CN110750715A - 内容推荐方法、装置、设备及可读存储介质 - Google Patents
内容推荐方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110750715A CN110750715A CN201910920682.0A CN201910920682A CN110750715A CN 110750715 A CN110750715 A CN 110750715A CN 201910920682 A CN201910920682 A CN 201910920682A CN 110750715 A CN110750715 A CN 110750715A
- Authority
- CN
- China
- Prior art keywords
- search
- text content
- content
- user
- reference text
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000002452 interceptive effect Effects 0.000 claims description 76
- 230000006399 behavior Effects 0.000 claims description 69
- 239000013598 vector Substances 0.000 claims description 53
- 238000012549 training Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- G06F16/9535—Search customisation based on user profiles and personalisation
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 Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种内容推荐方法、装置、设备及可读存储介质，所述方法包括：基于用户输入的搜索词生成进行搜索的搜索指令；获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；基于所述搜索指令，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。本发明解决解决现有资讯推荐准确度不高的技术问题。
Description
技术领域
本发明涉及信息技术领域，尤其涉及一种内容推荐方法、装置、设备及可读存储介质。
背景技术
信息技术的不断发展，致使基于用户的关注点进行个性化资讯推荐服务逐渐成为资讯推荐方式的主流模式；
在现有技术中，为了实现个性化资讯推荐，需要用户以手工订阅的方式获取推荐的资讯信息，而手工订阅的方式获取推荐的资讯信息可能存在推荐不准确的问题，而推荐不准确导致用户的体验降低，且导致被订阅的资讯的粘度降低。
发明内容
本发明的主要目的在于提供一种内容推荐方法、装置、设备及可读存储介质，旨在解决现有资讯推荐准确度不高的技术问题。
为实现上述目的，本发明提供一种内容推荐方法，
所述内容推荐方法包括：
基于用户输入的搜索词生成进行搜索的搜索指令；
获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；
基于所述搜索指令，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。
可选地，所述基于用户输入的搜索词生成进行搜索的搜索指令步骤之后包括：
获取所述搜索词所指向的文本内容，以确定所述搜索指令对应的搜索行为是否为互动类型搜索行为；
若所述搜索词所指向的文本内容为非营销类型内容时，确定所述搜索指令对应的搜索行为是互动类型搜索行为；
若所述搜索指令对应的搜索行为是互动类型搜索行为，则将所述搜索指令对应搜索结果以互动方式进行显示。
可选地，所述若所述搜索指令对应的搜索行为是互动类型搜索行为，则将所述搜索指令对应搜索结果以互动方式进行显示步骤包括：
若所述搜索指令对应的搜索行为是互动类型搜索行为，则获取所述搜索指令对应每条搜索内容；
在所述每条搜索内容中添加互动程序段，以供所述用户基于所述互动程序段进行所述搜索内容的互动选择；
显示由添加了互动程序段的搜索内容构成的搜索结果。
可选地，所述获取所述搜索词所指向的文本内容，以确定所述搜索指令对应的搜索行为是否为互动类型搜索行为步骤之后包括：
若所述搜索指令对应的搜索行为是非互动类型搜索行为，获取用户选定的第三参考文本内容；
根据所述第三参考文本内容确定所述用户的非互动关注点；
向所述用户推荐与所述非互动关注点匹配的文本内容。
可选地，所述根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点步骤包括：
获取所述第二参考文本内容中与所述搜索词相关的词语，以生成所述搜索词的第一词向量；
根据所述第一词向量与预设参考关注点之间的第一相似度，确定所述用户的雷点；
获取所述第一参考文本内容中与所述搜索词相关的词语，以生成所述搜索词的第二词向量；
根据所述第二词向量与预设参考关注点的词向量之间的第二相似度，确定所述用户的关注点。
可选地，所述根据所述第一参考文本内容确定所述用户的关注点步骤包括：
获取预设参考关注点对应的参考文本内容，基于所述预设参考关注点对应的参考文本内容与所述搜索关键词确定所述预设参考关注点的主成分以及非主成分，其中，所述主成分与所述搜索关键词显性相关；
将所述第一参考文本内容与所述主成分匹配，得到各个第一候选关注点，并将所述第一参考文本内容与所述非主成分匹配，得到各个第二候选关注点；
计算所述各个第一候选关注点与所述第一参考文本内容的显式语义相似度，并计算所述各个第二候选关注点与所述第一参考文本内容的隐式语义相似度，根据所述显式语义相似度的大小以及所述隐式语义相似度的大小从所述各个第一候选关注点以及所述各个第二候选关注点中确定所述用户的关注点。
可选地，所述计算所述各个第一候选关注点与所述第一参考文本内容的显式语义相似度步骤包括：
将所述第一候选关注点与所述第一参考文本内容输入至预设神经网络模型中，得到所述各个第一候选关注点与所述第一参考文本内容的显式语义相似度，其中，所述预设神经网络模型是采用已标注关注点的训练文本进行显隐式语义训练得到的。
本发明还提供一种内容推荐装置，所述内容推荐装置包括：
生成模块，用于基于用户输入的搜索词生成进行搜索的搜索指令；
第一获取模块，用于获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；
推荐模块，用于基于所述搜索指令，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。
可选地，所述内容推荐装置还包括：
第二获取模块，用于获取所述搜索词所指向的文本内容，以确定所述搜索指令对应的搜索行为是否为互动类型搜索行为；
判断模块，用于若所述搜索词所指向的文本内容为非营销类型内容时，确定所述搜索指令对应的搜索行为是互动类型搜索行为；
显示模块，用于若所述搜索指令对应的搜索行为是互动类型搜索行为，则将所述搜索指令对应搜索结果以互动方式进行显示。
可选地，所述显示模块包括：
第一获取单元，用于若所述搜索指令对应的搜索行为是互动类型搜索行为，则获取所述搜索指令对应每条搜索内容；
添加单元，用于在所述每条搜索内容中添加互动程序段，以供所述用户基于所述互动程序段进行所述搜索内容的互动选择；
显示单元，用于显示由添加了互动程序段的搜索内容构成的搜索结果。
可选地，所述第一获取模块包括：
第二获取单元，用于获取所述第二参考文本内容中与所述搜索词相关的词语，以生成所述搜索词的第一词向量；
第一确定单元，用于根据所述第一词向量与预设多个参考关注点的词向量之间的第一相似度，确定所述用户的雷点；
第三获取单元，用于获取所述第一参考文本内容中与所述搜索词相关的词语，以生成所述搜索词的第二词向量；
第二确定单元，用于根据所述第二词向量与预设多个参考关注点的词向量之间的第二相似度，确定所述用户的关注点。
可选地，所述第一获取模块还包括：
第四获取单元，用于获取预设多个参考关注点对应的参考文本内容，基于所述预设多个参考关注点对应的参考文本内容与所述搜索关键词确定所述预设多个参考关注点的主成分以及非主成分，其中，所述主成分与所述搜索关键词显性相关；
第五获取单元，用于将所述第一参考文本内容与所述主成分匹配，得到各个第一候选关注点，并将所述第一参考文本内容与所述非主成分匹配，得到各个第二候选关注点；
计算单元，用于计算所述各个第一候选关注点与所述第一参考文本内容的显隐式语义相似度，并计算所述各个第二候选关注点与所述第一参考文本内容的显隐式语义相似度，根据所述显隐式语义相似度的大小从所述各个第一候选关注点以及所述各个第二候选关注点中确定所述用户的关注点。
可选地，所述计算单元包括：
输入子单元，用于将所述第一候选关注点与所述第一参考文本内容输入至预设卷积神经网络模型中，得到所述各个第一候选关注点与所述第一参考文本内容的显隐式语义相似度，其中，所述预设卷积神经网络模型是采用已标注关注点的训练文本进行显隐式语义训练得到的。
此外，为实现上述目的，本发明还提供一种内容推荐设备，所述内容推荐设备包括：存储器、处理器，通信总线以及存储在所述存储器上的内容推荐方法程序。
所述通信总线用于实现处理器与存储器间的通信连接。
所述处理器用于执行所述内容推荐方法程序，以实现以下步骤：
基于用户输入的搜索词生成进行搜索的搜索指令；
获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；
基于所述搜索指令，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。
此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于：
基于用户输入的搜索词生成进行搜索的搜索指令；
获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；
基于所述搜索指令，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。
本发明通过基于用户输入的搜索词生成进行搜索的搜索指令；获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；基于所述搜索指令，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。在本实施例中，确定用户的关注点以及雷点，因而，实现快速高效精准的个性化推荐，进而，提高内容推荐的准确度。
附图说明
图1为本发明内容推荐方法第一实施例的流程示意图；
图2为本发明内容推荐方法第二实施例的流程示意图；
图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种内容推荐方法，在本发明内容推荐方法的第一实施例中，参照图1，所述内容推荐方法包括：
步骤S10，基于用户输入的搜索词生成进行搜索的搜索指令；
步骤S20，获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；
步骤S30，基于所述搜索指令，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。
具体步骤如下：
步骤S10，基于用户输入的搜索词生成进行搜索的搜索指令；
基于用户输入的搜索词生成进行搜索的搜索指令；该搜索指令中携带有搜索信息。
参照图2，所述基于用户输入的搜索词生成进行搜索的搜索指令步骤之后包括：
步骤S11，获取所述搜索词所指向的文本内容，以确定所述搜索指令对应的搜索行为是否为互动类型搜索行为；
在搜索应用如平安壹账通上检测到基于用户输入的搜索词进行搜索的搜索指令时，获取搜索指令中携带的搜索信息，其中，该搜索信息包括用户输入的搜索词的信息，用户输入的搜索词包括搜索特征关键词、搜索特征领域、搜索特征效果等内容，在得到搜索信息后，获取搜索行为的类型，判断所述搜索指令对应的搜索行为是否是互动类型搜索行为，其中，搜索行为的类型可以由搜索词中的搜索特征领域初步确定，并由搜索信息中的搜索特征关键词精确确定。
在检测到基于用户输入的搜索词进行搜索的搜索指令时，获取所述搜索词所指向的文本内容，例如，搜索词中的搜索特征领域为娱乐领域，搜索特征关键词为电视节目，则搜索词所指向的文本内容为电视节目娱乐相关，若搜索词中的搜索特征领域为科技领域，搜索特征关键词为芯片，则搜索词所指向的文本内容为芯片科技相关。
步骤S12，若所述搜索词所指向的文本内容为非营销类型内容时，确定所述搜索指令对应的搜索行为是互动类型搜索行为；
在得到搜索词所指向的文本内容后，判断搜索词所指向的文本内容的类型是否为非营销类型，其中，需要说明的是，在所指向的文本内容确定后，对应文本内容的类型可以是预存且确定的，例如，芯片科技相关对应属于非营销类型，例如，电视节目娱乐相关类型属于营销类型，
需要说明的是，对应文本内容的类型是非营销类型还是营销类型还可以不是预存的，即是对应文本内容的类型是非营销类型还是营销类型，可以根据搜索词对应文本内容中(反馈的搜索结果)营销目的的内容的条数是否大于非营销目的的内容的条数确定，需要说明的是，若对应文本内容中营销目的的内容的条数大于非营销目的的内容的条数，确定搜索关键词对应的文本内容的类型为营销类型，若对应文本内容中营销目的的内容的条数小于非营销目的的内容的条数，确定搜索关键词对应的文本内容的类型为非营销类型。
需要说明的是，搜索词所指向的文本内容可不止分为营销类型以及非营销类型两类，搜索词所指向的文本内容的分类标准是可以配置更改的。
若所述搜索词所指向的文本内容为非营销类型内容时，确定所述搜索指令对应的搜索行为是互动类型搜索行为。
互动类型搜索行为指的是用户对反馈的文本内容或者反馈的搜索结果能够进行直接的互动反馈，例如，互动反馈可以是选择活动反馈框中的不感兴趣，感兴趣或者多推荐等选项。例如，在线上购物时，客户极有可能会偶然浏览一个并不喜欢的产品，而现有的推荐策略中，尽管该产品不是客户喜欢的，由于客户存在浏览记录以及浏览时间，因而后续还是不断的推荐给客户，降低了客户的体验。在本实施例中，由客户自主选择，可以实现提升用户体验。
步骤S13，若所述搜索指令对应的搜索行为是互动类型搜索行为，则将所述搜索指令对应搜索结果以互动方式进行显示。
若所述搜索指令对应的搜索行为是互动类型搜索行为，则将所述搜索指令对应搜索结果以互动方式进行显示，若所述搜索指令对应的搜索行为是非互动类型搜索行为，则将所述搜索指令对应搜索结果以非互动方式进行显示，
所述若所述搜索指令对应的搜索行为是互动类型搜索行为，则将所述搜索指令对应搜索结果以互动方式进行显示步骤包括：
步骤S131，若所述搜索指令对应的搜索行为是互动类型搜索行为，则获取所述搜索指令对应每条搜索内容；
其中，对应每条搜索内容是由搜索应用对应的服务器端反馈并发送给应用对应的用户端显示。
步骤S132，在所述每条搜索内容中添加互动程序段，以供所述用户基于所述互动程序段进行所述搜索内容的互动选择；
若所述搜索指令对应的搜索行为是互动类型搜索行为，则在所述每条搜索内容中添加互动程序段，其中，在所述每条搜索内容中添加互动程序段包括如下两种方式：
其中一种方式为：搜索应用所对应的用户端接收搜索应用对应的服务器端发送的搜索结果，其中，服务器端对应在搜索结果的每条搜索内容上添加的互动程序段，以实现将所述搜索指令对应搜索结果以互动方式进行显示；
另一种方式为：搜索应用对应的用户端接收搜索应用对应的服务器端发送的搜索结果，用户端对应在搜索结果的每条搜索内容上添加的互动程序段，以实现将所述搜索指令对应搜索结果以互动方式进行显示。
步骤S133，显示由添加了互动程序段的搜索内容构成的搜索结果。
显示由添加了互动程序段的搜索内容构成的搜索结果，也即在每条搜索内容中添加了互动程序段后，该互动程序段在用户端以以供用户互动的显示框形式存在，在每条搜索内容的显示框中包括不再推荐，多推荐等选项，若检测到用户进行互动即用户选择该显示框中的选项时，则基于用户所选择的选项进行反馈信息的获取，其中，反馈信息包括第一参考文本内容以及第二参考文本内容。
步骤S20，获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；
获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点。
具体地，根据所述第一参考文本内容与所述搜索关键词确定所述用户的关注点，根据所述第二参考文本内容与所述搜索关键词确定所述用户的雷点。
根据所述第一参考文本内容与所述搜索关键词确定所述用户的关注点过程包括：
通过统计以及比对方式获取第一参考文本内容中的主成分词(与搜索关键词显性相关，显性相关指的是具有与搜索关键词完全相同或者部分相同的词语)，并计算第一参考文本内容中的主成分词与搜索关键词的欧几里得距离(欧式距离)，由于每条第一参考文本内容中主成分词存在多个，因而，综合计算第一参考文本内容的整体欧式距离，基于整体欧式距离最大的第一参考文本内容对应主成分词作为主成分词候选关注点，用以具体实施例进行说明，存在5条第一参考文本内容，在5条第一参考文本内容中，A1的整体欧式距离最大，则确定A1对应的主成分词作为关注点。
同样地，通过统计以及比对方式获取第二参考文本内容中的主成分词(与搜索关键词显性相关，显性相关指的是具有与搜索关键词完全相同或者部分相同的词语)，并计算第二参考文本内容中的主成分词与搜索关键词的欧几里得距离(欧式距离)，由于每条第二参考文本内容中主成分词存在多个，因而，综合计算第二参考文本内容的整体欧式距离，基于整体欧式距离最大的第二参考文本内容对应主成分词作为需要规避的雷点。
步骤S40，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。
需要说明的是，在得到关注点以及雷点后，将该关注点以及雷点作为所述用户端的关联信息对应存储在搜索应用对应服务器端。
向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容，即在检测到服务器端的订阅号或者资讯号的内容更新时，判断该更新的内容是否为用户的关注点相关的内容，若该更新的内容为用户的关注点相关的内容，则还判断该更新的内容是否为需要规避的雷点的相关内容，若该更新的内容为需要规避的雷点的相关内容，则不推荐给用户端，若该更新的内容不是需要规避的雷点的相关内容，则推荐给用户端。
本发明通过基于用户输入的搜索词生成进行搜索的搜索指令；获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；基于所述搜索指令，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。在本实施例中，确定用户的关注点以及雷点，因而，实现快速高效精准的个性化推荐，进而，提高内容推荐的准确度。
进一步地，本发明提供内容推荐方法的另一实施例，在该实施例中，参照图2，所述所述根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点步骤包括：
步骤S21，获取所述第二参考文本内容中与所述搜索词相关的词语，以生成所述搜索词的第一词向量；
需要说明的是，在本实施例中，预设参考关注点指的是当前热搜榜中与搜索关键词关联密切的关注点。
在本实施例中，首先通过统计以及比对方式获取每条第二参考文本内容中的主成分词(与热搜关键词或者搜索关键词显性相关，显性相关指的是具有与搜索关键词完全相同或者部分相同的词语)，并获取每条第二参考文本内容中的非主成分词，非主成分词与搜索关键词隐性相关，其中，要在每条第二参考文本内容中获取与搜索关键词隐性相关的非主成分词，需要将第二参考文本内容与搜索关键词输入至预设的非主成分词识别模型中，其中，非主成分词识别模型是已经训练好的识别模型。将主成分词以及非主成分词作为第二参考文本内容中所述搜索词的第一词向量。
步骤S22，根据所述第一词向量与预设参考关注点之间的第一相似度，确定所述用户的雷点；
在得到第一词向量后，获取第一词向量与预设参考关注点之间的第一相似度，具体地，所述第一词向量与预设参考关注点之间的第一相似度X1-Y1的计算公式如下：
假设预设参考关注点的向量坐标为原点即为(a1，b1)，根据预设的相关分词方法获取第一词向量的坐标(a2,b2)，如第一词向量的坐标可以为(1，2)，第一相似度的计算公式为：
其中，余弦值越接近1，越相似。
用以具体实施例进行具体说明，当预设参考关注点为“魔兽票房”时，第二参考文本内容中出现的第一词向量“魔兽”与“魔兽票房”的向量相似度为0.52，第二参考文本内容中出现的第一词向量“魔兽电影”与“魔兽票房”的向量相似度为0.31，第二参考文本内容中出现的第一词向量“魔兽世界”与“魔兽票房”的向量相似度为0.2，“第二参考文本内容中出现的第一词向量魔兽世界电影”与“魔兽票房”的向量相似度为0.14，“票房”与“魔兽票房”的向量相似度为0.12等。
由于每个第二参考文本内容中主成分词以及非主成分词存在多个，在得到第一词向量向量相似度后，计算每条第二参考文本内容的整体向量相似度，选取整体向量相似度最大的第二参考文本内容，并在整体向量相似度最大的第二参考文本内容中选取第一词向量作为所述用户的雷点。
步骤S23，获取所述第一参考文本内容中与所述搜索词相关的词语，以生成所述搜索词的第二词向量；
在本实施例中，首先通过统计以及比对方式获取每条第一参考文本内容中的主成分词(与热搜关键词或者搜索关键词显性相关，显性相关指的是具有与搜索关键词完全相同或者部分相同的词语)，并获取每条第一参考文本内容中的非主成分词，非主成分词与搜索关键词隐性相关，其中，要在每条第一参考文本内容中获取与搜索关键词隐性相关的非主成分词，需要将第一参考文本内容与搜索关键词输入至预设的非主成分词识别模型中，其中，非主成分词识别模型是已经训练好的识别模型。将主成分词以及非主成分词作为第一参考文本内容中所述搜索词的第二词向量。
步骤S24，根据所述第二词向量与预设参考关注点的词向量之间的第二相似度，确定所述用户的关注点。
在得到第二词向量后，获取第二词向量与预设参考关注点之间的第二相似度，具体地，所述第二词向量与预设参考关注点之间的第二相似度的计算，具体地，所述第二词向量与预设参考关注点之间的第二相似度与上述第一相似度的计算公式相同，在此不再赘述。
在本实施例中，通过获取所述第二参考文本内容中与所述搜索词相关的词语，以生成所述搜索词的第一词向量；并根据所述第一词向量与预设参考关注点之间的第一相似度，确定所述用户的雷点；获取所述第一参考文本内容中与所述搜索词相关的词语，以生成所述搜索词的第二词向量；根据所述第二词向量与预设参考关注点的词向量之间的第二相似度，最后确定所述用户的关注点。在本实施例中，准确得到关注点以及雷点，为精准进行内容推荐奠定基础。
进一步地，本发明提供内容推荐方法的另一实施例，在该实施例中，所述根据所述第一参考文本内容确定所述用户的关注点步骤包括：
步骤S25，获取预设参考关注点对应的参考文本内容，基于所述预设参考关注点对应的参考文本内容与所述搜索关键词确定所述预设参考关注点的主成分以及非主成分，其中，所述主成分与所述搜索关键词显性相关；
在本实施例中，为了更准确地进行推荐，先确定参考文本内容对应的主成分以及非主成分，其中，参考文本内容对应的主成分以及非主成分的确定与上述实施例基本相同，在此不再赘述。
步骤S26，将所述第一参考文本内容与所述主成分匹配，得到各个第一候选关注点，并将所述第一参考文本内容与所述非主成分匹配，得到各个第二候选关注点；
将所述第一参考文本内容与所述主成分匹配，得到各个第一候选关注点，其中，第一参考文本内容与所述主成分匹配对应的第一匹配规则，和非主成分与第一参考文本内容对应的第二匹配规则是预先设置的，可以根据经验和/或实际需求进行设定，本发明对此不作具体限定，例如，通过预设语义分析方法获取所述第一参考文本内容与所述非主成分匹配度，判断所述第一参考文本内容与所述非主成分匹配度是否大于预设值，若所述第一参考文本内容与所述非主成分匹配度大于预设值，将所述主成分作为第一候选关注点，由于第一参考文本内容可以为多条，因而，可以得到多个第一候选关注点，同样的，可以得到各个第二候选关注点。
步骤S27，计算所述各个第一候选关注点与所述第一参考文本内容的显式语义相似度，并计算所述各个第二候选关注点与所述第一参考文本内容的隐式语义相似度，根据所述显式语义相似度的大小以及所述隐式语义相似度的大小从所述各个第一候选关注点以及所述各个第二候选关注点中确定所述用户的关注点。
所述计算所述各个第一候选关注点与所述第一参考文本内容的显式语义相似度步骤包括：
步骤S271，将所述第一候选关注点与所述第一参考文本内容输入至预设神经网络模型中，得到所述各个第一候选关注点与所述第一参考文本内容的显式语义相似度，其中，所述预设神经网络模型是采用已标注关注点的训练文本进行显隐式语义训练得到的。
所述预设神经网络模型是采用已标注关注点的训练文本进行显式语义训练得到，在训练时，可以将训练文本对应的关注点以及显式语义下的预测结果作为正例，将随机的关注点以及未被选中的显式语义下的结果作为负例，利用深度神经网络(Deep NeuralNetworks，DNN)或机器学习模型SimNet进行模型训练，获得隐式语义预测模型。
另外，同样地，根据预设卷积神经网络模型，计算所述各个第二候选关注点与所述第一参考文本内容的隐式语义相似度，以最终实现根据所述显式语义相似度的大小以及所述隐式语义相似度的大小从所述各个第一候选关注点以及所述各个第二候选关注点中确定所述用户的关注点，不管是显式语义相似度还是隐式语义相似度，将语义相似度最大的候选关注点作为用户的关注点。
在本实施例中，通过获取预设参考关注点对应的参考文本内容，基于所述预设参考关注点对应的参考文本内容与所述搜索关键词确定所述预设参考关注点的主成分以及非主成分，其中，所述主成分与所述搜索关键词显性相关；将所述第一参考文本内容与所述主成分匹配，得到各个第一候选关注点，并将所述第一参考文本内容与所述非主成分匹配，得到各个第二候选关注点；计算所述各个第一候选关注点与所述第一参考文本内容的显式语义相似度，并计算所述各个第二候选关注点与所述第一参考文本内容的隐式语义相似度，根据所述显式语义相似度的大小以及所述隐式语义相似度的大小从所述各个第一候选关注点以及所述各个第二候选关注点中确定所述用户的关注点。因而，实现准确获取用户的关注点，提升用户体验。
在本发明中，还提供另一实施例，在该实施例中，所述判断所述搜索指令对应的搜索行为是否是互动类型搜索行为步骤之后包括：
步骤A1，若所述搜索指令对应的搜索行为是非互动类型搜索行为，获取用户选定的第三参考文本内容；
步骤A2，根据所述第三参考文本内容确定所述用户的非互动关注点；
步骤A3，向所述用户推荐与所述非互动关注点匹配的文本内容。
在本实施例中，若所述搜索指令对应的搜索行为是非互动类型搜索行为，获取用户选定的第三参考文本内容，根据所述第三参考文本内容确定所述用户的非互动关注点，向所述用户推荐与所述非互动关注点匹配的文本内容。以使得非互动状态下向用户准确推荐内容。
参照图3，图3是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例内容推荐设备可以是PC，也可以是智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面3)播放器、便携计算机等终端设备。
如图3所示，该内容推荐设备可以包括：处理器1001，例如CPU，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
可选地，该内容推荐设备还可以包括目标用户接口、网络接口、摄像头、RF(RadioFrequency，射频)电路，传感器、音频电路、WiFi模块等等。目标用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选目标用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解，图3中示出的内容推荐设备结构并不构成对内容推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图3所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及内容推荐方法程序。操作系统是管理和控制内容推荐设备硬件和软件资源的程序，支持内容推荐方法程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与内容推荐设备中其它硬件和软件之间通信。
在图3所示的内容推荐设备中，处理器1001用于执行存储器1005中存储的内容推荐方法程序，实现上述任一项所述的内容推荐方法的步骤。
本发明内容推荐设备具体实施方式与上述内容推荐方法各实施例基本相同，在此不再赘述。
本发明还提供一种内容推荐装置，所述内容推荐装置包括：
判断模块，用于在检测到基于用户输入的搜索词进行搜索的搜索指令时，判断所述搜索指令对应的搜索行为是否是互动类型搜索行为；
显示模块，用于若所述搜索指令对应的搜索行为是互动类型搜索行为，则将所述搜索指令对应搜索结果以互动方式进行显示；
获取模块，用获取用户针对所述互动方式显示的搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；
推荐模块，用于向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。
本发明内容推荐装置具体实施方式与上述内容推荐方法各实施例基本相同，在此不再赘述。
本发明提供了一种可读存储介质，所述可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的内容推荐方法的步骤。
本发明可读存储介质具体实施方式与上述内容推荐方法各实施例基本相同，在此不再赘述。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利处理范围内。
Claims (10)
1.一种内容推荐方法，其特征在于，所述内容推荐方法包括：
基于用户输入的搜索词生成进行搜索的搜索指令；
获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；
基于所述搜索指令，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。
2.如权利要求1所述的内容推荐方法，其特征在于，所述基于用户输入的搜索词生成进行搜索的搜索指令步骤之后包括：
获取所述搜索词所指向的文本内容，以确定所述搜索指令对应的搜索行为是否为互动类型搜索行为；
若所述搜索词所指向的文本内容为非营销类型内容时，确定所述搜索指令对应的搜索行为是互动类型搜索行为；
若所述搜索指令对应的搜索行为是互动类型搜索行为，则将所述搜索指令对应搜索结果以互动方式进行显示。
3.如权利要求2所述的内容推荐方法，其特征在于，所述若所述搜索指令对应的搜索行为是互动类型搜索行为，则将所述搜索指令对应搜索结果以互动方式进行显示步骤包括：
若所述搜索指令对应的搜索行为是互动类型搜索行为，则获取所述搜索指令对应每条搜索内容；
在所述每条搜索内容中添加互动程序段，以供所述用户基于所述互动程序段进行所述搜索内容的互动选择；
显示由添加了互动程序段的搜索内容构成的搜索结果。
4.如权利要求2所述的内容推荐方法，其特征在于，所述获取所述搜索词所指向的文本内容，以确定所述搜索指令对应的搜索行为是否为互动类型搜索行为步骤之后包括：
若所述搜索指令对应的搜索行为是非互动类型搜索行为，获取用户选定的第三参考文本内容；
根据所述第三参考文本内容确定所述用户的非互动关注点；
向所述用户推荐与所述非互动关注点匹配的文本内容。
5.如权利要求1所述的内容推荐方法，其特征在于，所述根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点步骤包括：
获取所述第二参考文本内容中与所述搜索词相关的词语，以生成所述搜索词的第一词向量；
根据所述第一词向量与预设参考关注点之间的第一相似度，确定所述用户的雷点；
获取所述第一参考文本内容中与所述搜索词相关的词语，以生成所述搜索词的第二词向量；
根据所述第二词向量与预设参考关注点的词向量之间的第二相似度，确定所述用户的关注点。
6.如权利要求1所述的内容推荐方法，其特征在于，所述根据所述第一参考文本内容确定所述用户的关注点步骤包括：
获取预设参考关注点对应的参考文本内容，基于所述预设参考关注点对应的参考文本内容与所述搜索关键词确定所述预设参考关注点的主成分以及非主成分，其中，所述主成分与所述搜索关键词显性相关；
将所述第一参考文本内容与所述主成分匹配，得到各个第一候选关注点，并将所述第一参考文本内容与所述非主成分匹配，得到各个第二候选关注点；
计算所述各个第一候选关注点与所述第一参考文本内容的显式语义相似度，并计算所述各个第二候选关注点与所述第一参考文本内容的隐式语义相似度，根据所述显式语义相似度的大小以及所述隐式语义相似度的大小从所述各个第一候选关注点以及所述各个第二候选关注点中确定所述用户的关注点。
7.如权利要求6所述的内容推荐方法，其特征在于，所述计算所述各个第一候选关注点与所述第一参考文本内容的显式语义相似度步骤包括：
将所述第一候选关注点与所述第一参考文本内容输入至预设神经网络模型中，得到所述各个第一候选关注点与所述第一参考文本内容的显式语义相似度，其中，所述预设神经网络模型是采用已标注关注点的训练文本进行显隐式语义训练得到的。
8.一种内容推荐装置，其特征在于，所述识别模块包括：
生成模块，用于基于用户输入的搜索词生成进行搜索的搜索指令；
获取模块，用于获取用户针对所述搜索指令的历史搜索结果所对应选定的第一参考文本内容以及对应规避的第二参考文本内容，根据所述第一参考文本内容确定所述用户的关注点，根据所述第二参考文本内容确定所述用户的雷点；；
推荐模块，用于基于所述搜索指令，向所述用户推荐规避了所述雷点后，与所述关注点匹配的文本内容。
9.一种内容推荐设备，其特征在于，所述内容推荐设备包括：存储器、处理器，通信总线以及存储在所述存储器上的内容推荐方法程序，
所述通信总线用于实现处理器与存储器间的通信连接；
所述处理器用于执行所述内容推荐方法程序，以实现如权利要求1至7中任一项所述的内容推荐方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有内容推荐方法程序，所述内容推荐方法程序被处理器执行时实现如权利要求1至7中任一项所述的内容推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910920682.0A CN110750715A (zh) | 2019-09-25 | 2019-09-25 | 内容推荐方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910920682.0A CN110750715A (zh) | 2019-09-25 | 2019-09-25 | 内容推荐方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110750715A true CN110750715A (zh) | 2020-02-04 |
Family
ID=69277167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910920682.0A Pending CN110750715A (zh) | 2019-09-25 | 2019-09-25 | 内容推荐方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110750715A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113807429A (zh) * | 2021-09-14 | 2021-12-17 | 企查查科技有限公司 | 企业的分类方法、装置、计算机设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104035957A (zh) * | 2014-04-14 | 2014-09-10 | 百度在线网络技术（北京）有限公司 | 搜索方法和装置 |
| CN105574140A (zh) * | 2015-12-15 | 2016-05-11 | 北京奇虎科技有限公司 | 一种向用户推荐内容的方法及系统 |
| CN105893592A (zh) * | 2016-04-12 | 2016-08-24 | 广东欧珀移动通信有限公司 | 一种搜索方法和装置 |
| CN107330023A (zh) * | 2017-06-21 | 2017-11-07 | 北京百度网讯科技有限公司 | 基于关注点的文本内容推荐方法和装置 |
| CN107357578A (zh) * | 2017-07-01 | 2017-11-17 | 北京奇虎科技有限公司 | 一种基于移动终端的社交软件的快捷搜索方法及装置 |
| CN109871483A (zh) * | 2019-01-22 | 2019-06-11 | 珠海天燕科技有限公司 | 一种推荐信息的确定方法及装置 |
-
2019
- 2019-09-25 CN CN201910920682.0A patent/CN110750715A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104035957A (zh) * | 2014-04-14 | 2014-09-10 | 百度在线网络技术（北京）有限公司 | 搜索方法和装置 |
| CN105574140A (zh) * | 2015-12-15 | 2016-05-11 | 北京奇虎科技有限公司 | 一种向用户推荐内容的方法及系统 |
| CN105893592A (zh) * | 2016-04-12 | 2016-08-24 | 广东欧珀移动通信有限公司 | 一种搜索方法和装置 |
| CN107330023A (zh) * | 2017-06-21 | 2017-11-07 | 北京百度网讯科技有限公司 | 基于关注点的文本内容推荐方法和装置 |
| CN107357578A (zh) * | 2017-07-01 | 2017-11-17 | 北京奇虎科技有限公司 | 一种基于移动终端的社交软件的快捷搜索方法及装置 |
| CN109871483A (zh) * | 2019-01-22 | 2019-06-11 | 珠海天燕科技有限公司 | 一种推荐信息的确定方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113807429A (zh) * | 2021-09-14 | 2021-12-17 | 企查查科技有限公司 | 企业的分类方法、装置、计算机设备和存储介质 |
| CN113807429B (zh) * | 2021-09-14 | 2024-03-29 | 企查查科技股份有限公司 | 企业的分类方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11995564B2 (en) | System and method for generating aspect-enhanced explainable description-based recommendations | |
| CN109819284B (zh) | 一种短视频推荐方法、装置、计算机设备及存储介质 | |
| US20190244271A1 (en) | Computer Vision and Image Characteristic Search | |
| WO2021238722A1 (zh) | 资源推送方法、装置、设备及存储介质 | |
| CN108776676B (zh) | 信息推荐方法、装置、计算机可读介质及电子设备 | |
| US9607010B1 (en) | Techniques for shape-based search of content | |
| US20220147870A1 (en) | Method for providing recommended content list and electronic device according thereto | |
| US11172040B2 (en) | Method and apparatus for pushing information | |
| CN109168047B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
| WO2020107624A1 (zh) | 信息推送方法、装置、电子设备及计算机可读存储介质 | |
| US20170105040A1 (en) | Display method, apparatus and related display panel | |
| US11430049B2 (en) | Communication via simulated user | |
| CN112818224B (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
| US20210201146A1 (en) | Computing device and operation method thereof | |
| CN112464025A (zh) | 视频推荐方法、装置、电子设备及介质 | |
| US10083232B1 (en) | Weighting user feedback events based on device context | |
| US20240184837A1 (en) | Recommendation method and apparatus, training method and apparatus, device, and recommendation system | |
| CN114154013A (zh) | 视频推荐方法、装置、设备及存储介质 | |
| KR101873339B1 (ko) | 관심사 및 콘텐츠를 제공하는 방법 및 시스템 | |
| CN111967924A (zh) | 商品推荐方法、商品推荐装置、计算机设备和介质 | |
| CN107968743A (zh) | 推送信息的方法和装置 | |
| CN113869063A (zh) | 数据推荐方法、装置、电子设备及存储介质 | |
| CN110750715A (zh) | 内容推荐方法、装置、设备及可读存储介质 | |
| WO2017162158A1 (en) | Method and apparatus for recommending data | |
| CN112650942A (zh) | 产品推荐方法、装置、计算机系统和计算机可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200204 |
|
| RJ01 | Rejection of invention patent application after publication |