CN110674415A - 一种信息显示方法、装置及服务器 - Google Patents
一种信息显示方法、装置及服务器 Download PDFInfo
- Publication number
- CN110674415A CN110674415A CN201910894138.3A CN201910894138A CN110674415A CN 110674415 A CN110674415 A CN 110674415A CN 201910894138 A CN201910894138 A CN 201910894138A CN 110674415 A CN110674415 A CN 110674415A
- Authority
- CN
- China
- Prior art keywords
- comment information
- information
- comment
- target
- negative
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种信息显示方法、装置及服务器,包括:获取针对目标话题的第一评论信息;过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息;获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息;获取所述目标评论信息与所述目标话题之间的第一相关度;利用第一消极评论数量和第一相关度对目标评论信息进行排序显示。这样,能够隐藏包含消极情绪的评论信息,并使引起消极评论的评论信息和相关度低的评论信息在后显示,从而提升用户获取信息的效率以及用户体验。
Description
技术领域
本申请涉及信息显示技术领域,特别涉及一种信息显示方法、装置及服务器。
背景技术
如今论坛、微博等已成为人们获取信息的常用手段,而在这种多人社交的网络环境中,论坛、微博等很容易变得灌水严重,并且一但用户评论言辞不当,评论区极易成为骂战区。这样,不但分散用户的精力以及影响用户的情绪,并且,有效信息淹没在网络垃圾中,用户难以获取有效的信息。
发明内容
有鉴于此,本申请的目的在于提供一种信息显示方法、装置及服务器。能够隐藏包含消极情绪的评论信息,并使引起消极评论的评论信息和相关度低的评论信息在后显示,从而提升用户获取信息的效率以及用户体验。其具体方案如下:
第一方面,本申请公开了一种信息显示方法,包括:
获取针对目标话题的第一评论信息;
过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息;
获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息;
获取所述目标评论信息与所述目标话题之间的第一相关度;
利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。
可选的,所述过滤掉所述第一评论信息中的包含敏感信息的评论信息,包括:
建立敏感信息库;
利用所述敏感信息库过滤掉所述第一评论信息中的包含敏感信息的评论信息。
可选的,所述隐藏所述第一评论信息中包含消极情绪的评论信息,包括:
将所述第一评论信息输入至第一训练后模型;其中,所述第一训练后模型为利用第一训练样本对NLP模型进行训练得到的,所述第一训练样本包括第一语料和对应的情绪标签信息;
获取所述第一训练后模型输出的与所述第一评论信息对应的输出结果;
若所述输出结果为所述第一评论信息为包含消极情绪的评论信息,则将该第一评论信息隐藏,并以相应的情绪表情显示。
可选的,所述获取所述目标评论信息与所述目标话题之间的第一相关度,包括:
将所述目标评论信息和所述目标话题输入至第二训练后模型;其中,所述第二训练后模型为利用第二训练样本对NLP模型进行训练得到的,所述第二训练样本包括第二语料和第二标签信息;所述第二语料为对句语料,所述第二标签信息为所述对句语料的相关度;
获取所述第二训练后模型输出的与所述获取所述目标评论信息和所述目标话题对应的输出结果,得到所述目标评论信息与所述目标话题之间的第一相关度。
可选的,所述利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示,包括:
获取所述目标评论信息的点赞数量;
获取所述目标评论信息与所述第二评论信息的第二相关度;
利用所述第一消极评论数量、所述第一相关度、所述点赞数量以及所述第二相关度对所述目标评论信息进行排序显示。
可选的,还包括:
利用所述第一相关度和所述第一评论信息中包含消极情绪的评论信息的第二消极评论数量确定所述目标话题的热度。
可选的,还包括:
将符合预设条件的所述目标话题、所述第一评论信息以及所述第二评论信息加入相应的数据集。
可选的,所述将满足预设条件的所述目标话题、所述第一评论信息以及所述第二评论信息加入相应的数据集,包括:
获取用户针对所述第一评论信息以及所述第二评论信息对应的投诉信息;若所述投诉信息为所述第一评论信息或所述第二评论信息为包含敏感信息的评论信息,则将该第一评论信息或第二评论信息加入所述敏感信息库;若所述投诉信息为所述第一评论信息或所述第二评论信息为包含消极情绪的评论信息,则将该第一评论信息或第二评论信息加入所述第一训练样本,以便利用加入该第一评论信息或第二评论信息的所述第一训练样本对所述NLP模型进行训练,得到优化的所述第一训练后模型;
将满足预设条件的无关句对语料加入第二训练样本中,以便利用加入所述无关句对语料的所述第二训练样本对所述NLP模型进行训练,得到优化的所述第二训练后模型;其中,所述无关句对语料包括第一相关度为无关的所述目标评论信息与所述目标话题以及第二相关度为无关的所述目标评论信息与所述第二评论信息。
第二方面,本申请公开了一种信息显示装置,包括:
第一评论信息获取模块,用于获取针对目标话题的第一评论信息;
目标评论信息获取模块,用于过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息;
第二评论信息获取模块,用于获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息;
第一相关度获取模块,用于获取所述目标评论信息与所述目标话题之间的第一相关度;
目标评论信息显示模块,用于利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。
第三方面,本申请公开了一种服务器,包括处理器和存储器;其中,
所述存储器,用于保存计算机程序;
所述处理器,用于执行所述计算机程序,以实现前述的信息显示方法。
可见,本申请先获取针对目标话题的第一评论信息,然后过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息,之后获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息以及获取所述目标评论信息与所述目标话题之间的第一相关度,最后利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。这样,能够隐藏包含消极情绪的评论信息,并使引起消极评论的评论信息和相关度低的评论信息在后显示,从而提升用户获取信息的效率以及用户体验。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种信息显示方法流程图;
图2为本申请公开的一种具体的信息显示方法流程图;
图3为本申请公开的一种信息显示装置结构示意图;
图4为本申请公开的一种服务器结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1所示,本申请实施例公开了一种信息显示方法,包括
步骤S11:获取针对目标话题的第一评论信息。
步骤S12:过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息。
在具体的实施方式中,本实施例可以预先建立敏感信息库;其中,所述敏感信息库中包括涉及违法犯罪等信息的语料,然后利用所述敏感信息库过滤掉所述第一评论信息中的包含敏感信息的评论信息,具体的,可以通过DFA(即Deterministic Finite Automaton,确定有穷自动机)、去特殊字符、拼音匹配,模糊匹配等方法过滤掉包含敏感信息的评论信息。并且,本实施例可以将所述第一评论信息输入至第一训练后模型;其中,所述第一训练后模型为利用第一训练样本对NLP(即Natural Language Processing,自然语言处理)模型进行训练得到的,所述第一训练样本包括第一语料和对应的情绪标签信息,具体的所述NLP模型可以为BERT,并且训练完成后,将第一训练后模型集成到spark工作流中,然后获取所述第一训练后模型输出的与所述第一评论信息对应的输出结果,若所述输出结果为所述第一评论信息为包含消极情绪的评论信息,则将该第一评论信息隐藏,并以相应的情绪表情显示,同时显示第一评论信息中包含消极情绪的评论信息的数量。比如,包括的消极情绪为愤怒情绪,则将包含愤怒情绪的第一评论信息隐藏,并以相应的愤怒表情显示,对应的具体评论内容只在评论者本地和后台库中显示原文,并显示第一评论信息中包含愤怒情绪的评论信息的数量。
步骤S13:获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息。
在具体的实施方式中,对于第二评论信息的显示,同样先过滤掉所述第二评论信息中的包含敏感信息的评论信息,并隐藏所述第二评论信息中包含消极情绪的评论信息,具体的方法请参考步骤S12中的公开的相应内容,在此不再进行赘述,可以理解的是,包括但不限于针对第二评论信息的第三评论信息、针对第三评论信息的第四评论信息等均可以利用步骤S12中的公开的相应内容进行滤掉含敏感信息的评论信息,以及隐藏包含消极情绪的评论信息的处理。
步骤S14:获取所述目标评论信息与所述目标话题之间的第一相关度。
将所述目标评论信息和所述目标话题输入至第二训练后模型;其中,所述第二训练后模型为利用第二训练样本对NLP模型进行训练得到的,所述第二训练样本包括第二语料和第二标签信息;所述第二语料为对句语料,所述第二标签信息为所述对句语料的相关度,具体的所述NLP模型可以为BERT,并且得到第二训练后模型后,可以利用与相应目标话题对应的第二训练样本对第二训练后模型进行微调,得到优化的第二训练后模型,该优化后的第二训练后模型集成到spark工作流中,然后获取所述第二训练后模型输出的与所述获取所述目标评论信息和所述目标话题对应的输出结果,得到所述目标评论信息与所述目标话题之间的第一相关度。
步骤S15:利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。
在具体的实施方式中,可以先获取所述目标评论信息的点赞数量,以及获取所述目标评论信息与所述第二评论信息的第二相关度,关于第二相关度的获取方式参考步骤S14中公开的相应内容,最后利用所述第一消极评论数量、所述第一相关度、所述点赞数量以及所述第二相关度对所述目标评论信息进行排序显示。具体的,相关度为无关为-1分,否则为1分,按照评分公式为目标评论信息进行排序,所述评分公式为(点赞数量*2+第二相关度为相关的对应的第二评论信息的数量*1-和第一消极评论数量*1.5)*(2+第一相关度),其中,本评分公式涉及的第一消极评论数量、所述第一相关度、所述点赞数量以及第二相关度为相关的对应的第二评论信息的数量对应的权重为可调。这样完全无关的和引起消极评论的评论信息会在后显示,并可以降低其热度,并且,本实施例可以将超过预设数量的目标评论信息中的部分信息折叠,比如,目标评论信息为50条的情况下排序在后的80%的评论折叠。可以理解的是,本实施例可以对包括第二评论信息、针对第二评论信息的第三评论信息、针对第三评论信息的第四评论信息等均采用前述公开的相应内容进行显示。另外,本实施例可以利用所述第一相关度和所述第一评论信息中包含消极情绪的评论信息的第二消极评论数量确定所述目标话题的热度,这样可以降低容易引起消极情绪的目标话题的热度。
可见,本申请实施例先获取针对目标话题的第一评论信息,然后过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息,之后获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息以及获取所述目标评论信息与所述目标话题之间的第一相关度,最后利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。这样,能够隐藏包含消极情绪的评论信息,并使引起消极评论的评论信息和相关度低的评论信息在后显示,从而提升用户获取信息的效率以及用户体验。
参见图2所示,本申请公开了一种具体的信息显示方法,包括:
步骤S21:获取针对目标话题的第一评论信息。
步骤S22:过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息。
步骤S23:获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息。
步骤S24:获取所述目标评论信息与所述目标话题之间的第一相关度。
步骤S25:利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。
其中,关于上述步骤S21至S25的具体过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
步骤S26:将符合预设条件的所述目标话题、所述第一评论信息以及所述第二评论信息加入相应的数据集。
在具体的实施方式中,本实施例可以获取用户针对所述第一评论信息以及所述第二评论信息对应的投诉信息,并进行人工审核,若所述投诉信息为所述第一评论信息或所述第二评论信息为包含敏感信息的评论信息,则将该第一评论信息或第二评论信息加入所述敏感信息库,若所述投诉信息为所述第一评论信息或所述第二评论信息为包含消极情绪的评论信息,则将该第一评论信息或第二评论信息加入所述第一训练样本,以便利用加入该第一评论信息或第二评论信息的所述第一训练样本对所述NLP模型进行训练,得到优化的所述第一训练后模型,并且,本实施例可以将满足预设条件的无关句对语料加入第二训练样本中,以便利用加入所述无关句对语料的所述第二训练样本对所述NLP模型进行训练,得到优化的所述第二训练后模型;其中,所述无关句对语料包括第一相关度为无关的所述目标评论信息与所述目标话题以及第二相关度为无关的所述目标评论信息与所述第二评论信息,具体的所述无关句对语料可以为热度较高的目标话题中,排在前面显示的第一相关度为无关的所述目标评论信息与对应的所述目标话题以及排在前面显示的第二相关度为无关的所述目标评论信息与所述第二评论信息。
可以理解的是,加入相应数据集的评论信息还包括但不限于符合预设条件的针对第二评论信息的第三评论信息、针对第三评论信息的第四评论信息等。
参见图3所示,本申请实施例公开了一种信息显示装置,包括:
第一评论信息获取模块11,用于获取针对目标话题的第一评论信息;
目标评论信息获取模块12,用于过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息;
第二评论信息获取模块13,用于获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息;
第一相关度获取模块14,用于获取所述目标评论信息与所述目标话题之间的第一相关度;
目标评论信息显示模块15,用于利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。
可见,本申请实施例先获取针对目标话题的第一评论信息,然后过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息,之后获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息以及获取所述目标评论信息与所述目标话题之间的第一相关度,最后利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。这样,能够隐藏包含消极情绪的评论信息,并使引起消极评论的评论信息和相关度低的评论信息在后显示,从而提升用户获取信息的效率以及用户体验。
其中,所述目标评论信息获取模块12,具体可以包括:
敏感评论过滤子模块,用于建立敏感信息库;利用所述敏感信息库过滤掉所述第一评论信息中的包含敏感信息的评论信息。
消极评论隐藏子模块,用于将所述第一评论信息输入至第一训练后模型;其中,所述第一训练后模型为利用第一训练样本对NLP模型进行训练得到的,所述第一训练样本包括第一语料和对应的情绪标签信息;获取所述第一训练后模型输出的与所述第一评论信息对应的输出结果;若所述输出结果为所述第一评论信息为包含消极情绪的评论信息,则将该第一评论信息隐藏,并以相应的情绪表情显示。
所述第一相关度获取模块14,具体用于将所述目标评论信息和所述目标话题输入至第二训练后模型;其中,所述第二训练后模型为利用第二训练样本对NLP模型进行训练得到的,所述第二训练样本包括第二语料和第二标签信息;所述第二语料为对句语料,所述第二标签信息为所述对句语料的相关度;获取所述第二训练后模型输出的与所述获取所述目标评论信息和所述目标话题对应的输出结果,得到所述目标评论信息与所述目标话题之间的第一相关度。
目标评论信息显示模块15,具体用于获取所述目标评论信息的点赞数量;获取所述目标评论信息与所述第二评论信息的第二相关度;利用所述第一消极评论数量、所述第一相关度、所述点赞数量以及所述第二相关度对所述目标评论信息进行排序显示。
所述信息显示装置还包括目标话题热度确定模块,用于利用所述第一相关度和所述第一评论信息中包含消极情绪的评论信息的第二消极评论数量确定所述目标话题的热度。
所述信息显示装置还包括数据集更新模块,用于将符合预设条件的所述目标话题、所述第一评论信息以及所述第二评论信息加入相应的数据集。
所述数据集更新模块具体用于获取用户针对所述第一评论信息以及所述第二评论信息对应的投诉信息;若所述投诉信息为所述第一评论信息或所述第二评论信息为包含敏感信息的评论信息,则将该第一评论信息或第二评论信息加入所述敏感信息库;若所述投诉信息为所述第一评论信息或所述第二评论信息为包含消极情绪的评论信息,则将该第一评论信息或第二评论信息加入所述第一训练样本,以便利用加入该第一评论信息或第二评论信息的所述第一训练样本对所述NLP模型进行训练,得到优化的所述第一训练后模型;将满足预设条件的无关句对语料加入第二训练样本中,以便利用加入所述无关句对语料的所述第二训练样本对所述NLP模型进行训练,得到优化的所述第二训练后模型;其中,所述无关句对语料包括第一相关度为无关的所述目标评论信息与所述目标话题以及第二相关度为无关的所述目标评论信息与所述第二评论信息。
具体的,第一评论信息获取模块11、目标评论信息获取模块12、第二评论信息获取模块13、第一相关度获取模块14、目标评论信息显示模块15可以通过kafka相连。
参见图4所示,本申请实施例公开了一种服务器20,包括处理器21和存储器22;其中,所述存储器22,用于保存计算机程序;所述处理器21,用于执行所述计算机程序,以实现以下步骤:
获取针对目标话题的第一评论信息;过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息;获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息;获取所述目标评论信息与所述目标话题之间的第一相关度;利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。
可见,本申请实施例先获取针对目标话题的第一评论信息,然后过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息,之后获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息以及获取所述目标评论信息与所述目标话题之间的第一相关度,最后利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。这样,能够隐藏包含消极情绪的评论信息,并使引起消极评论的评论信息和相关度低的评论信息在后显示,从而提升用户获取信息的效率以及用户体验。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:建立敏感信息库;利用所述敏感信息库过滤掉所述第一评论信息中的包含敏感信息的评论信息。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:将所述第一评论信息输入至第一训练后模型;其中,所述第一训练后模型为利用第一训练样本对NLP模型进行训练得到的,所述第一训练样本包括第一语料和对应的情绪标签信息;获取所述第一训练后模型输出的与所述第一评论信息对应的输出结果;若所述输出结果为所述第一评论信息为包含消极情绪的评论信息,则将该第一评论信息隐藏,并以相应的情绪表情显示。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:将所述目标评论信息和所述目标话题输入至第二训练后模型;其中,所述第二训练后模型为利用第二训练样本对NLP模型进行训练得到的,所述第二训练样本包括第二语料和第二标签信息;所述第二语料为对句语料,所述第二标签信息为所述对句语料的相关度;获取所述第二训练后模型输出的与所述获取所述目标评论信息和所述目标话题对应的输出结果,得到所述目标评论信息与所述目标话题之间的第一相关度。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:获取所述目标评论信息的点赞数量;获取所述目标评论信息与所述第二评论信息的第二相关度;利用所述第一消极评论数量、所述第一相关度、所述点赞数量以及所述第二相关度对所述目标评论信息进行排序显示。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:利用所述第一相关度和所述第一评论信息中包含消极情绪的评论信息的第二消极评论数量确定所述目标话题的热度。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:将符合预设条件的所述目标话题、所述第一评论信息以及所述第二评论信息加入相应的数据集。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:获取用户针对所述第一评论信息以及所述第二评论信息对应的投诉信息;若所述投诉信息为所述第一评论信息或所述第二评论信息为包含敏感信息的评论信息,则将该第一评论信息或第二评论信息加入所述敏感信息库;若所述投诉信息为所述第一评论信息或所述第二评论信息为包含消极情绪的评论信息,则将该第一评论信息或第二评论信息加入所述第一训练样本,以便利用加入该第一评论信息或第二评论信息的所述第一训练样本对所述NLP模型进行训练,得到优化的所述第一训练后模型;将满足预设条件的无关句对语料加入第二训练样本中,以便利用加入所述无关句对语料的所述第二训练样本对所述NLP模型进行训练,得到优化的所述第二训练后模型;其中,所述无关句对语料包括第一相关度为无关的所述目标评论信息与所述目标话题以及第二相关度为无关的所述目标评论信息与所述第二评论信息。
并且,所述存储器22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,存储方式可以是短暂存储或者永久存储。
另外,所述服务器20还包括电源23、通信接口24、输入输出接口25和通信总线26;其中,所述电源23用于为所述服务器20上的各硬件设备提供工作电压;所述通信接口24能够为所述服务器20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;所述输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种信息显示方法、装置及服务器进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种信息显示方法,其特征在于,包括:
获取针对目标话题的第一评论信息;
过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息;
获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息;
获取所述目标评论信息与所述目标话题之间的第一相关度;
利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。
2.根据权利要求1所述的信息显示方法,其特征在于,所述过滤掉所述第一评论信息中的包含敏感信息的评论信息,包括:
建立敏感信息库;
利用所述敏感信息库过滤掉所述第一评论信息中的包含敏感信息的评论信息。
3.根据权利要求1所述的信息显示方法,其特征在于,所述隐藏所述第一评论信息中包含消极情绪的评论信息,包括:
将所述第一评论信息输入至第一训练后模型;其中,所述第一训练后模型为利用第一训练样本对NLP模型进行训练得到的,所述第一训练样本包括第一语料和对应的情绪标签信息;
获取所述第一训练后模型输出的与所述第一评论信息对应的输出结果;
若所述输出结果为所述第一评论信息为包含消极情绪的评论信息,则将该第一评论信息隐藏,并以相应的情绪表情显示。
4.根据权利要求1所述的信息显示方法,其特征在于,所述获取所述目标评论信息与所述目标话题之间的第一相关度,包括:
将所述目标评论信息和所述目标话题输入至第二训练后模型;其中,所述第二训练后模型为利用第二训练样本对NLP模型进行训练得到的,所述第二训练样本包括第二语料和第二标签信息;所述第二语料为对句语料,所述第二标签信息为所述对句语料的相关度;
获取所述第二训练后模型输出的与所述获取所述目标评论信息和所述目标话题对应的输出结果,得到所述目标评论信息与所述目标话题之间的第一相关度。
5.根据权利要求1所述的信息显示方法,其特征在于,所述利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示,包括:
获取所述目标评论信息的点赞数量;
获取所述目标评论信息与所述第二评论信息的第二相关度;
利用所述第一消极评论数量、所述第一相关度、所述点赞数量以及所述第二相关度对所述目标评论信息进行排序显示。
6.根据权利要求1所述的信息显示方法,其特征在于,还包括:
利用所述第一相关度和所述第一评论信息中包含消极情绪的评论信息的第二消极评论数量确定所述目标话题的热度。
7.根据权利要求1至6任一项所述的信息显示方法,其特征在于,还包括:
将符合预设条件的所述目标话题、所述第一评论信息以及所述第二评论信息加入相应的数据集。
8.根据权利要求7所述的信息显示方法,其特征在于,所述将满足预设条件的所述目标话题、所述第一评论信息以及所述第二评论信息加入相应的数据集,包括:
获取用户针对所述第一评论信息以及所述第二评论信息对应的投诉信息;
若所述投诉信息为所述第一评论信息或所述第二评论信息为包含敏感信息的评论信息,则将该第一评论信息或第二评论信息加入所述敏感信息库;若所述投诉信息为所述第一评论信息或所述第二评论信息为包含消极情绪的评论信息,则将该第一评论信息或第二评论信息加入所述第一训练样本,以便利用加入该第一评论信息或第二评论信息的所述第一训练样本对所述NLP模型进行训练,得到优化的所述第一训练后模型;
将满足预设条件的无关句对语料加入第二训练样本中,以便利用加入所述无关句对语料的所述第二训练样本对所述NLP模型进行训练,得到优化的所述第二训练后模型;其中,所述无关句对语料包括第一相关度为无关的所述目标评论信息与所述目标话题以及第二相关度为无关的所述目标评论信息与所述第二评论信息。
9.一种信息显示装置,其特征在于,包括:
第一评论信息获取模块,用于获取针对目标话题的第一评论信息;
目标评论信息获取模块,用于过滤掉所述第一评论信息中的包含敏感信息的评论信息,并隐藏所述第一评论信息中包含消极情绪的评论信息,得到目标评论信息;
第二评论信息获取模块,用于获取针对所述目标评论信息的第二评论信息,统计所述第二评论信息中包含消极情绪的评论信息的第一消极评论数量,并隐藏所述第二评论信息中包含消极情绪的评论信息;
第一相关度获取模块,用于获取所述目标评论信息与所述目标话题之间的第一相关度;
目标评论信息显示模块,用于利用所述第一消极评论数量和所述第一相关度对所述目标评论信息进行排序显示。
10.一种服务器,其特征在于,包括处理器和存储器;其中,
所述存储器,用于保存计算机程序;
所述处理器,用于执行所述计算机程序,以实现如权利要求1至8任一项所述的信息显示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910894138.3A CN110674415B (zh) | 2019-09-20 | 2019-09-20 | 一种信息显示方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910894138.3A CN110674415B (zh) | 2019-09-20 | 2019-09-20 | 一种信息显示方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110674415A true CN110674415A (zh) | 2020-01-10 |
CN110674415B CN110674415B (zh) | 2022-06-17 |
Family
ID=69078553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910894138.3A Active CN110674415B (zh) | 2019-09-20 | 2019-09-20 | 一种信息显示方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674415B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112256369A (zh) * | 2020-10-20 | 2021-01-22 | 北京达佳互联信息技术有限公司 | 一种内容显示方法、装置、系统及存储介质 |
CN112286422A (zh) * | 2020-11-17 | 2021-01-29 | 北京城市网邻信息技术有限公司 | 一种信息显示方法及装置 |
CN112364154A (zh) * | 2020-11-10 | 2021-02-12 | 北京乐学帮网络技术有限公司 | 一种评论内容显示方法及装置 |
CN112559869A (zh) * | 2020-12-18 | 2021-03-26 | 上海众源网络有限公司 | 一种评论信息的显示方法、装置、电子设备及存储介质 |
CN113761110A (zh) * | 2020-06-28 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 信息发布方法、装置、设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070294374A1 (en) * | 2006-06-20 | 2007-12-20 | Sony Corporation | Music reproducing method and music reproducing apparatus |
JP2014007598A (ja) * | 2012-06-25 | 2014-01-16 | Dwango Co Ltd | コメント表示装置、端末装置、それらの動作方法、及びそれらを動作させるプログラム |
US20140280236A1 (en) * | 2013-03-15 | 2014-09-18 | Facebook, Inc. | Selection and ranking of comments for presentation to social networking system users |
CN104156390A (zh) * | 2014-07-07 | 2014-11-19 | 乐视网信息技术(北京)股份有限公司 | 一种评论推荐方法和系统 |
CN104487967A (zh) * | 2012-05-01 | 2015-04-01 | 谷歌有限公司 | 确定对评论的访问 |
CN105512333A (zh) * | 2015-12-28 | 2016-04-20 | 上海电机学院 | 基于情感倾向的产品评论主题搜索方法 |
CN105955990A (zh) * | 2016-04-15 | 2016-09-21 | 北京理工大学 | 一种兼顾多样性和有效性的评论排序和筛选方法 |
CN106951409A (zh) * | 2017-03-17 | 2017-07-14 | 黄淮学院 | 一种网络社交媒体观点倾向性分析系统及方法 |
CN107656787A (zh) * | 2017-09-26 | 2018-02-02 | 掌阅科技股份有限公司 | 基于电子书生成话题的方法、计算设备、计算机存储介质 |
CN109271512A (zh) * | 2018-08-29 | 2019-01-25 | 中国平安保险(集团)股份有限公司 | 舆情评论信息的情感分析方法、装置及存储介质 |
CN109543110A (zh) * | 2018-11-28 | 2019-03-29 | 南京航空航天大学 | 一种微博情感分析方法及系统 |
-
2019
- 2019-09-20 CN CN201910894138.3A patent/CN110674415B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070294374A1 (en) * | 2006-06-20 | 2007-12-20 | Sony Corporation | Music reproducing method and music reproducing apparatus |
CN104487967A (zh) * | 2012-05-01 | 2015-04-01 | 谷歌有限公司 | 确定对评论的访问 |
JP2014007598A (ja) * | 2012-06-25 | 2014-01-16 | Dwango Co Ltd | コメント表示装置、端末装置、それらの動作方法、及びそれらを動作させるプログラム |
US20140280236A1 (en) * | 2013-03-15 | 2014-09-18 | Facebook, Inc. | Selection and ranking of comments for presentation to social networking system users |
CN104156390A (zh) * | 2014-07-07 | 2014-11-19 | 乐视网信息技术(北京)股份有限公司 | 一种评论推荐方法和系统 |
CN105512333A (zh) * | 2015-12-28 | 2016-04-20 | 上海电机学院 | 基于情感倾向的产品评论主题搜索方法 |
CN105955990A (zh) * | 2016-04-15 | 2016-09-21 | 北京理工大学 | 一种兼顾多样性和有效性的评论排序和筛选方法 |
CN106951409A (zh) * | 2017-03-17 | 2017-07-14 | 黄淮学院 | 一种网络社交媒体观点倾向性分析系统及方法 |
CN107656787A (zh) * | 2017-09-26 | 2018-02-02 | 掌阅科技股份有限公司 | 基于电子书生成话题的方法、计算设备、计算机存储介质 |
CN109271512A (zh) * | 2018-08-29 | 2019-01-25 | 中国平安保险(集团)股份有限公司 | 舆情评论信息的情感分析方法、装置及存储介质 |
CN109543110A (zh) * | 2018-11-28 | 2019-03-29 | 南京航空航天大学 | 一种微博情感分析方法及系统 |
Non-Patent Citations (1)
Title |
---|
余文喆: ""基于内容分析的评论组织方法研究"", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761110A (zh) * | 2020-06-28 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 信息发布方法、装置、设备和存储介质 |
CN112256369A (zh) * | 2020-10-20 | 2021-01-22 | 北京达佳互联信息技术有限公司 | 一种内容显示方法、装置、系统及存储介质 |
CN112364154A (zh) * | 2020-11-10 | 2021-02-12 | 北京乐学帮网络技术有限公司 | 一种评论内容显示方法及装置 |
CN112286422A (zh) * | 2020-11-17 | 2021-01-29 | 北京城市网邻信息技术有限公司 | 一种信息显示方法及装置 |
CN112559869A (zh) * | 2020-12-18 | 2021-03-26 | 上海众源网络有限公司 | 一种评论信息的显示方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110674415B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674415B (zh) | 一种信息显示方法、装置及服务器 | |
JP7127106B2 (ja) | 質問応答処理、言語モデルの訓練方法、装置、機器および記憶媒体 | |
US10642938B2 (en) | Artificial intelligence based method and apparatus for constructing comment graph | |
CN106682169B (zh) | 一种应用标签挖掘方法、装置和应用搜索方法、服务器 | |
Reategui et al. | Sobek: A text mining tool for educational applications | |
JP5340584B2 (ja) | 電子メッセージの読解を支援する装置及び方法 | |
Pala et al. | Building czech wordnet | |
Furlan et al. | Semantic similarity of short texts in languages with a deficient natural language processing support | |
CN106682170B (zh) | 一种应用搜索方法和装置 | |
CN106055623A (zh) | 一种跨语言推荐方法和系统 | |
CN108763372A (zh) | 语言学习方法、系统、程序产品及移动终端 | |
CN110334268B (zh) | 一种区块链项目热词生成方法以及装置 | |
CN111522886B (zh) | 一种信息推荐方法、终端及存储介质 | |
CN108549710A (zh) | 智能问答方法、装置、存储介质及设备 | |
WO2024011813A1 (zh) | 一种文本扩展方法、装置、设备及介质 | |
CN110187780A (zh) | 长文本预测方法、装置、设备和存储介质 | |
CN112507139A (zh) | 基于知识图谱的问答方法、系统、设备及存储介质 | |
Gang et al. | Chinese intelligent chat robot based on the AIML language | |
CN106021532A (zh) | 关键词的显示方法和装置 | |
CN107315735B (zh) | 用于笔记整理的方法及设备 | |
CN107784112A (zh) | 短文本数据增强方法、系统及检测认证服务平台 | |
Bhingardive et al. | IndoWordNet:: Similarity-Computing Semantic Similarity and Relatedness using IndoWordNet | |
Yang et al. | Research on the Sentiment analysis of customer reviews based on the ontology of phone | |
US20200142963A1 (en) | Apparatus and method for predicting response to an article | |
Burkhardt et al. | “Askwiki”: Shallow semantic processing to query Wikipedia |
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 |