CN107483595B - 信息推送方法和装置 - Google Patents
信息推送方法和装置 Download PDFInfo
- Publication number
- CN107483595B CN107483595B CN201710728861.5A CN201710728861A CN107483595B CN 107483595 B CN107483595 B CN 107483595B CN 201710728861 A CN201710728861 A CN 201710728861A CN 107483595 B CN107483595 B CN 107483595B
- Authority
- CN
- China
- Prior art keywords
- topic
- distribution vector
- text
- topic distribution
- processed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000009826 distribution Methods 0.000 claims abstract description 258
- 239000013598 vector Substances 0.000 claims abstract description 257
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004931 aggregating effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 241000282326 Felis catus Species 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000010365 information processing Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了信息推送方法和装置。该方法的一具体实施方式包括:利用主题模型,提取至少一个文本中的每个文本的主题分布向量作为第一主题分布向量;获取目标用户的阅读记录信息,建立针对阅读记录信息的第二主题分布向量;确定第二主题分布向量与各个第一主题分布向量的主题相关度;确定处于预设数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。该实施方式实现了富于针对性的信息推送。
Description
技术领域
本申请涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及信息推送方法和装置。
背景技术
当前,越来越多的读者选择使用手机、平板电脑等智能设备阅读文章,互联网中的阅读资源也越来阅读,读者如何在大量的阅读资源中找到自己感兴趣的内容是需要解决的一个问题。小说、文章等的推荐技术可以解决这类问题,根据读者的喜好、文章的类别以及受欢迎程度等因素,可以向读者推荐可能使读者感兴趣的文章以方便读者选择阅读。
文本的推荐在一些应用软件上是一个重要的功能,例如,在小说应用软件中,会根据读者选择的类别(如男生,女生)和读者的兴趣对读者进行小说推荐,例如对一个喜欢玄幻类小说的读者,应用软件会在读者的使用界面中展示多个玄幻类小说的推荐信息供读者选择。然而,现有的小说推荐方法的核心是基于历史数据,对于新产生的文本不能及时地向有需求的用户进行推荐,并且推荐信息的生成依赖于用户历史偏好数据的多少和对用户偏好的判断的准确性,对于一些具有特殊品味的用户不能给予富于针对性地推荐。
发明内容
本申请实施例的目的在于提出一种改进的信息推送方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请实施例提供了一种信息推送方法,该方法包括:利用主题模型,提取至少一个文本中的每个文本的主题分布向量作为第一主题分布向量;获取目标用户的阅读记录信息,建立针对阅读记录信息的第二主题分布向量;确定第二主题分布向量与各个第一主题分布向量的主题相关度;确定处于预设数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。
在一些实施例中,阅读记录信息包括存储的目标用户阅读过的各个阅读文本的标题信息。
在一些实施例中,建立针对阅读记录信息的第二主题分布向量包括:将各个文本的标题信息聚合为待处理文本,将利用主题模型提取出的待处理文本的主题分布向量作为第二主题分布向量。
在一些实施例中,建立针对阅读记录信息的第二主题分布向量包括:提取各个待处理第一主题分布向量所包含的主题和所包含的主题中各个主题的概率值,其中,待处理第一主题分布向量是阅读文本的第一主题分布向量;将各个主题的概率值分别除以待处理第一主题分布向量的总数,得到至少一个待处理概率值;对于所包含的主题中的每个相同主题,将该相同主题对应的各个待处理概率值的和确定为该相同主题的概率值;基于相同主题和相同主题的概率值、所包含的主题中相同主题之外的主题和相应概率值,生成第二主题分布向量。
在一些实施例中,确定第二主题分布向量与各个第一主题分布向量的主题相关度包括:利用JS散度算法计算第二主题分布向量与各个第一主题分布向量的主题相关度。
在一些实施例中,推荐信息包括以下至少一种:文本的标题信息、与文本相关的图片和文本的摘要信息。
第二方面,本申请提供了一种网页生成装置,装置包括:提取单元,配置用于利用主题模型,提取至少一个文本中的每个文本的主题分布向量作为第一主题分布向量;建立单元,配置用于获取目标用户的阅读记录信息,建立针对阅读记录信息的第二主题分布向量;确定单元,配置用于确定第二主题分布向量与各个第一主题分布向量的主题相关度;推送单元,配置用于确定处于预设数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。
在一些实施例中,阅读记录信息包括存储的目标用户阅读过的各个阅读文本的标题信息。
在一些实施例中,建立单元进一步配置用于:将各个文本的标题信息聚合为待处理文本,将利用主题模型提取出的待处理文本的主题分布向量作为第二主题分布向量。
在一些实施例中,建立单元还包括提取模块,配置用于提取各个待处理第一主题分布向量所包含的主题和所包含的主题中各个主题的概率值,其中,待处理第一主题分布向量是阅读文本的第一主题分布向量;计算模块,配置用于将各个主题的概率值分别除以待处理第一主题分布向量的总数,得到至少一个待处理概率值;确定模块,配置用于对于所包含的主题中的每个相同主题,将该相同主题对应的各个待处理概率值的和确定为该相同主题的概率值;生成模块,配置用于基于相同主题和相同主题的概率值、所包含的主题中相同主题之外的主题和相应概率值,生成第二主题分布向量。
第三方面,本申请实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供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第一方面中任一实现方式描述的方法。
本申请实施例提供的信息推送方法和装置,通过提取网络资源中的文本的主题向量分布,并针对用户的兴趣建立针对用户的主题向量分布,确定针对用户的主题向量分布与网络资源中的文本的主题向量分布的主题相关度,将相关度较高的文本作为用户感兴趣的文本并向目标用户发送推荐信息,从而实现了富于针对性的信息推送。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的信息推送方法的一个实施例的流程图;
图3是根据本申请的信息推送方法的又一个实施例的流程图;
图4是根据本申请的信息推送方法的再一个实施例的流程图;
图5是根据本申请的信息推送装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息推送方法或信息推送装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105 交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如小说阅读类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持文本浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、 MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、 102、103上显示的文本内容提供支持的后台信息处理服务器。后台信息处理服务器可以对接收到的目标用户的阅读记录信息进行分析等处理,并将处理结果(例如文本的推荐信息)反馈给终端设备。
需要说明的是,本申请实施例所提供的信息推送方法一般由服务器105执行,相应地,信息推送装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的信息推送方法的一个实施例的流程200。该信息推送方法,包括以下步骤:
步骤201,利用主题模型,提取至少一个文本中的每个文本的主题分布向量作为第一主题分布向量。
在本实施例中,信息推送方法运行于其上的电子设备(例如图1 所示的后台服务器)可以通过有线连接方式或无线连接方式远程(例如从用于存储文本数据的其他服务器)获取,或者本地(例如在上述电子设备本身)获取至少一个文本。在本实施例中,存储在上述电子设备中的上述至少一个文本的格式可以包括但不限于以下至少一种: txt、doc、PDF、HLP、HTML等。在获取到上述至少一个文本之后,上述电子设备可以利用主题模型,分别提取上述至少一个文本中的每个文本的主题分布向量作为第一主题分布向量。
需要说明的是,主题模型(Topic Model)在机器学习和自然语言处理等领域是用来在一系列文档中发现抽象主题的一种统计模型。常用的主题模型包括概率潜在语义分析(ProbabilisticLatent Semantic Analysis,pLSA)主题模型、隐含狄利克雷分布(LatentDirichlet Allocation,LDA)主题模型等。
利用主题模型提取的主题分布向量用于表示文本内容包含的主题及文本内容与主题相符的概率。示例性的,如果一篇文章有一个中心思想,那么一些特定词语会更频繁的出现。比如,一篇关于狗的文章,那么“狗”和“骨头”等词出现的频率会高些,一篇关于猫的文章,那么“猫”和“鱼”等词出现的频率会高些。而有些词例如“这个”、“和”大概在两篇文章中出现的频率会大致相等。但更多的情况是,一篇文章通常包含多种主题,而且每个主题所占比例各不相同。因此,如果一篇文章10%的内容和猫有关,90%的内容和狗有关,那么和狗相关的关键字出现的次数大概会是和猫相关的关键字出现次数的9倍。利用主题模型提取的该文章的第一主题分布向量的表达式可以为(狗:0.9,猫: 0.1),其中“狗”和“猫”分布表示该文章的主题为“狗”的概率为0.9,该文章的主题为“猫”的概率为0.1。
作为示例,利用主题模型提取至少一个文本中的每个文本的第一主题分布向量的过程可以是实时的。具体来说,当上述电子设备接收到新的文本时,即提取接收到的新的文本的第一主题分布向量。
步骤202,获取目标用户的阅读记录信息,建立针对阅读记录信息的第二主题分布向量。
在本实施例中,上述电子设备为了建立针对阅读记录信息的第二主题分布向量,可以利用上述主题模型提取阅读记录信息的主题分布向量作为第二主题分布向量。可选地,上述电子设备也可以根据目标用户的阅读记录获取目标用户阅读过的各个文本的第一主题分布向量,将获取到的各个第一主题分布向量进行合并处理,得到第二主题分布向量。其中,上述目标用户是接收上述电子设备发送的推荐信息的用户,目标用户接收到推荐信息后,可以根据推荐信息选择想要阅读的文本。
在本实施例的一些可选的实现方式中,上述阅读记录信息包括存储在上述电子设备中的目标用户阅读过的各个文本的标题信息,其中上述标题信息可以是文章的主标题、文章的摘要信息、文章的章节标题、文章的关键字等,并且每一个标题信息分别对应一个文本。
步骤203,确定第二主题分布向量与各个第一主题分布向量的主题相关度。
在本实施例中,上述主题相关度用于表示第二主题分布向量所包含的主题与各个第一主题分布向量所包含的主题的相关程度,其中,主题相关度越大表示第二主题分布向量和第一主题分布向量所包含的主题重复的程度越大。示例性的,如果两个文本所包含的主题和各个主题的概率值完全相同,则这两个文本的主题相关度最大;如果两个文本所包含的主题完全不同,则这两个文本完全不相关,即主题相关度最小;如果两个文本所包含的主题中有部分主题相同,则这两个文本的主题相关度介于最大和最小之间。
在本实施例的一些可选的实现方式中,上述电子设备可以利用JS 散度(Jensen-Shannon Divergence,JSD)算法计算第二主题分布向量与各个第一主题分布向量的主题相关度。利用JSD算法计算出第二主题分布向量与各个第一主题分布向量的JSD距离。利用计算出的各个 JSD距离表征第二主题分布向量与各个第一主题分布向量的主题相关度。示例性的,JSD距离在0~0.7之间,0表示第一主题分布向量与第二主题分布向量完全一致,即两者主题相关度最大,相反,0.7表示第一主题分布向量包含的主题与第二主题分布向量包含的主题完全不同,即两者主题相关度最小。
需要说明的是,本实施例所采用的计算第二主题分布向量与各个第一主题分布向量的主题相关度的算法不局限于JSD算法,还可以利用KL散度(Kullback–LeiblerDivergence,KLD)算法计算第二主题分布向量与各个第一主题分布向量的KLD距离,利用计算出的各个KLD 距离表征第二主题分布向量与各个第一主题分布向量的主题相关度。
步骤204,确定处于预设数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。
在本实施例中,可以在上述电子设备中预先设置主题相关度的数值范围,上述电子设备可以根据上述步骤203确定的第二主题分布向量与各个第一主题分布向量的主题相关度,进一步确定主题相关度处于预设的数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。
示例性的,预设第一主题分布向量与第二主题分布向量的JSD距离范围在0~0.5之间时,第一主题分布向量对应的文本的推荐信息为可以向用户发送的推荐信息,将第一主题分布向量与第二主题分布向量的JSD距离在0~0.5之间的第一主题分布向量所对应的文本的推荐信息按照JSD距离由小到大进行排序,按照排序将预设数量的推荐信息发送给目标用户,目标用户可以利用客户端(例如图1所示的终端设备101、102、103)上安装的阅读类应用软件来浏览上述推荐信息。
在本实施例的一些可选的实现方式中,推荐信息包括以下至少一种:文本的标题信息、与文本相关的图片和文本的摘要信息等,其中,文本的摘要信息可以包括对文本的评论、文本的简介、文本的关键字等。
需要说明的是,上述主题模型的使用方法和计算第二主题分布向量与各个第一主题分布向量的主题相关度的方法是目前广泛研究和应用的公知技术,在此不再赘述。
本申请的上述实施例提供的方法通过确定针对用户的主题分布向量与上述电子设备中存储的文本的主题分布向量的相关度,实现了准确识别目标用户感兴趣的文本并向目标用户发送富于针对性的推荐信息。
进一步参考图3,其示出了信息推送方法的又一个实施例的流程300。该信息推送方法的流程300,包括以下步骤:
步骤301,利用主题模型,分别提取至少一个文本中的每个文本的主题分布向量作为第一主题分布向量。
在本实施例中,信息推送方法运行于其上的电子设备(例如图1 所示的后台信息处理服务器)可以通过有线连接方式或无线连接方式从用于存储文本数据的另一服务器(图1中未示出)获取至少一个文本,或者上述电子设备本身存储有至少一个文本,利用主题模型,分别提取上述至少一个文本中的每个文本的第一主题分布向量。
步骤302,获取目标用户的阅读记录信息。
在本实施例中,目标用户的阅读记录信息包括存储在上述电子设备中的目标用户阅读过的各个文本的标题信息,其中上述标题信息可以是文章的主标题、文章的摘要信息、文章的章节标题、文章的关键字等,并且每一个标题信息分别对应一个文本。
步骤303,将各个文本的标题信息聚合为待处理文本,将利用主题模型提取出的待处理文本的主题分布向量作为第二主题分布向量。
在本实施例中,上述电子设备可以将存储在上述电子设备中的目标用户阅读过的各个文本的标题信息聚合为待处理文本。示例性的,上述电子设备可以依次提取各个标题信息的文字内容,并将提取的各个标题信息的文字内容依次存储在新建的文本文件中。或者,上述电子设备可以将目标用户点击次数大于预设值(例如3次)的各个文本文件的标题信息的文字内容依次存储在新建的文本文件中。在此,上述新建的文本文件即为待处理文本。将利用上述主题模型提取出的待处理文本的主题分布向量作为第二主题分布向量。
步骤304,确定第二主题分布向量与各个第一主题分布向量的主题相关度。
在本实施例中,上述电子设备可以利用JSD算法计算第二主题分布向量与各个第一主题分布向量的主题相关度。利用JSD算法计算出第二主题分布向量与各个第一主题分布向量的JSD距离,利用计算出的各个JSD距离表征第二主题分布向量与各个第一主题分布向量的主题相关度。
需要说明的是,本实施例所采用的计算第二主题分布向量与各个第一主题分布向量的主题相关度的算法不局限于JSD算法,还可以利用KL散度(Kullback–LeiblerDivergence,KLD)算法计算第二主题分布向量与各个第一主题分布向量的KLD距离,利用计算出的各个KLD 距离表征第二主题分布向量与各个第一主题分布向量的主题相关度。
步骤305,确定处于预设数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。
在本实施例中,可以在上述电子设备中预先设置主题相关度的数值范围,上述电子设备可以根据上述步骤304确定的第二主题分布向量与各个第一主题分布向量的主题相关度,进一步确定主题相关度处于预设的数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。上述推荐信息包括以下至少一种:文本的标题信息、与文本相关的图片和文本的摘要信息等。
从图3中可以看出,与图2对应的实施例相比,本实施例中的信息推送方法的流程300突出了针对目标用户的阅读记录信息的第二主题分布向量的建立步骤。由此,本实施例描述的方案可以更准确地建立第二主题分布向量,从而实现更准确地判断目标用户的阅读兴趣并发送更加富于针对性的推荐信息。
进一步参考图4,其示出了信息推送方法的再一个实施例的流程 400。该信息推送方法的流程400,包括以下步骤:
步骤401,利用主题模型,分别提取至少一个文本中的每个文本的主题分布向量作为第一主题分布向量。
在本实施例中,信息推送方法运行于其上的电子设备(例如图1 所示的后台信息处理服务器)可以通过有线连接方式或无线连接方式远程(例如从用于存储文本数据的其他服务器)获取,或者本地(例如在上述电子设备本身)获取至少一个文本。在获取到上述至少一个文本之后,上述电子设备可以利用主题模型,分别提取上述至少一个文本中的每个文本的主题分布向量作为第一主题分布向量。
步骤402,获取目标用户的阅读记录信息。
在本实施例中,目标用户的阅读记录信息包括存储在上述电子设备中的目标用户阅读过的各个文本的标题信息,其中上述标题信息可以是文章的主标题、文章的摘要信息、文章的章节标题、文章的关键字等,并且每一个标题信息分别对应一个文本。
步骤403,提取各个待处理第一主题分布向量所包含的主题和所包含的主题中各个主题的概率值。
在本实施例中,上述待处理第一主题分布向量是用户阅读过的阅读文本的第一主题分布向量。
示例性的,假设目标用户阅读过的文本的数量为N,其中,N为自然数,利用上述主题模型提取出N个第一主题分布向量作为待处理第一主题分布向量,且N个待处理第一主题分布向量包含的主题总数为M,其中,M为自然数。
步骤404,将各个主题的概率值分别除以待处理第一主题分布向量的总数,得到至少一个待处理概率值。
在本实施例中,上述电子设备将上述步骤403提取出的各个主题的概率值分别除以上述待处理第一主题分布向量的总数,得到至少一个待处理概率值。
示例性的,上述电子设备将步骤403所提取的M个主题所分别对应的概率值均除以待处理第一主题分布向量的总数N,得到M个待处理概率值,M个主题及M个主题的待处理概率值,如下式所示:
(T1:P1/N,T2:P2/N,T3:P3/N,…,TM:PM/N),
其中,T1、T2、…、TM为上述M个主题,P1、P2、P3、…、PM为上述M个主题的概率值,P1/N、P2/N、P3/N、…、PM/N为上述M 个待处理概率值。
步骤405,对于所包含的主题中的每个相同主题,将该相同主题对应的各个待处理概率值的和确定为该相同主题的概率值。
在本实施例中,上述待处理第一主题分布向量所包含的M个主题中可能存在相同的主题,对于每个相同主题,上述电子设备将该相同主题对应的各个待处理概率值的和确定为该相同主题的概率值。
示例性的,假设N个待处理第一主题分布向量中至少有两个待处理第一主题分布向量都包括主题T1,至少有两个待处理第一主题分布向量都包括主题T2,则T1为第一相同主题,T2为第二相同主题,上述电子设备将T1对应的待处理概率值相加后得到第一相同主题T1的概率值P1’,将T2对应的待处理概率值相加后得到第二相同主题T2的概率值P2’。
步骤406,基于相同主题和相同主题的概率值、所包含的主题中相同主题之外的主题和相应概率值,生成第二主题分布向量。
在本实施例中,上述电子设备将步骤405中得到的N个待处理第一主题分布向量中相同主题和相同主题的概率值、N个待处理第一主题分布向量中所包含的主题中相同主题之外的主题和相应概率值合并,得到第二主题分布向量。
示例性的,上述电子设备计算出上述第一相同主题T1的概率值 P1’,第二相同主题T2的概率值P2’后,将T1、T2及T1的概率值P1’、 T2的概率值P2’与T1、T2之外的主题和相应概率值合并,得到第二主题分布向量,如下式所示:
(T1:P1’,T2:P2’,T3:P3/N,…,Tm:Pm/N,),
其中,m为自然数,且m为将M个主题中各个相同主题概率相加后得到的第二主题分布向量所包含的主题个数,因此,m小于M, P1’、P2’分别为第一相同主题T1的概率值和第二相同主题T2的概率值, T3、…、Tm分别为上述第一主题分布向量所包含的第一相同主题T1和第二相同主题T2之外的主题,P3/N、…、Pm/N分别为上述第一主题分布向量所包含的P1’和P2’之外的待处理概率值。
步骤407,确定第二主题分布向量与各个第一主题分布向量的主题相关度。
在本实施例中,上述主题相关度用于表示第二主题分布向量所包含的主题与各个第一主题分布向量所包含的主题的相关程度,其中,主题相关度越大表示第二主题分布向量和第一主题分布向量所包含的主题重复的程度越大。
在本实施例中,上述电子设备可以利用JSD算法计算第二主题分布向量与各个第一主题分布向量的主题相关度。利用JSD算法计算出第二主题分布向量与各个第一主题分布向量的JSD距离,利用计算出的各个JSD距离表征第二主题分布向量与各个第一主题分布向量的主题相关度。
需要说明的是,本实施例所采用的计算第二主题分布向量与各个第一主题分布向量的主题相关度的算法不局限于JSD算法,还可以利用KL散度(Kullback–LeiblerDivergence,KLD)算法计算第二主题分布向量与各个第一主题分布向量的KLD距离,利用计算出的各个KLD 距离表征第二主题分布向量与各个第一主题分布向量的主题相关度。
步骤408,确定处于预设数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。
在本实施例中,可以在上述电子设备中预先设置主题相关度的数值范围,上述电子设备可以根据上述步骤304确定的第二主题分布向量与各个第一主题分布向量的主题相关度并确定主题相关度处于预设的数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。上述推荐信息包括以下至少一种:文本的标题信息、与文本相关的图片和文本的摘要信息等。
从图4中可以看出,与图2对应的实施例相比,本实施例中的信息推送方法的流程400突出了根据上述电子设备中已经存储的各个第一主题分布向量建立第二主题分布向量的步骤。由此,本实施例描述的方案可以更富于针对性地向目标用户发送推荐信息。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种信息推送装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的网页生成装置500包括:提取单元501、建立单元502、确定单元503和推送单元504。其中,提取单元501,配置用于利用主题模型,分别提取至少一个文本中的每个文本的主题分布向量作为第一主题分布向量;建立单元502,配置用于获取目标用户的阅读记录信息,建立针对阅读记录信息的第二主题分布向量;确定单元503,配置用于确定第二主题分布向量与各个第一主题分布向量的主题相关度;推送单元504,配置用于确定处于预设数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。
在本实施例中,信息推送装置500可以通过有线连接方式或无线连接方式从用于存储文本数据的另一设备获取至少一个文本,或者信息推送装置500本身存储有至少一个文本,提取单元501利用主题模型,分别提取上述至少一个文本中的每个文本的第一主题分布向量。
在本实施例中,建立单元502为了建立针对阅读记录信息的第二主题分布向量,可以利用上述主题模型提取阅读记录信息的第二主题分布向量,也可以根据目标用户的阅读记录获取目标用户阅读过的各个文本的第一主题分布向量,将获取到的各个第一主题分布向量进行合并处理,得到第二主题分布向量。
在本实施例中,上述主题相关度用于表示第二主题分布向量所包含的主题与各个第一主题分布向量所包含的主题的相关程度,其中,主题相关度越大表示第二主题分布向量和第一主题分布向量所包含的主题重复的程度越大。
在本实施例中,可以在上述信息推送装置500中预先设置主题相关度的数值范围,上述信息推送装置500可以根据确定单元503确定的第二主题分布向量与各个第一主题分布向量的主题相关度并确定主题相关度处于预设的数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。
在本实施例的一些可选的实现方式中,上述阅读记录信息可以包括存储的目标用户阅读过的各个文本的标题信息。
在本实施例的一些可选的实现方式中,信息推送装置500的建立单元502可以将各个文本的标题信息聚合为待处理文本,将利用主题模型提取出的待处理文本的主题分布向量作为第二主题分布向量。
在本实施例的一些可选的实现方式中,信息推送装置500的建立单元502还包括提取模块,可以提取各个待处理第一主题分布向量所包含的主题和所包含的主题中各个主题的概率值,其中,待处理第一主题分布向量是阅读文本的第一主题分布向量;计算模块,可以将各个主题的概率值分别除以待处理第一主题分布向量的总数,得到至少一个待处理概率值;确定模块,可以对于所包含的主题中的每个相同主题,将该相同主题对应的各个待处理概率值的和确定为该相同主题的概率值;生成模块,可以基于相同主题和相同主题的概率值、所包含的主题中相同主题之外的主题和相应概率值,生成第二主题分布向量。
在本实施例的一些可选的实现方式中,信息推送装置500的确定单元503可以利用JS散度算法计算第二主题分布向量分别与每个第一主题分布向量的主题相关度。
在本实施例的一些可选的实现方式中,信息推送装置500发送的推荐信息可以包括以下至少一种:文本的标题信息、与文本相关的图片和文本的摘要信息。
下面参考图6,其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608 加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入 /输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口 605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601 执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中,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。而在本申请中,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。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一主题分布向量提取单元、第二主题分布向量建立单元、主题相关度确定单元和信息推送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,提取单元还可以被描述为“提取至少一个文本中的每个文本的主题分布向量作为第一主题分布向量的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的服务器中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:利用主题模型,分别提取至少一个文本中的每个文本的第一主题分布向量;获取目标用户的阅读记录信息,建立针对阅读记录信息的第二主题分布向量;确定第二主题分布向量与各个第一主题分布向量的主题相关度;确定处于预设数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给目标用户。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于) 具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种信息推送方法,其特征在于,所述方法包括:
在接收到新的文本时,利用主题模型,提取至少一个文本中的每个文本的主题分布向量并将所述每个文本的主题分布向量作为第一主题分布向量;
获取目标用户的阅读记录信息,建立针对所述阅读记录信息的第二主题分布向量,包括:提取各个待处理第一主题分布向量所包含的主题和所述所包含的主题中各个主题的概率值,其中,待处理第一主题分布向量是阅读文本的第一主题分布向量;将所述各个主题的概率值分别除以所述待处理第一主题分布向量的总数,得到至少一个待处理概率值;对于所述所包含的主题中的每个相同主题,将该相同主题对应的各个待处理概率值的和确定为该相同主题的概率值;基于相同主题和相同主题的概率值、所述所包含的主题中相同主题之外的主题和相应概率值,生成所述第二主题分布向量;
确定所述第二主题分布向量与各个第一主题分布向量的主题相关度;
确定处于预设数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给所述目标用户。
2.根据权利要求1所述的方法,其特征在于,所述阅读记录信息包括存储的所述目标用户阅读过的各个阅读文本的标题信息。
3.根据权利要求2所述的方法,其特征在于,所述建立针对所述阅读记录信息的第二主题分布向量包括:
将所述阅读文本的标题信息聚合为待处理文本,将利用所述主题模型提取出的所述待处理文本的主题分布向量作为所述第二主题分布向量。
4.根据权利要求1所述的方法,其特征在于,所述确定所述第二主题分布向量与各个第一主题分布向量的主题相关度包括:
利用JS散度算法计算所述第二主题分布向量与各个第一主题分布向量的主题相关度。
5.根据权利要求1所述的方法,其特征在于,所述推荐信息包括以下至少一种:文本的标题信息、与文本相关的图片和文本的摘要信息。
6.一种信息推送装置,其特征在于,所述装置包括:
提取单元,配置用于在接收到新的文本时,利用主题模型,提取至少一个文本中的每个文本的主题分布向量并将所述每个文本的主题分布向量作为第一主题分布向量;
建立单元,配置用于获取目标用户的阅读记录信息,建立针对所述阅读记录信息的第二主题分布向量,包括:提取模块,配置用于提取各个待处理第一主题分布向量所包含的主题和所述所包含的主题中各个主题的概率值,其中,待处理第一主题分布向量是阅读文本的第一主题分布向量;计算模块,配置用于将所述各个主题的概率值分别除以所述待处理第一主题分布向量的总数,得到至少一个待处理概率值;确定模块,配置用于对于所述所包含的主题中的每个相同主题,将该相同主题对应的各个待处理概率值的和确定为该相同主题的概率值;生成模块,配置用于基于相同主题和相同主题的概率值、所述所包含的主题中相同主题之外的主题和相应概率值,生成所述第二主题分布向量;
确定单元,配置用于确定所述第二主题分布向量与各个第一主题分布向量的主题相关度;
推送单元,配置用于确定处于预设数值范围内的主题相关度所对应的第一主题分布向量,并将与所确定的第一主题分布向量相对应的文本的推荐信息发送给所述目标用户。
7.根据权利要求6所述的装置,其特征在于,所述阅读记录信息包括存储的所述目标用户阅读过的各个阅读文本的标题信息。
8.根据权利要求7所述的装置,其特征在于,所述建立单元进一步配置用于:
将所述阅读文本的标题信息聚合为待处理文本,将利用所述主题模型提取出的所述待处理文本的主题分布向量作为所述第二主题分布向量。
9.一种服务器,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
10.一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,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710728861.5A CN107483595B (zh) | 2017-08-23 | 2017-08-23 | 信息推送方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710728861.5A CN107483595B (zh) | 2017-08-23 | 2017-08-23 | 信息推送方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107483595A CN107483595A (zh) | 2017-12-15 |
CN107483595B true CN107483595B (zh) | 2023-11-21 |
Family
ID=60602152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710728861.5A Active CN107483595B (zh) | 2017-08-23 | 2017-08-23 | 信息推送方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107483595B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763534B (zh) * | 2018-05-31 | 2019-10-18 | 北京百度网讯科技有限公司 | 用于处理信息的方法和装置 |
CN110909247B (zh) * | 2019-12-03 | 2022-07-12 | 掌阅科技股份有限公司 | 文本信息的推送方法、电子设备及计算机存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1370050A1 (en) * | 2002-06-05 | 2003-12-10 | Nokia Corporation | Advertisement or automatic determination of access point contents of available services for short-range wireless terminals |
CN102214169A (zh) * | 2010-04-02 | 2011-10-12 | 阿里巴巴集团控股有限公司 | 关键词信息与目标信息的提供方法及装置 |
CN102332006A (zh) * | 2011-08-03 | 2012-01-25 | 百度在线网络技术(北京)有限公司 | 一种信息推送控制方法及装置 |
WO2012041214A1 (zh) * | 2010-09-30 | 2012-04-05 | 华为终端有限公司 | 一种信息主动推送方法及服务器 |
CN102831234A (zh) * | 2012-08-31 | 2012-12-19 | 北京邮电大学 | 基于新闻内容和主题特征的个性化新闻推荐装置和方法 |
WO2014206292A1 (en) * | 2013-06-28 | 2014-12-31 | Tencent Technology (Shenzhen) Company Limited | Method and system for pushing information to end users adaptively |
CN104731830A (zh) * | 2013-12-24 | 2015-06-24 | 腾讯科技(深圳)有限公司 | 一种推荐方法、装置及服务器 |
CN105046517A (zh) * | 2015-06-29 | 2015-11-11 | 成都亿邻通科技有限公司 | 一种推荐用户消费的团购方法 |
CN105701182A (zh) * | 2016-01-07 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN106126669A (zh) * | 2016-06-28 | 2016-11-16 | 北京邮电大学 | 基于标签的用户协同过滤内容推荐方法及装置 |
CN106126632A (zh) * | 2016-06-22 | 2016-11-16 | 北京小米移动软件有限公司 | 推荐方法及装置 |
CN106257444A (zh) * | 2015-06-17 | 2016-12-28 | 阿里巴巴集团控股有限公司 | 一种信息的推送方法和设备 |
WO2017031768A1 (zh) * | 2015-08-27 | 2017-03-02 | 罗旭宜 | 面部特征匹配按键设置方案时的信息推送方法和游戏系统 |
CN106897363A (zh) * | 2017-01-11 | 2017-06-27 | 同济大学 | 基于眼动追踪的文本推荐方法 |
WO2017128149A1 (zh) * | 2016-01-27 | 2017-08-03 | 张仓 | 记录出行成本时的信息推送方法以及成本系统 |
CN107038226A (zh) * | 2017-03-31 | 2017-08-11 | 努比亚技术有限公司 | 一种信息推荐方法及网络设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071424B (zh) * | 2006-06-23 | 2010-08-25 | 腾讯科技(深圳)有限公司 | 一种个性化信息推送系统和方法 |
CN103365899B (zh) * | 2012-04-01 | 2017-10-20 | 深圳市世纪光速信息技术有限公司 | 一种问答社区中的问题推荐方法及系统 |
CN104090912B (zh) * | 2014-06-10 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 信息推送方法及装置 |
CN104331485B (zh) * | 2014-11-13 | 2018-06-05 | 沈文策 | 展示推荐资讯文章的方法及装置 |
CN106570020A (zh) * | 2015-10-09 | 2017-04-19 | 百度在线网络技术(北京)有限公司 | 用于提供推荐信息的方法和装置 |
-
2017
- 2017-08-23 CN CN201710728861.5A patent/CN107483595B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1370050A1 (en) * | 2002-06-05 | 2003-12-10 | Nokia Corporation | Advertisement or automatic determination of access point contents of available services for short-range wireless terminals |
CN102214169A (zh) * | 2010-04-02 | 2011-10-12 | 阿里巴巴集团控股有限公司 | 关键词信息与目标信息的提供方法及装置 |
WO2012041214A1 (zh) * | 2010-09-30 | 2012-04-05 | 华为终端有限公司 | 一种信息主动推送方法及服务器 |
CN102332006A (zh) * | 2011-08-03 | 2012-01-25 | 百度在线网络技术(北京)有限公司 | 一种信息推送控制方法及装置 |
CN102831234A (zh) * | 2012-08-31 | 2012-12-19 | 北京邮电大学 | 基于新闻内容和主题特征的个性化新闻推荐装置和方法 |
WO2014206292A1 (en) * | 2013-06-28 | 2014-12-31 | Tencent Technology (Shenzhen) Company Limited | Method and system for pushing information to end users adaptively |
CN104731830A (zh) * | 2013-12-24 | 2015-06-24 | 腾讯科技(深圳)有限公司 | 一种推荐方法、装置及服务器 |
CN106257444A (zh) * | 2015-06-17 | 2016-12-28 | 阿里巴巴集团控股有限公司 | 一种信息的推送方法和设备 |
CN105046517A (zh) * | 2015-06-29 | 2015-11-11 | 成都亿邻通科技有限公司 | 一种推荐用户消费的团购方法 |
WO2017031768A1 (zh) * | 2015-08-27 | 2017-03-02 | 罗旭宜 | 面部特征匹配按键设置方案时的信息推送方法和游戏系统 |
CN105701182A (zh) * | 2016-01-07 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
WO2017128149A1 (zh) * | 2016-01-27 | 2017-08-03 | 张仓 | 记录出行成本时的信息推送方法以及成本系统 |
CN106126632A (zh) * | 2016-06-22 | 2016-11-16 | 北京小米移动软件有限公司 | 推荐方法及装置 |
CN106126669A (zh) * | 2016-06-28 | 2016-11-16 | 北京邮电大学 | 基于标签的用户协同过滤内容推荐方法及装置 |
CN106897363A (zh) * | 2017-01-11 | 2017-06-27 | 同济大学 | 基于眼动追踪的文本推荐方法 |
CN107038226A (zh) * | 2017-03-31 | 2017-08-11 | 努比亚技术有限公司 | 一种信息推荐方法及网络设备 |
Non-Patent Citations (5)
Title |
---|
S. Pinyapong等.TPO, Preference and Short Time History Based for Recommendation Service in Mobile Environment.《21st International Conference on Data Engineering Workshops (ICDEW'05)》.2006,全文. * |
关联推荐及其在学术资源检索网站中的应用研究;岑咏华;邓三鸿;王昊;;图书情报工作(第06期);全文 * |
基于关联规则的渔业信息推荐系统设计与实现;王立华;肖慧;徐硕;刘树;杜卫利;黄其泉;王宇;;农业工程学报(第07期);全文 * |
基于匹配属性相似度的应急决策方案推荐方法;董庆兴;李赛;张大斌;李延晖;;控制与决策(第07期);全文 * |
基于用户兴趣的混合推荐模型;曹毅;贺卫红;;系统工程(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107483595A (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108153901B (zh) | 基于知识图谱的信息推送方法和装置 | |
CN107346336B (zh) | 基于人工智能的信息处理方法和装置 | |
CN107256267B (zh) | 查询方法和装置 | |
CN109460513B (zh) | 用于生成点击率预测模型的方法和装置 | |
CN107679211B (zh) | 用于推送信息的方法和装置 | |
CN107172151B (zh) | 用于推送信息的方法和装置 | |
CN107193792B (zh) | 基于人工智能的生成文章的方法和装置 | |
CN107241260B (zh) | 基于人工智能的新闻推送的方法和装置 | |
CN108804450B (zh) | 信息推送的方法和装置 | |
US10747771B2 (en) | Method and apparatus for determining hot event | |
CN107577807B (zh) | 用于推送信息的方法和装置 | |
CN107590255B (zh) | 信息推送方法和装置 | |
CN107526718B (zh) | 用于生成文本的方法和装置 | |
CN105786969B (zh) | 信息展示方法和装置 | |
CN111800671B (zh) | 用于对齐段落和视频的方法和装置 | |
CN109271556B (zh) | 用于输出信息的方法和装置 | |
CN107977678B (zh) | 用于输出信息的方法和装置 | |
CN109862100B (zh) | 用于推送信息的方法和装置 | |
CN108540508B (zh) | 用于推送信息的方法、装置和设备 | |
CN109255035B (zh) | 用于构建知识图谱的方法和装置 | |
CN110866040B (zh) | 用户画像生成方法、装置和系统 | |
CN107798622B (zh) | 一种识别用户意图的方法和装置 | |
CN113688310B (zh) | 一种内容推荐方法、装置、设备及存储介质 | |
CN111897950A (zh) | 用于生成信息的方法和装置 | |
CN107483595B (zh) | 信息推送方法和装置 |
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 |