CN111339295A - 用于展示信息的方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了用于展示信息的方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取至少一条评论信息；对该至少一条评论信息进行聚类；对同一类别的评论信息确定出相应的标签；按照所确定的至少一个标签，展示该至少一条评论信息。该实施方式实现了提炼上述至少一条评论信息中的用户观点。

Description

用于展示信息的方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于展示信息的方法、装置、电子设备和计算机可读介质。

背景技术

在内容类产品中，评论作为反映用户观点的重要反馈方式，在后续的搜索、推荐和广告的投放上都具有至关重要的作用。对于用户来说，别人的评论也是一条了解大众的渠道，通过阅读他人的评论能够获取信息、提升自我思考。但是在大多情况下评论信息数量太多难以提炼其中的观点。

发明内容

本发明内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例的目的在于提出一种改进的用于展示信息的方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种用于展示信息的方法，该方法包括：获取至少一条评论信息；对上述至少一条评论信息进行聚类；对同一类别的评论信息确定出相应的标签；按照所确定的至少一个标签，展示上述至少一条评论信息。

第二方面，本公开的一些实施例提供了一种用于展示信息的装置，装置包括：获取单元，被配置成获取至少一条评论信息；聚类单元，被配置成对上述至少一条评论信息进行聚类；确定单元，被配置成对同一类别的评论信息确定出相应的标签；展示单元，被配置成按照所确定的至少一个标签，展示上述至少一条评论信息。

第三方面，本公开的一些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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。

第四方面，本公开的一些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，其中，程序被处理器执行时实现如第一方面中任一的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：通过对获取到的至少一条评论信息进行聚类，可以得到至少一个标签，这里的标签可以是观点分类。然后再根据标签将上述至少一条评论信息进行展示。这样用户就可以直观的提炼上述至少一条评论信息中的用户观点。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的用于展示信息的方法的一个应用场景的示意图；

图2是根据本公开的用于展示信息的方法的一些实施例的流程图；

图3是根据本公开的一些实施例的用于展示信息的信息展示场景示意图；

图4是根据本公开的用于展示信息的方法的另一些实施例的流程图；

图5是根据本公开的用于展示信息的装置的一些实施例的结构示意图；

图6是适于用来实现本公开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

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

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。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开的一些实施例的用于展示信息的方法的一个应用场景的示意图。在如图1的应用场景中，执行主体可以是服务器(例如，图1中所示服务器101)。首先，执行主体可以通过有线连接方式或者无线连接方式，获取至少一条评论信息102。然后，上述执行主体可以对上述至少一条评论信息102进行聚类。得到分类a103、分类b104和分类c105。上述聚类通常是将上述至少一条评论信息102进行分类。之后，上述执行主体可以分别对分类a103、分类b104和分类c105给出相应的标签106-108。最后，上述执行主体可以按照所确定的标签106-108，生成标签展示页面109-111。将上述标签展示页面109-111发送到终端设备112(例如，图1中所示手机112)上进行展示。

需要说明的是，上述执行主体可以是硬件，也可以是软件。当执行主体为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当执行主体体现为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。还可以是一个线程或进程。在此不做具体限定。

应该理解，图1中的服务器和手机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服务器和手机。

继续参考图2，示出了根据本公开的用于展示信息的方法的一些实施例的流程200。该用于展示信息的方法，包括以下步骤：

步骤201，获取至少一条评论信息。

在一些实施例中，用于展示信息的方法的执行主体(例如，图1所示的服务器101)可以通过有线连接方式或者无线连接方式，获取至少一条评论信息。作为示例，上述至少一条评论信息可以是用户存储在本地的信息，还可以是从网上下载的信息。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

步骤202，对上述至少一条评论信息进行聚类。

在一些实施例中，上述执行主体可以对基于步骤201得到的至少一条评论信息进行聚类。上述聚类可以是将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。在这里，上述聚类可以是对上述至少一条评论信息进行语义分类。作为示例，上述执行主体可以根据上述至少一条评论信息中的每条评论信息的语义将上述至少一条评论信息分成三个类别，分别是“类别a”、“类别b”和“类别c”。按照上述类别对上述至少一条评论信息中的每条评论信息进行分类。

步骤203，对同一类别的评论信息确定出相应的标签。

在一些实施例中，上述执行主体可以给步骤202中确定的类别添加相应的标签。作为示例，可以给上述三个类别“类别a”、“类别b”和“类别c”分别添加对应的标签“赞同”、“反对”和“其它”。

步骤204，按照所确定的至少一个标签，展示上述至少一条评论信息。

在一些实施例中，上述执行主体可以基于步骤203确定的标签对上述至少一条评论信息进行展示。作为示例，首先，在展示页面上只展示上述基于步骤203确定的标签。然后，在上述标签上添加用于触发展示评论信息的按钮。也可以在展示页面上展示上述标签的区域展示标签内的评论信息的数量。

作为示例，确定的标签可以是3个，分别是“赞同”、“否定”和“其他”。获取到的评论信息可以是100条，其中，有45条属于“赞同”标签对应的类别，有3条属于“否定”标签对应的类别，有25条属于“其他”标签对应的类别。如图3所示，确定的标签可以是3个，分别是附图标记301(图中所示为“赞同”)、附图标记302(图中所示为“否定”)和附图标记303(图中所示为“其他”)。其中，附图标记304-306表示标签对应的类别中包括的评论信息的数量占获取到的评论信息的总数量的百分比。当用户点击附图标记307时，展示属于“赞同”标签下的45条评论信息。当用户点击附图标记308时，展示属于“否定”标签下的30条评论信息。当用户点击附图标记309时，展示属于“其他”标签下的25条评论信息。

在一些实施例的一些可选的实现方式中，上述方法还包括：获取同一标签下的至少一条评论信息中的每条评论信息的用户反馈信息，其中，上述用户反馈信息包括以下至少一项：用户点赞数量，用户评论条数；作为示例，上述执行主体可以获取每一条评论信息的用户点赞数量或用户评论条数。根据上述用户反馈信息，对上述同一标签下的至少一条评论信息进行排序，生成评论信息序列。作为示例，可以根据上述用户点赞数量或上述用户评论条数从多到少对上述至少一条评论信息进行排序，生成评论信息序列。

在一些实施例的一些可选的实现方式中，用户反馈信息还包括：点赞的用户的用户信息和/或发表用户评论的用户的用户信息。上述用户信息可以包括用户基本信息，例如，性别，年龄等。

在一些实施例的一些可选的实现方式中，上述方法还包括：根据上述用户反馈信息，确定目标用户操作的至少一条评论信息所对应的至少一个标签；上述目标用户可以是对上述至少一条评论信息中的评论信息点赞的用户或发表用户评论的用户。上述目标用户操作可以是用户针对评论信息的点赞操作或评论操作。对于上述至少一个标签，按照相对应的上述目标用户操作的评论信息的条数进行排序，得到标签序列。作为示例，已经确定了3个标签分别是“赞同”、“反对”和“其它”，上述用户对“赞同”标签下的评论信息的上述目标用户操作数量是10次，对“反对”标签下的评论信息的上述目标用户操作数量是5次，对“其它”标签下的评论信息的上述目标用户操作数量是8次。可以得到标签序列““赞同”，“其它”，“反对””。

本公开的一些实施例公开的用于展示信息的方法，首先，通过根据获取到的至少一条评论信息，以及对上述至少一条评论信息进行聚类。然后给同一类别添加相应的标签。最后，利用上述标签对上述至少一条评论信息进行展示。从而直观的展示出了上述至少一条评论信息中的用户观点。

继续参考图4，示出了根据本公开的用于展示信息的方法的另一些实施例的流程400。该用于展示信息的方法，包括以下步骤：

步骤401，获取至少一条评论信息。

在一些实施例中，步骤401的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201，在此不再赘述。

步骤402，对每条评论信息进行分词处理，得到至少一个词。

在一些实施例中，用于展示信息的方法的执行主体(例如，图1中的服务器101)可以通过各种方式(例如使用分词器)对基于步骤401获取到的至少一条评论信息中的每条评论信息进行分词处理，得到至少一个词。作为示例，词语可以是一个单独的字，也可以是一个至少包括两个字的词语。分词器就是把一个文档切分成词语。作为示例，可以使用各种常见的中文分词器，或者英文分词器。

步骤403，对于上述至少一个词中的每个词进行词嵌入，得到至少一个词向量。

在一些实施例中，上述执行主体可以对于上述至少一个词中的每个词进行词嵌入，得到至少一个词向量。词嵌入(Word Embedding)通常是指将自然语言表示的单词转换为计算机能够理解的向量或矩阵形式的技术。以上述例子为例，“苹果树”的词向量可以是“[1,0,0,0,0,0,0,0,0,0]”，“种植”的词向量可以是“[0,1,0,0,0,0,0,0,0,0]”。

步骤404，将上述至少一个词向量中的每个词向量输入到神经网络，得到上述评论信息的隐含层表示。

在一些实施例中，上述执行主体可以将基于步骤403得到的至少一个词向量中的每个词向量输入到神经网络，得到上述评论信息的隐含层表示。隐含层可以是用于表示输入和输出的映射关系。上述神经网络可以是双向长短期记忆网络(LSTM，Long Short-TermMemory)，也可以是递归神经网络(recursive neural network)。上述隐含层表示可以是用于表征与上述每个词向量对应的词的所属类别的向量。例如，“0001”用于表征“同意”。

步骤405，根据上述隐含层表示，将上述评论信息进行聚类。

在一些实施例中，上述执行主体可以根据基于步骤404得到的隐含层表示，确定上述评论信息的所属类别。作为示例，当上述评论信息的隐含层表示中出现“0001”，可以将上述评论信息划分到“赞同”标签下的类别中。

在一些实施例的一些可选的实现方式中，根据上述隐含层表示，将上述评论信息进行聚类，包括：将上述隐含层表示进行情感分析，得到分析结果；上述情感分析通常是指分析上述评论信息中的立场、观点、好恶等主观信息，对上述评论信息索要表达的情感倾向性做出类别判断。上述情感倾向通常是指上述评论信息所反映的正面或负面的倾向性及其情感倾向强度。上述分析结果可以是上述评论信息属于每种标签的概率。根据上述分析结果，对上述评论信息进行聚类。例如，上述分析结果可以是属于正面60％，反面30％，其它10％，可以将上述评论信息划分到正面类别中。

在一些实施例的一些可选的实现方式中，将上述隐含层表示进行情感分析，得到分析结果，包括：对上述评论信息进行预处理，得到至少一个词语，其中，上述预处理包括以下至少一项：分词处理，停用词处理；停用词通常是指在信息检索中，为节省存储空间和提高搜索效率，在处理自然语言数据(或文本)之前或之后会自动过滤掉某些字或词。停用词主要包括英文字符、数字、数学字符、标点符号及使用频率特高的单汉字等。上述停用词处理可以是执行主体遍历上述评论信息中的所有停用词，并在停用词处进行断句，得到至少一个词语。将上述至少一个词语中的每个词语与预定义情感词典中的词语进行匹配；上述情感词典可以是预先创建的，也可以是执行主体从网络上下载的。上述匹配结果可以是上述至少一个词语中属于正面词语和负面词语的数量。例如，属于正面词语有3个，属于负面词语有两个。基于匹配结果，生成上述分析结果。在这里，分析结果可以是属于正面60％，反面40％。

在一些实施例的一些可选的实现方式中，根据上述隐含层表示，将上述评论信息进行聚类，包括：对上述评论信息的隐含层表示进行同义词替换，得到替换后的隐含层表示；确定上述替换后的隐含层表示中相同词语的数量；例如，“同意”的匹配结果可以是“是”。根据上述数量，确定上述替换后的隐含层表示中不同词语的比例信息；在这里，上述匹配结果可以是5个词语，当上述5个词语分别是3个“是”，两个“否”时，属于正面60％，反面40％，其它0。根据上述比例信息，对上述评论信息进行聚类。基于上述比例信息，可以将上述评论信息划分到正面类别中。

步骤406，对同一类别的评论信息确定出相应的标签。

步骤407，按照所确定的至少一个标签，展示上述至少一条评论信息。

在一些实施例中，步骤406-407的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤203-204，在此不再赘述。

由上述示例可以看出，通过对上述至少一条评论信息中的每条评论信息进行分词处理，得到至少一个词，在得到至少一个词向量，从而得到上述评论信息的隐含层表示。从而更加准确的对上述评论信息进行聚类，进一步可以实现对上述评论信息的观点的快速提炼。

进一步参考图5，作为对上述各图上述方法的实现，本公开提供了用于展示信息的装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，一些实施例的用于展示信息的装置500包括：获取单元501、聚类单元502、确定单元503和展示单元504。其中，获取单元501，被配置成获取至少一条评论信息；聚类单元502，被配置成对上述至少一条评论信息进行聚类；确定单元503，被配置成对同一类别的评论信息确定出相应的标签；展示单元504，被配置成按照所确定的至少一个标签，展示上述至少一条评论信息。

在一些实施例中，用于展示信息的装置500中的聚类单元502包括：分词单元，被配置成对每条评论信息进行分词处理，得到至少一个词；词嵌入单元，被配置成对于上述至少一个词中的每个词进行词嵌入，得到至少一个词向量；得到单元，被配置成将上述至少一个词向量中的每个词向量输入到神经网络，得到上述评论信息的隐含层表示；聚类子单元，被配置成根据上述隐含层表示，将上述评论信息进行聚类。

在一些实施例中，用于展示信息的装置500的聚类单元502中的聚类子单元被进一步配置成：将上述隐含层表示进行情感分析，得到分析结果；根据上述分析结果，对上述评论信息进行聚类。

在一些实施例中，用于展示信息的装置500的聚类单元502中的聚类子单元被进一步配置成：对上述评论信息的隐含层表示进行同义词替换，得到替换后的隐含层表示；确定上述替换后的隐含层表示中相同词语的数量；根据上述数量，确定上述替换后的隐含层表示中不同词语的比例信息；根据上述比例信息，对上述评论信息进行聚类。

在一些实施例中，用于展示信息的装置500的聚类单元502中的聚类子单元被进一步配置成：对上述评论信息进行预处理，得到至少一个词语，其中，上述预处理包括以下至少一项：分词处理，停用词处理；将上述至少一个词语中的每个词语与预定义情感词典中的词语进行匹配；基于匹配结果，生成上述分析结果。

在一些实施例中，用于展示信息的装置500被进一步配置成：获取同一标签下的至少一条评论信息中的每条评论信息的用户反馈信息，其中，上述用户反馈信息包括以下至少一项：用户点赞数量，用户评论条数；根据上述用户反馈信息，对上述同一标签下的至少一条评论信息进行排序，生成评论信息序列。

在一些实施例中，用于展示信息的装置500中的用户反馈信息被进一步配置成：点赞的用户的用户信息和/或发表用户评论的用户的用户信息。

在一些实施例中，用于展示信息的装置500被进一步配置成：根据上述用户反馈信息，确定目标用户操作的至少一条评论信息所对应的至少一个标签；对于上述至少一个标签，按照相对应的上述目标用户操作的评论信息的条数进行排序，得到标签序列。

本公开的一些实施例公开的用于展示信息的装置，通过根据获取到的至少一条评论信息，根据对上述至少一条评论信息进行聚类，然后给同一类别添加相应的标签，然后利用上述标签对上述至少一条评论信息进行展示。实现了直观的展示上述至少一条评论信息中的用户观点。

下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)600的结构示意图。本公开的一些实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的终端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；包括例如存储卡等的存储装置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，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，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，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上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。在本公开的一些实施例中，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。而在本公开的一些实施例中，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。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

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：获取至少一条评论信息；对上述至少一条评论信息进行聚类；对同一类别的评论信息确定出相应的标签；按照所确定的至少一个标签，展示上述至少一条评论信息。

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一些实施例的操作的计算机程序代码，上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。

描述于本公开的一些实施例中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：一种处理器包括获取单元、聚类单元、确定单元和展示单元。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，获取单元还可以被描述为“获取至少一条评论信息的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

根据本公开的一个或多个实施例，提供了一种用于展示信息的方法，包括：获取至少一条评论信息；对上述至少一条评论信息进行聚类；对同一类别的评论信息确定出相应的标签；按照所确定的至少一个标签，展示上述至少一条评论信息。

根据本公开的一个或多个实施例，对上述至少一条评论信息进行聚类，包括：对每条评论信息进行分词处理，得到至少一个词；对于上述至少一个词中的每个词进行词嵌入，得到至少一个词向量；将上述至少一个词向量中的每个词向量输入到神经网络，得到上述评论信息的隐含层表示；根据上述隐含层表示，将上述评论信息进行聚类。

根据本公开的一个或多个实施例，根据上述隐含层表示，将上述评论信息进行聚类，包括：将上述隐含层表示进行情感分析，得到分析结果；根据上述分析结果，对上述评论信息进行聚类。

根据本公开的一个或多个实施例，根据上述隐含层表示，将上述评论信息进行聚类，包括：对上述评论信息的隐含层表示进行同义词替换，得到替换后的隐含层表示；确定上述替换后的隐含层表示中相同词语的数量；根据上述数量，确定上述替换后的隐含层表示中不同词语的比例信息；根据上述比例信息，对上述评论信息进行聚类。

根据本公开的一个或多个实施例，将上述隐含层表示进行情感分析，得到分析结果，包括：对上述评论信息进行预处理，得到至少一个词语，其中，上述预处理包括以下至少一项：分词处理，停用词处理；将上述至少一个词语中的每个词语与预定义情感词典中的词语进行匹配；基于匹配结果，生成上述分析结果。

根据本公开的一个或多个实施例，上述方法还包括：获取同一标签下的至少一条评论信息中的每条评论信息的用户反馈信息，其中，上述用户反馈信息包括以下至少一项：用户点赞数量，用户评论条数；根据上述用户反馈信息，对上述同一标签下的至少一条评论信息进行排序，生成评论信息序列。

根据本公开的一个或多个实施例，用户反馈信息还包括：点赞的用户的用户信息和/或发表用户评论的用户的用户信息。

根据本公开的一个或多个实施例，上述方法还包括：根据上述用户反馈信息，确定目标用户操作的至少一条评论信息所对应的至少一个标签；对于上述至少一个标签，按照相对应的上述目标用户操作的评论信息的条数进行排序，得到标签序列。

根据本公开的一个或多个实施例，提供了一种用于展示信息的装置，包括：获取单元，被配置成获取至少一条评论信息；聚类单元，被配置成对上述至少一条评论信息进行聚类；确定单元，被配置成对同一类别的评论信息确定出相应的标签；展示单元，被配置成按照所确定的至少一个标签，展示上述至少一条评论信息。

根据本公开的一个或多个实施例，聚类单元包括：分词单元，被配置成对每条评论信息进行分词处理，得到至少一个词；词嵌入单元，被配置成对于上述至少一个词中的每个词进行词嵌入，得到至少一个词向量；得到单元，被配置成将上述至少一个词向量中的每个词向量输入到神经网络，得到上述评论信息的隐含层表示；聚类子单元，被配置成根据上述隐含层表示，将上述评论信息进行聚类。

根据本公开的一个或多个实施例，聚类单元中的聚类子单元被进一步配置成：将上述隐含层表示进行情感分析，得到分析结果；根据上述分析结果，对上述评论信息进行聚类。

根据本公开的一个或多个实施例，聚类单元中的聚类子单元被进一步配置成：对上述评论信息的隐含层表示进行同义词替换，得到替换后的隐含层表示；确定上述替换后的隐含层表示中相同词语的数量；根据上述数量，确定上述替换后的隐含层表示中不同词语的比例信息；根据上述比例信息，对上述评论信息进行聚类。

根据本公开的一个或多个实施例，聚类单元中的聚类子单元被进一步配置成：对上述评论信息进行预处理，得到至少一个词语，其中，上述预处理包括以下至少一项：分词处理，停用词处理；将上述至少一个词语中的每个词语与预定义情感词典中的词语进行匹配；基于匹配结果，生成上述分析结果。

根据本公开的一个或多个实施例，用于展示信息的装置被进一步配置成：获取同一标签下的至少一条评论信息中的每条评论信息的用户反馈信息，其中，上述用户反馈信息包括以下至少一项：用户点赞数量，用户评论条数；根据上述用户反馈信息，对上述同一标签下的至少一条评论信息进行排序，生成评论信息序列。

根据本公开的一个或多个实施例，用户反馈信息被进一步配置成：点赞的用户的用户信息和/或发表用户评论的用户的用户信息。

根据本公开的一个或多个实施例，用于展示信息的装置被进一步配置成：根据上述用户反馈信息，确定目标用户操作的至少一条评论信息所对应的至少一个标签；对于上述至少一个标签，按照相对应的上述目标用户操作的评论信息的条数进行排序，得到标签序列。

根据本公开的一个或多个实施例，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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一实施例描述的方法。

根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如上述任一实施例描述的方法。

以上描述仅为本公开的一些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 (11)

1.一种用于展示信息的方法，包括：

获取至少一条评论信息；

对所述至少一条评论信息进行聚类；

对同一类别的评论信息确定出相应的标签；

按照所确定的至少一个标签，展示所述至少一条评论信息。

2.根据权利要求1所述的方法，其中，所述对所述至少一条评论信息进行聚类，包括：

对每条评论信息进行分词处理，得到至少一个词；

对于所述至少一个词中的每个词进行词嵌入，得到至少一个词向量；

将所述至少一个词向量中的每个词向量输入到神经网络，得到所述评论信息的隐含层表示；

根据所述隐含层表示，将所述评论信息进行聚类。

3.根据权利要求2所述的方法，其中，所述根据所述隐含层表示，将所述评论信息进行聚类，包括：

将所述隐含层表示进行情感分析，得到分析结果；

根据所述分析结果，对所述评论信息进行聚类。

4.根据权利要求2所述的方法，其中，所述根据所述隐含层表示，将所述评论信息进行聚类，包括：

对所述评论信息的隐含层表示进行同义词替换，得到替换后的隐含层表示；

确定所述替换后的隐含层表示中相同词语的数量；

根据所述数量，确定所述替换后的隐含层表示中不同词语的比例信息；

根据所述比例信息，对所述评论信息进行聚类。

5.根据权利要求3所述的方法，其中，所述将所述隐含层表示进行情感分析，得到分析结果，包括：

对所述评论信息进行预处理，得到至少一个词语，其中，所述预处理包括以下至少一项：分词处理，停用词处理；

将所述至少一个词语中的每个词语与预定义情感词典中的词语进行匹配；

基于匹配结果，生成所述分析结果。

6.根据权利要求1-5之一所述的方法，其中，所述方法还包括：

获取同一标签下的至少一条评论信息中的每条评论信息的用户反馈信息，其中，所述用户反馈信息包括以下至少一项：用户点赞数量，用户评论条数；

根据所述用户反馈信息，对所述同一标签下的至少一条评论信息进行排序，生成评论信息序列。

7.根据权利要求6所述的方法，所述用户反馈信息还包括：点赞的用户的用户信息和/或发表用户评论的用户的用户信息。

8.根据权利要求7所述的方法，其中，所述方法还包括：

根据所述用户反馈信息，确定目标用户操作的至少一条评论信息所对应的至少一个标签；

对于所述至少一个标签，按照相对应的所述目标用户操作的评论信息的条数进行排序，得到标签序列。

9.一种用于展示信息的装置，包括：

获取单元，被配置成获取至少一条评论信息；

聚类单元，被配置成对所述至少一条评论信息进行聚类；

确定单元，被配置成对同一类别的评论信息确定出相应的标签；

展示单元，被配置成按照所确定的至少一个标签，展示所述至少一条评论信息。

10.一种电子设备，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1-8中任一所述的方法。

11.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。

Images