CN111274483B - 关联推荐方法及关联推荐交互方法 - Google Patents
关联推荐方法及关联推荐交互方法 Download PDFInfo
- Publication number
- CN111274483B CN111274483B CN202010063297.1A CN202010063297A CN111274483B CN 111274483 B CN111274483 B CN 111274483B CN 202010063297 A CN202010063297 A CN 202010063297A CN 111274483 B CN111274483 B CN 111274483B
- Authority
- CN
- China
- Prior art keywords
- search
- search result
- article
- articles
- category
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 110
- 230000003993 interaction Effects 0.000 title abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 41
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims 3
- 239000000523 sample Substances 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 8
- 238000010606 normalization Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 101000629361 Homo sapiens Paraplegin Proteins 0.000 description 1
- 102100027006 Paraplegin Human genes 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种关联推荐方法以及关联推荐交互方法,利用标签进行聚类推荐无法有效解答用户疑问以及缺乏与用户逻辑关联性的问题。关联推荐方法,包括:获取至少一个用户输入的多个历史搜索问题;在所述历史搜索问题中筛选出满足第一预设条件的待选搜索问题集;发送所述待选搜索问题集以在与当前阅读文章对应的搜索框下拉列表中显示;以及将当前用户在所述待选搜索问题集中选取的搜索问题作为搜索输入条件,根据所述搜索输入条件进行搜索,获取搜索结果文章列表。用户的问题可以快速有效地被解答。由于待搜索问题集可以从多不同角度解读文章,实现从多维度为用户提供选择,跳出固定思维模式,可以开拓用户辩证多样的思维方式。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种关联推荐方法、关联推荐方法交互、关联推荐装置、电子设备和计算机可读存储介质。
背景技术
随着互联网产业的高速发展,在线阅读过程中,基于大数据运算进行聚类向用户推荐个性化相关内容是大势所趋。现有技术中,通过用户对文章进行标签实现聚类,推荐用户最常用标签的相关文章。然而,利用标签进行推荐,无法有效解答用户疑问,缺乏与用户逻辑关联性,无法有效开拓用户辩证思维。
发明内容
有鉴于此,本发明实施例提供了一种关联推荐方法及关联推荐交互方法,解决了现有技术中利用标签进行聚类推荐无法有效解答用户疑问以及缺乏与用户逻辑关联性的问题。
根据本发明的一个方面,本发明一实施例提供的一种关联推荐方法,包括:获取至少一个用户输入的多个历史搜索问题;在所述历史搜索问题中筛选出满足第一预设条件的待选搜索问题集;所述待选搜索问题集以在与当前阅读文章对应的搜索框下拉列表中显示;以及将当前用户在所述待选搜索问题集中选取的搜索问题作为搜索输入条件,根据所述搜索输入条件进行搜索,获取搜索结果文章列表。
根据本发明另一个方面,本发明一实施例提供的一种关联推荐交互方法,包括:接收至少一个用户输入的多个历史搜索问题并将所述多个历史搜索问题发送给服务器;接收所述服务器发送的待选搜索问题集,所述待选搜索问题集包括在所述多个历史搜索问题中筛选出满足第一预设条件的待选搜索问题;在与当前阅读文章对应的搜索框下拉列表中显示所述待选搜索问题集;以及获取当前用户在所述待选搜索问题集中选取的搜索问题,将当前用户在所述待选搜索问题集中选取的搜索问题作为搜索输入条件,发送所述搜索输入条件发送给服务器。
根据本发明的又一个方面,本发明一实施例提供的本申请一实施例提供了一种电子设备,包括:处理器;存储器;以及存储在存储器中的计算机程序指令,计算机程序指令在被处理器运行时使得处理器执行如上述任一项所述的关联推荐方法。
根据本申请的另一方面,本申请一实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如前任一所述的关联推荐方法。
本发明实施例提供的一种关联推荐方法、关联推荐装置、电子设备和计算机可读存储介质,通过在历史搜索问题中筛选出历史用户认为有用次数较多的待选搜索问题集,当用户阅读当前文章时,在当前页面的搜索框下拉列表中推荐待选搜索问题集供用户选择,使得用户可以快速获取与本身阅读逻辑相关的问题。并根据用户选择的问题提供搜索结果文章列表给用户,使得用户的问题可以快速有效地被解答。此外,提供用户筛选出的待搜索问题集供用户选择,由于待搜索问题集可以从多不同角度解读文章,实现从多维度为用户提供选择,跳出固定思维模式,可以开拓用户辩证多样的思维方式。
附图说明
图1所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图2所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图3所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图4所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图5所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图6所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图7所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图8所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图9所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图10所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图11所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图12所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图13所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图14所示为本申请一实施例提供的一种关联推荐方法的流程示意图。
图15所示为本申请一实施例提供的一种关联推荐交互方法的流程示意图。
图16所示为本申请一实施例提供的一种关联推荐装置的示意图。
图17所示为本申请一实施例提供的一种关联推荐装置的示意图。
图18所示为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
申请概述
如上所述,现有的网页在线阅读或者应用程序APP在线阅读过程中,用户会对已阅读文章打标签,通过标签聚类统计每个用户最常用的标签以及每个常用标签对应的打标签次数最多的文章,通过学习训练预测用户会对当前阅读文章打的当前标签,并推荐与当前标签对应的打标签次数最多的文章给用户。然而,标签无法准确描述文章的各个特征,且现有的标签分类器也存在关联性不足的缺陷,利用标签进行推荐缺乏与用户当前面问题的关联性,缺乏与用户逻辑的关联性,无法有效解答用户疑问。此外,向用户推荐的都是用户已打上标签的相关文章,属于相同或相似标签类别,缺乏多维度的标签类别,无法使用户跳出固定思维,无法有效开拓用户辩证思维。
针对上述的技术问题,本申请的基本构思是提出一种关联推荐方法,考虑到用户在阅读文章时会遇到或产生问题,而阅读相同文章的历史用户也可能会遇到类似的问题,在历史搜索问题中筛选出历史用户认为有用次数较多的待选搜索问题集,当用户阅读当前文章时,在当前页面的搜索框下拉列表中推荐待选搜索问题集供用户选择,使得用户可以快速获取与本身阅读逻辑相关的问题。并根据用户选择的问题提供搜索结果文章列表给用户,使得用户的问题可以快速有效地被解答。此外,提供用户筛选出的待搜索问题集供用户选择,由于待搜索问题集可以从多不同角度解读文章,实现从多维度为用户提供选择,跳出固定思维模式,可以开拓用户辩证多样的思维方式。
在介绍了本申请的基本原理之后,下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性关联推荐方法
图1所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图1所示,该关联推荐方法包括:
步骤101:获取至少一个用户输入的多个历史搜索问题;
用户在阅读文章时会产生搜索问题,这些搜索问题被记录后,对于下一个阅读文章的用户就是历史搜索问题。应当理解,获取用户历史搜索问题的方式可以是从历史记录表中调取,也可以是从第三方统计数据库中调取,本发明实施例对获取用户历史搜索问题的具体方式不做限定。
步骤102:在多个历史搜索问题中筛选出满足第一预设条件的待选搜索问题集;
在一个实施例中,可以将所有历史搜索问题按照预设规则(例如,搜索次数、点击次数、有用评价等)进行降序或者升序排列,筛选出满足第一预设条件的待选搜索问题集。通过第一预设条件的设置,筛选出与当前阅读文章逻辑关联性足够的多个维度的搜索问题。
步骤103:发送待选搜索问题集以在与当前阅读文章对应的搜索框下拉列表中显示;
当用户阅读当前文章产生问题时,会点击搜索栏,搜索栏下拉表中显示出待选搜索问题供用户选择。应当理解,搜索栏设置于当前阅读文章的阅读界面中,无需跳转回APP主页的搜索框,该搜索栏可以位于当前阅读界面的任意位置,本发明实施例对搜索栏的具体位置不做限定。
步骤104:将当前用户在待选搜索问题集中选取的搜索问题作为搜索输入条件,根据搜索输入条件进行搜索,获取搜索结果文章列表。
当当前用户选取了下拉栏中选待搜索问题集中的某一个搜索问题,搜索引擎根据输入条件进行搜索并提供与该搜索问题对应的搜索结果文章列表。用户可以在搜索结果文章列表中选择文章进行阅读。
应当理解,用户通过网络连接服务端,服务器执行以上实施例所提供的方法关联推荐方法。
由此可见,本发明实施例提供的一种关联推荐方法、关联推荐装置、电子设备和计算机可读存储介质,通过在历史搜索问题中筛选出历史用户认为有用次数较多的待选搜索问题集,当用户阅读当前文章时,在当前页面的搜索框下拉列表中推荐待选搜索问题集供用户选择,使得用户可以快速获取与本身阅读逻辑相关的问题。并根据用户选择的问题提供搜索结果文章列表给用户,使得用户的问题可以快速有效地被解答。此外,提供用户筛选出的待搜索问题集供用户选择,由于待搜索问题集可以从多不同角度解读文章,实现从多维度为用户提供选择,跳出固定思维模式,可以开拓用户辩证多样的思维方式。
在一个实施例中,第一预设条件可包括以下条件中的一种或多种组合:被输入次数大于等于第一阈值和属于被输入次数最多的前第一预设数量个历史搜索问题。被输入次数越多,代表该搜索问题越被关注、越典型、与当前文章越相关性越高,用户的需要的搜索问题的匹配程度越高,可以有效缩短用户构思问题编辑方式的时间,以及有效解答用户的搜索问题。
例如,当获取历史搜索问题后,将历史搜索问题按被输入次数的多少降序排列,筛选出被输入次数大于等于第一阈值的历史搜索问题。应当理解,第一阈值可以是30、50以及100等等,研发人员可根据实际应用场景需求预设该第一阈值,本发明实施例对第一阈值的具体数值不做限定。
再例如,当获取历史搜索问题后,将历史搜索问题按被输入次数的多少降序排列,筛选出被输入次数最多的前第一预设数量个历史搜索问题,例如筛选出被输入次数最多的前5个、前10个、前30个或者前50个历史搜索问题。研发人员可根据实际应用场景需求预设第一预设数量,本发明实施例对第一预设数量的具体数值不做限定。
再例如,当获取历史搜索问题后,将历史搜索问题按被输入次数的多少降序排列,筛选出被输入次数大于等于第一阈值且被输入次数最多的前第一预设数量个历史搜索问题。例如,筛选出被输入次数大于等于100且排名前10的历史搜索问题。
历史搜索问题的被输入次数的统计方式可以包括:根据逐字匹配的方式统计相同文字的搜索问题的被输入次数;根据相同语法、相同句式和相同关键词统计相同语法、句式以及关键词的搜索问题的被输入次数;以及根据语义模板统计相同语义的搜索问题的被输入次数。本发明实施例对统计方式的具体实施方法不做限定。
图2所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图2所示,在:在多个历史搜索问题中筛选出满足第一预设条件的待选搜索问题集之后,还包括:
步骤105:基于待选搜索问题集获取与当前阅读文章相关联的推荐文章集。
当用户在阅读当前文章时,会产生阅读该文章相关文章的需求,此时可基于待选搜索问题集反映的聚焦关联维度获取相关的推荐文章集。推荐文章集可以为用户使用户深入思考,提高升级自己的认知。此外,从多维度为用户提供选择,跳出固定思维模式,可以开拓用户辩证多样的思维方式。
图3所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图3所示,基于待选搜索问题集获取与当前阅读文章相关联的推荐文章集可具体包括:
步骤1051:获取待选搜索问题集中每个待选搜索问题对应的搜索结果文章列表。
以待选搜索问题集中每个待选搜索问题作为搜索输入条件进行搜索,都会得到与每个待搜索问题对应的搜索结果文章列表。
步骤1052:根据待选搜索问题集中待选搜索问题的数量,分别在每个待选搜索问题对应的搜索结果文章列表中筛选出前第二预设数量个搜索结果文章加入推荐文章集。
由于待选搜索问题集是经过筛选得出,满足第一预设条件的待选搜索问题的数量不同,根据待选搜索问题集中待选搜索问题数量的不同,在与每个待搜索问题对应的搜索结果文章列表中选取前第二预设数量个搜索结果文章加入推荐文章集。
例如,当筛选出的待选搜索问题集中待选搜索问题的数量是10个,分别以这10个待选搜索问题中的每个待选搜索问题进行搜索得到与每个待选搜索问题对应的每个搜索结果文章列表,在每个搜索结果文章列表中筛选出排名在前1名的搜索结果文章,得到10篇搜索结果文章,10篇搜索结果文章作为推荐文章加入推荐文章集。应当理解,待选搜索问题的数量与第二预设数量存在对应关系,研发人员提前预设待选搜索问题集中待选搜索问题的数量以及第二预设数量,本发明实施例中对选搜索问题的数量与第二预设数量存在对应关系以及具体数值不做限定。
在一个实施例中,当待选搜索问题集中的待选搜索问题的数量为1时,第二预设数量为3。当筛选出的待选搜索问题集中待选搜索问题的数量是3个,分别以这3个待选搜索问题中的每个待选搜索问题进行搜索得到与每个待选搜索问题对应的每个搜索结果文章列表,在每个搜索结果文章列表中筛选出排名在前1名的搜索结果文章,得到3篇搜索结果文章,3篇搜索结果文章作为推荐文章加入推荐文章集。
在一个实施例中,当待选搜索问题集中的待选搜索问题的数量为2或3时,第二预设数量为2。当筛选出的待选搜索问题集中待选搜索问题的数量是2个,分别以这2个待选搜索问题中的每个待选搜索问题进行搜索得到与每个待选搜索问题对应的每个搜索结果文章列表,在每个搜索结果文章列表中筛选出排名在前2名的搜索结果文章,得到4篇搜索结果文章,4篇搜索结果文章作为推荐文章加入推荐文章集。
在一个实施例中,当待选搜索问题集中的待选搜索问题的数量大于等于4时,第二预设数量为1。当筛选出的待选搜索问题集中待选搜索问题的数量N个(N≥4),分别以这N个待选搜索问题中的每个待选搜索问题进行搜索得到与每个待选搜索问题对应的每个搜索结果文章列表,在每个搜索结果文章列表中筛选出排名在前1名的搜索结果文章,得到N篇搜索结果文章,N篇搜索结果文章作为推荐文章加入推荐文章集。
图4所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图4所示,还包括:
步骤1053:当推荐文章集中的推荐文章数量小于第三预设数量时,获取与当前阅读文章对应的多个标签类别,其中每个标签类别包括至少一个标签。
具体而言,第三预设数量为推荐文章集中预设可以容纳推荐文章的最大声数量。例如,当第三预设数量为10时,表明此时推荐文章集预设容纳推荐文章的最大数量为10篇。当根据待选问题数量筛选出搜索结果文章的总数小于第三预设数量时,例如:当待选搜索问题集中的待选搜索问题的数量为2或3时,得到4篇搜索结果文章,则当前推荐文章集中推荐文章数量为4,而推荐文章集中的推荐文章数量为10(第三预设数量为10)。当前推荐文章集中推荐文章数量被认为是不饱和,则需要从其他维度获取推荐文章继续加入推荐文章集中。获取与当前阅读文章对应的多个标签类别,其中每个标签类别包括至少一个标签。
应当理解,第三预设数量的具体数值可以是10、20以及30等,第三预设数量的具体数值可调整的,本发明实施例对第三预设数量的具体数值不做限定。
应当理解,每一篇文章都会预设标签,本发明实施例对每一个标签的具体获得手段不做限定。这些标签按照不同的维度划分为不同标签类别,每个标签类别包括至少一个标签。例如标签类别可包括主要观点类别,主要观点类别包括:相同观点、相似观点、对立观点以及驳斥观点等。可以利用采用CBA、CMAR、ML-kNN等方法的多标签分类器对文章进行打标签。应当理解。只要可以对文章进行打标签即可,本发明实施例对标签分类器的具体形式以及标签分类器的具体运算方法不做限定。
步骤1054:根据标签类别中标签的数量,分别在标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入推荐文章集。
具体而言,每一个标签类别中包含的标签数量不同,在与每个标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入推荐文章集。
例如,标签类别为主要观点类别,主要观点类别包括:相同观点、相似观点、对立观点以及驳斥观点这4个标签。分别以这4个标签中的每个标签搜索,获取相同观点对应的搜索结果文章列表,相似观点对应的搜索结果文章列表,对立观点对应的搜索结果文章列表以及驳斥观点搜索结果文章列表。分别在对应的搜索结果文章列表,相似观点对应的搜索结果文章列表,对立观点对应的搜索结果文章列表中筛选出排名在前1名的搜索结果文章,得到4篇搜索结果文章,4篇搜索结果文章作为推荐文章加入推荐文章集。应当理解,标签类别中标签的数量与第四预设数量存在对应关系,研发人员提前预设标签类别中标签的数量与第四预设数量,本发明实施例中对标签类别中标签的数量与第四预设数量以及具体数值不做限定。
图5所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图5所示,多个标签类别之间存在优先级,其中,根据标签类别中标签的数量,分别在标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入推荐文章集,包括:
步骤10540:优先根据优先级选择较高的标签类别中标签的数量,分别在优先级选择较高的标签类别中标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入推荐文章集。
具体而言,标签类别之间存在优先级,例如:标签类别包括:主要观点标签类别、关键词标签类别、主要角色标签类别以及主要角色性格标签类别4类,这4类之间存在优先级。主要观点标签类别优先级别最高、关键词标签类别、主要角色标签类别以及主要角色性格标签优先级相同但都低于主要观点标签类别。在推荐文章集中的推荐文章数量小于第三预设数量时,首先根据主要观点标签类别中主要观点标签的数量,分别在主要观点标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入推荐文章集。当加入在主要标签对应的文章列表中筛选出的推荐文章后,如果推荐文章集中的推荐文章数量已达到第三预设数量,则停止继续筛选;如果推荐文章集中的推荐文章数量仍然小于第三预设数量,则根据键词标签类别关键词标签数量、主要角色标签类别中主要任务数量以及主要角色性格标签类别中主要角色性格数量,分别从关键词标签对应的搜索结果文章列表中、主要角色标签类别对应的搜索结果文章列表中以及主要角色性格标签类别对应的搜搜索结果文章列表中筛选出推荐文章。
图6所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图6所示,多个标签类别包括主要观点类别,每个主要观点类别包括至少一个主要观点标签;
其中,根据标签类别中标签的数量,分别在标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入推荐文章集,可具体包括:
步骤10541:根据主要观点类别中主要观点标签的数量,分别在主要观点标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入推荐文章集。
具体而言,标签类别为主要观点类别,主要观点类别包括:相同观点、相似观点、对立观点以及驳斥观点这4个标签。分别以这4个标签中的每个标签搜索,获取相同观点对应的搜索结果文章列表,相似观点对应的搜索结果文章列表,对立观点对应的搜索结果文章列表以及驳斥观点搜索结果文章列表。分别在对应的搜索结果文章列表,相似观点对应的搜索结果文章列表,对立观点对应的搜索结果文章列表中筛选出排名在前1名的搜索结果文章,得到3篇搜索结果文章,4篇搜索结果文章作为推荐文章加入推荐文章集。应当理解,标签类别中标签的数量与第四预设数量存在对应关系,研发人员提前预设标签类别中标签的数量与第四预设数量,本发明实施例中对标签类别中标签的数量与第四预设数量以及具体数值不做限定。
在一个实施例中,当主要观点类别中主要观点标签的数量为1时,第四预设数量为3,获取该1个主要观点对应的搜索结果文章列表,在此主要观对应的搜索结果文章列表筛选出排名在前3名的搜索结果文章,得到3篇搜索结果文章,3篇搜索结果文章作为推荐文章加入推荐文章集。
在一个实施例中,当主要观点类别中主要观点标签的数量为1时,第四预设数量为3,获取该1个主要观点对应的搜索结果文章列表,在此主要观对应的搜索结果文章列表筛选出排名在前3名的搜索结果文章,得到3篇搜索结果文章,3篇搜索结果文章作为推荐文章加入推荐文章集。
在一个实施例中,当主要观点类别中主要观点标签的数量为2或3时,第四预设数量为2,获取该2或3个主要观点对应的搜索结果文章列表,分别在该2或3主要观对应的搜索结果文章列表筛选出排名在前2名的搜索结果文章,得到4或6篇搜索结果文章,4或6篇搜索结果文章作为推荐文章加入推荐文章集。
在一个实施例中,当主要观点类别中主要观点标签的数量为M(M大于等于4)时,第四预设数量为1,获取该M个主要观点对应的搜索结果文章列表,在此M个主要观对应的搜索结果文章列表筛选出排名在前1名的搜索结果文章,得到M篇搜索结果文章,M篇搜索结果文章作为推荐文章加入推荐文章集。
图7所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图7所示,多个标签类别包括关键词类别,每个关键词类别包括至少一个关键词标签;根据标签类别中标签的数量,分别在标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入推荐文章集,可具体包括:步骤10542:根据关键词类别中关键词标签的数量,分别在关键词标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入推荐文章集。
当标签类别为关键词类别,关键词类别中关键词标签的数量与第四预设数量存在对应关系,当待关键词类别中关键词标签的数量为1时,第四预设数量为3;或当关键词类别中关键词标签的数量为2或3时,第四预设数量为2;或当关键词类别中关键词标签的数量大于等于4时,第四预设数量为1。关键词标签的数量与第四预设数量的其选取情况与主要观点类别中主要观点的数量与第四预设数量的选取机制相同,本发明实施例在此不再赘述。
在一个实施例中,如图7所示,多个标签类别包括主要角色类别,每个主要角色类别包括至少一个主要角色标签;根据标签类别中标签的数量,分别在标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入推荐文章集,可具体包括:步骤10543:根据主要角色类别中主要角色标签的数量,分别在主要角色标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入推荐文章集。
当标签类别为主要角色类别,主要角色类别中主要角色标签的数量与第四预设数量存在对应关系,当主要角色类别中所述主要角色标签的数量为1时,第四预设数量为3。当主要角色类别中所述主要角色标签的数量为2或3时,第四预设数量为2。当主要角色类别中所述主要角色标签的数量大于等于4时,第四预设数量为1。主要角色标签的数量与第四预设数量的其选取情况与主要观点类别中主要观点的数量与第四预设数量的选取机制相同,本发明实施例在此不再赘述。
在一个实施例中,如图7所示,多个标签类别包括主要角色性格类别,每个主要角色性格类别包括至少一个主要角色性格标签;根据标签类别中标签的数量,分别在标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入推荐文章集,可具体包括:步骤10544:根据主要角色性格类别中主要角色性格标签的数量,分别在主要角色性格标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入推荐文章集。
当标签类别为主要角色性格类别,主要角色性格类别中主要角色性格标签的数量与第四预设数量存在对应关系,当主要角色性格类别中主要角色性格标签的数量为1时,第四预设数量为3。在一个实施例中,当主要角色性格类别中主要角色性格标签的数量为2或3时,第四预设数量为2当主要角色性格类别中主要角色性格标签的数量大于等于4时,第四预设数量为1。主要角色性格标签的数量与第四预设数量的其选取情况与主要观点类别中主要观点的数量与第四预设数量的选取机制相同,本发明实施例在此不再赘述。
图8所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图8所示,该方法还包括:
步骤106:将当前用户在搜索框中输入的当前搜索问题作为搜索输入条件,基于该搜索输入条件进行搜索,获取搜索结果文章列表。
具体而言,当展示当前阅读文章给用户阅读之后,如果搜索栏下拉栏中推荐的搜索问题不符合用户需求,用户可以直接在搜索栏中输入当前搜索问题进行搜索。用户在搜索框中输入的当前搜索问题作为搜索输入条件,所述搜索输入条件进行搜索,获取搜索结果文章列表。用户直接输入问题进行搜索,为用户主动搜索提供通道。
图9所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图9所示,根据搜索输入条件进行搜索包括:
步骤201:将搜索输入条件进行标准化处理以获得标准搜索问题。
标准化处理是指将输入条件按照搜索引擎能够识别的处理的输入方式进行整理。应当理解,标准化处理的方式包括:关键词替换,句式整合、语法整合以及五官词删除等等。本发明实施例对标准化的具体方式不做限定。
步骤202:根据标准搜索问题,获取搜索结果文章列表。
具体而言,将标准搜索问题输入到搜索引擎中,会得到与该标准搜索问题对应的搜索结构文章列表。
图10所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图10所示,标准化处理包括:
步骤2011:获取搜索输入条件中的关键词。
搜索输入条件中的关键词可以是主人公、作者、人名或地名等名词;也可以是书名;也可以是你我/她/他/它等指示代词;还可以是本文、本篇等关键词。关键词选取规则提前预设,获取关键词的方法可以是文本识别等,本发明实施例对关键词的获取方法不做具体限定。例如,搜索输入条件为“本文主人公想告诉读者什么思想?”,关键词提取为“本文”以及“主人公”。
步骤2012:将关键词替换为标准识别词,标准识别词与关键词之间的映射关系预先建立。
标准识别词是指按照搜索引擎能够识别的处理方式整合的识别词。标准识别词与关键词存在预设关系。标准识别词可以是“当期文章的标题”、“主人公”、“中心思想”“主旨”“修辞手法”“词性”“指代关系”等。标准识别词提前预设。例如,搜索输入条件为“本文主人公想告诉读者什么思想?”,标准识别词提取为“当期文章的标题”以及“主人公”。
标准识别词与关键词存在预设关系,下表中包含标准识别词与关键词预设关系的举例。
应当理解,标准识别词与关键词存在预设关系并不限于上表中例子。
图11所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图11所示,在根据待选搜索问题集中待选搜索问题的数量,分别在每个待选搜索问题对应的搜索结果文章列表中筛选出前第二预设数量个搜索结果文章加入推荐文章集之前,还包括:
步骤107:根据当前用户的功力值年龄,在每个待选搜索问题对应的搜索结果文章列表筛选出与预设功力值年龄匹配的搜索结果文章列表,预设功力值年龄等于功力值年龄加或减第五预设数量。
用户在登陆系统时,根据用户属性信息以及测试问卷结果划分功力值年龄,不同等级的功力值年龄对应不同阅读难度的文章,为用户匹配与其阅读水平相符合的文章进行阅读,提高阅读效率。用户属性信息根据用户登录网页或者登录APP时填写的属性信息,可以包括年龄以及学龄等信息。测试问卷是反映用户阅读功力的问卷,根据该问卷的测试可以得出用户的用户阅读功力。只要测试问卷能反映用户阅读功力即可,本发明实施例对测试问卷的具体实现方式不做限定。
图12所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图12所示,还包括:
步骤301:展示与当前阅读文章对应的问题链接列表,问题链接列表包括与至少一个标准搜索问题分别对应的至少一个链接,链接配置为链接到与对应的标准搜索问题对应的固定解答文章。固定解答文章为搜索结果文章列表中满足第二预设条件的搜索结果文章。
在一个实施例中,第二预设条件包括:搜索结果文章对应的有用次数最多且大于等于第二阈值,该方法还包括:
步骤302:当获取用户在所搜索结果文章列表中对一篇搜索结果文章的有用评价信息时,将该一篇搜索结果文章的有用次数加1。
当在搜索引擎中接收到一个标准搜索问题,会显示出与该标准搜索问题对应的搜索结果文章列表,当用户选择该标准搜索问题对应的搜索结果文章列表中的某一篇文章进行阅读器且阅读时间超过第六预设时间,则认为该用户对该某一篇文章做了有用评价信息,将该某一篇搜索结果文章的有用次数加1。与该标准搜索问题对应的搜索结果文章列表筛选出有用次数最多且大于等于第二阈值的一篇与该标准搜索问题对应的搜索结果文章作为该标准搜索问题的固定解答文章。每一个固定解答文章对应一个链接。每一标准问题有1个固定解答文章,搜索框下拉栏中显示该L(L≥1)个链接列表。
图13所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图13所示,在在与当前阅读文章对应的搜索框下拉列表中显示待选搜索问题集之后,还包括如下步骤:步骤108:根据当前用户操作,删除某个待选搜索问题。
当根据第一预设条件筛选出待选搜索问题集,虽然待选待选搜索问题集代表相关性高且典型聚焦问题,但每个用户阅读喜好以及阅读习惯不同,为了满足用户的个性化需求,可以根据用户操作,删除某个不感兴趣的待选搜索问题。
在一个实施例中,如图13所示,在在与当前阅读文章对应的搜索框下拉列表中显示待选搜索问题集之后,还包括:步骤109:在待选搜索问题集中过滤掉带有敏感词汇的待选搜索问题。删除带有敏感词汇的待选搜索问题,为用户提供绿色良好的阅读环境。
图14所示为本申请一实施例提供的一种关联推荐方法的流程示意图。如图14所示,
用户在阅读文章时会产生搜索问题,这些搜索问题被记录形成历史搜索问题,获取至少一个用户输入的多个历史搜索问题(如图14中步骤101所示)。将所有历史搜索问题按照预设规则排列,在历史搜索问题中筛选出满足第一预设条件的待选搜索问题集(如图14中步骤102所示)。当用户对待选搜索问题集中的某个待选问题不感兴趣,可删除某个待选搜索问题(如图14中步骤108所示)。在待选搜索问题集中过滤掉带有敏感词汇的待选搜索问题(如图14中步骤109所示),经过删除与筛选最终确定待选搜索问题集。发送待选搜索问题集以在与当前阅读文章对应的搜索框下拉列表中显示(如图14中步骤103所示),用户可以选择搜索框下拉列表中显示待选搜索问题集中的搜索问题进行搜索也只可以直接输入当前搜索问题进行搜索。当用户选择在待选搜索问题集中选取的搜索问题时,根据将用户在待选搜索问题集中选取的搜索问题作为搜索输入条件,根据搜索输入条件进行搜索,获取搜索结果文章列表(如图14中步骤104所示),当用户直接输入当前搜索问题时,将用户在搜索框中输入的当前搜索问题作为搜索输入条件,基于该搜索输入条件进行搜索,获取搜索结果文章列表(如图14中步骤106所示)。无论用户选择那种方式,搜索引擎都会接收到搜索输入条件。获取搜索输入获取搜索输入条件中的关键词(如图14中步骤2011所示),将关键词替换为标准识别词,标准识别词与关键词之间的映射关系预先建立(如图14中步骤2012所示),实现将搜索问题标准化获得标准搜索问题(步骤201,图14中未示出)。将标准搜索问题输入到搜索引擎中,会得到与该标准搜索问题对应的搜索结构文章列表,根据标准搜索问题,获取搜索结果文章列表(如图14中步骤202所示)。当用户选择搜索结果文章列表中的一篇文章进行阅读,如果阅读时间超过第六预设时间,则认为该用户对该一篇文章做了有用评价信息。当获取用户在所搜索结果文章列表中对一篇搜索结果文章的有用评价信息时,将该一篇搜索结果文章的有用次数加1(如图14中步骤302所示),获得搜索结果文章列表中每一篇搜索结果文章被认为的有用次数。按照有用次数将与该标准搜索问题对应的搜索结果文章列表中搜索结果文章排序。该标准搜索问题对应的搜索结果文章列表中筛选出有用次数最多且大于等于第二阈值的一篇文章作为该标准搜索问题的固定解答文章,以具体实现在搜索结果文章列表筛选出满足第二预设条件的搜索结果文章作为固定解答文章。将该标准搜索问题列入问题链接表中,将与该标准搜索问题对应的固定解答文章链接到与该标准搜索问题。(如图14中步骤301所示)。
在历史搜索问题中筛选出满足第一预设条件的待选搜索问题集(如图14中步骤102所示)之后,以待选搜索问题集中每个待选搜索问题作为搜索输入条件进行搜索,都会得到与每个待搜索问题对应的搜索结果文章列表。获取待选搜索问题集中每个待选搜索问题对应的搜索结果文章列表(如图14中步骤1051所示)。根据用户的功力值年龄,在每个待选搜索问题对应的搜索结果文章列表筛选出与预设功力值年龄匹配的搜索结果文章列表,预设功力值年龄等于功力值年龄加或减第五预设数量(如图14中步骤107所示)。经过功力值年龄筛选确定与预设功力值年龄匹配的搜索结果文章列表。根据待选搜索问题集中待选搜索问题的数量,分别在每个待选搜索问题对应的搜索结果文章列表中筛选出前第二预设数量个搜索结果文章加入推荐文章集(如图14中步骤1052所示)。当推荐文章集中的推荐文章数量小于第三预设数量时,获取与当前阅读文章对应的多个标签类别,其中每个标签类别包括至少一个标签(如图14中步骤1053所示)。首先根据主要观点类别中主要观点标签的数量,分别在主要观点标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入推荐文章集(如图14中步骤10541所示)。如果推荐文章集中的推荐文章数量已达到第三预设数量,则停止继续筛选;如果推荐文章集中的推荐文章数量仍然小于第三预设数量,则根据键词标签类别关键词标签数量、主要角色标签类别中主要任务数量以及主要角色性格标签类别中主要角色性格数量,分别从关键词标签对应的搜索结果文章列表中、主要角色标签类别对应的搜索结果文章列表中以及主要角色性格标签类别对应的索搜索结果文章列表中筛选出推荐文章。(如图14中步骤10542、步骤10543以及步骤10544所示),得到基于待选搜索问题集反映的聚焦关联维度获取相关的推荐文章集。
图15所示为本申请一实施例提供的一种关联推荐监护方法的流程示意图。如图1所示,关联推荐交互方法包括:
步骤401:接收至少一个用户输入的多个历史搜索问题并将多个历史搜索问题发送给服务器;
步骤402:接收服务器发送的待选搜索问题集,待选搜索问题集包括在多个历史搜索问题中筛选出满足第一预设条件的待选搜索问题;
步骤403:在与当前阅读文章对应的搜索框下拉列表中显示待选搜索问题集;以及
步骤404:获取当前用户在待选搜索问题集中选取的搜索问题,将当前用户在待选搜索问题集中选取的搜索问题作为搜索输入条件,发送搜索输入条件给服务器。
应当理解,终端执行以上实施例所提供的方法关联推荐交互方法。
图16所示为本申请一实施例提供的一种关联推荐装置的示意图。如图16所示,该关联推荐装置1500,包括:第一获取模块1501,配置为获取至少一个用户输入的多个历史搜索问题;第一筛选模块1502,配置为在历史搜索问题中筛选出满足第一预设条件的待选搜索问题集;第一显示模块1503,配置为发送待选搜索问题集以在与当前阅读文章对应的搜索框下拉列表中显示;以及第一搜索模块1504,配置为将当前用户在待选搜索问题集中选取的搜索问题作为搜索输入条件,根据搜索输入条件进行搜索,获取搜索结果文章列表。
本发明实施例,通过在历史搜索问题中筛选出历史用户认为有用次数较多的待选搜索问题集,当用户阅读当前文章时,在当前页面的搜索框下拉列表中推荐待选搜索问题集供用户选择,使得用户可以快速获取与本身阅读逻辑相关的问题。并根据用户选择的问题提供搜索结果文章列表给用户,使得用户的问题可以快速有效地被解答。此外,提供用户筛选出的待搜索问题集供用户选择,由于待搜索问题集可以从多不同角度解读文章,实现从多维度为用户提供选择,跳出固定思维模式,可以开拓用户辩证多样的思维方式。
在一个是实施例中,第一预设条件包括以下条件中的一种或多种组合:被输入次数大于等于第一阈值和属于被输入次数最多的前第一预设数量个历史搜索问题。
图17所示为本申请一实施例提供的一种关联推荐装置的示意图。如图17所示,关联推荐装置1500还包括:推荐模块1505,配置为基于待选搜索问题集获取与当前阅读文章相关联的推荐文章集。
在一个实施例中,如图16所示,推荐模块1505包括:第二获取单元15051,配置为获取待选搜索问题集中每个待选搜索问题对应的搜索结果文章列表;以及第二筛选单元15052,配置为根据待选搜索问题集中待选搜索问题的数量,分别在每个待选搜索问题对应的搜索结果文章列表中筛选出前第二预设数量个搜索结果文章加入推荐文章集。
在一个实施例中,当待选搜索问题集中的待选搜索问题的数量为1时,第二预设数量为3。
在一个实施例中,当待选搜索问题集中的待选搜索问题的数量为2或3时,第二预设数量为2。
在一个实施例中,当待选搜索问题集中的待选搜索问题的数量大于等于4时,第二预设数量为1。
在一个实施例中,如图17所示,关联推荐装置1500还包括:标签类别获取模块1506,配置为当推荐文章集中的推荐文章数量小于第三预设数量时,获取与当前阅读文章对应的多个标签类别,其中每个标签类别包括至少一个标签;以及第三筛选模块1507,配置为根据标签类别中标签的数量,分别在标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入推荐文章集。
在一个实施例中,多个标签类别之间存在优先级,第三筛选模块1507,进一步配置为优先根据优先级选择较高的标签类别中标签的数量,分别在优先级选择较高的标签类别中标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入推荐文章集。
在一个实施例中,多个标签类别包括主要观点类别,每个主要观点类别包括至少一个主要观点标签;第三筛选模块1507,进一步配置根据主要观点类别中主要观点标签的数量,分别在主要观点标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入推荐文章集。
在一个实施例中,当主要观点类别中主要观点标签的数量为1时,第四预设数量为3。
在一个实施例中,当主要观点类别中主要观点标签的数量为2或3时,第四预设数量为2。
在一个实施例中,当主要观点类别中主要观点标签的数量大于等于4时,第四预设数量为1。
在一个实施例中,多个标签类别包括关键词类别,每个关键词类别包括至少一个关键词标签;第三筛选模块1507进一步配置为根据关键词类别中关键词标签的数量,分别在关键词标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入推荐文章集。
在一个实施例中,当关键词类别中关键词标签的数量为1时,第四预设数量为3。
在一个实施例中,当关键词类别关键词标签的数量为2或3时,第四预设数量为2。
在一个实施例中,当关键词类别中关键词标签的数量大于等于4时,第四预设数量为1。
在一个实施例中,多个标签类别包括主要角色类别,每个主要角色类别包括至少一个主要角色标签;第三筛选模块1507,进一步配置为根据主要角色类别中主要角色标签的数量,分别在主要角色标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入推荐文章集。
在一个实施例中,当主要角色类别中主要角色标签的数量为1时,第四预设数量为3。
在一个实施例中,当主要角色类别中主要角色标签的数量为2或3时,第四预设数量为2。
在一个实施例中,当主要角色类别中主要角色标签的数量大于等于4时,第四预设数量为1。
在一个实施例中,多个标签类别包括主要角色性格类别,每个主要角色性格类别包括至少一个主要角色性格标签;第三筛选模块1507,进一步配置为根据主要角色性格类别中主要角色性格标签的数量,分别在主要角色性格标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入推荐文章集。
在一个实施例中,当主要角色性格类别中主要角色性格标签的数量为1时,第四预设数量为3。
在一个实施例中,当主要角色性格类别中主要角色性格标签的数量为2或3时,第四预设数量为2。
当主要角色性格类别中主要角色性格标签的数量大于等于4时,第四预设数量为1。
在一实施例中,第一搜索模块1504,进一步配置为将用户在搜索框中输入的当前搜索问题作为搜索输入条件,根据搜索输入条件进行搜索,获取搜索结果文章列表。
在一个实施例中,如图17所示,关联推荐装置1500还包括:标准化模块1508,配置为将搜索输入条件进行标准化处理以获得标准搜索问题。其中,第一搜索模块1504,进一步配置为根据标准搜索问题,获取搜索结果文章列表。
在一个实施例中,如图17所示,标准化模块1508包括:关键词获取单元15081,配置为获取搜索输入条件中的关键词;以及替换单元15082,配置为将关键词替换为标准识别词。其中,标准识别词与关键词之间的映射关系预先建立。
在一个实施例中,如图17所示,关联推荐装置1500还包括:第四筛选模块1509,配置为根据用户的功力值年龄,在每个待选搜索问题对应的搜索结果文章列表筛选出与预设功力值年龄匹配的搜索结果文章列表;其中,预设功力值年龄等于功力值年龄加或减第五预设数量。
在一个实施例中,如图17所示,关联推荐装置1500进一步包括:第二显示模块15010,配置为展示与当前阅读文章对应的问题链接列表,其中问题链接列表包括与至少一个标准搜索问题分别对应的至少一个链接,链接配置为链接到与对应的标准搜索问题对应的固定解答文章;其中,固定解答文章为搜索结果文章列表中满足第二预设条件的搜索结果文章。
在一个实施例中,第二预设条件包括:搜索结果文章对应的有用次数最多且大于等于第二阈值。如图17所示,关联推荐装置1500进一步包括;第一判断标记模块15011,配置为当获取用户在搜索结果文章列表中对一篇搜索结果文章的有用评价信息时,将该一篇搜索结果文章的有用次数加1。
在一个实施例中,如图17所示,关联推荐装置1500还包括:删除模块15012,配置为根据当前用户操作,删除某个待选搜索问题。
在一个实施例中,如图17所示,关联推荐装置1500还包括:第一过滤模块15013,配置为在待选搜索问题集中过滤掉带有敏感词汇的待选搜索问题。
上述关联推荐装置1500中的各个模块的具体功能和操作已经在上面参考图1到图14描述的关联推荐方法中进行了详细介绍,因此,这里将省略其重复描述。
需要说明的是,根据本申请实施例的关联推荐装置可以作为一个软件模块和/或硬件模块而集成到电子设备1700中,换言之,该电子设备1700可以包括该关联推荐装置1500。例如,该关联推荐装置1500可以是该电子设备1700的操作系统中的一个软件模块,或者可以是针对于其所开发的一个应用程序;当然,该关联推荐装置1500同样可以是该电子设备1700的众多硬件模块之一。
在本申请另一实施例中,该关联推荐装装1500与该电子设备1700也可以是分立的设备(例如,服务器),并且该关联推荐装置1500可以通过有线和/或无线网络连接到该电子设备1700,并且按照约定的数据格式来传输交互信息。
示例性电子设备
图18所示为本申请一实施例提供的电子设备的结构示意图。如图18所示,该电子设备1700包括:一个或多个处理器1701和存储器1702;以及存储在存储器1702中的计算机程序指令,计算机程序指令在被处理器1701运行时使得处理器1701执行如上述任一实施例的关联推荐方法。
处理器1701可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器1702可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器1701可以运行所述程序指令,以实现上文所述的本申请的各个实施例的关联推荐方法中的步骤以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如光线强度、补偿光强度、滤光片的位置等信息。
在一个示例中,电子设备1700还可以包括:输入装置1703和输出装置1704,这些组件通过总线系统和/或其他形式的连接机构(图17中未示出)互连。
此外,该输入设备1703还可以包括例如键盘、鼠标、麦克风等等。
该输出装置1704可以向外部输出各种信息,例如可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图17中仅示出了该电子设备1700中与本申请有关的组件中的一些,省略了诸如总线、输入装置/输出接口等组件。除此之外,根据具体应用情况,电子设备1700还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,包括计算机程序指令,计算机程序指令在被处理器运行时使得处理器执行如上述任一实施例的关联推荐方法中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性车辆行驶轨迹预测方法”部分中描述的根据本申请各种实施例的关联推荐方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器((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。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。
Claims (22)
1.一种关联推荐方法,其特征在于,包括:
获取至少一个用户输入的多个历史搜索问题;
在所述多个历史搜索问题中筛选出满足第一预设条件的待选搜索问题集;
发送所述待选搜索问题集以在与当前阅读文章对应的搜索框下拉列表中显示;以及
将当前用户在所述待选搜索问题集中选取的搜索问题作为搜索输入条件,根据所述搜索输入条件进行搜索,获取搜索结果文章列表;
其中,在所述历史搜索问题中筛选出满足第一预设条件的待选搜索问题集之后,还包括:
获取所述待选搜索问题集中每个待选搜索问题对应的搜索结果文章列表;以及
根据所述待选搜索问题集中待选搜索问题的数量,分别在所述每个待选搜索问题对应的搜索结果文章列表中筛选出前第二预设数个搜索结果文章加入与所述当前阅读文章相关联的推荐文章集。
2.根据权利要求1所述的方法,其特征在于,所述第一预设条件包括以下条件中的一种或多种组合:被输入次数大于等于第一阈值和属于被输入次数最多的前第一预设数量个所述历史搜索问题。
3.根据权利要求1所述的方法,其特征在于,
当所述待选搜索问题集中的所述待选搜索问题的数量为1时,所述第二预设数量为3;或
当所述待选搜索问题集中的所述待选搜索问题的数量为2或3时,所述第二预设数量为2;或
当所述待选搜索问题集中的所述待选搜索问题的数量大于等于4时,所述第二预设数量为1。
4.根据权利要求1所述的方法,其特征在于,还包括:
当所述推荐文章集中的推荐文章数量小于第三预设数量时,获取与当前阅读文章对应的多个标签类别,其中每个所述标签类别包括至少一个标签;
根据所述标签类别中所述标签的数量,分别在所述标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入所述推荐文章集。
5.根据权利要求4所述的方法,其特征在于,所述多个标签类别包括主要观点类别,每个所述主要观点类别包括至少一个主要观点标签;
其中,所述根据所述标签类别中所述标签的数量,分别在所述标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入所述推荐文章集包括:
根据所述主要观点类别中所述主要观点标签的数量,分别在所述主要观点标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入所述推荐文章集。
6.根据权利要求5所述的方法,其特征在于,
当所述主要观点类别中所述主要观点标签的数量为1时,所述第四预设数量为3;或
当所述主要观点类别中所述主要观点标签的数量为2或3时,所述第四预设数量为2;或
当所述主要观点类别中所述主要观点标签的数量大于等于4时,所述第四预设数量为1。
7.根据权利要求4所述的方法,其特征在于,所述多个标签类别包括关键词类别,每个所述关键词类别包括至少一个关键词标签;
其中,所述根据所述标签类别中所述标签的数量,分别在所述标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入所述推荐文章集包括:
根据所述关键词类别中所述关键词标签的数量,分别在所述关键词标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入所述推荐文章集。
8.根据权利要求7所述的方法,其特征在于,当所述关键词类别中所述关键词标签的数量为1时,所述第四预设数量为3;或
当所述关键词类别中所述关键词标签的数量为2或3时,所述第四预设数量为2;或
当所述关键词类别中所述关键词标签的数量大于等于4时,所述第四预设数量为1。
9.根据权利要求4所述的方法,其特征在于,所述多个标签类别包括主要角色类别,每个所述主要角色类别包括至少一个主要角色标签;
其中,所述根据所述标签类别中所述标签的数量,分别在所述标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入所述推荐文章集包括:
根据所述主要角色类别中所述主要角色标签的数量,分别在所述主要角色标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入所述推荐文章集。
10.根据权利要求9所述的方法,其特征在于,
当所述主要角色类别中所述主要角色标签的数量为1时,所述第四预设数量为3;或
当所述主要角色类别中所述主要角色标签的数量为2或3时,所述第四预设数量为2;或
当所述主要角色类别中所述主要角色标签的数量大于等于4时,所述第四预设数量为1。
11.根据权利要求4所述的方法,其特征在于,所述多个标签类别包括主要角色性格类别,每个所述主要角色性格类别包括至少一个主要角色性格标签;
其中,所述根据所述标签类别中所述标签的数量,分别在所述标签对应的搜索结果文章列表筛选出前第四预设数量个搜索结果文章加入所述推荐文章集,包括:
根据所述主要角色性格类别中所述主要角色性格标签的数量,分别在所述主要角色性格标签对应的搜索结果文章列表中筛选出前第四预设数量个搜索结果文章加入所述推荐文章集。
12.根据权利要求11所述的方法,其特征在于,
当所述主要角色性格类别中所述主要角色性格标签的数量为1时,所述第四预设数量为3;或
当所述主要角色性格类别中所述主要角色性格标签的数量为2或3时,所述第四预设数量为2;或
当所述主要角色性格类别中所述主要角色性格标签的数量大于等于4时,所述第四预设数量为1。
13.根据权利要求1所述的方法,其特征在于,还包括:
将当前用户在所述搜索框中输入的当前搜索问题作为所述搜索输入条件,根据所述搜索输入条件进行搜索,获取搜索结果文章列表。
14.根据权利要求1或13中所述的方法,其特征在于,所述根据所述搜索输入条件进行搜索,包括:
将所述搜索输入条件进行标准化处理以获得标准搜索问题;以及
根据所述标准搜索问题,获取所述搜索结果文章列表。
15.根据权利要求14所述的方法,所述标准化处理包括:
获取所述搜索输入条件中的关键词;以及
将所述关键词替换为标准识别词;
其中,所述标准识别词与所述关键词之间的映射关系预先建立。
16.根据权利要求1所述的方法,其特征在于,
在所述根据所述待选搜索问题集中待选搜索问题的数量,分别在所述每个待选搜索问题对应的搜索结果文章列表中筛选出前第二预设数量个搜索结果文章加入所述推荐文章集之前,还包括:
根据所述当前用户的功力值年龄,在所述每个待选搜索问题对应的搜索结果文章列表筛选出与预设功力值年龄匹配的搜索结果文章列表;
其中,所述预设功力值年龄等于所述功力值年龄加或减第五预设数量。
17.根据权利要求14所述的方法,其特征在于,进一步包括:
展示与当前阅读文章对应的问题链接列表,其中所述问题链接列表包括与至少一个所述标准搜索问题分别对应的至少一个链接,所述链接配置为链接到与对应的所述标准搜索问题对应的固定解答文章;
其中,所述固定解答文章为所述搜索结果文章列表中满足第二预设条件的搜索结果文章。
18.根据权利要求17所述的方法,其特征在于,所述第二预设条件包括:所述搜索结果文章对应的有用次数最多且大于等于第二阈值;
其中,所述方法进一步包括:当获取用户在所述搜索结果文章列表中对一篇搜索结果文章的有用评价信息时,将该一篇所述搜索结果文章的有用次数加1。
19.根据权利要求1所述的方法,其特征在于,在所述在与当前阅读文章对应的搜索框下拉列表中显示所述待选搜索问题集之后,还包括:
根据所述当前用户的操作,删除某个所述待选搜索问题。
20.根据权利要求1所述的方法,其特征在于,在所述在与当前阅读文章对应的搜索框下拉列表中显示所述待选搜索问题集之后,还包括:在所述待选搜索问题集中过滤掉带有敏感词汇的所述待选搜索问题。
21.一种电子设备,包括:
处理器;以及
存储器,在所述存储器中存储有计算机程序指令,所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1至20中任一所述的方法。
22.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至20中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010063297.1A CN111274483B (zh) | 2020-01-19 | 2020-01-19 | 关联推荐方法及关联推荐交互方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010063297.1A CN111274483B (zh) | 2020-01-19 | 2020-01-19 | 关联推荐方法及关联推荐交互方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111274483A CN111274483A (zh) | 2020-06-12 |
CN111274483B true CN111274483B (zh) | 2024-05-03 |
Family
ID=71003350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010063297.1A Active CN111274483B (zh) | 2020-01-19 | 2020-01-19 | 关联推荐方法及关联推荐交互方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111274483B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761426B (zh) * | 2021-09-24 | 2024-02-13 | 南方电网数字平台科技(广东)有限公司 | 页面服务认证接入中台的系统、方法、装置、设备和介质 |
CN116610775A (zh) * | 2023-07-20 | 2023-08-18 | 科大讯飞股份有限公司 | 人机交互方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870461A (zh) * | 2012-12-10 | 2014-06-18 | 腾讯科技(深圳)有限公司 | 主题推荐方法、装置和服务器 |
WO2014131058A2 (en) * | 2013-02-25 | 2014-08-28 | Brightedge Technologies, Inc. | Integration of third party information |
CN105224654A (zh) * | 2015-09-30 | 2016-01-06 | 北京奇虎科技有限公司 | 一种网页浏览模式切换方法及电子设备 |
US9317605B1 (en) * | 2012-03-21 | 2016-04-19 | Google Inc. | Presenting forked auto-completions |
CN107004029A (zh) * | 2014-12-18 | 2017-08-01 | 微软技术许可有限责任公司 | 基于物联网设备数据生成浏览器建议 |
CN110188186A (zh) * | 2019-04-24 | 2019-08-30 | 平安科技(深圳)有限公司 | 医疗领域的内容推荐方法、电子装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108269110B (zh) * | 2016-12-30 | 2021-10-26 | 华为技术有限公司 | 基于社区问答的物品推荐方法、系统及用户设备 |
-
2020
- 2020-01-19 CN CN202010063297.1A patent/CN111274483B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9317605B1 (en) * | 2012-03-21 | 2016-04-19 | Google Inc. | Presenting forked auto-completions |
CN103870461A (zh) * | 2012-12-10 | 2014-06-18 | 腾讯科技(深圳)有限公司 | 主题推荐方法、装置和服务器 |
WO2014131058A2 (en) * | 2013-02-25 | 2014-08-28 | Brightedge Technologies, Inc. | Integration of third party information |
CN107004029A (zh) * | 2014-12-18 | 2017-08-01 | 微软技术许可有限责任公司 | 基于物联网设备数据生成浏览器建议 |
CN105224654A (zh) * | 2015-09-30 | 2016-01-06 | 北京奇虎科技有限公司 | 一种网页浏览模式切换方法及电子设备 |
CN110188186A (zh) * | 2019-04-24 | 2019-08-30 | 平安科技(深圳)有限公司 | 医疗领域的内容推荐方法、电子装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111274483A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11403680B2 (en) | Method, apparatus for evaluating review, device and storage medium | |
CN108829893B (zh) | 确定视频标签的方法、装置、存储介质和终端设备 | |
US9836511B2 (en) | Computer-generated sentiment-based knowledge base | |
US10565533B2 (en) | Systems and methods for similarity and context measures for trademark and service mark analysis and repository searches | |
CN103514299B (zh) | 信息搜索方法和装置 | |
US8549016B2 (en) | System and method for providing robust topic identification in social indexes | |
US10503738B2 (en) | Generating recommendations for media assets to be displayed with related text content | |
TWI536181B (zh) | 在多語文本中的語言識別 | |
CN110888990B (zh) | 文本推荐方法、装置、设备及介质 | |
US11977589B2 (en) | Information search method, device, apparatus and computer-readable medium | |
CN105069103B (zh) | App搜索引擎利用用户评论的方法及系统 | |
US20060122997A1 (en) | System and method for text searching using weighted keywords | |
US10417338B2 (en) | External resource identification | |
CN109634436B (zh) | 输入法的联想方法、装置、设备及可读存储介质 | |
CN107767273B (zh) | 基于社交数据的资产配置方法、电子装置及介质 | |
US11699034B2 (en) | Hybrid artificial intelligence system for semi-automatic patent infringement analysis | |
US20220121668A1 (en) | Method for recommending document, electronic device and storage medium | |
CN111274483B (zh) | 关联推荐方法及关联推荐交互方法 | |
CN112926308B (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN111160007B (zh) | 基于bert语言模型的搜索方法、装置、计算机设备及存储介质 | |
CN114742062B (zh) | 文本关键词提取处理方法及系统 | |
US11762916B1 (en) | User interface for identifying unmet technical needs and/or technical problems | |
CA3104292C (en) | Systems and methods for identifying and linking events in structured proceedings | |
CN113869043A (zh) | 内容标注方法、装置、设备及存储介质 | |
CN111931480A (zh) | 文本主要内容的确定方法、装置、存储介质及计算机设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201123 Address after: Room 233, 2 / F, building 23, East District, yard 10, northwest Wangdong Road, Haidian District, Beijing 100193 Applicant after: Beijing Bo Xue Guang Yue Education Technology Co.,Ltd. Address before: 100193 room 136, floor 1, building 23, east area, yard 10, northwest Wangdong Road, Haidian District, Beijing Applicant before: Topronin (Beijing) Education Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |