CN109739990B - 信息处理方法和终端 - Google Patents
信息处理方法和终端 Download PDFInfo
- Publication number
- CN109739990B CN109739990B CN201910008691.2A CN201910008691A CN109739990B CN 109739990 B CN109739990 B CN 109739990B CN 201910008691 A CN201910008691 A CN 201910008691A CN 109739990 B CN109739990 B CN 109739990B
- Authority
- CN
- China
- Prior art keywords
- information
- clustering
- user interaction
- pieces
- 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.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种信息处理方法,用于筛选信息,提高用户交互效率。本申请实施例方法包括:获取多条用户互动信息;对所述多条用户互动信息进行聚类,得到多个信息类别,所述多个信息类别包含目标信息类别;获取用户的注视信息;根据所述注视信息确定用户感兴趣区域;根据所述感兴趣区域确定所述目标信息类别;呈现所述目标信息类别的用户互动信息。
Description
技术领域
本申请涉及计算机技术,特别涉及一种信息处理方法和终端。
背景技术
视频直播、综艺节目、交流平台、咨询分享等内容交互平台上,用户不仅可以接受信息,还能即时参与交流互动。
由于在内容交互平台上,用户可以采用多种交流互动方式,例如和嘉宾互动,或者和其他用户互动等等。随着参与互动的用户人数增加,信息将呈指数增长。
然而,终端呈现信息的数量有限,随着总信息量的不断增大,用户参与的信息或关注的互动信息会快速淹没在庞大的信息流中,用户交互效率较低。
发明内容
本申请实施例提供了一种信息处理方法,其特征在于,包括:
本申请实施例提供了一种信息处理方法,包括;获取多条用户互动信息;对该多条用户互动信息进行聚类,得到多个信息类别,该多个信息类别包含目标信息类别;获取用户的注视信息;根据该注视信息确定用户感兴趣区域;根据该感兴趣区域确定该目标信息类别;呈现该目标信息类别的用户互动信息。
可选地,对该用户互动信息进行聚类包括:根据聚类算法对该用户互动信息进行聚类,该聚类算法包括划分法、模型算法、网格算法或图形聚类法,该划分法包括自收敛分类法。
可选地,当该聚类方法为自收敛分类法时,对该用户互动信息进行聚类包括:从该多条用户互动信息中随机挑选预设数量的用户互动信息作为初始聚类中心;计算该多条用户互动信息的特征向量;根据该特征向量与该初始聚类中心的距离对该多条用户互动信息进行第一聚类,并计算该第一聚类的第一聚类中心;根据该特征向量与该第一聚类中心的距离对该多条用户互动信息进行第二聚类,并计算该第二聚类的第二聚类中心;若该第二聚类中心与该第一聚类中心之间的偏移小于预设阈值,则确定第二聚类为该多个信息类别。
可选地,该方法还包括:若该第二聚类中心与该第一聚类中心的偏移大于或等于预设阈值,则根据该特征向量与该第二聚类中心的距离对该多条用户互动信息进行第三聚类,并计算该第三聚类的第三聚类中心;若该第三聚类中心与该第二聚类中心的偏移小于预设阈值,则确定第三聚类为该多个信息类别。
可选地,根据该感兴趣区域确定该目标信息类别之前,该方法还包括:获取用户输入的文字信息,该文字信息用于确定该目标信息类别。
可选地,根据该感兴趣区域确定该目标信息类别包括:对该感兴趣区域进行图像识别;根据该图像识别结果从该多个信息类别中确定目标信息类别。
本申请实施例提供了一种终端,其特征在于,包括:获取模块,用于获取多条用户互动信息;聚类模块,用于对该多条用户互动信息进行聚类,得到多个信息类别,该多个信息类别包含目标信息类别;该获取模块,还用于通过眼球追踪获取用户感兴趣区域;确定模块,用于根据该感兴趣区域确定该目标信息类别;呈现模块,用于呈现该目标信息类别的用户互动信息。
可选地,该聚类模块具体用于:根据聚类算法对该用户互动信息进行聚类,该聚类算法包括划分法、模型算法、网格算法或图形聚类法,该划分法包括自收敛分类法;当该聚类方法为自收敛分类法时,该聚类模块具体用于:从该多条用户互动信息中随机挑选预设数量的用户互动信息作为初始聚类中心;计算该多条用户互动信息的特征向量;根据该特征向量与该初始聚类中心的距离对该多条用户互动信息进行第一聚类,并计算该第一聚类的第一聚类中心;根据该特征向量与该第一聚类中心的距离对该多条用户互动信息进行第二聚类,并计算该第二聚类的第二聚类中心;若该第二聚类中心与该第一聚类中心之间的偏移小于预设阈值,则确定第二聚类为该多个信息类别。
可选地,若该第二聚类中心与该第一聚类中心的偏移大于或等于预设阈值,则根据该特征向量与该第二聚类中心的距离对该多条用户互动信息进行第三聚类,并计算该第三聚类的第三聚类中心;若该第三聚类中心与该第二聚类中心的偏移小于预设阈值,则确定第三聚类为该多个信息类别。
可选地,该获取模块还用于:获取用户输入的文字信息,该文字信息用于确定该目标信息类别。
可选地,根据该感兴趣区域确定该目标信息类别包括:对该感兴趣区域进行图像识别;根据该图像识别结果从该多个信息类别中确定目标信息类别。
本申请实施例提供了一种终端,其特征在于,包括:处理器、储存器、输入输出设备以及总线;该处理器用于上述实施例中任一项的方法。
本申请实施例还提供一种计算机存储介质,该计算机存储介质用于储存为前述终端所用的计算机软件指令,其包括用于执行为终端所设计的程序。
本申请实施例还提供一种计算机程序产品,该计算机程序产品包括计算机软件指令,该计算机软件指令可通过处理器进行加载来实现前述实施例中的方法流程。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请实施例提供的信息处理方法,终端获取多条用户互动信息后可以对该多条用户互动信息进行聚类聚类得到多个信息类别,终端还可以获取用户的注视信息,并根据该注视信息确定用户感兴趣区域,进而确定用户感兴趣的目标信息类别,该目标信息类别为多个信息类别中的一类,终端可以对用户互动信息进行筛选,仅向用户呈现目标信息类别的用户互动信息,这样,终端可以避免用户感兴趣的用户互动信息淹没在大量的用户互动信息中,从而可以提升用户交互的效率。
附图说明
图1为本申请实施例中信息处理方法的一个实施例示意图;
图2为本申请实施例中信息处理方法的另一个实施例示意图;
图3为本申请实施例中信息处理方法的另一个实施例示意图;
图4为本申请实施例中终端的一个实施例示意图;
图5为本申请实施例中终端的另一个实施例示意图。
具体实施方式
本申请实施例提供了一种信息处理方法,用于对用户互动信息进行聚类筛选,减少终端呈现信息的数量,提高用户交互效率较低。
本申请实施例所涉及到的终端可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备,例如手机、平板电脑、PC、智能手表等。本申请的实施例对终端的具体设备形态不做限定。
为便于更好的理解和实施本申请实施例的方案,下面通过具体的实施例进行说明,请参阅图1,为本申请实施例中信息处理方法的一个实施例示意图。
101、获取多条用户互动信息;
在内容交互平台上,用户可以通过终端获取节目内容和用户互动信息,同时也可以通过终端发送用户互动信息。用户互动信息例如可以是弹幕信息,用户可以通过弹幕信息与节目嘉宾或其它用户互动。终端获取多条用户互动信息,多条用户互动信息可以是其他用户发送的,也可以是该终端用户发送的,此处不做限定。多条用户互动信息的数量可以是20条或50条等,此处对于用户互动信息的数量不做限定。
102、对该多条用户互动信息进行聚类,得到多个信息类别;
由于内容交互平台上,用户与节目嘉宾或不同用户之间都可以通过用户互动信息互动,通常用户互动信息数量较多且涉及的受众不同。终端可以对多条用户互动信息进行聚类,得到多个信息类别。信息类别大于或等于两个,此处对于信息类别的具体类别数不做限定。终端可以针对用户互动信息涉及的人物对象进行聚类,也可以根据用户互动信息的话题进行聚类,此处不做限定。
103、获取用户的注视信息,并根据该注视信息确定用户感兴趣区域;
终端可通过多种方式获取用户的注视信息,可以是基于眼部图像的眼球追踪技术估计用户的注视信息,也可以是不基于眼部图像的电容或电极等传感器推算眼睛的运行,从而获用户的注视信息。具体地,终端可以通过微机电系统(micro-electro-mechanicalsystem,MEMS)、视线追踪装置例如眼动仪等硬件设备获取用户的注视信息,此处,对于终端获取用户注视信息的方式不做限定。终端获取用户的注视信息后,可以根据该注视信息确定用户的感兴趣区域。
可选地,终端通过摄像头等部件采集用户眼部图像,通过眼球追踪技术,可以获取用户眼球注视的方向等注视信息,继而确定用户的感兴趣区域,
可选地,终端可以根据用户眼球注视的方向和实时图像信息得到用户感兴趣区域。
104、根据该感兴趣区域确定该目标信息类别;
终端根据该感兴趣区域确定该目标信息类别,可选地,终端对获取的用户感兴趣区域进行图像识别,确定用户感兴趣区域的图像信息,再根据图像识别结果从该多个信息类别中确定目标信息类别,该目标信息类别即为用户感兴趣的信息类别。
105、呈现该目标信息类别的用户互动信息;
终端可以对用户互动信息进行筛选,将属于该目标信息类别的用户互动信息呈现给用户。终端可以将该多条用户互动信息中属于目标信息类别的用户互动信息呈现给用户,还可以新获取的用户互动信息进行聚类并呈现给用户。终端可以通过关键词提取等方式对用户互动信息进行筛选,此处不做限定。
本申请实施例提供的信息处理方法,终端获取多条用户互动信息后可以对该多条用户互动信息进行聚类得到多个信息类别,终端还可以获取用户的注视信息,并根据该注视信息确定用户感兴趣区域,并由此确定用户感兴趣的目标信息类别,该目标信息类别为多个信息类别中的一类,终端可以对用户互动信息进行筛选,仅向用户呈现目标信息类别的用户互动信息,这样,终端可以避免用户感兴趣的用户互动信息淹没在大量的用户互动信息中,从而可以提升用户交互的效率。
下面,以用户互动信息为弹幕信息为例介绍本申请实施例提供的信息处理方法,请参阅图2,为本申请实施例中信息处理方法的一个实施例示意图。
201、终端获取多条弹幕信息;
在内容交互平台上,经常出现嘉宾与用户互动或用户之间互动的场景,在线观看用户都可以参与话题讨论,并以弹幕的形式将讨论输出到视频界面上。
在内容交互平台上,用户可以通过终端获取节目内容和弹幕信息,同时也可以通过终端发送弹幕信息。终端获取多条弹幕信息,这里的多条弹幕信息可以是其他用户发送的,也可以是终端用户发送的,此处不做限定。
202、该终端从该多条弹幕信息中随机挑选预设数量的弹幕信息作为初始聚类中心;
终端从该多条弹幕信息中随机挑选预设数量的弹幕信息,终端可以预设挑选弹幕信息的数量,例如5条或3条,此外,终端可以在预设的范围内随机选择,例如预设范围为2条至8条。此处对于随机选择的弹幕信息数量不做限定,可以理解的是,终端将随机选出的弹幕信息作为初始聚类中心。
例如,在一个相亲类的综艺节目上,有主持人、情感导师和三位嘉宾,在线观看的观众通过弹幕信息发送了关于这五个人的X条弹幕信息,X为正整数,这里假设为大于5的正整数,终端可以从弹幕信息中随机选取5条弹幕信息,分别为C1,C2,C3,C4,C5,作为初始聚类中心。
203、终端计算该多条弹幕信息的特征向量;
终端分别计算每条弹幕信息的特征向量。
可选地,终端根据下述公式计算每个关键词的词频-逆文本频率(TF-IDF)值:
TF-IDF=TF×IDF
其中,TF-IDF代表弹幕信息的特征向量;TF为词频,词频即某个关键词在该条弹幕信息中出现的频率,例如一条弹幕信息为:“我想了解肠胃健康,特别是肠胃保健”。该条弹幕信息中一共有8个词,通过关键词提取,可以得到该条弹幕信息中的7个关键词:“我”、“想”、“了解”、“肠胃”、“健康”、“特别”和“保健”。其中,关键词“肠胃”出现了两次。通过计算可以得到“我”、“想”、“了解”、“肠胃”、“健康”、“特别”和“保健”的词频分别是八分之一、八分之一、八分之一、八分之二、八分之一、八分之一、八分之一。IDF为逆文本频率,IDF=log(D/Dw),D表示语料库中的文本总数,Dw表示包含关键词W的文本数量,例如包含关键词“肠胃”。
将所有关键词的TF-IDF值组合得到特征向量,该特征向量的维数为汉字词汇表中词汇数,例如50000个,则该条弹幕信息的特征向量为一个50000维的向量,其中7个关键词对应的词汇有TF-IDF值,其余值为零。
204、终端根据该特征向量与该初始聚类中心的距离对该多条弹幕信息进行第一聚类,并计算该第一聚类的第一聚类中心;
终端分别计算每条弹幕信息与各个初始聚类中心的距离,对于一条弹幕信息,将其划分至距离最近的聚类中心所属的信息类别中,得到第一聚类。
可选地,根据余弦定理计算一条弹幕信息的特征向量与初始聚类中心的特征向量之间的夹角,夹角越小代表距离越近,即该条弹幕信息与聚类中心的相似程度越高。例如,分别计算弹幕信息Cx的特征向量与各初始聚类中心C1,C2,C3,C4,C5的特征向量之间的夹角,若Cx的特征向量与C3的特征向量之间的夹角最小,则将Cx划分到C3所属的信息类别中,类似地,将多条弹幕信息划分至初始聚类中心所属的信息类别中,得到第一聚类。
得到第一聚类后,终端将计算第一聚类的第一聚类中心。
例如,第一聚类中第i类信息类别下有m条弹幕信息,则该第i类信息类别的第一聚类中心为Wi=(V1i+V2i+…+Vmi)/m,其中V表示向量,m表示弹幕条数,i表示第i类信息类别;
类似地,可以计算第一聚类中各类信息类别的第一聚类中心。
第一聚类中心和初始聚类中心将有一个位移,请参阅图3,黑十字表示聚类中心,箭头指向新的聚类中心。
205、终端根据该特征向量与该第一聚类中心的距离对该多条弹幕信息进行第二聚类,并计算该第二聚类的第二聚类中心;
终端分别计算每条弹幕信息与各个第一聚类中心的距离,对于一条弹幕信息,将其划分至距离最近的聚类中心所属的信息类别中,得到第二聚类。
可选地,根据余弦定理计算一条弹幕信息的特征向量与第一聚类中心的特征向量之间的夹角可以将各条弹幕信息进行第二聚类,终端计算第二聚类的第二聚类中心。
计算方法与步骤204中类似,此处不再赘述。
206、若该第二聚类中心与该第一聚类中心之间的偏移小于预设阈值,则确定第二聚类为该多个信息类别;
终端判断第二聚类中心与第一聚类中心之间的偏移是否小于预设阈值,若该第二聚类中心与该第一聚类中心之间的偏移小于预设阈值,则确定第二聚类为该多个信息类别,例如,第二聚类分别为:主持人、情感导师、嘉宾A、嘉宾B、嘉宾C。
可选地,终端可以通过余弦定理计算第二聚类中心的特征向量与第一聚类中心的特征向量之间的余弦夹角,预设阈值例如为1度或者5度,余弦夹角的值越小,代表聚类中心信息的相识度越高。
若第二聚类中心与该第一聚类中心之间的偏移大于或等于预设阈值,则终端可以根据第二聚类中心与各弹幕信息之间的相识度重新聚类,直到新的聚类中心与前一次聚类得到的聚类中心之间的偏移小于预设阈值时,确定该聚类为该多个信息类别。循环执行聚类的过程此处不再赘述。
207、终端获取用户输入的文字信息;
用户可以通过终端输入文字信息发送弹幕消息,也可以输入的文字信息对弹幕消息进行搜索,终端可以获取用户输入的文字信息,该文字信息可以用于确定该目标信息类别,目标信息类别为该用户感兴趣的信息类别。例如:用户输入的文字信息可以是“赞同嘉宾B的观点”。
需要说明的是,步骤207为可选步骤,可以执行步骤207,也可以不执行207,此处不做限定。
208、获取用户的注视信息,并根据该注视信息确定用户感兴趣区域;
终端可通过多种方式获取用户的注视信息,可以是基于眼部图像的眼球追踪技术估计用户的注视信息,也可以是不基于眼部图像的电容或电极等传感器推算眼睛的运行,从而获用户的注视信息。具体地,终端可以通过微机电系统(micro-electro-mechanicalsystem,MEMS)、视线追踪装置例如眼动仪等硬件设备获取用户的注视信息,此处,对于终端获取用户注视信息的方式不做限定。终端获取用户的注视信息后,可以根据该注视信息确定用户的感兴趣区域。
可选地,终端通过摄像头等部件采集用户眼部信息,通过眼球追踪技术,可以获取用户眼球注视的方向等注视信息,此外,终端还可以获取屏幕实时呈现的图像信息,根据用户眼球注视的方向和实时图像信息即可得到用户感兴趣区域。
例如,实时图像信息显示,画面左侧为嘉宾A的图像,画面右侧为嘉宾B的图像,用户眼球注视的方向为右方,则终端确定嘉宾B的图像为用户感兴趣区域。
可选地,终端可以预设注视时长阈值,例如为800毫秒,若用户注视一个图像区域超过800毫秒,则终端确定该图像区域为用户的感兴趣区域。
209、终端对该感兴趣区域进行图像识别;
终端对获取的用户感兴趣区域进行图像识别。可选地,终端将获取的用户感兴趣区域与预置的数据库中的图像信息进行对比,可以确定用户感兴趣区域的图像信息。
例如,综艺节目上有主持人、情感导师和三位嘉宾A、B、C共五人,终端预置的数据库中储存了五个人的图像和对应的标签信息,标签信息可以包括姓名、昵称等信息。若终端获取的用户感兴趣区域为嘉宾B的图像,终端进行图像识别后,可以确定该图像对应于嘉宾B,并可以获取对应的标签信息,即嘉宾B的姓名或昵称等。
210、终端根据该图像识别结果从该多个信息类别中确定目标信息类别;
终端根据图像识别结果从该多个信息类别中确定目标信息类别,这里的目标信息类别为用户感兴趣的信息类别。
例如,终端根据图像识别结果获取了嘉宾B的姓名,而多个信息类别分别为主持人、情感导师、嘉宾A、嘉宾B和嘉宾C,则终端可以从多个信息类别中确定目标信息类别为嘉宾B。
需要说明的是,若执行步骤207,则终端可以根据该图像识别结果和步骤207中获取的用户输入的文字信息共同确定目标信息类别。
211、终端呈现该目标信息类别的弹幕信息。
终端可以对弹幕信息进行筛选,将该目标信息类别的弹幕信息呈现给用户。终端可以通过关键词提取等方式对弹幕信息进行筛选,此处不做限定。终端可以将该多条弹幕信息中属于目标信息类别的弹幕信息呈现给用户,还可以新获取的弹幕信息进行聚类并呈现给用户。
本申请实施例提供的信息处理方法,终端获取多条弹幕信息后可以通过自收敛分类法对该多条弹幕信息进行聚类得到多个信息类别,终端还可以获取用户的注视信息,并根据该注视信息确定用户感兴趣区域,由此确定用户感兴趣的目标信息类别,由于目标信息类别为多个信息类别中的一类,终端可以对弹幕信息进行筛选,仅向用户呈现目标信息类别的弹幕信息,这样,终端可以避免用户感兴趣的弹幕信息淹没在大量的弹幕信息中,从而可以提升用户交互的效率。
以上实施例对信息处理方法进行了介绍,下面将介绍实现信处理方法的终端,请参阅图4,本申请实施例中终端的一个实施例示意图。
该终端包括:
获取模块401,用于获取多条用户互动信息;
聚类模块402,用于对该多条用户互动信息进行聚类,得到多个信息类别,该多个信息类别包含目标信息类别;
该获取模块401,还用于获取用户的注视信息;
确定模块403,用于根据该注视信息确定用户感兴趣区域;
该确定模块403,还用于根据该感兴趣区域确定该目标信息类别;
呈现模块404,用于呈现该目标信息类别的用户互动信息。
该聚类模块402具体用于:
根据聚类算法对该用户互动信息进行聚类,该聚类算法包括划分法、模型算法、网格算法或图形聚类法,该划分法包括自收敛分类法。
当该聚类方法为自收敛分类法时,该聚类模块402具体用于:
从该多条用户互动信息中随机挑选预设数量的用户互动信息作为初始聚类中心;
计算该多条用户互动信息的特征向量;
根据该特征向量与该初始聚类中心的距离对该多条用户互动信息进行第一聚类,并计算该第一聚类的第一聚类中心;
根据该特征向量与该第一聚类中心的距离对该多条用户互动信息进行第二聚类,并计算该第二聚类的第二聚类中心;
若该第二聚类中心与该第一聚类中心之间的偏移小于预设阈值,则确定第二聚类为该多个信息类别。
若该第二聚类中心与该第一聚类中心的偏移大于或等于预设阈值,则根据该特征向量与该第二聚类中心的距离对该多条用户互动信息进行第三聚类,并计算该第三聚类的第三聚类中心;
若该第三聚类中心与该第二聚类中心的偏移小于预设阈值,则确定第三聚类为该多个信息类别。
该获取模块401还用于:
获取用户输入的文字信息,该文字信息用于确定该目标信息类别。
该确定模块403还用于:
该终端对该感兴趣区域进行图像识别;
该终端根据该图像识别结果从该多个信息类别中确定目标信息类别。
请参阅图5,本申请实施例中终端的另一个实施例示意图。
该终端500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)501(例如,一个或一个以上处理器)和存储器505,该存储器505中存储有一个或一个以上的应用程序或数据。
其中,存储器505可以是易失性存储或持久存储。存储在存储器505的程序可以包括一个或一个以上模块,每个模块可以包括对终端中的一系列指令操作。更进一步地,中央处理器501可以设置为与存储器505通信,在终端500上执行存储器505中的一系列指令操作。
终端500还可以包括一个或一个以上电源502,一个或一个以上有线或无线网络接口503,一个或一个以上输入输出接口504,和/或,一个或一个以上操作系统,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
本实施例中终端500中的中央处理器501所执行的流程与前述图1和图2所示的实施例中描述的方法流程类似,此处不再赘述。
本申请实施例还提供一种计算机存储介质,该计算机存储介质用于储存为前述终端所用的计算机软件指令,其包括用于执行为终端所设计的程序。
本申请实施例还提供一种计算机程序产品,该计算机程序产品包括计算机软件指令,该计算机软件指令可通过处理器进行加载来实现前述图1和图2所示的实施例中的方法流程。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,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单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (8)
1.一种信息处理方法,其特征在于,包括:
获取多条用户互动信息;
从所述多条用户互动信息中随机挑选预设数量的用户互动信息作为初始聚类中心;
计算所述多条用户互动信息的特征向量;
根据所述特征向量与所述初始聚类中心的距离对所述多条用户互动信息进行第一聚类,并计算所述第一聚类的第一聚类中心;
根据所述特征向量与所述第一聚类中心的距离对所述多条用户互动信息进行第二聚类,并计算所述第二聚类的第二聚类中心;
若所述第二聚类中心与所述第一聚类中心之间的偏移小于预设阈值,则确定第二聚类为多个信息类别,所述多个信息类别包含目标信息类别;
获取用户的注视信息;
根据所述注视信息和屏幕的实时图像信息确定用户感兴趣区域,所述实时图像信息由终端获取;
根据所述感兴趣区域确定所述目标信息类别;
呈现所述目标信息类别的用户互动信息。
2.根据权利要求1所述的信息处理方法,其特征在于,所述方法还包括:
若所述第二聚类中心与所述第一聚类中心的偏移大于或等于预设阈值,则根据所述特征向量与所述第二聚类中心的距离对所述多条用户互动信息进行第三聚类,并计算所述第三聚类的第三聚类中心;
若所述第三聚类中心与所述第二聚类中心的偏移小于预设阈值,则确定第三聚类为所述多个信息类别。
3.根据权利要求 1或2所述的信息处理方法,其特征在于,根据所述感兴趣区域确定所述目标信息类别之前,所述方法还包括:
获取用户输入的文字信息,所述文字信息用于确定所述目标信息类别。
4.根据权利要求 1或2所述的信息处理方法,其特征在于,根据所述感兴趣区域确定所述目标信息类别包括:
对所述感兴趣区域进行图像识别;
根据所述图像识别结果从所述多个信息类别中确定目标信息类别。
5.一种终端,其特征在于,包括:
获取模块,用于获取多条用户互动信息;
挑选模块,用于从所述多条用户互动信息中随机挑选预设数量的用户互动信息作为初始聚类中心;
计算模块,用于计算所述多条用户互动信息的特征向量;
聚类模块,用于根据所述特征向量与所述初始聚类中心的距离对所述多条用户互动信息进行第一聚类,并计算所述第一聚类的第一聚类中心;
所述聚类模块,还用于根据所述特征向量与所述第一聚类中心的距离对所述多条用户互动信息进行第二聚类,并计算所述第二聚类的第二聚类中心;
确定模块,用于当所述第二聚类中心与所述第一聚类中心之间的偏移小于预设阈值时,确定第二聚类为多个信息类别,所述多个信息类别包含目标信息类别;
所述获取模块,还用于获取用户的注视信息;
所述确定模块,还用于根据所述注视信息和屏幕的实时图像信息确定用户感兴趣区域,所述实时图像信息由终端获取;
所述确定模块,还用于根据所述感兴趣区域确定所述目标信息类别;
呈现模块,用于呈现所述目标信息类别的用户互动信息。
6.根据权利要求 5所述的终端,其特征在于,所述聚类模块具体用于:
从所述多条用户互动信息中随机挑选预设数量的用户互动信息作为初始聚类中心;
计算所述多条用户互动信息的特征向量;
根据所述特征向量与所述初始聚类中心的距离对所述多条用户互动信息进行第一聚类,并计算所述第一聚类的第一聚类中心;
根据所述特征向量与所述第一聚类中心的距离对所述多条用户互动信息进行第二聚类,并计算所述第二聚类的第二聚类中心;
若所述第二聚类中心与所述第一聚类中心之间的偏移小于预设阈值,则确定第二聚类为所述多个信息类别;
若所述第二聚类中心与所述第一聚类中心的偏移大于或等于预设阈值,则根据所述特征向量与所述第二聚类中心的距离将所述多条用户互动信息划分至第三聚类,并计算所述第三聚类的第三聚类中心;
若所述第三聚类中心与所述第二聚类中心的偏移小于预设阈值,则确定第三聚类为所述多个信息类别。
7.根据权利要求 5或6所述的终端,其特征在于,所述获取模块还用于:
获取用户输入的文字信息,所述文字信息用于确定所述目标信息类别。
8.一种终端,其特征在于,包括:
处理器、储存器、输入输出设备以及总线;
所述处理器用于执行权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910008691.2A CN109739990B (zh) | 2019-01-04 | 2019-01-04 | 信息处理方法和终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910008691.2A CN109739990B (zh) | 2019-01-04 | 2019-01-04 | 信息处理方法和终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109739990A CN109739990A (zh) | 2019-05-10 |
CN109739990B true CN109739990B (zh) | 2021-07-23 |
Family
ID=66363526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910008691.2A Active CN109739990B (zh) | 2019-01-04 | 2019-01-04 | 信息处理方法和终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109739990B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112689201B (zh) * | 2019-10-17 | 2022-08-26 | 维沃移动通信有限公司 | 弹幕信息识别方法、显示方法、服务器及电子设备 |
CN111294609A (zh) * | 2020-03-13 | 2020-06-16 | 上海万面智能科技有限公司 | 直播内容显示方法、装置、电子设备及可读存储介质 |
CN113761277A (zh) * | 2020-09-23 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种风控方法、装置、电子设备和存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9244527B2 (en) * | 2013-03-26 | 2016-01-26 | Volkswagen Ag | System, components and methodologies for gaze dependent gesture input control |
CN104238751B (zh) * | 2014-09-17 | 2017-06-27 | 联想(北京)有限公司 | 一种显示方法及电子设备 |
US20170061482A1 (en) * | 2015-08-24 | 2017-03-02 | TCL Research America Inc. | Focal-point based recommendation method and system |
CN105592331B (zh) * | 2015-12-16 | 2019-09-27 | 广州华多网络科技有限公司 | 一种弹幕消息的处理方法、相关设备和系统 |
CN107463643B (zh) * | 2017-07-19 | 2020-11-20 | 北京小米移动软件有限公司 | 弹幕数据的显示方法、装置及存储介质 |
CN107920272B (zh) * | 2017-11-14 | 2020-03-10 | 维沃移动通信有限公司 | 一种弹幕筛选方法、装置及移动终端 |
CN108537176B (zh) * | 2018-04-11 | 2021-07-30 | 武汉斗鱼网络科技有限公司 | 目标弹幕的识别方法、装置、终端及存储介质 |
CN108540826B (zh) * | 2018-04-17 | 2021-01-26 | 京东方科技集团股份有限公司 | 弹幕推送方法、装置、电子设备及存储介质 |
CN108881993A (zh) * | 2018-06-13 | 2018-11-23 | 优视科技有限公司 | 一种弹幕内容的筛选显示方法、装置和终端设备 |
CN108960937B (zh) * | 2018-08-10 | 2019-07-30 | 陈涛 | Ar智能眼镜的应用基于眼动追踪技术的广告推送方法 |
-
2019
- 2019-01-04 CN CN201910008691.2A patent/CN109739990B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109739990A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11887231B2 (en) | Avatar animation system | |
CN109739990B (zh) | 信息处理方法和终端 | |
CN108764141B (zh) | 一种游戏场景描述方法、装置、设备及其存储介质 | |
CN110519636B (zh) | 语音信息播放方法、装置、计算机设备及存储介质 | |
Henderson | Human gaze control during real-world scene perception | |
CN110413875B (zh) | 一种文本信息推送的方法以及相关装置 | |
US20180373788A1 (en) | Contrastive multilingual business intelligence | |
CN111931062A (zh) | 一种信息推荐模型的训练方法和相关装置 | |
CN112818224B (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
CN109242537A (zh) | 广告投放方法、装置、计算机设备及存储介质 | |
CN111432282B (zh) | 一种视频推荐方法及装置 | |
CN111597433A (zh) | 资源搜索方法、装置以及电子设备 | |
CN111723237A (zh) | 媒体内容访问控制方法 | |
CN113873286A (zh) | 一种基于人工智能的直播方法及其系统 | |
CN111104583A (zh) | 一种直播间推荐方法、存储介质、电子设备及系统 | |
CN111954087A (zh) | 视频中图像的截取方法和装置、存储介质和电子设备 | |
CN113127628B (zh) | 用于生成评论的方法、装置、设备及计算机可读存储介质 | |
US20160132771A1 (en) | Application Complexity Computation | |
CN109697676B (zh) | 基于社交群的用户分析及应用方法和装置 | |
CN111954017B (zh) | 直播间搜索方法、装置、服务器及存储介质 | |
CN114283349A (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
CN113497946B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN112672202B (zh) | 弹幕处理方法、设备和存储介质 | |
CN113633974B (zh) | 用户实时对局信息的显示方法、装置、终端及存储介质 | |
CN113542845B (zh) | 一种信息展示方法、装置、设备及存储介质 |
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 |