CN110020150A - 信息推荐方法及装置 - Google Patents
信息推荐方法及装置 Download PDFInfo
- Publication number
- CN110020150A CN110020150A CN201711243040.9A CN201711243040A CN110020150A CN 110020150 A CN110020150 A CN 110020150A CN 201711243040 A CN201711243040 A CN 201711243040A CN 110020150 A CN110020150 A CN 110020150A
- Authority
- CN
- China
- Prior art keywords
- information
- interest
- commercial circle
- attribute
- point name
- 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.)
- Granted
Links
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
- G06F16/953—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
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Abstract
本发明涉及了一种信息推荐方法及装置,其中,所述信息推荐方法包括:服务端获取信息;对所述信息携带的兴趣点名称进行识别,得到兴趣点名称片段;根据所述兴趣点名称片段在存储的兴趣点中进行匹配检索,得到名称与所述兴趣点名称片段相匹配的兴趣点;获取所述兴趣点名称片段相匹配兴趣点的商圈属性;按照所述商圈属性进行所述信息的归类,通过归类的信息提供用户所在商圈的信息推荐。采用本发明所提供的信息推荐方法及装置解决了现有技术中推荐信息的信息相关性不高的问题,并且有效地提高了信息的推荐效率。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种信息推荐方法及装置。
背景技术
随着互联网技术的发展,数以百万计的信息能够借由互联网被推送给用户,例如,用户逛论坛时,向用户推荐最近热门的话题,或者,用户阅读某条新闻时,向用户推荐与该条新闻内容相近的资讯,更甚者,用户逛街时,向用户推荐备受欢迎的商品,从而方便用户获取更多的信息。
现有的一种推荐方法是基于用户所在区划而进行的推荐,该推荐方法是通过对用户地理位置的定位来判断用户所在区划,进而形成用户所在区划的推荐信息推荐给用户。例如,A市用户被推送A市的相关信息。
然而,用户所在区划的相关信息往往数量较多且种类庞杂,不仅信息的推荐效率较低,而且容易造成推荐信息并非用户所实际关心的,缺乏信息相关性。
发明内容
为了解决上述技术问题,本发明的一个目的在于提供一种信息推荐方法及装置。
其中,本发明所采用的技术方案为:
一种信息推荐方法,包括:服务端获取信息;对所述信息携带的兴趣点名称进行识别,得到兴趣点名称片段;根据所述兴趣点名称片段在存储的兴趣点中进行匹配检索,得到名称与所述兴趣点名称片段相匹配的兴趣点;获取所述兴趣点名称片段相匹配兴趣点的商圈属性;按照所述商圈属性进行所述信息的归类,通过归类的信息提供用户所在商圈的信息推荐。
一种信息推荐方法,包括:客户端进行用户地理位置定位,得到位置信息;根据所述位置信息向服务端发起信息推荐请求;接收所述服务端根据指示了用户所在商圈的商圈属性推送的信息,所述商圈属性与所述位置信息转换得到的属性索引值具有索引关系,所述信息在所述服务端中按照所述商圈属性进行归类。
一种信息推荐装置,包括:信息获取模块,用于服务端获取信息;信息识别模块,用于对所述信息携带的兴趣点名称进行识别,得到兴趣点名称片段;匹配检索模块,用于根据所述兴趣点名称片段在存储的兴趣点中进行匹配检索,得到名称与所述兴趣点名称片段相匹配的兴趣点;属性获取模块,用于获取所述兴趣点名称片段相匹配兴趣点的商圈属性;第一信息归类模块,用于按照所述商圈属性进行所述信息的归类,通过归类的信息提供用户所在商圈的信息推荐。
一种信息推荐装置,包括:定位发起模块,用于客户端进行用户地理位置定位,得到位置信息;请求发起模块,用于根据所述位置信息向服务端发起信息推荐请求;信息接收模块,用于接收所述服务端根据指示了用户所在商圈的商圈属性推送的信息,所述商圈属性与所述位置信息转换得到的属性索引值具有索引关系,所述信息在所述服务端中按照所述商圈属性进行归类。
一种信息推荐装置,包括处理器及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如上所述的信息推荐方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的信息推荐方法。
在上述技术方案中,由信息携带的兴趣点名称识别得到兴趣点名称片段,并根据兴趣点名称片段在存储的兴趣点中进行匹配检索,得到名称与兴趣点名称片段相匹配的兴趣点,进而按照该兴趣点的商圈属性对信息进行归类,也就是说,海量信息的信息类别将根据信息所携带的兴趣点名称被分别归类为对应兴趣点的商圈属性,进而使得信息推荐时能够基于商圈属性所指示的用户所在商圈进行推荐,不仅大大减少了待推荐信息的数量和种类,有利于提高信息的推荐效率,而且推荐结果是与用户所在商圈密切相关的,以此避免了现有技术中存在的推荐信息缺乏信息相关性的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是根据本发明所涉及的实施环境的示意图。
图2是根据一示例性实施例示出的一种客户端的硬件结构框图。
图3是根据一示例性实施例示出的一种服务端的硬件结构框图。
图4是根据一示例性实施例示出的一种信息推荐方法的流程图。
图5是图4对应实施例中步骤330在一个实施例的流程图。
图6是图4对应实施例中步骤370在一个实施例的流程图。
图7是根据一示例性实施例示出的另一种信息推荐方法的流程图。
图8是根据一示例性实施例示出的另一种信息推荐方法的流程图。
图9是根据一示例性实施例示出的另一种信息推荐方法的流程图。
图10是根据一示例性实施例示出的另一种信息推荐方法的流程图。
图11是一应用场景中一种信息推荐方法的具体实现示意图。
图12是根据一示例性实施例示出的一种信息推荐装置的框图。
图13是图12对应实施例中匹配检索模块在一个实施例的框图。
图14是图12对应实施例中属性获取模块在一个实施例的框图。
图15是根据一示例性实施例示出的另一种信息推荐装置的框图。
图16是根据一示例性实施例示出的另一种信息推荐装置的框图。
图17是根据一示例性实施例示出的另一种信息推荐装置的框图。
图18是根据一示例性实施例示出的一种信息推荐装置的框图。
通过上述附图,已示出本发明明确的实施例,后文中将有更详细的描述,这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
如前所述,由于用户所在区划的相关信息往往数量较多且种类庞杂,基于用户所在区划实施的推荐方法不仅信息的推荐效率较低,而且容易造成推荐信息并非用户所实际关心的,缺乏信息相关性。
举例来说,假设用户所对应终端中安装了具有信息推荐功能的客户端,则用户借由该客户端将能够被推送相关信息。无论用户是住在A市的B地区,还是工作在A市的C地区,基于用户所在区划,即A市,始终向用户推送A市的相关信息,此时的推荐则被视为缺乏信息相关性。
在此说明下,区划也被称为行政区域,例如,A市属于区划,A市的B地区、A市的C地区也列入区划范畴。
为此,本发明特提出了一种信息推荐方法,该种信息推荐方法能够有效地提高信息的推荐效率,而且有利于增强推荐信息的信息相关性。
图1为一种信息推荐方法所涉及的实施环境的示意图。该实施环境包括两个终端100和服务端200。
其中,用户所对应终端100可以是台式电脑、笔记本电脑、平板电脑、智能手机或者其他具有信息推荐功能客户端的电子设备,在此不进行限定。具有信息推荐功能的客户端可以是社交类客户端、新闻资讯类客户端、电子商务类客户端等等,客户端的形式可以是应用程序类,也可以是网页类,在此不加以限定。
通过终端100与服务端200的之间的网络连接,运行于终端100的客户端将通过用户地理位置定位请求服务端200进行信息推荐。
对于服务端200而言,将基于信息携带的兴趣点名称进行兴趣点商圈属性的获取,以按照获取到的商圈属性对信息进行归类,进而响应客户端的请求向客户端提供用户所在商圈的信息推荐服务。
对于不同终端100所对应的不同用户而言,由于用户所在商圈的不同,将被按照用户所在商圈相应地推送不同的信息,以此保证了信息推荐时具有较强的信息相关性。
值得一提的是,服务端200可以是一台服务器,也可以是由多台服务器构成的服务器集群,或者是指云计算中心。
例如,在一应用场景中,服务端200包括推荐服务器和位置服务器,推荐服务器用于向客户端推送信息,位置服务器则用于根据客户端所发起的用户地理位置定位进行商圈属性的反馈,以便于客户端进一步地根据该商圈属性请求服务端200进行信息推荐。
在另一应用场景中,推荐服务器和位置服务器被整合为同一服务器,并以此向客户端提供信息推荐服务。
请参阅图2,图2是根据一示例性实施例示出的一种终端的框图。
需要说明的是,该终端100只是一个适配于本发明的示例,不能认为是提供了对本发明的使用范围的任何限制。该终端100也不能解释为需要依赖于或者必须具有图2中示出的示例性的终端100中的一个或者多个组件。
如图2所示,终端100包括存储器101、存储控制器103、一个或多个(图2中仅示出一个)处理器105、外设接口107、射频模块109、定位模块111、摄像模块113、音频模块115、触控屏幕117以及按键模块119。这些组件通过一条或多条通讯总线/信号线121相互通讯。
其中,存储器101可用于存储计算机程序以及模块,如本发明示例性实施例中的信息推荐方法及装置所对应的计算机可读指令,处理器105通过执行存储在存储器101内的计算机可读指令,从而进行各种功能以及数据处理,即完成信息推荐方法。
存储器101作为资源存储的载体,可以是随机存储器、例如高速随机存储器、非易失性存储器,如一个或多个磁性存储装置、闪存、或者其它固态存储器。存储方式可以是短暂存储或者永久存储。
外设接口107可以包括至少一有线或无线网络接口、至少一串并联转换接口、至少一输入输出接口以及至少一USB接口等,用于将外部各种输入/输出装置耦合至存储器101以及处理器105,以实现与外部各种输入/输出装置的通信。
射频模块109用于收发电磁波,实现电磁波与电信号的相互转换,从而通过通讯网络与其他设备进行通讯。通信网络包括蜂窝式电话网、无线局域网或者城域网,上述通信网络可以使用各种通信标准、协议及技术。
定位模块111用于获取终端100的当前所在的地理位置。定位模块111的实例包括但不限于全球卫星定位系统(GPS)、基于无线局域网或者移动通信网的定位技术。
摄像模块113隶属于摄像头,用于拍摄图片或者视频。拍摄的图片或者视频可以存储至存储器101内,还可以通过射频模块109发送至上位机。
音频模块115向用户提供音频接口,其可包括一个或多个麦克风接口、一个或多个扬声器接口以及一个或多个耳机接口。通过音频接口与其它设备进行音频数据的交互。音频数据可以存储至存储器101内,还可以通过射频模块109发送。
触控屏幕117在终端100与用户之间提供一个输入输出界面。具体地,用户可通过触控屏幕117进行输入操作,例如点击、触摸、滑动等手势操作,以使终端100对该输入操作进行响应。终端100则将文字、图片或者视频任意一种形式或者组合所形成的输出内容通过触控屏幕117向用户显示输出。
按键模块119包括至少一个按键,用以提供用户向终端100进行输入的接口,用户可以通过按下不同的按键使终端100执行不同的功能。例如,声音调节按键可供用户实现对终端100播放的声音音量的调节。
可以理解,图2所示的结构仅为示意,终端100还可包括比图2中所示更多或更少的组件,或者具有与图2所示不同的组件。图2中所示的各组件可以采用硬件、软件或者其组合来实现。例如,本发明所涉及的终端100除了具有必要的数据处理、输入(例如,按键、触摸等)和输出(例如,屏幕显示等)等功能之外,还具有定位和联网等功能。
图3是根据一示例性实施例示出的一种服务端200的硬件结构框图。需要说明的是,该服务端200只是一个适配于本发明的示例,不能认为是提供了对本发明的使用范围的任何限制。该服务端200也不能解释为需要依赖于或者必须具有图3中示出的示例性的服务端200中的一个或者多个组件。
该服务端200的硬件结构可因配置或者性能的不同而产生较大的差异,如图3所示,服务端200包括:电源210、接口230、至少一存储器250、以及至少一中央处理器(CPU,Central Processing Units)270。
其中,电源210用于为服务端200上的各硬件设备提供工作电压。
接口230包括至少一有线或无线网络接口231、至少一串并转换接口233、至少一输入输出接口235以及至少一USB接口237等,用于与外部设备通信。
存储器250作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作系统251、应用程序253及数据255等,存储方式可以是短暂存储或者永久存储。其中,操作系统251用于管理与控制服务端200上的各硬件设备以及应用程序253,以实现中央处理器270对海量数据255的计算与处理,其可以是WindowsServerTM、Mac OS XTM、UnixTM、LinuxTM、FreeBSDTM等。应用程序253是基于操作系统251之上完成至少一项特定工作的计算机程序,其可以包括至少一模块(图3中未示出),每个模块都可以分别包含有对服务端200的一系列计算机可读指令。数据255可以是存储于磁盘中的照片、图片等。
中央处理器270可以包括一个或多个以上的处理器,并设置为通过总线与存储器250通信,用于运算与处理存储器250中的海量数据255。
如上面所详细描述的,适用本发明的服务端200将通过中央处理器270读取存储器250中存储的一系列计算机可读指令的形式来完成信息推荐方法。
此外,通过硬件电路或者硬件电路结合软件指令也能同样实现本发明,因此,实现本发明并不限于任何特定硬件电路、软件以及两者的组合。
请参阅图4,在一示例性实施例中,一种信息推荐方法适用于图1所示实施环境的服务端200,该服务端200的结构可以如图3所示。
该种信息推荐方法可以由服务端200执行,可以包括以下步骤:
步骤310,服务端获取信息。
信息可以为文本信息、视频信息、商品信息等等,本实施例不对信息的类型作具体限定。相应地,由于信息的不同类型可对应不同的应用场景,例如,文本信息可对应新闻阅读场景,视频信息可对应视频观看场景,商品信息可对应购物场景,因此,本实施例所提供的信息推荐方法可根据信息的不同类型适用于不同的应用场景。
对于服务端而言,根据信息的不同类型将由不同的信息来源获取到信息。例如,文本信息可来源于论坛中发布的各种话题,视频信息可来源于新闻资讯类的公众号,商品信息可来源于某商场所搭建的电子商务平台等等。
在获得信息之后,便能够针对信息进行归类,以向客户端提供信息推荐服务。
步骤330,对信息携带的兴趣点名称进行识别,得到兴趣点名称片段。
兴趣点(POI,Point of Interest)与地理位置有关,可用于地图中地标、景点等的标注,以便于服务端能够依据兴趣点向用户提供位置信息服务,例如,地理位置查询服务。兴趣点包括但不限于名称、类别、经度、纬度、所属区划、所属商圈等等。相应地,兴趣点名称片段则是指信息携带的兴趣点名称。
例如,具体的一个兴趣点M是:名称为“M饭店”、类别为“餐饮服务”、经度为“X”、纬度为“Y”、所属区划为“A市C地区”、所属商圈为“Z商圈”。假设信息中包含有兴趣点名称“M饭店”,则“M饭店”即视为兴趣点名称片段。
进一步地,信息包括但不限于信息头、信息内容等,兴趣点名称识别中,可以是针对信息头进行的,也可以是针对信息内容而言,还可以是对信息头和信息内容中携带的兴趣点名称进行识别,在此不加以限定。
例如,信息为视频信息,该视频信息包括视频标题和视频内容,假设视频标题携带有兴趣点名称“M饭店”,则通过对该视频标题进行的兴趣点名称识别得到兴趣点名称片段为“M饭店”。
又或者,信息为商品信息,该商品信息包括商品名称和商品详情,假设商品详情中介绍了该商品属于M饭店中热卖的食品,则通过对该商品详情包含的兴趣点名称进行的识别,即可得到兴趣点名称片段为“M饭店”。
步骤350,根据兴趣点名称片段在存储的兴趣点中进行匹配检索,得到名称与兴趣点名称片段相匹配的兴趣点。
服务端中,将针对海量的兴趣点进行存储,以便能够基于地图中进行的兴趣点标注而向用户提供地理位置查询、定位等服务。
可以理解,服务端中存储兴趣点所包含的名称各不相同,由此,为了得到名称与兴趣点名称片段相匹配的兴趣点,则需要以兴趣点名称片段作为匹配检索的依据。
例如,兴趣点名称片段为“M饭店”,则通过匹配检索,便能够由海量的兴趣点中匹配出名称为“M饭店”的兴趣点M。
步骤370,获取兴趣点名称片段相匹配兴趣点的商圈属性。
商圈属性,用于指示某个商圈,适用于不同的应用场景。例如,兴趣点的商圈属性则是指示兴趣点所属商圈,而对于用户而言,商圈属性则指示了用户所在商圈。
兴趣点的商圈属性用于表征兴趣点所属商圈,该兴趣点所属商圈可以仅由该兴趣点组成,也可以是还包含有其他相关联的兴趣点,在此并未加以限定。其中,相关联是指其他兴趣点与该兴趣点属于同一区划,或者,其他兴趣点在该兴趣点周边指定距离范围内,又或者,其他兴趣点与该兴趣点属于同一类别且位于周边指定距离范围内,例如,500米。
应当理解,兴趣点可以已包含有所属商圈的信息,也可以仅指示了其附近的餐饮、购物等相关信息。因此,如果兴趣点已包含有所属商圈,则可以直接提取得到兴趣点的商圈属性。
如果兴趣点并未包含所属商圈的信息,则可以根据其所指示的附近餐饮、购物等相关信息中进一步提炼得到商圈属性。例如,兴趣点指示其附近有“M饭店”,而“M饭店”位于Z商圈,由此,“Z商圈”即视为该兴趣点的商圈属性。
当然,在其他实施例中,还可以为兴趣点及其他相关联的兴趣点进行商圈属性的预先配置,相应地,兴趣点及其他相关联的兴趣点的商圈属性均为配置的商圈属性。
举例来说,兴趣点J和兴趣点K并未包含所属商圈的信息,由于二者的类别属于“餐饮服务”,且在“M饭店”的周边500米范围内,则预先配置“M饭店”所在Z商圈作为兴趣点J和兴趣点K的商圈属性,由此,进行兴趣点商圈属性获取时,兴趣点J和兴趣点K的商圈属性即为“Z商圈”。
步骤390,按照商圈属性进行信息的归类,通过归类的信息提供用户所在商圈的信息推荐。
在获取到兴趣点的商圈属性之后,便能够基于该商圈属性对信息进行归类,即以商圈属性作为被归类信息的信息类别。
对于用户而言,商圈属性指示了用户所在商圈,由此,当客户端通过用户地理位置定位而向服务端发起请求时,服务端便能够根据定位到的用户地理位置进行信息推荐。
例如,用户地理位置表示用户位于Z商圈内,相应地,服务端将根据商圈属性为“Z商圈”向用户推送信息类别为“Z商圈”的信息。其中,信息类别为“Z商圈”的信息可以是指发生在“Z商圈”内的新闻资讯,还可以是指在“Z商圈”热买的商品,或者在“Z商圈”中热聊的话题等等。
通过如上所述的过程,实现了信息的本地化归类,进而使得基于商圈属性的信息推荐能够与用户所在商圈密切相关,以此增强信息相关性。
此外,将待推荐信息的数量和种类由用户所在区划缩小至用户所在商圈,大大减少了待推荐信息的数量和种类,有利于提高信息的推荐效率。
请参阅图5,在一示例性实施例中,步骤330可以包括以下步骤:
步骤331,根据兴趣点名称字典在信息中进行兴趣点名称匹配,得到包含兴趣点名称的至少一文本片段。
兴趣点名称字典,可以理解为是海量兴趣点的名称的集合,由此,兴趣点名称匹配,则是将海量兴趣点的名称与信息所携带的兴趣点名称进行对比,以此得到包含兴趣点名称的文本片段。
可以理解,信息所携带的兴趣点名称可能不止一个,因此,包含兴趣点名称的文本片段的数量为至少一个。
进一步地,兴趣点名称匹配中,文本片段除了包含兴趣点名称,还将包含兴趣点名称的前后缀信息。
例如,信息中包含“秦始皇怀柔四海”,则匹配得到的文本片段除了包含兴趣点名称“怀柔”,还将包含与该兴趣点名称相邻的词语,即前后缀信息“秦始皇”、“四海”。
在得到文本片段之后,便能够以此作为兴趣点名称识别的依据,通过兴趣点名称及其前后缀信息之间的语义关系来有效地保障后续兴趣点名称识别的精度。
步骤333,对至少一文本片段中的兴趣点名称进行相关性排序。
由于包含兴趣点名称的文本片段的数量可能有两个及以上,为了提高兴趣点名称识别的效率,进而保证兴趣点名称识别的精度,将针对两个及以上的文本片段中的兴趣点名称进行相关性排序,以得到所包含兴趣点名称相关性最高的文本片段,并针对该文本片段进行后续的兴趣点名称识别。
例如,一个文本片段包含的兴趣点名称为“北京东二环”,另一个文本片段包含的兴趣点名称为“东方明珠塔”,可见,上述两个兴趣点名称的相关性很低。假设还有一个文本片段包含的兴趣点名称为“上海陆家嘴”,此时,兴趣点名称“东方明珠塔”和兴趣点名称“上海陆家嘴”即视为相关性较高,则进行兴趣点名称识别的不会是包含兴趣点名称“北京东二环”的文本片段。针对兴趣点名称“东方明珠塔”和兴趣点名称“上海陆家嘴”,通过进一步地相关性计算,将得到相关性最高的兴趣点名称,并以此获得所包含兴趣点名称相关性最高的文本片段。
例如,相关性计算中,信息头中携带的兴趣点名称的相关性低于信息内容中携带的兴趣点名称,兴趣点名称是某一具体景观的相关性要高于兴趣点名称为某一区划。
通过上述实现过程,相关性最高的兴趣点名称所对应的文本片段才能够进行兴趣点名称的识别,不仅有利于降低系统处理任务量,提高系统处理效率,而且有利于保证兴趣点名称识别的精度。
步骤335,采用命名实体识别模型识别所包含兴趣点名称相关性最高的文本片段,得到兴趣点名称片段。
假设相关性最高的兴趣点名称为“东方明珠塔”,则对应文本片段经过命名实体识别模型识别得到的兴趣点名称片段即为“东方明珠塔”。
其中,命名实体识别模型是根据兴趣点和/或地理位置前后缀信息训练得到的。
具体地,通过获取海量的兴趣点,和/或地理位置前后缀信息(例如,位于、所在、大厦、科技园等等)作为训练数据,并标注形成训练集合,以此构建命名实体识别网络,进而利用神经网络模型进行命名实体识别模型的训练,由此得到命名实体识别模型。
在上述过程中,利用海量的兴趣点强化了识别过程中字、词语、句子的生成,并利用地理位置相关的前后缀信息细化了识别过程中兴趣点名称及其前后缀信息之间的语义关系,以此提高兴趣点名称识别的精度。
进一步地,训练中,还可以采用半监督学习等方法对命名实体识别模型进行渐进式的训练,以此进一步地提高兴趣点名称识别的精度。
以“秦始皇怀柔四海”的文本片段为例进行说明,以兴趣点名称“怀柔”、前后缀信息“秦始皇”和“四海”作为命名实体识别模型的输入,基于海量兴趣点和/或地理位置前后缀信息所构建的命名实体识别网络,即确认该文本片段并未携带兴趣点名称,以此排除了语义关系存在歧义的兴趣点名称及其前后缀信息。
在上述实施例的作用下,有效地提高了兴趣点识别的精度,保证了兴趣点名称片段的准确性,有利于保障后续兴趣点商圈属性获取的准确性,进而提高信息推荐的精度。
请参阅图6,在一示例性实施例中,兴趣点并未包含所属商圈的信息,其商圈属性的获取过程与预先配置有关。
相应地,步骤370可以包括以下步骤:
步骤371,由兴趣点名称片段相匹配兴趣点中提取位置信息,并将提取出的位置信息转换为属性索引值。
如前所述,兴趣点包括但不限于名称、类别、经度、纬度、所属区划、所属商圈等等。因此,由兴趣点中提取得到的位置信息可以包括但不限于经度、纬度、所属区划。
属性索引值与商圈属性具有索引关系,可用于唯一地标识商圈。也就是说,一个商圈属性所指示的商圈对应一个属性索引值。例如,商圈属性为“Z商圈”,对应的属性索引值为1,通过属性索引值与商圈属性之间的索引关系,由属性索引值1便能够索引到商圈属性为“Z商圈”。
如图7所示,在一实施例的具体实现中,属性索引值与商圈属性之间的索引关系的构建过程可以包括以下步骤:
步骤410,按照指定区域块参数对存储的兴趣点所属区划进行区域块划分,为划分得到的区域块配置属性索引值。
步骤430,根据区域块中的兴趣点对区域块进行商圈属性配置。
步骤450,构建属性索引值与商圈属性之间的索引关系。
可以理解,存储的兴趣点是海量的,则海量兴趣点所属区划则可能是整个中国,或者整个亚洲。为此,为了提高推荐信息的信息相关性,也是为了提高信息的推荐效率,将对海量兴趣点的所属区划进行细分。
具体而言,指定区域块参数可以是区域块数量,还可以是区域块大小,例如,100米×100米,在此不进行限定。
根据指定区域块参数进行区域块划分,将海量兴趣点所属区划划分为多个区域块,并为多个区域块进行属性索引值配置。较优地,按照各区域块之间的地理位置关系,依序地部署属性索引值。
由于海量兴趣点随机分布,因此,区域块可以包含一个及以上兴趣点,也可以是不包含兴趣点。
针对包含兴趣点的区域块,将根据区域块中兴趣点的类别、所属商圈等进行商圈属性的配置。例如,某区域块所配置的属性索引值为1,兴趣点M包含于该区域块中,兴趣点M所属商圈为“Z商圈”,则该区域块所配置的商圈属性为“Z商圈”,并以此构建属性索引值1与商圈属性“Z商圈”之间的索引关系。相应地,隶属于该区域块的其他兴趣点的商圈属性也视为“Z商圈”。
在完成属性索引值和商圈属性的配置之后,区域块中的兴趣点都具有对应的属性索引值和商圈属性,基于此,在得知兴趣点之后,便能够根据对应的属性索引值索引得到商圈属性。
进一步地,针对未包含兴趣点的区域块,将按照区域块所在区划配置区划属性,并以此构建属性索引值和区划属性之间的索引关系。其中,区划属性指示某个区划。
也就是说,对于每个区域块而言,都配置有属性索引值,对于包含兴趣点的区域块来说,被配置了商圈属性,而针对未包含兴趣点的区域块,则配置有区划属性,由此,基于构建的索引关系,属性索引值要么索引得到商圈属性,要么索引得到区划属性,进而便能够以此为依据向用户推荐其所在商圈的信息,或者,其所在区划的信息。
步骤373,根据属性索引值与商圈属性之间的索引关系得到商圈属性。
在此过程,海量的兴趣点被配置了商圈属性,为后续信息归类提供了充分的依据,以此保证了信息推荐能够基于商圈属性进行,从而增强信息推荐时的信息相关性。
请参阅图8,在一示例性实施例中,步骤390之后,如上所述的方法可以包括以下步骤:
步骤510,接收客户端通过用户地理位置定位发起的信息推荐请求。
步骤530,根据信息推荐请求中的位置信息转换得到属性索引值。
步骤550,获取与属性索引值具有索引关系的商圈属性,向客户端推送信息类别为所获得商圈属性的信息。
信息推荐请求中的位置信息,区别于兴趣点中提取得到的位置信息,是通过用户地理位置定位得到的,用于指示用户所在地理位置。
转换,是将区域块的经纬度边界与用户所在地理位置指示的经纬度比较。如果用户所在地理位置指示的经纬度在某个区域块的经纬度边界内,则视为用户位于该某个区域块内,相应地,表示用户地理位置的位置信息被转换为该某个区域块的属性索引值。
如前所述,由于区域块可以不包含兴趣点,还可以包含一个及以上兴趣点,因此,区域块可以被配置区划属性,也可以是配置了商圈属性。
假设用户所在的区域块包含兴趣点,则视为用户位于某个商圈,则根据区域块所配置的商圈属性向用户推送用户所在商圈的信息。
假设用户所在的区域块不包含兴趣点,则视为用户位于某个区划,则根据区域块所配置的区划属性向用户推送用户所在区划的信息。
在上述过程中,实现了信息的本地化推荐,以此有效地增强了信息推荐时的信息相关性。
请参阅图9,在一示例性实施例中,如上所述的方法还可以包括以下步骤:
步骤610,当未识别到兴趣点名称片段时,确认信息所属的信息来源。
步骤630,将信息按照信息来源的区划属性进行归类,以提供用户所在区划的信息推荐。
可以理解,由于并非所有的信息都携带兴趣点,因此,对信息进行兴趣点名称识别时,有可能无法得到兴趣点名称片段。
为此,本实施例中,未携带兴趣点的信息将按照信息来源的区划属性进行归类,进而通过归类的信息提供用户所在区划的信息推荐。
其中,区划属性,用于指示某个区划,适用于不同的应用场景。例如,信息来源的区划属性则是指示信息来源所属区划,而对于用户而言,区划属性则指示了用户所在区划。
如前所述,信息来源可以来源于论坛中发布的各种话题,也可以来源于新闻资讯类公众号,还可以来源于某商场所搭建的电子商务平台等等。相应地,信息来源的区划属性可以是指论坛、公众号注册时所使用的地理位置,也可以是某商场所在地理位置,还可以由论坛、公众号。
在一实施例的具体实现中,信息来源的区划属性的获取过程可以包括以下步骤:
根据信息归类时的商圈属性或者区划属性对信息来源进行区划分布统计,得到信息来源的区划属性。
例如,信息a和信息b属于同一信息来源,信息a归类时的商圈属性为“Z商圈”,该Z商圈位于A市C地区,因此,该信息的信息来源进行区划分布统计时,该信息来源的区划属性被配置为“A市C地区”的概率增加。
信息b归类时的区划属性为“A市B地区”,由此使得该信息来源的区划属性被配置为“A市B地区”的概率增加,而由于与信息a均涉及A市,则进一步增加了区划属性被配置为“A市”的概率。
在来源于该信息来源的海量信息进行归类之后,将以概率最高的区划作为信息来源的区划属性。
值得一提的是,在进行信息归类时,信息要么通过携带的兴趣点而按照商圈属性进行归类,要么由于不携带兴趣点而按照区划属性进行归类,换而言之,对于同一信息来说,其信息类别是商圈属性或者区划属性中的其中一种,进而作为用户所在商圈的信息推送给用户,或者,作为用户所在区划的信息推送给用户。
通过上述实施例的配合,信息不仅能够按照兴趣点的商圈属性进行归类,还可以根据信息来源的区划属性进行归类,提高了信息推荐的通用性,具有很强的实用性。
请参阅图10,在一示例性实施例中,一种信息推荐方法适用于图1所示实施环境的终端100,该终端100的结构可以如图2所示。
该种信息推荐方法可以由终端100中具有信息推荐功能的客户端执行,可以包括以下步骤:
步骤710,客户端进行用户地理位置定位,得到位置信息。
步骤730,根据位置信息向服务端发起信息推荐请求。
步骤750,接收服务端根据指示了用户所在商圈的商圈属性推送的信息。
其中,商圈属性与位置信息转换得到的属性索引值具有索引关系,信息在服务端中按照商圈属性进行归类。
图11是根据一应用场景中一种信息推荐方法的具体实现示意图。该种信息推荐方法适用于不同的应用场景,现针对不同的应用场景对该种信息推荐方法加以说明。
在一应用场景中,具有信息推荐功能的客户端为新闻资讯类客户端,则推荐服务器向客户端提供文本信息推荐服务。相应地,商圈属性和区划属性指示了新闻资讯的发生地。
在客户端向位置服务器发起用户地理位置定位时,位置服务器将根据用户所在地理位置向客户端反馈相应的属性。例如,用户位于某个商圈,则反馈商圈属性,或者,用户位于某个区划,则反馈区划属性。
进一步地,客户端便根据位置服务器的反馈请求推荐服务器进行文本信息推荐。对于推荐服务器而言,文本信息预先按照商圈属性或者区划属性进行了归类,即文本信息的信息类别为商圈属性或者区划属性,基于此,推荐服务器将按照客户端的请求推荐相应信息类别的文本信息。
例如,当用户位于某个商圈,被推送发生在该某个商圈内的新闻资讯,反之,如果用户并不处于任何商圈,则按照用户所在区划向用户推送发生在该区划内的新闻资讯。
由此,实现了新闻资讯的本地化推荐,随着用户所在地理位置的变化,推荐信息也将随之变化,使得用户实时掌握周边所发生的新闻资讯,以此有效地增强了信息相关性。
在另一应用场景中,具有信息推荐功能的客户端为电子商务类客户端,则推荐服务器向客户端提供商品信息推荐服务。相应地,商圈属性和区划属性指示了商品的销售地。
例如,当用户位于某个商圈,被推送在该某个商圈内销售的商品,反之,如果用户并不处于任何商圈,则按照用户所在区划向用户推送在该区划内销售的商品。
由此,实现了商品的本地化推荐,用户能够实时地掌握周边所销售的商品,提高了商品推荐的准确度。
下述为本发明装置实施例,可以用于执行本发明所涉及的信息推荐方法。对于本发明装置实施例中未披露的细节,请参照本发明所涉及的信息推荐方法实施例。
请参阅图12,在一示例性实施例中,一种信息推荐装置900包括但不限于:信息获取模块910、信息识别模块930、匹配检索模块950、属性获取模块970和第一信息归类模块990。
其中,信息获取模块910用于服务端获取信息。
信息识别模块930用于对信息携带的兴趣点名称进行识别,得到兴趣点名称片段。
匹配检索模块950用于根据兴趣点名称片段在存储的兴趣点中进行匹配检索,得到名称与兴趣点名称片段相匹配的兴趣点。
属性获取模块970用于获取兴趣点名称片段相匹配兴趣点的商圈属性。
第一信息归类模块990用于按照商圈属性进行信息的归类,通过归类的信息提供用户所在商圈的信息推荐。
请参阅图13,在一示例性实施例中,信息识别模块930包括但不限于:名称匹配单元931、排序单元933和识别单元935。
其中,名称匹配单元931用于根据兴趣点名称字典在信息中进行兴趣点名称匹配,得到包含兴趣点名称的至少一文本片段。
排序单元933用于对至少一文本片段中的兴趣点名称进行相关性排序。
识别单元935用于采用命名实体识别模型识别所包含兴趣点名称相关性最高的文本片段,得到兴趣点名称片段,命名实体识别模型是根据兴趣点和/或地理位置前后缀信息训练得到的。
请参阅图14,在一示例性实施例中,属性获取模块970包括但不限于:位置转换单元971和属性索引单元973。
其中,位置转换单元971用于由兴趣点名称片段相匹配兴趣点中提取位置信息,并将提取出的位置信息转换为属性索引值。
属性索引单元973用于根据属性索引值与商圈属性之间的索引关系得到商圈属性。
请参阅图15,在一示例性实施例中,如上所述的装置900还包括但不限于:索引值配置模块1010、属性配置模块1030和关系构建模块1050。
其中,索引值配置模块1010用于按照指定区域块参数对存储的兴趣点所属区划进行区域块划分,为划分得到的区域块配置属性索引值。
属性配置模块1030用于根据区域块中的兴趣点对区域块进行商圈属性配置。
关系构建模块1050用于构建属性索引值与商圈属性之间的索引关系。
请参阅图16,在一示例性实施例中,如上所述的装置900还包括但不限于:请求接收模块1110、位置转换模块1130和信息推送模块1150。
其中,请求接收模块1110用于接收客户端通过用户地理位置定位发起的信息推荐请求。
位置转换模块1130用于根据信息推荐请求中的位置信息转换得到属性索引值。
信息推送模块1150用于获取与属性索引值具有索引关系的商圈属性,向客户端推送信息类别为所获得商圈属性的信息。
请参阅图17,在一示例性实施例中,如上所述的装置900还包括但不限于:来源获取模块1210和第二信息归类模块1230。
其中,来源获取模块1210用于当未识别到兴趣点名称片段时,确认信息所属的信息来源。
第二信息归类模块1230用于将信息按照信息来源的区划属性进行归类,以提供用户所在区划的信息推荐。
在一示例性实施例中,如上所述的装置900还包括但不限于:区划统计模块。
其中,区划统计模块用于根据信息归类时的商圈属性或者区划属性对信息来源进行区划分布统计,得到信息来源的区划属性
请参阅图18,在一示例性实施例中,一种信息推荐装置1300包括但不限于:定位发起模块1310、请求发起模块1330和信息接收模块1350。
其中,定位发起模块1310用于客户端进行用户地理位置定位,得到位置信息。
请求发起模块1330用于根据位置信息向服务端发起信息推荐请求。
信息接收模块1350用于接收服务端根据指示了用户所在商圈的商圈属性推送的信息,商圈属性与位置信息转换得到的属性索引值具有索引关系,信息在服务端中按照商圈属性进行归类。
需要说明的是,上述实施例所提供的信息推荐装置在进行会议邀请处理时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即信息推荐装置的内部结构将划分为不同的功能模块,以完成以上描述的全部或者部分功能。
另外,上述实施例所提供的信息推荐装置与信息推荐方法的实施例属于同一构思,其中各个模块执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。
在一示例性实施例中,一种信息推荐装置,包括处理器及存储器。
其中,存储器上存储有计算机可读指令,该计算机可读指令被处理器执行时实现上述各实施例中的信息推荐方法。
在一示例性实施例中,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上述各实施例中的信息推荐方法。
上述内容,仅为本发明的较佳示例性实施例,并非用于限制本发明的实施方案,本领域普通技术人员根据本发明的主要构思和精神,可以十分方便地进行相应的变通或修改,故本发明的保护范围应以权利要求书所要求的保护范围为准。
Claims (12)
1.一种信息推荐方法,其特征在于,包括:
服务端获取信息;
对所述信息携带的兴趣点名称进行识别,得到兴趣点名称片段;
根据所述兴趣点名称片段在存储的兴趣点中进行匹配检索,得到名称与所述兴趣点名称片段相匹配的兴趣点;
获取所述兴趣点名称片段相匹配兴趣点的商圈属性;
按照所述商圈属性进行所述信息的归类,通过归类的信息提供用户所在商圈的信息推荐。
2.如权利要求1所述的方法,其特征在于,所述对所述信息携带的兴趣点名称进行识别,得到兴趣点名称片段,包括:
根据兴趣点名称字典在所述信息中进行兴趣点名称匹配,得到包含兴趣点名称的至少一文本片段;
对所述至少一文本片段中的兴趣点名称进行相关性排序;
采用命名实体识别模型识别所包含兴趣点名称相关性最高的文本片段,得到所述兴趣点名称片段,所述命名实体识别模型是根据兴趣点和/或地理位置前后缀信息训练得到的。
3.如权利要求1所述的方法,其特征在于,所述获取所述兴趣点名称片段相匹配兴趣点的商圈属性,包括:
由所述兴趣点名称片段相匹配兴趣点中提取位置信息,并将提取出的位置信息转换为属性索引值;
根据属性索引值与商圈属性之间的索引关系得到所述商圈属性。
4.如权利要求3所述的方法,其特征在于,所述根据属性索引值与商圈属性之间的索引关系得到所述商圈属性之前,所述方法还包括:
按照指定区域块参数对存储的兴趣点所属区划进行区域块划分,为划分得到的区域块配置属性索引值;
根据区域块中的兴趣点对所述区域块进行商圈属性配置;
构建属性索引值与商圈属性之间的索引关系。
5.如权利要求1至4任一项所述的方法,其特征在于,所述按照所述商圈属性进行所述信息的归类之后,所述方法包括:
接收客户端通过用户地理位置定位发起的信息推荐请求;
根据所述信息推荐请求中的位置信息转换得到属性索引值;
获取与所述属性索引值具有索引关系的商圈属性,向所述客户端推送信息类别为所获得商圈属性的信息。
6.如权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:
当未识别到所述兴趣点名称片段时,确认所述信息所属的信息来源;
将所述信息按照所述信息来源的区划属性进行归类,以提供用户所在区划的信息推荐。
7.如权利要求6所述的方法,其特征在于,所述将所述信息按照所述信息来源的区划属性进行归类,以提供用户所在区划的信息推荐之前,所述方法还包括:
根据所述信息归类时的商圈属性或者区划属性对所述信息来源进行区划分布统计,得到所述信息来源的区划属性。
8.一种信息推荐方法,其特征在于,包括:
客户端进行用户地理位置定位,得到位置信息;
根据所述位置信息向服务端发起信息推荐请求;
接收所述服务端根据指示了用户所在商圈的商圈属性推送的信息,所述商圈属性与所述位置信息转换得到的属性索引值具有索引关系,所述信息在所述服务端中按照所述商圈属性进行归类。
9.一种信息推荐装置,其特征在于,包括:
信息获取模块,用于服务端获取信息;
信息识别模块,用于对所述信息携带的兴趣点名称进行识别,得到兴趣点名称片段;
匹配检索模块,用于根据所述兴趣点名称片段在存储的兴趣点中进行匹配检索,得到名称与所述兴趣点名称片段相匹配的兴趣点;
属性获取模块,用于获取所述兴趣点名称片段相匹配兴趣点的商圈属性;
第一信息归类模块,用于按照所述商圈属性进行所述信息的归类,通过归类的信息提供用户所在商圈的信息推荐。
10.一种信息推荐装置,其特征在于,包括:
定位发起模块,用于客户端进行用户地理位置定位,得到位置信息;
请求发起模块,用于根据所述位置信息向服务端发起信息推荐请求;
信息接收模块,用于接收所述服务端根据指示了用户所在商圈的商圈属性推送的信息,所述商圈属性与所述位置信息转换得到的属性索引值具有索引关系,所述信息在所述服务端中按照所述商圈属性进行归类。
11.一种信息推荐装置,其特征在于,包括:
处理器;及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如权利要求1至8中任一项所述的信息推荐方法。
12.一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,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711243040.9A CN110020150B (zh) | 2017-11-30 | 2017-11-30 | 信息推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711243040.9A CN110020150B (zh) | 2017-11-30 | 2017-11-30 | 信息推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110020150A true CN110020150A (zh) | 2019-07-16 |
CN110020150B CN110020150B (zh) | 2022-10-14 |
Family
ID=67186853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711243040.9A Active CN110020150B (zh) | 2017-11-30 | 2017-11-30 | 信息推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110020150B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111369284A (zh) * | 2020-03-03 | 2020-07-03 | 浙江网商银行股份有限公司 | 目标对象类型确定方法及装置 |
CN111814077A (zh) * | 2020-06-30 | 2020-10-23 | 北京百度网讯科技有限公司 | 信息点查询方法、装置、设备和介质 |
WO2023221661A1 (zh) * | 2022-05-19 | 2023-11-23 | 北京沃东天骏信息技术有限公司 | 用户喜好物品信息生成方法、装置、电子设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100076968A1 (en) * | 2008-05-27 | 2010-03-25 | Boyns Mark R | Method and apparatus for aggregating and presenting data associated with geographic locations |
CN102147795A (zh) * | 2010-02-05 | 2011-08-10 | 北京四维图新科技股份有限公司 | 兴趣点检索方法、兴趣点检索装置和导航系统 |
CN103164512A (zh) * | 2013-02-25 | 2013-06-19 | 百度在线网络技术(北京)有限公司 | 兴趣点的地址信息的处理方法及设备 |
CN103500217A (zh) * | 2013-10-09 | 2014-01-08 | 北京火信网络科技有限公司 | 兴趣区域的识别服务的提供方法和系统 |
-
2017
- 2017-11-30 CN CN201711243040.9A patent/CN110020150B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100076968A1 (en) * | 2008-05-27 | 2010-03-25 | Boyns Mark R | Method and apparatus for aggregating and presenting data associated with geographic locations |
CN102147795A (zh) * | 2010-02-05 | 2011-08-10 | 北京四维图新科技股份有限公司 | 兴趣点检索方法、兴趣点检索装置和导航系统 |
CN103164512A (zh) * | 2013-02-25 | 2013-06-19 | 百度在线网络技术(北京)有限公司 | 兴趣点的地址信息的处理方法及设备 |
CN103500217A (zh) * | 2013-10-09 | 2014-01-08 | 北京火信网络科技有限公司 | 兴趣区域的识别服务的提供方法和系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111369284A (zh) * | 2020-03-03 | 2020-07-03 | 浙江网商银行股份有限公司 | 目标对象类型确定方法及装置 |
CN111369284B (zh) * | 2020-03-03 | 2023-08-15 | 浙江网商银行股份有限公司 | 目标对象类型确定方法及装置 |
CN111814077A (zh) * | 2020-06-30 | 2020-10-23 | 北京百度网讯科技有限公司 | 信息点查询方法、装置、设备和介质 |
CN111814077B (zh) * | 2020-06-30 | 2024-04-05 | 北京百度网讯科技有限公司 | 信息点查询方法、装置、设备和介质 |
WO2023221661A1 (zh) * | 2022-05-19 | 2023-11-23 | 北京沃东天骏信息技术有限公司 | 用户喜好物品信息生成方法、装置、电子设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110020150B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701254B (zh) | 一种信息处理方法和装置、一种用于信息处理的装置 | |
US20150281382A1 (en) | Group creating and joining method, client, server , and system | |
WO2017181613A1 (zh) | 搜索响应方法、装置及系统 | |
CN105488135B (zh) | 直播内容分类方法及装置 | |
CN105069737A (zh) | 用于空港服务的移动服务终端、系统及数据处理的方法 | |
TWI703862B (zh) | 內容推薦方法及裝置 | |
CN109564571A (zh) | 利用搜索上下文的查询推荐方法及系统 | |
CN103797479B (zh) | 用于混合社交搜索模型的方法和装置 | |
CN105917359A (zh) | 移动视频搜索 | |
CN110209810B (zh) | 相似文本识别方法以及装置 | |
CN104079640B (zh) | 一种用户服务提供方法及系统 | |
WO2016026432A1 (zh) | 名片信息查询方法和云服务器 | |
CN110164415A (zh) | 一种基于语音识别的推荐方法、装置及介质 | |
JP2021520531A (ja) | コンピューティングデバイス間のアクセス制御の同期化 | |
CN106446100A (zh) | 一种内容推荐方法和装置 | |
CN109002338A (zh) | 页面渲染、页面装修信息处理方法及装置 | |
US10115391B2 (en) | Method and apparatus for providing voice feedback information to user in call | |
CN103902535A (zh) | 获取联想词的方法、装置及系统 | |
WO2020082831A1 (zh) | 一种基于人脸的身份识别方法、装置及电子设备 | |
CN105743771B (zh) | 一种分享照片的方法、装置及电子设备 | |
CN110020150A (zh) | 信息推荐方法及装置 | |
CN104750718B (zh) | 一种数据信息的搜索方法和设备 | |
CN108768824A (zh) | 信息处理方法及装置 | |
CN110889036A (zh) | 一种多维度信息的处理方法、装置及终端设备 | |
CN103514447A (zh) | 基于智能手机人脸识别系统 |
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 |