CN110020156A - 信息推荐方法、前端实现方法、装置、设备和存储介质 - Google Patents
信息推荐方法、前端实现方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110020156A CN110020156A CN201711282254.7A CN201711282254A CN110020156A CN 110020156 A CN110020156 A CN 110020156A CN 201711282254 A CN201711282254 A CN 201711282254A CN 110020156 A CN110020156 A CN 110020156A
- Authority
- CN
- China
- Prior art keywords
- resource
- hypernym
- recommendation
- user
- data
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
Abstract
本发明揭示了一种信息推荐方法、信息推荐的前端实现方法、装置、电子设备和计算机可读存储介质。所述方法包括:根据用户标签数据获得对应的上位词;从所携带实体词区别于所述用户标签数据中实体词的资源索引数据,获取与所述用户标签数据中实体词同样对应于所述上位词的资源索引数据;根据所述资源索引数据获取新增候选推荐资源;将所述候选推荐资源推荐给用户。此信息推荐的实现是借助于用户标签数据对应上位词实现的候选推荐资源新增,为根据用户标签数据而进行的信息推荐实现了扩展,进而也将极大的扩展和丰富为信息推荐新增的候选推荐资源,提高候选推荐资源的多样性,最终也使得进行前端显示的推荐资源非常丰富,具备多样性。
Description
技术领域
本发明涉及互联网应用技术领域,特别涉及一种信息推荐方法、信息推荐的前端实现方法、装置、电子设备和计算机可读存储介质。
背景技术
随着互联网,特别是移动互联网的快速发展,用户通过所进行的网络访问而获得的资源日趋碎片化,如何让用户在有限的访问时间里找到期望的资源,成了推荐系统演进的重要职责。
进行的信息推荐是通过研究用户的兴趣偏好,进行个性化计算,发现用户的兴趣点,从而为用户提供个性化的服务,通过个性化的服务向用户推荐资源。在信息推荐的实现上,所发现的用户兴趣点往往是通过用户标签来进行标记,在此基础之上,所实现的个性化服务便是获得与用户标签所匹配资源的实现过程。
然而,所标记的用户标签往往是有限的,并且对于资源,是通过所构建的标签为索引进行存储的,即为此而构建了服务于资源的标签系统。通过索引存储资源的标签与用户标签二者之间的匹配,在获得匹配的标签之后,便由此标签索引到资源,索引到的资源即为与用户标签所匹配的资源,将向用户进行资源的信息推荐。
但是,所进行的信息推荐是严重依赖于资源本身具备的标签以及用户标签,所推荐的资源越来越倾向于某几个高频标签,从而必然导致信息推荐存在着推荐资源不够丰富,推荐资源的多样性越来越低的局限性。
发明内容
为了解决相关技术中信息推荐的资源不够丰富,多样性越来越低的技术问题,本发明提供了一种信息推荐方法、信息推荐的前端实现方法、以及装置、电子设备、计算机可读存储介质。
一种信息推荐方法,所述方法包括:
根据用户标签数据获得对应的上位词;
从所携带实体词区别于所述用户标签数据中实体词的资源索引数据,获取与所述用户标签数据中实体词同样对应于所述上位词的资源索引数据;
根据所述资源索引数据获取新增候选推荐资源;
将所述候选推荐资源进行推荐资源推荐给用户。
一种信息推荐的前端实现方法,所述方法包括:
发起用户的信息推荐请求;
接收根据相应用户标签数据所对应上位词而返回的资源数据;
从所述资源数据提取推荐资源和所述推荐资源对应的上位词,所述上位词是所述用户标签数据和所述推荐资源所对应资源索引数据所共同映射且对应于最高权重;
进行所述推荐资源的前端显示,并在所述推荐资源的前端显示中进行所述上位词的显示。
一种信息推荐装置,所述装置包括:
上位词获取模块,用于根据用户标签数据获得对应的上位词;
扩展处理模块,用于从所携带实体词区别于所述用户标签数据中实体词的资源索引数据,获取与所述用户标签数据中实体词同样对应于所述上位词的资源索引数据;
候选新增模块,用于根据所述资源索引数据获取新增候选资源;
显示控制模块,用于将所述候选推荐资源推荐给用户。
在一个示例性实施例中,所述显示控制模块包括:
推荐资源获取单元,用于从所述候选推荐资源获得向用户进行信息推荐的推荐资源;
资源所对应上位词获取单元,用于获取所述推荐资源对应的上位词;
资源和上位词前端显示单元,用于将所述推荐资源和对应的所述上位词推荐给所述用户。
在一个示例性实施例中,所述资源所对应上位词获取单元包括:
共同映射单元,用于针对于每一推荐资源,根据用户标签数据和资源索引数据共同映射的上位词获得所述推荐资源的候选上位词;
相关性运算单元,用于进行所述候选上位词的用户相关性运算获得所述候选上位词对应的权重;
高权重上位词获取单元,用于获取最高权重所对应的上位词作为所述推荐资源对应的上位词。
在一个示例性实施例中,所述相关性运算单元进一步用于根据所述候选上位词的先验概率以及所述候选上位词所映射资源索引数据的出现概率,运算得到所述候选上位词对应的权重。
在一个示例性实施例中,所述上位词获取模块包括:
实体词扩展单元,用于在为用户触发进行的信息推荐中,从所述用户对应存储的所述用户标签数据获得实体词;
上位词映射单元,用于获取所述实体词映射的上位词为所述用户标签数据对应的上位词。
在一个示例性实施例中,所述扩展处理模块包括:
其它实体词获取单元,用于根据所述上位词与实体词之间的对应关系,获得所述用户标签数据所对应上位词之下的若干实体词;
资源索引数据获取单元,用于在所述若干实体词中区别于所述用户标签数据对应的实体词进行实体词的获取,携带所述实体词的资源索引数据被相应获取为对应于所述上位词的资源索引数据。
在一个示例性实施例中,所述装置还包括:
候选资源获取模块,用于为用户进行所述信息推荐的资源召回,召回的所述资源与所述新增候选推荐资源形成候选推荐资源。
一种信息推荐的前端实现装置,所述装置包括:
推荐发起模块,用于发起用户的信息推荐请求;
数据接收模块,用于接收根据相应用户标签数据所对应上位词而返回的资源数据;
数据提取模块,用于从所述资源数据提取推荐资源和所述推荐资源对应的上位词,所述上位词是所述用户标签数据和所述推荐资源所对应资源索引数据所共同映射且对应于最高权重;
显示模块,用于进行所述推荐资源的前端显示,并在所述推荐资源的前端显示中进行所述上位词的显示。
一种电子设备,其特征在于,包括:
处理器;以及
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前所述的方法。
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前所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
信息推荐中,首先根据用户标签数据来获得对应的上位词,然后从所携带实体词区别于用户标签数据中实体词的资源索引数据,获取与用户标签数据中实体词同样对应于此上位词的资源索引数据,为信息推荐新增候选推荐资源,最后就可以将候选推荐资源推荐给用户,此信息推荐的实现,是借助于用户标签数据对应上位词实现的候选推荐资源新增,为根据用户标签数据而进行的信息推荐实现了扩展,上位词的采用由于其是映射于众多实体词的,因此,将使得对应于上位词的资源索引数据不限于仅对应用户标签数据所指示的实体词,极大的扩展且丰富了资源索引数据对应的实体词,进而也将极大的扩展和丰富为信息推荐新增的候选推荐资源,提高候选推荐资源的多样性,最终也使得进行前端显示的推荐资源非常丰富,具备多样性,避免了向用户推荐的资源,即推荐资源越来越倾向于,或者集中于用户标签数据所能够直接匹配到的资源,甚至于仅围绕用户标签数据而进行资源的推荐,从更高层面进行了信息推荐的多样性扩展。
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是根据一示例性实施例示出的本发明所涉及的实施环境的示意简图;
图2是根据一示例性实施例示出的一种装置的框图;
图3是根据另一示例性实施例示出的一种装置的框图;
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是根据图4对应实施例示出的对步骤470的细节进行描述的流程图;
图6是根据图5对应实施例示出的对步骤473的细节进行描述的流程图;
图7是根据图4对应实施例示出的对步骤410的细节进行描述的流程图;
图8是根据图4对应实施例示出的对步骤430的细节进行描述的流程图;
图9是根据一示例性实施例示出的一种信息推荐的前端实现方法的流程图;
图10是根据一示例性实施例示出的推荐新闻前端显示的示意图;
图11是根据另一示例性实施例示出的推荐新闻前端显示的示意图;
图12是一示例性实施例示出的一种信息推荐装置的框图;
图13是根据图12对应实施例示出的对显示控制模块的细节进行描述的框图;
图14是根据图13所对应实施例示出的对资源所对应上位词获取单元的细节进行描述的框图;
图15是根据图12对应实施例示出的对扩展处理模块的细节进行描述的框图;
图16是根据一示例性实施例示出的一种信息推荐的前端实现装置的框图。
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。
图1是根据一示例性实施例示出的本发明所涉及的实施环境的示意简图。在一个示例性实施例中,如图1所示的,本发明所涉及的实施环境是推荐服务器110,通过推荐服务器110为用户所进行的信息推荐,在用户所对应的终端设备130中进行推荐资源的前端显示。
具体而言,推荐服务器110将基于各种数据源150所提供的资源,根据用户标签数据而获得最终提供给用户的推荐资源。当然应当理解,所指的推荐服务器110可以是一具备个性推荐功能的机器,也可以构成功能强大的信息推荐集群。
例如,数据源150为所存储的资源配备了标签系统,推荐服务器110为实现自身的信息推荐,对于用户获取资源的行为都进行了标记进而获得并存储每一用户所对应的用户标签数据,至此,就可以在用户标签数据以及各数据源150所配备标签系统的作用下,基于用户标签数据所对应上位词,通过标签系统实现资源召回以及所召回资源,即推荐资源的前端显示。
也就是说,对于本发明信息推荐方法的实现,所对应的实施环境是用户所对应的终端设备130,在用户所对应终端设备130中,在发起信息推荐之后,将随着推荐服务器110根据相应用户标签数据所对应上位词而获得的推荐资源,进行着上位词所召回推荐资源的前端显示。
由此便实现了信息推荐过程,也可以作为其它信息推荐过程的补充,进而保证信息推荐过程的强扩展性以及丰富多样性。
图2是根据一示例性实施例示出的一种装置的框图。例如,装置200可以是图1所示的推荐服务器。
参照图2,该装置200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)222(例如,一个或一个以上处理器)和存储器232,一个或一个以上存储应用程序242或数据244的存储介质230(例如一个或一个以上海量存储设备)。其中,存储器232和存储介质230可以是短暂存储或持久存储。存储在存储介质230的程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器222可以设置为与存储介质230通信,在装置200上执行存储介质230中的一系列指令操作。装置200还可以包括一个或一个以上电源226,一个或一个以上有线或无线网络接口250,一个或一个以上输入输出接口258,和/或,一个或一个以上操作系统241,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。下述图4、图5、图6、图7和图8所示实施例中所述的由服务器所执行的步骤可以基于该图2所示的装置结构。
图3是根据另一示例性实施例示出的一种装置的框图。例如,装置300可以是前述所示实施环境中的终端设备。例如,终端设备可以是智能手机、平板电脑、台式电脑、笔记本电脑等。
参照图3,装置300可以包括以下一个或多个组件:处理组件302,存储器304,电源组件306,多媒体组件308,音频组件310,传感器组件314以及通信组件316。
处理组件302通常控制装置300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作以及记录操作相关联的操作等。处理组件302可以包括一个或多个处理器318来执行指令,以完成下述的方法的全部或部分步骤。此外,处理组件302可以包括一个或多个模块,便于处理组件302和其他组件之间的交互。例如,处理组件302可以包括多媒体模块,以方便多媒体组件308和处理组件302之间的交互。
存储器304被配置为存储各种类型的数据以支持在装置300的操作。这些数据的示例包括用于在装置300上操作的任何应用程序或方法的指令。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static RandomAccess Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。存储器304中还存储有一个或多个模块,该一个或多个模块被配置成由该一个或多个处理器318执行,以完成下述图9任一所示方法中的全部或者部分步骤。
电源组件306为装置300的各种组件提供电力。电源组件306可以包括电源管理系统,一个或多个电源,及其他与为装置300生成、管理和分配电力相关联的组件。
多媒体组件308包括在所述装置300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(Liquid Crystal Display,简称LCD)和触摸面板。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。屏幕还可以包括有机电致发光显示器(Organic Light Emitting Display,简称OLED)。
音频组件310被配置为输出和/或输入音频信号。例如,音频组件310包括一个麦克风(Microphone,简称MIC),当装置300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中,音频组件310还包括一个扬声器,用于输出音频信号。
传感器组件314包括一个或多个传感器,用于为装置300提供各个方面的状态评估。例如,传感器组件314可以检测到装置300的打开/关闭状态,组件的相对定位,传感器组件314还可以检测装置300或装置300一个组件的位置改变以及装置300的温度变化。在一些实施例中,该传感器组件314还可以包括磁传感器,压力传感器或温度传感器。
通信组件316被配置为便于装置300和其他设备之间有线或无线方式的通信。装置300可以接入基于通信标准的无线网络,如WiFi(WIreless-Fidelity,无线保真)。在一个示例性实施例中,通信组件316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件316还包括近场通信(Near FieldCommunication,简称NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RadioFrequency Identification,简称RFID)技术,红外数据协会(Infrared DataAssociation,简称IrDA)技术,超宽带(Ultra Wideband,简称UWB)技术,蓝牙技术和其他技术来实现。
在示例性实施例中,装置300可以被一个或多个应用专用集成电路(ApplicationSpecific Integrated Circuit,简称ASIC)、数字信号处理器、数字信号处理设备、可编程逻辑器件、现场可编程门阵列、控制器、微控制器、微处理器或其他电子元件实现,用于执行下述方法。
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。该信息推荐方法适用于前述所示的推荐服务器110,推荐服务器110在一个示例性实施例中可以是图2所示的装置。如图4所示,该信息推荐方法,由推荐服务器执行,至少包括以下步骤。
在步骤410中,根据用户标签数据获得对应的上位词。
其中,在为用户进行资源的信息推荐时,首先由所对应用户标签数据来获得对应的上位词。针对于每一发起信息推荐的用户,都使用所对应用户标签数据来进行上位词的获取。
用户标签数据用于通过标签的形式来记录用户对资源所触发的行为,是以标签形式存在的用户行为数据。例如,在终端设备所进行的资源显示中,根据用户所点击资源而不断添加用户标签,以标记用户所偏好的资源,而所添加的用户标签,可以是用户所偏好资源原本所对应的标签,也可以是基于资源而通过其它方式获得的,所添加的用户标签便形成了用户标签数据。
随着资源获取的进行,每一用户都有自身所对应的用户标签数据。进一步的,用户标签数据包括了若干用户标签,每一用户标签都进行了实体词的指示,所指示的实体词便对应于用户所关注的资源。
应当理解,实体词是对资源的描述,将代表着一类资源。实体词指示了一具体的事物,也可称之为实物,是相对于上位词,是作为下位词存在的。由此可知,每一用户标签都有对应的上位词,用户标签所形成的用户标签数据便对应了一个或者两个以上的上位词。
换而言之,在所指示实体词的作用下,用户标签数据存在着与上位词之间的对应关系。此对应关系的获得在一个示例性实施例中,是通过离线挖掘折进行实现的。
在一个示例性实施例中,离线挖掘上位词对应标签的映射,其实质为上位词与标签所指示实体词之间的对应关系。具体而言,以文本形式存在的资源为例,通过开放文本以及分类模型获得上位词与实体词之间的映射,进而为每一次所进行的信息推荐准确提供可依据的上位词。
至此,应当理解,根据用户标签数据而获得的上位词,将会作为用户所关注资源对应的类别,也将使得以此为依据而进行的信息推荐将是围绕着用户关注资源的范围进行的,保证了信息推荐的内容丰富和多样性的同时,也能够获得推荐精准性的保证。
在一个示例性实施例中,推荐服务器借助于用户所在的终端设备持续进行着用户行为的记录,即在用户获取资源时,例如,用户点击查看资源时,标注此用户行为生成相应的用户标签,并不断沉淀于推荐服务器中,以用于推荐服务器所随时进行的信息推荐。
当然,此过程的实现也不限于推荐服务器,也可以是借助于其它系统所沉淀的用户标签数据来实现信息推荐,在此不进行限定。
在步骤430中,从所携带实体词区别于用户标签数据中实体词的资源索引数据,获取与用户标签数据中实体词同样对应于上位词的资源索引数据。
其中,如前所述的,对于所进行的一信息推荐过程,所采用的用户标签数据是相对于一用户而言的,并且用户标签数据包含着若干用户标签,用户标签携带着实体词。而资源索引数据,是为所存储的资源配置的索引,并且每一资源索引数据都携带了实体词,所携带的实体词用于描述索引存储的资源。
由此,用户标签数据和资源索引数据都携带有实体词,根据所携带的实体词,获取与用户标签数据中实体词不同,但是都对应了相同上位词的资源索引数据。
具体而言,所获取的资源索引数据携带的实体词,与用户标签数据携带的实体词各不相同,但是都对应着相同的上位词。
在一个示例性实施例中,资源索引数据是以标签的形式存在的。对于一资源而言,根据其标题、内容等各种不同的资源信息标注了一个或者两个以上的标签,并以每一标签为索引而进行资源的存储。
如前所述的,实体词代表着一类资源,除此之外,实体词也是上位词的实例化内容,因此,上位词将代表着一大类资源,上位词之下所对应实体词,其所在标签索引到的资源,便属于上位词所代表的这一大类资源。
在步骤450中,根据资源索引数据获取新增候选推荐资源。
其中,所进行的资源召回是推荐召回环节,用于从海量资源中召回用户最为感兴趣或者关注的资源。资源可以是文本资源、视频资源、音频资源、虚拟资源等多种形式的资源,其与信息推荐所构建的业务场景强相关。例如,在进行文本资源所对应的信息推荐中,此资源是新闻,进而实现新闻推荐,当然,也可以是其它文本推荐。
如前所述的,资源索引数据是映射至索引的资源的。因此,在通过步骤430获得对应于上位词的资源索引数据之后,即可由所获得的资源索引数据获取映射的资源,此资源即为候选推荐资源。
在用户标签数据基础上进行扩展而实现的信息推荐,是对已经通过各种算法而完成的信息推荐的补充。例如,通过用户标签数据和资源所对应的标签,即资源索引数据直接进行匹配而得到了候选推荐资源,在此基础上,也将通过本发明所示的示例性实施例而获得了候选推荐资源,以此作为补充而新增至用户标签数据和资源索引数据直接匹配而得到的候选推荐资源。
也就是说,对于即有的推荐系统而言,通过本发明所示的示例性实施例即可实现扩展,进而丰富候选推荐资源。由于是基于原本便存在的用户标签数据和资源索引数据实现的,具备较高的通用性,以及适应性。
在步骤470中,将候选推荐资源推荐给用户。
其中,如前所述的,通过本发明所述的示例性实施例,以及其它信息推荐的实现,便得到候选推荐资源,即可供推荐至用户侧的资源。此时,将通过一定的策略从中获得推荐资源,并进行推荐资源的前端显示。
至此,便基于上位词实现了信息推荐中的扩展,对于相应实现的信息推荐过程而言,将是轻量级的,并不会增加信息推荐的复杂度,提高所推荐资源多样性的同时,也保证了信息推荐的处理效率和速度。
通过如上所述的示例性实施例,将使得基于上位词获得的推荐资源进行前端显示,对于相应的用户而言,将获得推荐资源列表,并随着浏览的进行而触发推荐资源表中推荐资源的触发,被触发的推荐资源即为用户所请求获取并进行进一步查看的资源,可以认为用户是对触发的推荐资源较为感兴趣或者关注的,因此,将记录此时所发生的用户行为,以进一步更新用户所对应的用户标签数据,以此类推,随着用户浏览推荐资源时间的增长,用户的兴趣或者关注点将被上位词精准描述,进而不断提高信息推荐的用户精准性。
例如,对于所进行的新闻推荐,用户点击每一新闻都会相应记录这一新闻对应的标签为用户标签,由此将使得此用户的新闻推荐过程会获取此用户标签对应的上位词,如果用户频繁点击一些对应于相同上位词的标签所对应新闻,那么这一上位词的计数会非常高,如此便视为这个用户的兴趣或者关注点被这一上位词精准描述,进一步保证推荐准确性,也得以进一步准确用户画像信息,推荐所相关的业务场景得以进一步增强自身的可靠性。
通过如上所述的示例性实施例,根据所推荐资源的不同,以及用户标签数据的来源,能够搭建基于信息推荐的各种业务场景,例如,电子商务相关的业务场景,新闻推荐、视频推荐、广告定点投放等。
通过如上所述的示例性实施例,将在外部请求的发起下,对各种数据源所提供的资源执行信息推荐,进而从所有数据源所提供的资源中获得推荐资源,将此推荐资源在发起外部请求的终端设备中进行前端显示,通过此方式的实现,得以适配于各种数据源,进而也使得信息推荐的实现能够基于最为完备的资源进行,提高了信息推荐的全面性。
图5是根据图4对应实施例示出的对步骤470的细节进行描述的流程图。该步骤470,如图5所示,至少包括以下步骤。
在步骤471中,从候选推荐资源获得向用户进行信息推荐的推荐资源。
其中,候选推荐资源是可供选取,以从中获得提供给用户,在用户侧进行前端显示的推荐资源。如前述所进行的资源索引数据获得以及资源召回可知,所得到的候选推荐资源以及由此而获得的推荐资源是对应于上位词的。
根据指定的策略,从候选推荐资源中获得推荐资源,例如,获取对应于高频上位词的候选推荐资源为推荐资源。在此,所采用的指定策略,根据所构建业务场景的不同而配置。
在步骤473中,获取推荐资源对应的上位词。
其中,无论是推荐资源,还是其它资源,都有着对应的标签,此标签所携带实体词必然有对应的上位词,因此,推荐资源有着所对应的上位词。
但是,资源所对应的标签,并不是单一存在的,即并不仅仅对应于某一特定的标签,而可能对应着两个以上的标签,并且每一标签所对应的上位词,可能相同,也可能不同。
由此,将使得推荐资源对应的上位词可能是唯一一个,也可能是两个以上的。
在步骤475中,将推荐资源和对应的上位词推荐给用户。
其中,在进行推荐资源的前端显示中,也针对于前端显示的推荐资源进行所对应上位词的显示。
在所对应上位词是唯一一个时,可直接针对于前端显示的推荐资源进行上位词的显示。但是对于所对应上位词是两个以上时,需要此进行选取方可对选取的上位词显示至前端显示的推荐资源。
在进行推荐资源的前端显示中,还进行着对应上位词的显示,例如,对于一推荐新闻的显示,所进行的上位词显示将指示了某一类用户都在浏览此推荐新闻,而基于此上位词而进行推荐的用户,往往也是此类用户,故点击此推荐新闻进行浏览的可能性非常高,进而在所显示上位词的作用下进一步提高信息推荐的有效性,即所推荐资源都是用户所期望进行点击查看的。
例如,对于一游戏新闻被推荐至玩家时,在此游戏新闻的前端显示中,通过上位词的显示来标示此游戏新闻是同类玩家在读的,因此必然提高了此游戏新闻被用户阅读的可能性,优化了资源的投放和分发。
图6是根据图5对应实施例示出的对步骤473的细节进行描述的流程图。该步骤473,如图6所示,至少包括以下步骤。
在步骤4731中,针对于每一推荐资源,根据用户标签数据和资源索引数据共同映射的上位词获得推荐资源的候选上位词。
其中,如前所述的,获取得到推荐资源对应的一个或者两个以上的上位词,在获取得到的上位词中,获取用户标签数据和资源索引数据共同映射的上位词为推荐资源的候选上位词。
应当理解,在一个示例性实施例中,资源索引数据是以标签形式存在的,推荐资源对应了一定数量的标签,此标签在与用户标签对应于相同上位词时,此上位词对应于推荐资源,并且作为推荐资源的候选上位词。
推荐资源的候选上位词用于从中选取推荐资源的前端显示中随之进行显示的上位词。
在步骤4733中,进行候选上位词的用户相关性运算获得候选上位词对应的权重。
其中,应当理解,所获得的候选上位词,都描述了用户的兴趣、偏好或者关注点,因此,都存在着用户相关性。对于一推荐资源而言,所获得的候选上位词从不同的方面描述了用户的兴趣、偏好或者关注点,因此,都存在着不同程度的相关性,需要从中选取用户相关性最强的候选上位词。
由此,将对每一候选上位词进行用户相关性运算,获得每一上位词对应的权重。此权重将用于表征用户相关性强弱。
在一个示例性实施例中,步骤4733包括:根据候选上位词的先验概率以及候选上位词所映射资源索引数据的出现概率,运算得到候选上位词对应的权重。
具体而言,在针对于一推荐资源所获得的每一候选上位词,所进行的用户相关性运算是为已知用户运算最为相关的候选上位词的过程,此时,可应用下述公式描述,即:
Hyper=maxi=1P(Hyperi|User)
其中,Hyper为候选上位词对应的权重,P(Hyperi|User)为候选上位词的用户相关性,取用户相关性最大,亦为权重最高的候选上位词作为推荐资源对应的上位词。
将此公式通过朴素贝叶斯进行转换,得到下述公式,即:
在此公式中,进行候选上位词的先验概率P(Hyper)以及候选上位词所映射资源索引数据出现概率之间的累乘,以得到此候选上位词的用户相关性,即所对应的权重。
具体的,对于候选上位词的先验概率P(Hyper),在一个示例性实施例中,是根据所对应的资源索引数据数量,即标签数量来进行的归一化表示,简而言之,资源索引数据数量最多的上位词,其出现概率越高。
对于P(Tagi|Hyper),在一个示例性实施例中,将通过
P(Tagi|Hyper)=1/count(taghyper)来计算。也就是说,对应了标签数量,即资源索引数据数量越少的上位词,其在推荐资源中出现特定实体词的概率越高,即推荐资源对应携带此实体词的资源索引数据的概率越高。
由此,所进行的用户相关性运算便考虑了对应资源索引数据最多的上位词,这将会使得所进行的信息推荐更加泛化,又基于对应资源索引数据的数量越少的候选上位词,在二者之间取一平衡,以此来保证用户相关性运算的准确性。
在步骤4735中,获取最高权重所对应的上位词作为推荐资源对应的上位词。
通过如上所述的示例性实施例,为推荐资源获得了与用户最为相关的上位词,以便于推荐资源的前端显示示中能够进行最为相关的上位词显示,以此了吸引用户点击此推荐资源,增强信息推荐的有效性。
图7是根据图4对应实施例示出的对步骤410的细节进行描述的流程图。该步骤410,如图7所示,至少包括以下步骤。
在步骤411中,在为用户触发进行的信息推荐中,从用户对应存储的用户标签数据获得实体词。
在步骤413中,获取实体词映射的上位词为用户标签数据对应的上位词。
其中,如前所述的,用户标签数据包含着用户标签,并且用户标签携带有实体词。为进行的信息推荐,随着用户所进行的资源获取,例如,通过用户向资源触发的点击操作而进行的资源请求,而不断获得资源所对应的标签,进而随着此标签对应于用户所进行存储,不断丰富用户标签数据。
在所进行的每一次信息推荐中,都将从此信息推荐的对象,即对应用户所存储的用户标签数据进行实体词以及上位词的获取。
实体词与上位词之间通过离线挖掘等过程构建了对应关系,因此,在从用户标签数据获得实体词之后,就获取实体词映射的上位词作为用户标签数据对应的上位词。
例如,构建了对应关系的实体词和上位词中,实体词为“老虎”,上位词为“动物”。
通过此示例性实施例,为信息推荐的进行提供所依据的上位词,根据用户标签数据对应的上位词扩展所能够进行资源召回的实体词,即所获得对应于上位词的资源索引数据中携带的实体词,进而通过实体词的扩展而获得最为丰富和多样的推荐资源。
图8是根据图4对应实施例示出的对步骤430的细节进行描述的流程图。该步骤430,如图8所示,至少包括以下步骤。
在步骤431中,根据上位词与实体词之间的对应关系,获得用户标签数据所对应上位词之下的若干实体词。
在步骤433中,在若干实体词中区别于用户标签数据对应的实体词进行实体词的获取,携带实体词的资源索引数据被相应获取为对应于上位词的资源索引数据。
其中,通过前述步骤420获得了用户标签数据所对应的上位词,而上位词与众多实体词存在着对应关系,也就是说,上位词下存在着众多上位词。
上位词下存在的众多上位词,一方面包括了用户标签数据对应的实体词,另一方面还包括了其它实体词,由此,将获取其它实体词,携带这些实体词的资源索引数据即为对应于上位词的资源索引数据。
在另一个示例性实施例中,该信息推荐方法还包括:
为用户进行信息推荐的资源召回,召回的资源与新增候选推荐资源形成候选推荐资源。
其中,应当理解,本发明所示实施例实现的信息推荐,可以是其它信息推荐过程的补充。也就是说,对于一用户发起的信息推荐请求,将执行指定算法实现的信息推荐过程,除此之外,还执行本发明所示实施例的信息推荐,为此用户执行的每一信息推荐过程都能够获得候选推荐资源,而本发起所示实施例的信息推荐过程则获得新增候选推荐资源,二者便形成了用于向用户推荐的候选推荐资源。
由此,将使得本发明所示的信息推荐成为各种推荐系统的补充或者优化,以进一步保障信息推荐的准确性和完整性。
至此,基于如上所述的示例性实施例,能够实现推荐服务器为实现信息推荐所运行的服务器程序,此服务器程序通过所接入的标签系统以及由此标签系统构建索引而进行资源存储的多种数据源,即可实现多种数据源中适配于用户的资源选取,为用户提供最佳资源。
这一实现信息推荐所运行的服务器程序,可以是独立存在的,也可以与实现信息推荐所运行的其它服务程序相配合,在此不进行限定。
图9是根据一示例性实施例示出的一种信息推荐的前端实现方法的流程图。在一个示例性实施例中,该信息推荐的前端实现方法,如图9所示,至少包括以下步骤。
在步骤510中,发起用户的信息推荐请求。
其中,对于用户侧而言,将向相应的推荐服务器发起信息推荐请求,推荐服务器能够通过前述示例性实施例示出的信息推荐方法而部署的,如前所述的,将由外部请求而为相应的用户进行信息推荐。在此,所指的外部请求即为用户的信息推荐请求。
在用户侧,所发起的信息推荐请求用于请求推荐服务器进行用户当前所需要的信息推荐,所指的用户可以是所对应客户端能够与推荐服务器建立连接的用户,可以通过一定的标识信息唯一标示,进而构建自身与相应用户标签数据之间的关联关系,也在所发起的信息推荐请求中进行唯一标示。
在步骤530中,接收根据相应用户标签数据所对应上位词而返回的资源数据。
其中,随着信息推荐请求的发起,触发为用户执行信息推荐,此时,将根据用户标签数据所对应上位词进行区别于用户标签所携带实体词的资源索引数据获取,由此资源索引数据的资源映射而获得候选推荐资源,进而方能够从候选推荐资源中获得推荐资源,所获得的推荐资源将进行用户所对应的前端显示。
应当理解,根据用户标签数据所对应上位词,能够召回资源,但是对于召回的资源,即获得的推荐资源而言,推荐资源往往对应着一个或者两个以上的上位词,而不仅限于一个上位词。针对一推荐资源,此推荐资源对应着多个上位词,从推荐资源对应的多个上位词中获取用户标签数据和对应资源索引数据共同映射的上位词,对这些上位词进行用户相关性的权重计算,获得每一上位词对应的权重,对应于最高权重的上位词就成为推荐资源对应的上位词。
因此,返回的资源数据,包括推荐资源,除此之外,在一个示例性实施例中,还包括推荐资源对应的上位词。推荐资源的数量可以为一个或者两个以上的,但是每一推荐资源都唯一对应了一上位词。
应当理解,资源数据中,上位词将用于准确描述所对应推荐资源归属的一大类别,在指示所对应推荐资源类别的同时,还为推荐资源的前端显示提供精简描述,即能够指定类别的上位词实质上也是推荐资源中主要内容的描述。
在步骤550中,从资源数据提取推荐资源和推荐资源对应的上位词,上位词是用户标签数据和推荐资源所对应资源索引数据所共同映射且对应于最高权重。
在步骤570中,进行推荐资源的前端显示,并在推荐资源的前端显示中进行上位词的显示。
其中,在接收到返回的资源数据之后,即可对资源数据中包含的推荐资源进行前端显示。
应当理解,用于实现推荐资源前端显示的资源数据,包含着上位词召回且通过一定策略筛选获得的推荐资源,可直接进行推荐资源的前端显示。但是,也可在所进行的推荐资源前端显示中,进行推荐资源所对应上位词的前端显示,以进一步增强推荐的有效性以及对用户的吸引力。
资源数据包括了若干推荐资源以及每一推荐资源所对应的上位词。对于一推荐资源而言,所对应的上位词是用户标签数据中实体词,以及相应资源索引数据所对应实体词,二者共同映射到的上位词。当然,此上位词往往存在多个,将是作为候选上位词而存在的,需要推荐服务器对每一候选上位词打分,即通过用户相关性运算而获得权重,至此就可以得到最高权重所对应的上位词,以作为推荐资源对应的上位词。
通过进行推荐资源的前端显示来进行用户所发起信息推荐请求的响应,而在推荐资源的前端显示对每一推荐资源标记所对应的上位词,便完成了推荐资源的前端显示中上位词的显示。
至此,便使得用户能够获得依据用户标签数据所对应上位词获得更为丰富多样的推荐资源,并且不会受限于时间的推移而逐步单一化推荐资源,也在上位词前端显示的作用下提高信息推荐的点击率,进而增强用户粘度。
通过此示例性实施例,得以实现了通过上位词而进行信息推荐的前端显示,进而不断增强前端显示的内容多样性。
通过如上所述的示例性实施例,为信息推荐的进行提供了用户侧的实现,在此基础上与推荐服务器相配合即可获得丰富多样的推荐资源甚至于对应的上位词,进而向用户显示。
以新闻推荐为例,结合此新闻推荐来描述上述信息推荐过程以及信息推荐的前端实现过程。在此,推荐服务器即为新闻推荐服务器,且接入多个新闻数据源,而用户侧则是与推荐服务器建立连接,进而获得推荐服务器所返回推荐新闻的新闻客户端。
现有的新闻客户端以及新闻推荐服务器相互配合实现的新闻推荐,是对所产生的新闻进行标签的离线计算,使用标签来表示新闻的主题。
例如,新闻title为“马思纯发文为欧豪庆生,狠狠地撒了一波狗粮”,则对此通过离线计算而获得的标签包括“马思纯”、“欧豪”、“庆生”……,这些标签都是对应于此新闻的。
此新闻在新闻客户端中显示,并随着用户对此新闻的点击,将会记录此新闻对应的标签至用户的标签池,以进一步丰富用户标签数据中存在的用户标签,以此来使得对应了相同标签的相关新闻出现时,会自动推荐给用户。
但是,通过此方式实现新闻推荐将使得用户的新闻客户端所显示新闻越来越倾向于某几个高频标签所对应的新闻,从而导致新闻多样性越来越低。
至此,可以在现有新闻客户端的实现上,也可以在现有新闻客户端的其它实现中,融入本发明所涉及的信息推荐方法以及前端实现方法,甚至于独立运行本发明所涉及信息推荐方法以及前端实现方法所构建的新闻推荐实例。
在此新闻推荐实例的运行中,进行着上位词和所对应标签的离线挖掘,在已知一些高质量上位词的基础上,通过机器学习方法获取与已知标签,即其所携带实体词的联系。对于一上位词而言,所对应的标签之间是平行或者相关的关系,而上位词与标签则满足上下位关系。
例如,上位词“火影忍者人物”,所对应标签携带的实体词则分别为“鸣人”、“佐助”、“小樱”以及“李洛克”等……。
又例如,上位词“NBA球队”,所对应标签携带的实体词则分别为“火箭队”、“湖人队”等……。
在此基础上,将进行着新闻的进一步召回,对召回的新闻按照一定策略进行排序打分,获得高质量新闻,并进行前端显示,此新闻的前端显示中,还包括了新闻所对应且与用户最相关的上位词的展示,进而提高前端的展示多样性。
具体而言,通过上位词与众多标签的对应关系,基于用户标签和对应于各种新闻的标签,通过各种算法进行的候选推荐新闻召回时,还将通过用户标签对应的上位词映射来更多的匹配多样性的标签。
例如,用户的标签池存在着“王者荣耀李白”标签……;
所对应上位词存在的标签对应关系为:上位词“王者荣耀玩家”-(“王者荣耀李白”标签、“王者荣耀马可波罗”标签……);
而新闻数据源中某篇新闻title为:王者荣耀马可波罗怎么样,马可波罗技能属性详解
此篇新闻对应的标签为“王者荣耀马可波罗”标签等。
此时,虽然此篇新闻对应的标签并不在用户的标签池中,但是能够通过所对应的上位词“王者荣耀玩家”来构建出用户与此篇新闻的关系,从而将此篇新闻召回,作为用户的候选推荐新闻,然后再通过其它推荐策略判断是否在用户的前端显示。
如果在用户的前端显示,并且用户也点击了此篇新闻,则会将这个新闻对应的标签新记录到用户的标签池中。
由此,随着用户使用时间的增加,用户的兴趣、偏好等都会被上位词精准描述,并且由于上位词本身对应了多个标签的特殊性,也不会导致之前那种召回新闻越来越单一的情况出现,简单易行,又极大的优化了所推荐的内容。
在召回丰富多样的候选推荐新闻且从中获取得到推荐新闻之后,对所获得的推荐新闻,都将选择一个合适的上位词进行前端展示,以获得丰富的展示效果,并且提升用户的点击兴趣,从而提高所进行新闻推荐的整体点击率。
在此阶段,一篇推荐新闻往往对应着多个标签,这也将导致对应了多个可能的上位词,如前所述的,进行上位词展示的目的在于促进用户对新闻的点击,以进行为促进推荐的有效性,此时,所展示的上位词应当是与用户最为相关的,如此才能更吸引用户点击。
对于前述title为“王者荣耀马可波罗怎么样,马可波罗技能属性详解”的新闻,所对应的标签包括:“王者荣耀”标签、“马可波罗”标签以及“马可波罗技能”标签等。
由此延伸,所对应的上位词即包括“王者荣耀”、“王者荣耀玩家”、“王者荣耀英雄技能”等。
而用户的标签池仅包含“王者荣耀李白”标签。
在此情况下,首先计算用户的标签池所存在用户标签与推荐新闻所对应标签能够共同映射到的上位词,以保证能够使用最为简单的方式快速的将用户关注的一些上位词选择出来。
然后,如果用户所关注的上位词为多个,则需要从中选择与用户最为相关的上位词,此时,便将问题转换为已知用户和候选上位词之间的相关性运算,通过前述示例性实施例所示的公式,既考虑对应了标签数量最多的上位词,以更加泛化,又考虑了对应标签数量最少的上位词,以保证推荐更加准确,在此基础上进行平衡,以选择出推荐新闻所对应进行前端显示的上位词,在此例子中,所选择的具体的上位词即为“王者荣耀玩家”然后进行前端显示即可,如图10所示的。
图10是根据一示例性实施例示出的推荐新闻前端显示的示意图,在此推荐新闻的前端显示中,所框选的区域610即为所对应上位词的前端显示。
图11是根据另一示例性实施例示出的推荐新闻前端显示的示意图,在此推荐新闻的前端显示中,所框选的区域620即为所对应上位词的前端显示。
至此,将摈弃了新闻推荐中严重依赖于新闻所对应标签和用户标签本身的方式,在更高层面进行着多样性的新闻推荐,增强了新闻推荐的有效性和准确性。
下述为本发明装置实施例,可以用于执行本发明上述信息推荐的方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明信息推荐的方法实施例。
图12是一示例性实施例示出的一种信息推荐装置的框图。该信息推荐装置,如图12所示,包括但不限于:上位词获取模块710、扩展处理模块730、候选新增模块750和显示控制模块770。
上位词获取模块710,用于根据用户标签数据获得对应的上位词。
扩展处理模块730,用于从所携带实体词区别于用户标签数据中实体词的资源索引数据,获取与用户标签数据中实体词同样对应于所述上位词的资源索引数据。
候选新增模块750,用于根据资源索引数据获取新增候选资源。
显示控制模块770,用于将候选推荐资源推荐给用户。
图13是根据图12对应实施例示出的对显示控制模块的细节进行描述的框图。该显示控制模块770如图13所示,包括但不限于:推荐资源获取单元771、资源所对应上位词获取单元773和资源和上位词前端显示单元775。
推荐资源获取单元771,用于从所述候选推荐资源获得向用户进行信息推荐的推荐资源。
资源所对应上位词获取单元773,用于获取所述推荐资源对应的上位词。
资源和上位词前端显示单元775,用于将所述推荐资源和对应的所述上位词推荐给用户。
图14是根据图13所对应实施例示出的对资源所对应上位词获取单元的细节进行描述的框图。该资源所对应上位词获取单元773如图15所示,包括但不限于:共同映射单元7731、相关性运算单元7733和高权重上位词获取单元7735。
共同映射单元7731,用于针对于每一推荐资源,根据用户标签数据和资源索引数据共同映射的上位词获得推荐资源的候选上位词。
相关性运算单元7733,用于进行候选上位词的用户相关性运算获得候选上位词对应的权重。
高权重上位词获取单元7735,用于获取最高权重所对应的上位词作为推荐资源对应的上位词。
在另一个示例性实施例中,相关性运算单元7733进一步用于根据候选上位词的先验概率以及候选上位词所映射资源索引数据的出现概率,运算得到候选上位词对应的权重。
图15是根据图12对应实施例示出的对扩展处理模块的细节进行描述的框图。该扩展处理模块730,如图15所示,包括但不限于:其它实体词获取单元731和资源索引数据获取单元733。
其它实体词获取单元731,用于根据上位词与实体词之间的对应关系,获得用户标签数据所对应上位词之下的若干实体词。
资源索引数据获取单元733,用于在若干实体词中区别于用户标签数据对应的实体词进行实体词的获取,携带实体词的资源索引数据被相应获取为对应于上位词的资源索引数据。
在另一个示例性实施例中,该信息推荐装置还包括但不限于:候选资源获取模块,该候选资源获取模块,用于为用户进行信息推荐的资源召回,召回的资源与新增候选推荐资源形成候选推荐资源。
下述为本发明用于执行本发明上述信息推荐的前端实现方法实施例的装置实施例。对于本发明装置实施例中未披露的细节,请参照本发明信息推荐的前端实现方法实施例。
图16是根据一示例性实施例示出的一种信息推荐的前端实现装置的框图。该信息推荐的前端实现装置,如图16所示,包括但不限于:推荐发起模块810、数据接收模块830、数据提取模块850和显示模块870。
推荐发起模块810,用于发起用户的信息推荐请求。
数据接收模块830,用于接收根据相应用户标签数据所对应上位词而返回的资源数据。
数据提取模块850,用于从资源数据提取推荐资源和推荐资源对应的上位词,上位词是用户标签数据和推荐资源所对应资源索引数据所共同映射且对应于最高权重。
显示模块850,用于进行推荐资源的前端显示,并在推荐资源的前端显示中进行上位词的显示。
可选的,本发明还提供一种电子设备,该电子设备可以用于前述所示实施环境中,执行图4、图5、图6、图7、图8和图9任一所示的方法的全部或者部分步骤。所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
所述计算机可读指令被所述处理器执行时实现前述方法。
该实施例中的装置的处理器执行操作的具体方式已经在前述方法的实施例中执行了详细描述,此处将不做详细阐述说明。
在示例性实施例中,还提供了一种存储介质,该存储介质为计算机可读存储介质,例如可以为包括指令的临时性和非临时性计算机可读存储介质。该存储介质例如包括指令的存储器,上述指令可由装置的处理器执行以完成上述方法。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (12)
1.一种信息推荐方法,其特征在于,所述方法包括:
根据用户标签数据获得对应的上位词;
从所携带实体词区别于所述用户标签数据中实体词的资源索引数据,获取与所述用户标签数据中实体词同样对应于所述上位词的资源索引数据;
根据所述资源索引数据获取新增候选推荐资源;
将所述候选推荐资源推荐给用户。
2.根据权利要求1所述的方法,其特征在于,所述将所述候选推荐资源推荐给用户,包括:
从所述候选推荐资源获得向用户进行信息推荐的推荐资源;
获取所述推荐资源对应的上位词;
将所述推荐资源和对应的所述上位词推荐给所述用户。
3.根据权利要求2所述的方法,其特征在于,所述获取所述推荐资源对应的上位词,包括:
针对于每一推荐资源,根据用户标签数据和资源索引数据共同映射的上位词获得所述推荐资源的候选上位词;
进行所述候选上位词的用户相关性运算获得所述候选上位词对应的权重;
获取最高权重所对应的上位词作为所述推荐资源对应的上位词。
4.根据权利要求3所述的方法,其特征在于,所述进行所述候选上位词的用户相关性运算获得所述候选上位词对应的权重,包括:
根据所述候选上位词的先验概率以及所述候选上位词所映射资源索引数据的出现概率,运算得到所述候选上位词对应的权重。
5.根据权利要求1所述的方法,其特征在于,所述根据用户标签数据获得对应的上位词,包括:
在为用户触发进行的信息推荐中,从所述用户对应存储的所述用户标签数据获得实体词;
获取所述实体词映射的上位词为所述用户标签数据对应的上位词。
6.根据权利要求1所述的方法,其特征在于,所述从所携带实体词区别于所述用户标签数据中实体词的资源索引数据,获取与所述用户标签数据中实体词同样对应于所述上位词的资源索引数据,包括:
根据所述上位词与实体词之间的对应关系,获得所述用户标签数据所对应上位词之下的若干实体词;
在所述若干实体词中区别于所述用户标签数据对应的实体词进行实体词的获取,携带所述实体词的资源索引数据被相应获取为对应于所述上位词的资源索引数据。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
为用户进行所述信息推荐的资源召回,召回的所述资源与所述新增候选推荐资源形成候选推荐资源。
8.一种信息推荐的前端实现方法,其特征在于,所述方法包括:
发起用户的信息推荐请求;
接收根据相应用户标签数据所对应上位词而返回的资源数据;
从所述资源数据提取推荐资源和所述推荐资源对应的上位词,所述上位词是所述用户标签数据和所述推荐资源所对应资源索引数据所共同映射且对应于最高权重;
进行所述推荐资源的前端显示,并在所述推荐资源的前端显示中进行所述上位词的显示。
9.一种信息推荐装置,其特征在于,所述装置包括:
上位词获取模块,用于根据用户标签数据获得对应的上位词;
扩展处理模块,用于从所携带实体词区别于所述用户标签数据中实体词的资源索引数据,获取与所述用户标签数据中实体词同样对应于所述上位词的资源索引数据;
候选新增模块,用于根据所述资源索引数据获取新增候选资源;
显示控制模块,用于将所述候选推荐资源推荐给用户。
10.一种信息推荐的前端实现装置,其特征在于,所述装置包括:
推荐发起模块,用于发起用户的信息推荐请求;
数据接收模块,用于接收根据相应用户标签数据所对应上位词而返回的资源数据;
数据提取模块,用于从所述资源数据提取推荐资源和所述推荐资源对应的上位词,所述上位词是所述用户标签数据和所述推荐资源所对应资源索引数据所共同映射且对应于最高权重;
显示模块,用于进行所述推荐资源的前端显示,并在所述推荐资源的前端显示中进行所述上位词的显示。
11.一种电子设备,其特征在于,包括:
处理器;以及
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根据权利要求1至8中任一项所述的方法。
12.一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根据权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711282254.7A CN110020156B (zh) | 2017-12-07 | 2017-12-07 | 信息推荐方法、前端实现方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711282254.7A CN110020156B (zh) | 2017-12-07 | 2017-12-07 | 信息推荐方法、前端实现方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110020156A true CN110020156A (zh) | 2019-07-16 |
CN110020156B CN110020156B (zh) | 2022-10-14 |
Family
ID=67186891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711282254.7A Active CN110020156B (zh) | 2017-12-07 | 2017-12-07 | 信息推荐方法、前端实现方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110020156B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909237A (zh) * | 2019-10-24 | 2020-03-24 | 泰康保险集团股份有限公司 | 推荐内容的方法、装置、设备和计算机可读介质 |
CN111026968A (zh) * | 2019-12-09 | 2020-04-17 | 湖南快乐阳光互动娱乐传媒有限公司 | 对象推送方法、装置及系统 |
CN111340522A (zh) * | 2019-12-30 | 2020-06-26 | 支付宝实验室(新加坡)有限公司 | 资源推荐方法、装置、服务器及存储介质 |
CN112000820A (zh) * | 2020-08-10 | 2020-11-27 | 海信电子科技(武汉)有限公司 | 一种媒资推荐方法及显示设备 |
CN112749296A (zh) * | 2019-10-31 | 2021-05-04 | 北京达佳互联信息技术有限公司 | 一种视频推荐方法、装置、服务器及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090292779A1 (en) * | 2008-05-22 | 2009-11-26 | International Business Machines Corporation | Method and System for Supervising Electronic Text Communications of an Enterprise |
CN103226597A (zh) * | 2013-04-19 | 2013-07-31 | 北京集奥聚合科技有限公司 | 基于自然语义的关键词广告匹配方法 |
US20150347375A1 (en) * | 2014-05-30 | 2015-12-03 | Nuance Communications, Inc. | Automated quality assurance checks for improving the construction of natural language understanding systems |
CN105701155A (zh) * | 2015-12-30 | 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 |
CN105718184A (zh) * | 2014-12-05 | 2016-06-29 | 北京搜狗科技发展有限公司 | 一种数据处理方法和装置 |
CN106294730A (zh) * | 2016-08-09 | 2017-01-04 | 百度在线网络技术(北京)有限公司 | 资讯信息的推荐方法及装置 |
CN106850762A (zh) * | 2017-01-03 | 2017-06-13 | 腾讯科技(深圳)有限公司 | 一种消息推送方法、服务器及消息推送系统 |
US20170262528A1 (en) * | 2016-03-11 | 2017-09-14 | Ut-Battelle, Llc | System and method of content based recommendation using hypernym expansion |
CN107330050A (zh) * | 2017-06-28 | 2017-11-07 | 达而观信息科技(上海)有限公司 | 一种个性化推荐方法及系统 |
CN107402932A (zh) * | 2016-05-20 | 2017-11-28 | 腾讯科技(深圳)有限公司 | 用户标签的扩展处理方法、文本推荐方法和装置 |
-
2017
- 2017-12-07 CN CN201711282254.7A patent/CN110020156B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090292779A1 (en) * | 2008-05-22 | 2009-11-26 | International Business Machines Corporation | Method and System for Supervising Electronic Text Communications of an Enterprise |
CN103226597A (zh) * | 2013-04-19 | 2013-07-31 | 北京集奥聚合科技有限公司 | 基于自然语义的关键词广告匹配方法 |
US20150347375A1 (en) * | 2014-05-30 | 2015-12-03 | Nuance Communications, Inc. | Automated quality assurance checks for improving the construction of natural language understanding systems |
CN105718184A (zh) * | 2014-12-05 | 2016-06-29 | 北京搜狗科技发展有限公司 | 一种数据处理方法和装置 |
CN105701155A (zh) * | 2015-12-30 | 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 |
US20170262528A1 (en) * | 2016-03-11 | 2017-09-14 | Ut-Battelle, Llc | System and method of content based recommendation using hypernym expansion |
CN107402932A (zh) * | 2016-05-20 | 2017-11-28 | 腾讯科技(深圳)有限公司 | 用户标签的扩展处理方法、文本推荐方法和装置 |
CN106294730A (zh) * | 2016-08-09 | 2017-01-04 | 百度在线网络技术(北京)有限公司 | 资讯信息的推荐方法及装置 |
CN106850762A (zh) * | 2017-01-03 | 2017-06-13 | 腾讯科技(深圳)有限公司 | 一种消息推送方法、服务器及消息推送系统 |
CN107330050A (zh) * | 2017-06-28 | 2017-11-07 | 达而观信息科技(上海)有限公司 | 一种个性化推荐方法及系统 |
Non-Patent Citations (3)
Title |
---|
TAKAHIRO KAWAUMRA ET AL.: "Hyponym/Hypernym Detection in Science and Technology Thesauri from Bibliographic Datasets", 《2017 IEEE 11TH INTERNATIONAL CONFERENCE ON SEMANTIC COMPUTING (ICSC)》 * |
卞艺杰等: "机构知识库个性化推荐的用户模型研究", 《情报理论与实践》 * |
蔡鸿博: "基于上位词的中文实体关系图谱构建", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909237A (zh) * | 2019-10-24 | 2020-03-24 | 泰康保险集团股份有限公司 | 推荐内容的方法、装置、设备和计算机可读介质 |
CN112749296A (zh) * | 2019-10-31 | 2021-05-04 | 北京达佳互联信息技术有限公司 | 一种视频推荐方法、装置、服务器及存储介质 |
CN112749296B (zh) * | 2019-10-31 | 2024-01-26 | 北京达佳互联信息技术有限公司 | 一种视频推荐方法、装置、服务器及存储介质 |
CN111026968A (zh) * | 2019-12-09 | 2020-04-17 | 湖南快乐阳光互动娱乐传媒有限公司 | 对象推送方法、装置及系统 |
CN111340522A (zh) * | 2019-12-30 | 2020-06-26 | 支付宝实验室(新加坡)有限公司 | 资源推荐方法、装置、服务器及存储介质 |
CN111340522B (zh) * | 2019-12-30 | 2024-03-08 | 支付宝实验室(新加坡)有限公司 | 资源推荐方法、装置、服务器及存储介质 |
CN112000820A (zh) * | 2020-08-10 | 2020-11-27 | 海信电子科技(武汉)有限公司 | 一种媒资推荐方法及显示设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110020156B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020156A (zh) | 信息推荐方法、前端实现方法、装置、设备和存储介质 | |
US11057321B1 (en) | Information processing method and device | |
US10885076B2 (en) | Computerized system and method for search query auto-completion | |
US11341153B2 (en) | Computerized system and method for determining applications on a device for serving media | |
US10878044B2 (en) | System and method for providing content recommendation service | |
US10664484B2 (en) | Computerized system and method for optimizing the display of electronic content card information when providing users digital content | |
CN111079022A (zh) | 基于联邦学习的个性化推荐方法、装置、设备及介质 | |
US20230196441A1 (en) | Neural contextual bandit based computational recommendation method and apparatus | |
CN109155136A (zh) | 从视频自动检测和渲染精彩场面的计算机化系统和方法 | |
CN113536793A (zh) | 一种实体识别方法、装置、设备以及存储介质 | |
US10430718B2 (en) | Automatic social media content timeline summarization method and apparatus | |
CN107305566B (zh) | 一种为搜索信息匹配图片的方法及装置 | |
CN107679217A (zh) | 基于数据挖掘的关联内容提取方法和装置 | |
CN113746874B (zh) | 一种语音包推荐方法、装置、设备及存储介质 | |
CN107622074A (zh) | 一种数据处理方法、装置和计算设备 | |
CN111722766A (zh) | 多媒体资源的展示方法及装置 | |
CN109144285A (zh) | 一种输入方法和装置 | |
CN112052297B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN109359236A (zh) | 基于大数据分析的目标用户挖掘方法及装置 | |
CN107506441B (zh) | 一种数据排列方法、装置、电子设备以及存储介质 | |
CN111259257A (zh) | 一种信息展示方法、系统、装置、电子设备及存储介质 | |
CN112381236A (zh) | 联邦迁移学习的数据处理方法、装置、设备及存储介质 | |
CN107436896B (zh) | 一种输入推荐方法、装置及电子设备 | |
CN112446214A (zh) | 广告关键词的生成方法、装置、设备及存储介质 | |
CN110020335B (zh) | 收藏夹的处理方法和装置 |
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 |