息;步骤S6、信息互通线程检测到用户删除原点信息后,删除所述原点信息和转发信息之间的关系链接。通过本发明的技术方案,能实现用户所需信息及新添加信息的自动搜索、归类和发布。
Description
技术领域
本发明涉及信息处理技术领域,具体涉及一种信息自动搜索归类再发布方法及系统。
背景技术
当今世界计算机互联网技术已广为人类所用,未来也将为人类的进步发挥越来越重要的作用。随着科技的发展,计算机互联网技术肯定会越来越复杂多样,但是为了提升用户体验,将来用户的使用方法和手段却必定要求其越来越简单。当前在互联网上当我们要发表文章时,可能需要到微博上;当我们要提问时,可能要到知乎;当我们要发简历找工作、发布告转让店面信息时可能需要到58同城;做生意、卖产品、卖服务可能需要到淘宝或者京东上先开一个店;可能等等……这对于目前的绝大多数用户来说会显得有些复杂。如果当一个用户想做任何一件互联网上的事,都可以随处、随意发布而后其他事情都交由计算机系统技术来帮助完成,那么这将大大降低用户的使用难度并节省用户的宝贵时间,从而为社会的发展、人类的进步带来一些帮助。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供一种信息自动搜索归类再发布方法及系统,实现用户所需信息及新添加信息的自动搜索、归类和发布。
为实现以上目的,本发明采用如下技术方案:
一种信息自动搜索归类再发布方法,包括:
步骤S1、信息监测线程监测到用户添加新信息后,启动信息搜索收集线程获取用户添加的新信息;
步骤S2、存储器存储信息搜索收集线程获取的新信息;
步骤S3、分析器分析存储器中存储的新信息类别;
步骤S4、推送器按所述新信息类别向相应的信息页面推送发布新信息;
步骤S5、信息互通线程建立原点信息和转发信息之间的关系链接;其中,所述原点信息包括所述推送器推送发布的新信息;
步骤S6、信息互通线程检测到用户删除原点信息后,删除已转发信息及所述原点信息和转发信息之间的关系链接;
其中,所述步骤S4中的信息页面包括互联网上已建立的各类网站信息页面和用户当前所在的原点信息页面,其中,用户当前所在的原点信息页面上的信息为原点信息,用户转发的原点信息为转发信息。
优选地,所述步骤S1中,所述信息搜索收集线程获取用户添加的新信息具体包括:
爬虫程序获取与预设信息类别相关的新信息,并对所述新信息进行分词处理,获得包含若干词和/或词组的分词处理结果信息;
分别基于语义库中同一语义属性参数对所述词和/或词组进行加权运算,得到所述新信息的语义属性参数;
若所述新信息的语义属性参数在预设的信息类别参数范围内,则将所述新信息保存至抓取结果队列。
优选地,所述分别基于语义库中同一语义属性参数对所述词和/或词组进行加权运算,得到所述新信息的语义属性参数之前还包括:
对所述词和/或词组进行聚类操作,根据所述语义库数据获取所述词和/或词组的所述语义属性参数。
优选地,所述步骤S3具体包括:
步骤S31、将待处理的新信息收集并存储到分布式文件系统HDFS文件系统中;
步骤S32、利用硬聚类K-Means算法对存储到所述HDFS文件系统中的所述新信息进行聚类,并获得一个或者多个聚类数据群;将获得的每一个所述聚类数据群分别作为一类热点信息。
优选地,所述步骤S32中,利用硬聚类K-Means算法对存储到所述HDFS文件系统中的所述新信息进行聚类,具体包括:
步骤S321、从存储到所述HDFS文件系统中的全部新信息中任意选择k个信息,并对所述K个信息的当前位置作为初始聚类中心;其中,k为整数,是预先给定的聚类数;
步骤S322、计算全部新信息中的每一个未被选择的新信息与k个所述初始聚类中心的距离;
步骤S323、获得所述每一个未被选择的新信息与全部k个所述初始聚类中心计算出的全部所述距离中的最小距离;
步骤S324、将所述未被选择的新信息分配给与该最小距离相对应的所述初始聚类中心;
步骤S325、根据每个所述初始聚类中心所分配到的全部所述未被选择的新信息的分布情况,拟合出每一个所述初始聚类中心所分配到的全部未被选择的新信息的均值中心位置,并将所述均值中心位置作为聚类中心;
步骤S326、判断所述初始聚类中心与所述聚类中心的位置是否相同,如果所述初始聚类中心与所述聚类中心的位置不相同,则进入步骤S327;如果所述初始聚类中心与所述聚类中心的位置相同,则所述聚类结束;
步骤S327、将k个所述初始聚类中心处的新信息分别迁移到与每个所述初始聚类中心相对应的所述聚类中心,并返回步骤S322。
优选地,所述聚类中心处的新信息与被分配给所述聚类中心的所述未被选择的新信息共同组成数据群。
优选地,所述步骤S3还包括:
步骤S33、采用Fortune算法对获得的每一类所述热点信息分别生成一个泰森多边形Voronoi图。
优选地,所述步骤S33具体包括:
将一个所述聚类数据群中的每一个新信息分别作为一个定点;
采用预设的扫描线从预设起点开始移动,对整个所述聚类数据群进行扫描;获得多个以所述定点为焦点,以所述扫描线为准线的抛物线;
当所述扫描线对所述聚类数据群扫描结束时,获得的多个所述抛物线中每相邻的两个所述抛物线之间的交点以及所述交点之间的连线形成的多个多边形域构成所述Voronoi图;其中,每个所述多边形域包含一个所述定点。
优选地,所述新信息包括用户外部最新发布以及系统内部最新发布的各种信息。
一种信息自动搜索归类再发布系统,包括:服务器和用户终端,其中,所述服务器和用户终端通过互联网无线和/或有线连接,所述互联网包括全球性互联网以及区域性互联网;所述用户终端指多个互联网终端设备,包括手机、平板电脑、笔记本电脑和/或台式机电脑;
所述服务器包括信息监测模块、信息捜索收集模块、信息存储模块、信息计算分析模块、信息推送发布模块、信息链接管理模块,其中,
所述信息监测模块用于监测用户及系统是否发布了新信息;
所述信息捜索收集模块用于获取所述信息监测模块监测到的用户或系统发布的新信息;
所述信息存储模块用于存储所述用户或系统发布的所有新信息;
所述信息计算分析模块用于将各种新信息按类别归类;
所述信息推送发布模块用于将归类好的新信息向同类别的信息页面推送发布;
所述信息链接管理模块用于建立原点信息和转发信息之间的关系链接,并在检测到用户删除原点信息后,删除已转发信息及所述原点信息和转发信息之间的关系链接;
其中,所述用户指多个使用互联网终端设备的人,包括信息发布者和信息使用者。
本发明采用以上技术方案,至少具备以下有益效果:
由上述技术方案可知,本发明提供的这种信息自动搜索归类再发布方法及系统,互联网用户发布任何信息都可以在任一终端上随处、随意发布而无需多花脑力、时间寻找相关之所,从而大大降低用户的使用难度并节省了用户的宝贵时间。
另外,互联网用户发布任何信息,被转发后被其他用户在其他处使用的结果,该用户都能在其原点信息页面获取到并可在原点信息页面上和其他信息页面上的其他用户取得“直接”联系,同样能大大降低用户的使用难度并节省了用户的宝贵时间。
再者,互联网用户查找所需信息可直接进入相关信息页面翻看或在小范围内搜索,而无需通过大范围翻找或大范围的搜索再在大量的搜索结果中翻寻,从而再次大大降低了用户的使用难度并节省了用户的宝贵时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种信息自动搜索归类再发布方法的流程示意图;
图2为本发明一实施例提供的一种信息自动搜索归类再发布系统的示意框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
参见图1,本发明一实施例提供的一种信息自动搜索归类再发布方法,包括:
步骤S1、信息监测线程监测到用户添加新信息后,启动信息搜索收集线程获取用户添加的新信息;
步骤S2、存储器存储信息搜索收集线程获取的新信息;
步骤S3、分析器分析存储器中存储的新信息类别;
步骤S4、推送器按所述新信息类别向相应的信息页面推送发布新信息;
步骤S5、信息互通线程建立原点信息和转发信息之间的关系链接;其中,所述原点信息包括所述推送器推送发布的新信息;
步骤S6、信息互通线程检测到用户删除原点信息后,删除已转发信息及所述原点信息和转发信息之间的关系链接;
需要说明的是,所述步骤S4中的信息页面包括互联网上已建立的各类网站信息页面和用户当前所在的原点信息页面,其中,用户当前所在的原点信息页面上的信息为原点信息,用户转发的原点信息为转发信息。
由上述技术方案可知,本发明提供的这种信息自动搜索归类再发布方法,互联网用户发布任何信息都可以在任一终端上随处、随意发布而无需多花脑力、时间寻找相关之所,从而大大降低用户的使用难度并节省了用户的宝贵时间。
另外,互联网用户发布任何信息,被转发后被其他用户在其他处使用的结果,该用户都能在其原点信息页面获取到并可在原点信息页面上和其他信息页面上的其他用户取得“直接”联系,同样能大大降低用户的使用难度并节省了用户的宝贵时间。
再者,互联网用户查找所需信息可直接进入相关信息页面翻看或在小范围内搜索,而无需通过大范围翻找或大范围的搜索再在大量的搜索结果中翻寻,从而再次大大降低了用户的使用难度并节省了用户的宝贵时间。
优选地,所述步骤S1中,所述信息搜索收集线程获取用户添加的新信息具体包括:
爬虫程序获取与预设信息类别相关的新信息,并对所述新信息进行分词处理,获得包含若干词和/或词组的分词处理结果信息;
分别基于语义库中同一语义属性参数对所述词和/或词组进行加权运算,得到所述新信息的语义属性参数;
若所述新信息的语义属性参数在预设的信息类别参数范围内,则将所述新信息保存至抓取结果队列。
优选地,所述分别基于语义库中同一语义属性参数对所述词和/或词组进行加权运算,得到所述新信息的语义属性参数之前还包括:
对所述词和/或词组进行聚类操作,根据所述语义库数据获取所述词和/或词组的所述语义属性参数。
优选地,所述步骤S3具体包括:
步骤S31、将待处理的新信息收集并存储到分布式文件系统HDFS文件系统中;
步骤S32、利用硬聚类K-Means算法对存储到所述HDFS文件系统中的所述新信息进行聚类,并获得一个或者多个聚类数据群;将获得的每一个所述聚类数据群分别作为一类热点信息。
优选地,所述步骤S32中,利用硬聚类K-Means算法对存储到所述HDFS文件系统中的所述新信息进行聚类,具体包括:
步骤S321、从存储到所述HDFS文件系统中的全部新信息中任意选择k个信息,并对所述K个信息的当前位置作为初始聚类中心;其中,k为整数,是预先给定的聚类数;
步骤S322、计算全部新信息中的每一个未被选择的新信息与k个所述初始聚类中心的距离;
步骤S323、获得所述每一个未被选择的新信息与全部k个所述初始聚类中心计算出的全部所述距离中的最小距离;
步骤S324、将所述未被选择的新信息分配给与该最小距离相对应的所述初始聚类中心;
步骤S325、根据每个所述初始聚类中心所分配到的全部所述未被选择的新信息的分布情况,拟合出每一个所述初始聚类中心所分配到的全部未被选择的新信息的均值中心位置,并将所述均值中心位置作为聚类中心;
步骤S326、判断所述初始聚类中心与所述聚类中心的位置是否相同,如果所述初始聚类中心与所述聚类中心的位置不相同,则进入步骤S327;如果所述初始聚类中心与所述聚类中心的位置相同,则所述聚类结束;
步骤S327、将k个所述初始聚类中心处的新信息分别迁移到与每个所述初始聚类中心相对应的所述聚类中心,并返回步骤S322。
优选地,所述聚类中心处的新信息与被分配给所述聚类中心的所述未被选择的新信息共同组成数据群。
优选地,所述步骤S3还包括:
步骤S33、采用Fortune算法对获得的每一类所述热点信息分别生成一个泰森多边形Voronoi图。
优选地,所述步骤S33具体包括:
将一个所述聚类数据群中的每一个新信息分别作为一个定点;
采用预设的扫描线从预设起点开始移动,对整个所述聚类数据群进行扫描;获得多个以所述定点为焦点,以所述扫描线为准线的抛物线;
当所述扫描线对所述聚类数据群扫描结束时,获得的多个所述抛物线中每相邻的两个所述抛物线之间的交点以及所述交点之间的连线形成的多个多边形域构成所述Voronoi图;其中,每个所述多边形域包含一个所述定点。
优选地,所述新信息包括用户外部最新发布以及系统内部最新发布的各种信息。
需要说明的是,所述各种信息包括文字、图片、图像、立体图片、立体图像、动画、虚似现实、视频、声音、其他数据、声波、光波、电波、磁力波、微波、代码等信息。
参见图2,本发明还提出了一种信息自动搜索归类再发布系统,包括:服务器1和用户终端2,其中,所述服务器1和用户终端2通过互联网无线和/或有线连接,所述互联网包括全球性互联网以及区域性互联网;所述用户终端2指多个互联网终端设备,包括手机、平板电脑、笔记本电脑和/或台式机电脑;
所述服务器1包括信息监测模块11、信息捜索收集模块12、信息存储模块13、信息计算分析模块14、信息推送发布模块15、信息链接管理模块16,其中,
所述信息监测模块11用于监测用户及系统是否发布了新信息;
所述信息捜索收集模块12用于获取所述信息监测模块监测到的用户或系统发布的新信息;
所述信息存储模块13用于存储所述用户或系统发布的所有新信息;
所述信息计算分析模块14用于将各种新信息按类别归类;
所述信息推送发布模块15用于将归类好的新信息向同类别的信息页面推送发布;
所述信息链接管理模块16用于建立原点信息和转发信息之间的关系链接,并在检测到用户删除原点信息后,删除已转发信息及所述原点信息和转发信息之间的关系链接;
其中,所述用户指多个使用互联网终端设备的人,包括信息发布者和信息使用者。
优选地,所述用户终端还包括车载电脑、POS机、智能手表、智能手环和智能眼镜。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。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。术语“多个”指两个或两个以上,除非另有明确的限定。
Claims (9)
1.一种信息自动搜索归类再发布方法,其特征在于,包括:
步骤S1、信息监测线程监测到用户添加新信息后,启动信息搜索收集线程获取用户添加的新信息;
步骤S2、存储器存储信息搜索收集线程获取的新信息;
步骤S3、分析器分析存储器中存储的新信息类别;
步骤S4、推送器按所述新信息类别向相应的信息页面推送发布新信息;
步骤S5、信息互通线程建立原点信息和转发信息之间的关系链接;其中,所述原点信息包括所述推送器推送发布的新信息;
步骤S6、信息互通线程检测到用户删除原点信息后,删除已转发信息及所述原点信息和转发信息之间的关系链接;
其中,所述步骤S4中的信息页面包括互联网上已建立的各类网站信息页面和用户当前所在的原点信息页面,其中,用户当前所在的原点信息页面上的信息为原点信息,用户转发的原点信息为转发信息;
其中,所述新信息包括用户外部最新发布以及系统内部最新发布的各种信息。
2.根据权利要求1所述的信息自动搜索归类再发布方法,其特征在于,所述步骤S1中,所述信息搜索收集线程获取用户添加的新信息具体包括:
爬虫程序获取与预设信息类别相关的新信息,并对所述新信息进行分词处理,获得包含若干词和/或词组的分词处理结果信息;
分别基于语义库中同一语义属性参数对所述词和/或词组进行加权运算,得到所述新信息的语义属性参数;
若所述新信息的语义属性参数在预设的信息类别参数范围内,则将所述新信息保存至抓取结果队列。
3.根据权利要求2所述的信息自动搜索归类再发布方法,其特征在于,所述分别基于语义库中同一语义属性参数对所述词和/或词组进行加权运算,得到所述新信息的语义属性参数之前还包括:
对所述词和/或词组进行聚类操作,根据所述语义库数据获取所述词和/或词组的所述语义属性参数。
4.根据权利要求1所述的信息自动搜索归类再发布方法,其特征在于,所述步骤S3具体包括:
步骤S31、将待处理的新信息收集并存储到分布式文件系统HDFS文件系统中;
步骤S32、利用硬聚类K-Means算法对存储到所述HDFS文件系统中的所述新信息进行聚类,并获得一个或者多个聚类数据群;将获得的每一个所述聚类数据群分别作为一类热点信息。
5.根据权利要求4所述的信息自动搜索归类再发布方法,其特征在于,所述步骤S32中,利用硬聚类K-Means算法对存储到所述HDFS文件系统中的所述新信息进行聚类,具体包括:
步骤S321、从存储到所述HDFS文件系统中的全部新信息中任意选择k个信息,并对所述k 个信息的当前位置作为初始聚类中心;其中,k为整数,是预先给定的聚类数;
步骤S322、计算全部新信息中的每一个未被选择的新信息与k个所述初始聚类中心的距离;
步骤S323、获得所述每一个未被选择的新信息与全部k个所述初始聚类中心计算出的全部所述距离中的最小距离;
步骤S324、将所述未被选择的新信息分配给与该最小距离相对应的所述初始聚类中心;
步骤S325、根据每个所述初始聚类中心所分配到的全部所述未被选择的新信息的分布情况,拟合出每一个所述初始聚类中心所分配到的全部未被选择的新信息的均值中心位置,并将所述均值中心位置作为聚类中心;
步骤S326、判断所述初始聚类中心与所述聚类中心的位置是否相同,如果所述初始聚类中心与所述聚类中心的位置不相同,则进入步骤S327;如果所述初始聚类中心与所述聚类中心的位置相同,则所述聚类结束;
步骤S327、将k个所述初始聚类中心处的新信息分别迁移到与每个所述初始聚类中心相对应的所述聚类中心,并返回步骤S322。
6.根据权利要求5所述的信息自动搜索归类再发布方法,其特征在于,所述聚类中心处的新信息与被分配给所述聚类中心的所述未被选择的新信息共同组成数据群。
7.根据权利要求4所述的信息自动搜索归类再发布方法,其特征在于,所述步骤S3还包括:
步骤S33、采用Fortune算法对获得的每一类所述热点信息分别生成一个泰森多边形Voronoi图。
8.根据权利要求7所述的信息自动搜索归类再发布方法,其特征在于,所述步骤S33具体包括:
将一个所述聚类数据群中的每一个新信息分别作为一个定点;
采用预设的扫描线从预设起点开始移动,对整个所述聚类数据群进行扫描;获得多个以所述定点为焦点,以所述扫描线为准线的抛物线;
当所述扫描线对所述聚类数据群扫描结束时,获得的多个所述抛物线中每相邻的两个所述抛物线之间的交点以及所述交点之间的连线形成的多个多边形域构成所述Voronoi图;其中,每个所述多边形域包含一个所述定点。
9.一种信息自动搜索归类再发布系统,其特征在于,包括:服务器和用户终端,其中,所述服务器和用户终端通过互联网无线和/或有线连接,所述互联网包括全球性互联网以及区域性互联网;所述用户终端指多个互联网终端设备,包括手机、平板电脑、笔记本电脑和/或台式机电脑;
所述服务器包括信息监测模块、信息捜索收集模块、信息存储模块、信息计算分析模块、信息推送发布模块、信息链接管理模块,其中,
所述信息监测模块用于监测用户及系统是否发布了新信息;
所述信息捜索收集模块用于获取所述信息监测模块监测到的用户或系统发布的新信息;
所述信息存储模块用于存储所述用户或系统发布的所有新信息;
所述信息计算分析模块用于将各种新信息按类别归类;
所述信息推送发布模块用于将归类好的新信息向同类别的信息页面推送发布;
所述信息链接管理模块用于建立原点信息和转发信息之间的关系链接,并在检测到用户删除原点信息后,删除已转发信息及所述原点信息和转发信息之间的关系链接;
其中,所述用户指多个使用互联网终端设备的人,包括信息发布者和信息使用者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710643338.2A CN107391723B (zh) | 2017-07-31 | 2017-07-31 | 一种信息自动搜索归类再发布方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710643338.2A CN107391723B (zh) | 2017-07-31 | 2017-07-31 | 一种信息自动搜索归类再发布方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107391723A CN107391723A (zh) | 2017-11-24 |
CN107391723B true CN107391723B (zh) | 2020-05-22 |
Family
ID=60344662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710643338.2A Active CN107391723B (zh) | 2017-07-31 | 2017-07-31 | 一种信息自动搜索归类再发布方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107391723B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107948312B (zh) * | 2017-12-19 | 2021-04-06 | 戴智伟 | 一种以位置点作为信息出入口的信息归类发布方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000627B (zh) * | 2007-01-15 | 2010-05-19 | 北京搜狗科技发展有限公司 | 一种相关信息的发布方法和装置 |
KR20090044009A (ko) * | 2007-10-30 | 2009-05-07 | 에스케이 텔레콤주식회사 | 지인 관계 기반의 블로그 포스트 전파 시스템 및 방법,그리고 이에 적용되는 서버 |
CN101788988B (zh) * | 2009-01-22 | 2012-06-27 | 蔡亮华 | 信息抓取方法 |
CN105183855A (zh) * | 2015-09-08 | 2015-12-23 | 浪潮(北京)电子信息产业有限公司 | 一种信息归类方法和系统 |
-
2017
- 2017-07-31 CN CN201710643338.2A patent/CN107391723B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107391723A (zh) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6759844B2 (ja) | 画像を施設に対して関連付けるシステム、方法、プログラム及び装置 | |
US10728203B2 (en) | Method and system for classifying a question | |
JP7356206B2 (ja) | コンテンツ推薦及び表示 | |
Yuan et al. | Who, where, when, and what: A nonparametric bayesian approach to context-aware recommendation and search for twitter users | |
CN104699732B (zh) | 形成用户简档的方法和信息处理设备 | |
CN107784010B (zh) | 一种用于确定新闻主题的热度信息的方法与设备 | |
CN105095211B (zh) | 多媒体数据的获取方法和装置 | |
Chen et al. | Exploiting spatio-temporal user behaviors for user linkage | |
US20140108653A1 (en) | Man-Machine Interaction Data Processing Method and Apparatus | |
US11080287B2 (en) | Methods, systems and techniques for ranking blended content retrieved from multiple disparate content sources | |
US20170098013A1 (en) | Method and system for entity extraction and disambiguation | |
TW201911080A (zh) | 搜索方法、搜索伺服器和搜索系統 | |
US11899728B2 (en) | Methods, systems and techniques for ranking personalized and generic search query suggestions | |
WO2015126825A1 (en) | Method and system for providing code scanning result information | |
CN107832338B (zh) | 一种识别核心产品词的方法和系统 | |
US11558324B2 (en) | Method and system for dynamically generating a card | |
US11836169B2 (en) | Methods, systems and techniques for providing search query suggestions based on non-personal data and user personal data according to availability of user personal data | |
CN107977678A (zh) | 用于输出信息的方法和装置 | |
CN105518644A (zh) | 在地图上实时处理并显示社交数据的方法 | |
US20150302088A1 (en) | Method and System for Providing Personalized Content | |
CN106708829B (zh) | 一种数据推荐方法及推荐系统 | |
US11216735B2 (en) | Method and system for providing synthetic answers to a personal question | |
WO2017062256A1 (en) | Method and system for generating a card based on intent | |
CN107948312B (zh) | 一种以位置点作为信息出入口的信息归类发布方法及系统 | |
Kim et al. | TwitterTrends: a spatio-temporal trend detection and related keywords recommendation scheme |
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 |