CN111061956A - 用于生成信息的方法和装置 - Google Patents
用于生成信息的方法和装置 Download PDFInfo
- Publication number
- CN111061956A CN111061956A CN201911347297.8A CN201911347297A CN111061956A CN 111061956 A CN111061956 A CN 111061956A CN 201911347297 A CN201911347297 A CN 201911347297A CN 111061956 A CN111061956 A CN 111061956A
- Authority
- CN
- China
- Prior art keywords
- information
- feedback information
- user
- users
- push
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了用于生成信息的方法和装置。上述方法的一具体实施方式包括:获取多个用户的向量,所述向量用于表征用户的行为习惯;将所述多个用户的向量以及推送系统向所述多个用户推送的推送信息输入预先建立的反馈信息生成模型中,生成所述多个用户针对推送信息的反馈信息,所述反馈信息生成模型用于表征向量、推送信息与反馈信息的对应关系;根据所述反馈信息,生成所述推送系统的评估报告。该实施方式可以根据仿真生成的多个用户的反馈信息来对推送系统进行评估,提高推送系统的评估准确性,同时节省成本。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于生成信息的方法和装置。
背景技术
推送技术是指由服务器主动将信息发往客户端的技术,有短信、邮件、Web页面、窗口等多种信息表现形式,内容包括广告、新闻、推荐内容等。随着通信技术的发展,向用户终端推送广告和主动推荐业务、服务,日渐成为运营商进行广告营销、流量经营的主要手段。运营商通过推送信息。
而目前推送系统会通过以下方式进行评估:1、线下不做任何评估,直接上线进行流量试验,观察用户真实反馈;2、上线前根据一些通用的评估标准进行评估。这些方式不能准确地评估推送系统。
发明内容
本申请实施例提出了用于生成信息的方法和装置。
第一方面,本申请实施例提供了一种用于生成信息的方法,包括:获取多个用户的向量,所述向量用于表征用户的行为习惯;将所述多个用户的向量以及推送系统向所述多个用户推送的推送信息输入预先建立的反馈信息生成模型中,生成所述多个用户针对推送信息的反馈信息,所述反馈信息生成模型用于表征向量、推送信息与反馈信息的对应关系;根据所述反馈信息,生成所述推送系统的评估报告。
在一些实施例中,所述获取多个用户的向量,包括:对于每个用户,获取该用户的历史行为数据;对所述历史行为数据进行处理,得到该用户的向量。
在一些实施例中,所述方法还包括:根据所述评估报告,优化所述推送系统。
在一些实施例中,所述反馈信息生成模型通过以下步骤训练得到:获取训练样本集合,所述训练样本包括用户的向量、推送给用户的历史信息以及用户针对所述历史信息的历史反馈信息;将所述用户的向量以及所述历史信息作为输入,将所述历史反馈信息作为期望输出,训练得到所述反馈信息生成模型。
第二方面,本申请实施例提供了一种用于生成信息的装置,包括:向量获取单元,被配置成获取多个用户的向量,所述向量用于表征用户的行为习惯;信息生成单元,被配置成将所述多个用户的向量以及推送系统向所述多个用户推送的推送信息输入预先建立的反馈信息生成模型中,生成所述多个用户针对推送信息的反馈信息,所述反馈信息生成模型用于表征向量、推送信息与反馈信息的对应关系;报告生成单元,被配置成根据所述反馈信息,生成所述推送系统的评估报告。
在一些实施例中,所述向量获取单元进一步被配置成:对于每个用户,获取该用户的历史行为数据;对所述历史行为数据进行处理,得到该用户的向量。
在一些实施例中,所述装置还包括:系统优化单元,被配置成根据所述评估报告,优化所述推送系统。
在一些实施例中,所述装置还包括训练单元,被配置成:获取训练样本集合,所述训练样本包括用户的向量、推送给用户的历史信息以及用户针对所述历史信息的历史反馈信息;将所述用户的向量以及所述历史信息作为输入,将所述历史反馈信息作为期望输出,训练得到所述反馈信息生成模型。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面任一实施例所描述的方法。
本申请的上述实施例提供的用于生成信息的方法和装置,首先可以获取多个用户的向量,上述向量用于表征用户的行为习惯。然后,将多个向量以及推送系统向多个用户推送的推送信息输入预先建立的反馈信息生成模型中,生成多个用户针对推送信息的反馈信息。最后,根据反馈信息,生成推送系统的评估报告。本实施例的方法,可以根据仿真生成的反馈信息来对推送系统进行评估,提高推送系统的评估准确性,同时节省成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于生成信息的方法的一个实施例的流程图;
图3是根据本申请的用于生成信息的方法的一个应用场景的示意图;
图4是根据本申请的用于生成信息的方法的另一个实施例的流程图;
图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于生成信息的方法或用于生成信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、新闻类应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持信息浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的信息提供支持的后台服务器。后台服务器上可以运行有推送系统,推送系统可以向终端设备101、102、103推送信息。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于生成信息的方法可以由终端设备101、102、103执行,也可以由服务器105执行。相应地,用于生成信息的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于生成信息的方法的一个实施例的流程200。本实施例的用于生成信息的方法,包括以下步骤:
步骤201,获取多个用户的向量。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取多个用户的向量。上述向量可以用于表征用户的行为习惯。上述用户可以是在任意可以推送信息的网站或应用程序上注册的用户。上述网站或应用程序可以由推送系统所运行的设备支持。执行主体可以从本地获取上述多个用户的向量,或者从其它电子设备处获取多个用户的向量。
在本实施例的一些可选的实现方式中,上述用户的向量可以通过图2中未示出的以下步骤来得到:对于每个用户,获取该用户的历史行为数据;对历史行为数据进行处理,得到该用户的向量。
本实现方式中,执行主体还可以首先获取每个用户的历史行为数据。上述历史行为数据包括用户在某网站或某应用程序上产生的历史行为数据,例如,用户直接请求的页面地址以及用户请求的推荐内容页面地址,用户直接请求的页面地址是指用户在没有任何提示或者推荐的情况下根据用户的个人意愿所访问的页面地址;用户请求的推荐内容页面地址是指用户在接受到推荐内容后,按照自己的喜好选择的服务器推荐的页面地址。执行主体可以对上述历史行为数据进行处理,得到该用户的向量。具体的,执行主体可以对上述历史行为数据所针对的信息进行分类,确定用户的标签,然后根据标签与向量的预设映射关系,确定用户对应的向量。或者,执行主体还可以利用各种数据处理算法对上述历史行为数据进行处理,得到对应的向量。上述数据处理算法包括但不限于哈希算法、压缩算法等等。
可以理解的是,通过标签确定的向量,执行主体可以明确的了解用户的特性,这种向量可以称为显式向量。而通过数据处理算法对历史行为数据进行处理得到的向量,执行主体并不清楚用户的特性,这种向量可以称为隐式向量。
步骤202,将多个用户的向量以及推送系统向多个用户推送的推送信息输入预先建立的反馈信息生成模型中,生成多个用户针对推送信息的反馈信息。
执行主体在获取到多个用户的向量后,还可以获取推送系统向多个用户推送的多条推送信息。本实施例中,推送系统可以是通过信息统计、计算、过滤等向用户推荐其可能感兴趣的信息的一种系统,其可以包括多个模块,各模块负责不同的处理,且各模块间联动,实现信息的推送。可以理解的是,上述多条推送信息是推送系统将要推送给上述多个用户的。多条推送信息可以相同,也可以不同。执行主体可以将上述多个用户的向量和上述多条推送信息分别输入预先建立的反馈信息生成模型中。上述反馈信息生成模型用于表征向量、推送信息与反馈信息的对应关系。反馈信息生成模型可以是各种机器算法构建得到的,如卷积神经网络等。上述反馈信息可以包括对推送信息的各种反馈,例如是否点击、浏览时长、对推荐信息的直接评价和评分等。
步骤203,根据反馈信息,生成推送系统的评估报告。
执行主体在得到反馈信息后,可以生成针对推送系统的评估报告。具体的,执行主体可以对反馈信息进行分析,确定其中的正向反馈信息和负向反馈信息。正向反馈信息为用户认可推送系统推送的信息时作出的反馈,负向反馈信息为用户不认可推送系统推送的现象时作出的反馈。执行主体可以根据上述正向反馈信息以及负向反馈信息,生成评估报告。具体的,上述评估报告可以包括上述正向反馈信息以及负向反馈信息,或者上述评估报告还可以包括正向反馈信息针对的模块以及负向反馈信息针对的模块。执行主体可以将生成的评估报告输出,技术人员可以根据上述评估报告对推送系统进行进一步处理,如上线或优化。
在本实施例的一些可选的实现方式中,上述方法还可以进一步包括图2中未示出的以下步骤:根据评估报告,优化推送系统。
本实现方式中,执行主体可以根据评估报告,来优化上述推送系统。具体的,执行主体可以根据反馈信息中的负向反馈信息,确定产生上述负向反馈信息的至少一个模块,然后对上述至少一个模块进行优化。
继续参见图3,图3是根据本实施例的用于生成信息的方法的一个应用场景的示意图。在图3的应用场景中,服务器首先从数据库中获取多个用户的向量。然后,将多个用户的向量以及推送系统推送给用户的推送信息输入反馈信息生成模型中,得到反馈信息。最后,根据反馈信息,生成评估报告。如果评估报告,认为推送系统合格,则将推送系统上线,供用户使用。
本申请的上述实施例提供的用于生成信息的方法,可以根据仿真生成的多个用户的反馈信息来对推送系统进行评估,提高推送系统的评估准确性,同时节省成本。
继续参见图4,其示出了根据本申请的用于生成信息的方法的另一个实施例的流程400。如图4所示,本实施例的用于生成信息的方法,可以包括以下步骤:
步骤401,获取训练样本集合。
本实施例中,上述训练样本集合中的训练样本包括用户的向量、推送给用户的历史信息以及用户针对历史信息的历史反馈信息。上述历史信息可以包括各种类型的信息,例如可以包括新闻类、娱乐类等等。具体的,执行主体可以根据推送系统的应用场景,来选择包括不同类型的历史信息的训练样本集合。例如,推送系统的应用场景为银行,则执行主体可以获取包括理财类型的历史信息的训练样本集合。
步骤402,将用户的向量以及历史信息作为输入,将历史反馈信息作为期望输出,训练得到反馈信息生成模型。
执行主体在获取到训练样本集合后,可以将训练样本中的用户的向量以及历史信息作为输入,将历史反馈信息作为期望输出,训练得到反馈信息生成模型。
步骤403,获取多个用户的向量。
步骤404,将多个用户的向量以及推送系统向多个用户推送的推送信息输入反馈信息生成模型中,生成多个用户针对推送信息的反馈信息。
步骤405,根据反馈信息,生成推送系统的评估报告
步骤403~405的原理与步骤201~203的原理类似,此处不再赘述。
本申请的上述实施例提供的用于生成信息的方法,可以根据推送系统的应用场景来有针对性的对反馈信息生成模型进行训练,从而能够提高反馈信息生成模型的准确度。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于生成信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于生成信息的装置500包括:向量获取单元501、信息生成单元502以及报告生成单元503。
向量获取单元501,被配置成获取多个用户的向量。上述向量用于表征用户的行为习惯。
信息生成单元502,被配置成将多个用户的向量以及推送系统向多个用户推送的推送信息输入预先建立的反馈信息生成模型中,生成多个用户针对推送信息的反馈信息。反馈信息生成模型用于表征向量、推送信息与反馈信息的对应关系。
报告生成单元503,被配置成根据反馈信息,生成推送系统的评估报告。
在本实施例的一些可选的实现方式中,向量获取单元501进一步被配置成:对于每个用户,获取该用户的历史行为数据;对历史行为数据进行处理,得到该用户的向量。
在本实施例的一些可选的实现方式中,装置500还可以进一步包括图5中未示出的系统优化单元,被配置成根据评估报告,优化推送系统。
在本实施例的一些可选的实现方式中,装置500还可以进一步包括图5中未示出的训练单元,被配置成:获取训练样本集合,训练样本包括用户的向量、推送给用户的历史信息以及用户针对历史信息的历史反馈信息;将用户的向量以及历史信息作为输入,将历史反馈信息作为期望输出,训练得到反馈信息生成模型。
应当理解,用于生成信息的装置500中记载的单元501至单元503分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于生成信息的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取多个用户的向量,向量用于表征用户的行为习惯;将多个用户的向量以及推送系统向多个用户推送的推送信息输入预先建立的反馈信息生成模型中,生成多个用户针对推送信息的反馈信息,反馈信息生成模型用于表征向量、推送信息与反馈信息的对应关系;根据反馈信息,生成推送系统的评估报告。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括向量获取单元、信息生成单元和报告生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,向量获取单元还可以被描述为“获取多个用户的向量的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于生成信息的方法,包括:
获取多个用户的向量,所述向量用于表征用户的行为习惯;
将所述多个用户的向量以及推送系统向所述多个用户推送的推送信息输入预先建立的反馈信息生成模型中,生成所述多个用户针对推送信息的反馈信息,所述反馈信息生成模型用于表征向量、推送信息与反馈信息的对应关系;
根据所述反馈信息,生成所述推送系统的评估报告。
2.根据权利要求1所述的方法,其中,所述获取多个用户的向量,包括:
对于每个用户,获取该用户的历史行为数据;
对所述历史行为数据进行处理,得到该用户的向量。
3.根据权利要求1所述的方法,其中,所述方法还包括:
根据所述评估报告,优化所述推送系统。
4.根据权利要求1所述的方法,其中,所述反馈信息生成模型通过以下步骤训练得到:
获取训练样本集合,所述训练样本包括用户的向量、推送给用户的历史信息以及用户针对所述历史信息的历史反馈信息;
将所述用户的向量以及所述历史信息作为输入,将所述历史反馈信息作为期望输出,训练得到所述反馈信息生成模型。
5.一种用于生成信息的装置,包括:
向量获取单元,被配置成获取多个用户的向量,所述向量用于表征用户的行为习惯;
信息生成单元,被配置成将所述多个用户的向量以及推送系统向所述多个用户推送的推送信息输入预先建立的反馈信息生成模型中,生成所述多个用户针对推送信息的反馈信息,所述反馈信息生成模型用于表征向量、推送信息与反馈信息的对应关系;
报告生成单元,被配置成根据所述反馈信息,生成所述推送系统的评估报告。
6.根据权利要求5所述的装置,其中,所述向量获取单元进一步被配置成:
对于每个用户,获取该用户的历史行为数据;
对所述历史行为数据进行处理,得到该用户的向量。
7.根据权利要求5所述的装置,其中,所述装置还包括:
系统优化单元,被配置成根据所述评估报告,优化所述推送系统。
8.根据权利要求5所述的装置,其中,所述装置还包括训练单元,被配置成:
获取训练样本集合,所述训练样本包括用户的向量、推送给用户的历史信息以及用户针对所述历史信息的历史反馈信息;
将所述用户的向量以及所述历史信息作为输入,将所述历史反馈信息作为期望输出,训练得到所述反馈信息生成模型。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911347297.8A CN111061956B (zh) | 2019-12-24 | 2019-12-24 | 用于生成信息的方法和装置 |
US16/891,822 US11412070B2 (en) | 2019-12-24 | 2020-06-03 | Method and apparatus for generating information |
JP2020098532A JP2021103506A (ja) | 2019-12-24 | 2020-06-05 | 情報を生成するための方法及び装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911347297.8A CN111061956B (zh) | 2019-12-24 | 2019-12-24 | 用于生成信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111061956A true CN111061956A (zh) | 2020-04-24 |
CN111061956B CN111061956B (zh) | 2022-08-16 |
Family
ID=70303173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911347297.8A Active CN111061956B (zh) | 2019-12-24 | 2019-12-24 | 用于生成信息的方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11412070B2 (zh) |
JP (1) | JP2021103506A (zh) |
CN (1) | CN111061956B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112148994A (zh) * | 2020-10-23 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 信息推送效果评估方法、装置、电子设备及存储介质 |
CN112613906A (zh) * | 2020-12-18 | 2021-04-06 | 北京思特奇信息技术股份有限公司 | 基于移动通信网络的营销推荐评估方法、装置、计算机设备 |
CN113765959A (zh) * | 2020-06-30 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111061956B (zh) * | 2019-12-24 | 2022-08-16 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN115392944A (zh) * | 2021-05-24 | 2022-11-25 | 腾讯科技(深圳)有限公司 | 一种推广内容的处理方法、装置、计算机设备和存储介质 |
CN113672801B (zh) * | 2021-07-30 | 2022-07-05 | 北京三快在线科技有限公司 | 信息的处理方法、装置、存储介质和电子设备 |
CN113609397A (zh) * | 2021-08-16 | 2021-11-05 | 北京沃东天骏信息技术有限公司 | 用于推送信息的方法和装置 |
CN114092137A (zh) * | 2021-11-10 | 2022-02-25 | 北京淘友天下科技发展有限公司 | 一种推送方法、装置、电子设备及存储介质 |
CN114493019B (zh) * | 2022-01-29 | 2024-08-27 | 建信金融科技有限责任公司 | 发送方式的确定方法和装置 |
CN114897569B (zh) * | 2022-02-18 | 2023-05-30 | 浙江开心果数智科技有限公司 | 基于营销服务平台的订单生成方法、装置、设备及介质 |
CN116629810B (zh) * | 2023-07-24 | 2023-10-20 | 中建五局第三建设有限公司 | 基于建筑办公系统的操作推荐方法、装置、设备和介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123284A (zh) * | 2013-04-24 | 2014-10-29 | 华为技术有限公司 | 一种推荐的方法及服务器 |
CN106878397A (zh) * | 2017-01-21 | 2017-06-20 | 浙江沛宏网络科技有限公司 | 一种web用户行为反馈方法及系统 |
CN106961362A (zh) * | 2017-03-09 | 2017-07-18 | 杭州铜板街互联网金融信息服务有限公司 | 自动化测试方法及移动云测试系统 |
CN107729542A (zh) * | 2017-10-31 | 2018-02-23 | 咪咕音乐有限公司 | 一种信息评分方法及装置和存储介质 |
CN107993019A (zh) * | 2017-12-12 | 2018-05-04 | 北京字节跳动网络技术有限公司 | 一种简历评估方法及装置 |
CN108255886A (zh) * | 2016-12-29 | 2018-07-06 | 北京国双科技有限公司 | 推荐系统的评估方法及装置 |
CN108268555A (zh) * | 2017-01-03 | 2018-07-10 | 中国移动通信有限公司研究院 | 一种信息处理方法及装置 |
CN109034912A (zh) * | 2018-08-23 | 2018-12-18 | 杭州创梦汇科技有限公司 | 一种具有受众筛选的电子商务运营的信息推送系统 |
CN109522483A (zh) * | 2018-11-14 | 2019-03-26 | 北京百度网讯科技有限公司 | 用于推送信息的方法和装置 |
CN110335100A (zh) * | 2019-05-09 | 2019-10-15 | 东莞市盟大塑化科技有限公司 | 基于人工智能的信息推送方法、装置、计算机和存储介质 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5768517B2 (ja) * | 2011-06-13 | 2015-08-26 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
US20140172544A1 (en) * | 2012-12-17 | 2014-06-19 | Facebook, Inc. | Using negative feedback about advertisements to serve advertisements |
CN103294800B (zh) * | 2013-05-27 | 2016-12-28 | 华为技术有限公司 | 一种信息推送方法及装置 |
JP2014235468A (ja) | 2013-05-31 | 2014-12-15 | Kddi株式会社 | プッシュ型情報配信評価装置、情報受信端末、プッシュ型情報配信システムおよびコンピュータプログラム |
US20150044654A1 (en) * | 2013-08-09 | 2015-02-12 | University Of Washington Through Its Center For Commercialization | Crowd-Sourced Assessment of Technical Skill (C-SATS™/CSATS™) |
US20200050527A1 (en) * | 2013-09-05 | 2020-02-13 | Colleen Pettit Jones | Content analysis and scoring system and method |
CN105023165A (zh) * | 2014-04-17 | 2015-11-04 | 腾讯科技(深圳)有限公司 | 社交网络平台中投放任务的控制方法、装置及系统 |
US9600073B2 (en) * | 2014-05-21 | 2017-03-21 | International Business Machines Corporation | Automated adjustment of content composition rules based on evaluation of user feedback obtained through haptic interface |
US20200211407A1 (en) * | 2015-06-03 | 2020-07-02 | Pearson Education, Inc. | Content refinement evaluation triggering |
US20170171336A1 (en) * | 2015-12-15 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for information recommendation |
US10339824B2 (en) * | 2015-12-21 | 2019-07-02 | Koninklijke Philips N.V. | System and method for effectuating dynamic selection and presentation of questions during presentation of related content |
CA3020974A1 (en) * | 2016-04-15 | 2017-10-19 | Walmart Apollo, Llc | Partiality vector refinement systems and methods through sample probing |
US10757218B2 (en) * | 2017-03-29 | 2020-08-25 | Alibaba Group Holding Limited | Method and apparatus for generating push notifications |
US11087237B2 (en) | 2018-01-30 | 2021-08-10 | Walmart Apollo, Llc | Machine learning techniques for transmitting push notifications |
JP7000200B2 (ja) | 2018-02-22 | 2022-01-19 | 株式会社野村総合研究所 | 広告効果予測システム、方法およびプログラム |
CN111061956B (zh) * | 2019-12-24 | 2022-08-16 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
-
2019
- 2019-12-24 CN CN201911347297.8A patent/CN111061956B/zh active Active
-
2020
- 2020-06-03 US US16/891,822 patent/US11412070B2/en active Active
- 2020-06-05 JP JP2020098532A patent/JP2021103506A/ja active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123284A (zh) * | 2013-04-24 | 2014-10-29 | 华为技术有限公司 | 一种推荐的方法及服务器 |
CN108255886A (zh) * | 2016-12-29 | 2018-07-06 | 北京国双科技有限公司 | 推荐系统的评估方法及装置 |
CN108268555A (zh) * | 2017-01-03 | 2018-07-10 | 中国移动通信有限公司研究院 | 一种信息处理方法及装置 |
CN106878397A (zh) * | 2017-01-21 | 2017-06-20 | 浙江沛宏网络科技有限公司 | 一种web用户行为反馈方法及系统 |
CN106961362A (zh) * | 2017-03-09 | 2017-07-18 | 杭州铜板街互联网金融信息服务有限公司 | 自动化测试方法及移动云测试系统 |
CN107729542A (zh) * | 2017-10-31 | 2018-02-23 | 咪咕音乐有限公司 | 一种信息评分方法及装置和存储介质 |
CN107993019A (zh) * | 2017-12-12 | 2018-05-04 | 北京字节跳动网络技术有限公司 | 一种简历评估方法及装置 |
CN109034912A (zh) * | 2018-08-23 | 2018-12-18 | 杭州创梦汇科技有限公司 | 一种具有受众筛选的电子商务运营的信息推送系统 |
CN109522483A (zh) * | 2018-11-14 | 2019-03-26 | 北京百度网讯科技有限公司 | 用于推送信息的方法和装置 |
CN110335100A (zh) * | 2019-05-09 | 2019-10-15 | 东莞市盟大塑化科技有限公司 | 基于人工智能的信息推送方法、装置、计算机和存储介质 |
Non-Patent Citations (2)
Title |
---|
蔡立志等: "推荐系统的测评实验", 《大数据测评》 * |
陆佳伊: "企业员工岗位知识评价研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113765959A (zh) * | 2020-06-30 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
CN112148994A (zh) * | 2020-10-23 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 信息推送效果评估方法、装置、电子设备及存储介质 |
CN112148994B (zh) * | 2020-10-23 | 2024-04-19 | 腾讯科技(深圳)有限公司 | 信息推送效果评估方法、装置、电子设备及存储介质 |
CN112613906A (zh) * | 2020-12-18 | 2021-04-06 | 北京思特奇信息技术股份有限公司 | 基于移动通信网络的营销推荐评估方法、装置、计算机设备 |
CN112613906B (zh) * | 2020-12-18 | 2024-04-30 | 北京思特奇信息技术股份有限公司 | 基于移动通信网络的营销推荐评估方法、装置、计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
US20210194977A1 (en) | 2021-06-24 |
CN111061956B (zh) | 2022-08-16 |
JP2021103506A (ja) | 2021-07-15 |
US11412070B2 (en) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111061956B (zh) | 用于生成信息的方法和装置 | |
CN109460513B (zh) | 用于生成点击率预测模型的方法和装置 | |
CN109981787B (zh) | 用于展示信息的方法和装置 | |
CN111104482A (zh) | 数据处理方法和装置 | |
CN109359194B (zh) | 用于预测信息类别的方法和装置 | |
CN111488995B (zh) | 用于评估联合训练模型的方法、装置和系统 | |
CN108810047B (zh) | 用于确定信息推送准确率的方法、装置及服务器 | |
CN110866040B (zh) | 用户画像生成方法、装置和系统 | |
CN110619078B (zh) | 用于推送信息的方法和装置 | |
CN111340220A (zh) | 用于训练预测模型的方法和装置 | |
CN111680799A (zh) | 用于处理模型参数的方法和装置 | |
US20190188623A1 (en) | Cognitive and dynamic business process generation | |
CN109582854B (zh) | 用于生成信息的方法和装置 | |
CN113378346A (zh) | 模型仿真的方法和装置 | |
CN111026849A (zh) | 数据处理方法和装置 | |
CN111125502A (zh) | 用于生成信息的方法和装置 | |
CN112860999B (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN110881056A (zh) | 用于推送信息的方法和装置 | |
CN111767290B (zh) | 用于更新用户画像的方法和装置 | |
CN109857838B (zh) | 用于生成信息的方法和装置 | |
CN112749214A (zh) | 交互内容展示方式的更新方法、装置、介质及电子设备 | |
CN111125501A (zh) | 用于处理信息的方法和装置 | |
CN112579428A (zh) | 接口测试的方法、装置、电子设备和存储介质 | |
CN112348587B (zh) | 信息推送方法、装置和电子设备 | |
CN111367517B (zh) | 信息生成方法和装置 |
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 |