CN111447260A - 信息推送、信息发布方法及装置 - Google Patents
信息推送、信息发布方法及装置 Download PDFInfo
- Publication number
- CN111447260A CN111447260A CN202010202429.4A CN202010202429A CN111447260A CN 111447260 A CN111447260 A CN 111447260A CN 202010202429 A CN202010202429 A CN 202010202429A CN 111447260 A CN111447260 A CN 111447260A
- Authority
- CN
- China
- Prior art keywords
- information
- intention
- recommended
- published
- detected
- 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 91
- 238000001514 detection method Methods 0.000 claims description 47
- 238000012549 training Methods 0.000 claims description 41
- 239000013598 vector Substances 0.000 claims description 38
- 230000006399 behavior Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 14
- 238000013461 design Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- 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
-
- 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
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种信息推送、信息发布方法及装置,其中,该方法包括:获取用户端上传的待发布媒体内容;从所述待发布媒体内容中提取对象集合;所述对象集合中包括至少一个待检测对象;通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象;将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象;将所述推荐对象的信息发送给所述用户端。
Description
技术领域
本公开涉及互联网技术领域,具体而言,涉及一种信息推送、信息发布方法及装置。
背景技术
一般的,用户在发布媒体内容时,可以选择与该媒体内容相关的推荐对象的信息,一起进行发布,比如,用户发布了一段自拍视频,可以在发布视频的同时发布与该视频中人物的衣服、鞋子,或使用的玩具相关的物品链接,使得其他用户在查看该视频时,可以通过点击该推荐对象的信息查看该推荐对象。
发布媒体内容的用户可以通过在搜索区域内输入文本内容对推荐对象进行搜索,但是输入的文本内容存在无法准确表达用户需求的情况,使得发布媒体内容的用户查找推荐对象的效率和准确率较低。
发明内容
本公开实施例至少提供一种信息推送、信息发布方法及装置。
第一方面,本公开实施例提供了一种信息推送方法,包括:
获取用户端上传的待发布媒体内容;
从所述待发布媒体内容中提取对象集合;所述对象集合中包括至少一个待检测对象;
通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象;
将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象;
将所述推荐对象的信息发送给所述用户端。
一种可选的实施方式中,在所述待发布媒体内容为待发布视频时,从所述待发布媒体内容中提取对象集合,包括:
按照预设时间间隔,对所述待发布视频进行等间隔抽帧,提取多帧图片;
针对任一帧图片,基于训练的对象检测模型,对该帧图片进行对象检测,得到检测出的对象;所述对象检测模型为基于标记好对象的多个训练样本图片训练得到的;
基于多个检测出的对象,得到所述对象集合。
一种可选的实施方式中,所述待检测对象为实体类对象和/或场景类对象;
针对每个待检测对象,根据以下意图识别信息中的至少一种对该待检测对象进行意图预测:
所述待发布媒体内容对应文本特征;
所述待发布媒体内容中至少一帧图片的图像特征;
所述待发布媒体内容对应的发布者的用户行为信息。
一种可选的实施方式中,在所述待检测对象为实体类对象的情况下,所述意图识别信息还包括以下信息中的至少一种:
所述待检测对象在所述待发布媒体内容中的属性特征信息;所述属性特征信息包括该待检测对象在所述待发布媒体内容中出现的位置信息和该待检测对象在所述待发布媒体内容中出现的频次信息中的至少一种;
所述待检测对象在对应图片中的图像特征。
一种可选的实施方式中,对所述多个待检测对象进行意图预测,包括:
针对每个待检测对象,基于该待检测对象对应的所述意图识别信息,以及训练的意图预测模型,确定该待检测对象对应的意图对象识别结果;所述意图预测模型为基于已标记意图对象的多个训练样本媒体内容训练得到的。
一种可选的实施方式中,通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象,包括:
对所述至少一个待检测对象进行预设意图类型下的意图预测,确定所述至少一个待检测对象中,与所述预设意图类型匹配的意图对象。
一种可选的实施方式中,将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象,包括:
计算对象推荐库中的待推荐对象与所述意图对象之间的相关度,从所述对象推荐库中选择对应的所述相关度满足预设条件的待推荐对象集合;
根据所述待推荐对象集合中每个待推荐对象对应的服务属性信息,从所述待推荐对象集合中选择至少一个所述推荐对象。
一种可选的实施方式中,计算对象推荐库中的待推荐对象与所述意图对象之间的相关度,包括:
将对象推荐库中的待推荐对象对应的特征向量与所述意图对象对应的特征向量输入相关度检测模型,确定对象推荐库中的待推荐对象与所述意图对象之间的相关度;所述相关度检测模型为基于已标记对象之间相关度的多个训练样本图片训练得到的;或者,
计算对象推荐库中的待推荐对象对应的特征向量与所述意图对象对应的特征向量之间的余弦相似度,将该余弦相似度确定为所述待推荐对象与所述意图对象之间的相关度。
一种可选的实施方式中,在将所述推荐对象的信息发送给所述用户端之后,所述方法还包括:
获取用户端在触发手动选择操作后,从所述待发布媒体内容中截取的意图对象的图片内容;
从对象推荐库中确定与截取的意图对象的图片内容匹配的推荐对象;
将与所述意图对象的图片内容匹配的推荐对象的信息发送给所述用户端。
第二方面,本公开实施例提供了一种信息发布方法,该方法包括:
获取待发布媒体内容,并将所述待发布媒体内容发送给服务端;
接收所述服务端反馈的与所述待发布媒体内容中的意图对象相关的推荐对象的信息;
在所述待发布媒体内容对应的发布信息编辑页面展示所述推荐对象的信息。
一种可选的实施方式中,所述在所述待发布媒体内容对应的发布信息编辑页面展示所述推荐对象的信息,包括:
获取所述推荐对象在对应服务平台的展示页面内容;
基于所述展示页面内容生成展示卡片,在所述待发布媒体内容对应的发布信息编辑页面展示所述展示卡片。
一种可选的实施方式中,所述展示卡片中的信息包括以下信息中的多种:
服务平台名称、推荐对象的图像信息、推荐对象在所述服务平台上的推荐文本信息、和推荐对象在所述服务平台上对应的服务属性信息。
一种可选的实施方式中,接收所述推荐对象的信息之后,还包括:
当用户在所述发布信息编辑页面中触发手动选择操作后,获取用户从所述待发布媒体内容中截取的意图对象的图片内容;
将所述意图对象的图片内容发送给服务端,并接收服务端反馈的与所述意图对象的图片内容匹配的推荐对象的信息。
第三方面,本公开实施例还提供一种信息推送装置,包括:
第一获取模块,用于获取用户端上传的待发布媒体内容;
对象集合提取模块,用于从所述待发布媒体内容中提取对象集合;所述对象集合中包括至少一个待检测对象;
意图对象确定模块,用于通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象;
匹配模块,用于将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象;
发送模块,用于将所述推荐对象的信息发送给所述用户端。
一种可选的实施方式中,对象集合提取模块,在从所述待发布媒体内容中提取对象集合时,用于:
按照预设时间间隔,对所述待发布视频进行等间隔抽帧,提取多帧图片;
针对任一帧图片,基于训练的对象检测模型,对该帧图片进行对象检测,得到检测出的对象;所述对象检测模型为基于已标记对象的多个训练样本图片训练得到的;
基于多个检测出的对象,得到所述对象集合。
一种可选的实施方式中,意图对象确定模块,用于针对每个待检测对象,根据以下意图识别信息中的至少一种对该待检测对象进行意图预测;
所述待发布媒体内容对应的文本特征;
所述待发布媒体内容中至少一帧图片的图像特征;
所述待发布媒体内容对应的发布者的用户行为信息。
一种可选的实施方式中,所述意图识别信息还包括以下信息中的至少一种:
所述待检测对象在所述待发布媒体内容中的属性特征信息;所述属性特征信息包括该待检测对象在所述待发布媒体内容中出现的位置信息和该待检测对象在所述待发布媒体内容中出现的频次信息中的至少一种;
所述待检测对象在对应图片中的图像特征。
一种可选的实施方式中,意图对象确定模块,在对所述多个待检测对象进行意图预测时,用于:
针对每个待检测对象,基于该待检测对象对应的所述意图识别信息,以及训练的意图预测模型,确定该待检测对象对应的意图对象识别结果;所述意图预测模型为基于标记好意图对象的多个训练样本媒体内容训练得到的。
一种可选的实施方式中,意图对象确定模块,在通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象时,用于:
对所述至少一个待检测对象进行预设意图类型下的意图预测,确定所述至少一个待检测对象中,与所述预设意图类型匹配的意图对象。
一种可选的实施方式中,匹配模块,在将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象时,用于:
计算对象推荐库中的待推荐对象与所述意图对象之间的相关度,从所述对象推荐库中选择对应的所述相关度满足预设条件的待推荐对象集合;
根据所述待推荐对象集合中每个待推荐对象对应的服务属性信息,从所述待推荐对象集合中选择至少一个所述推荐对象。
一种可选的实施方式中,匹配模块,在计算对象推荐库中的待推荐对象与所述意图对象之间的相关度时,用于:
将对象推荐库中的待推荐对象对应的特征向量与所述意图对象对应的特征向量输入相关度检测模型,确定对象推荐库中的待推荐对象与所述意图对象之间的相关度;所述相关度检测模型为基于已标记对象之间相关度的多个训练样本图片训练得到的;或者,
计算对象推荐库中的待推荐对象对应的特征向量与所述意图对象对应的特征向量之间的余弦相似度,将该余弦相似度确定为所述待推荐对象与所述意图对象之间的相关度。
一种可选的实施方式中,所述装置,还包括:
截取模块,用于获取用户端在触发手动选择操作后,从所述待发布媒体内容中截取的意图对象的图片内容;
推荐对象确定模块,用于从对象推荐库中确定与截取的意图对象的图片内容匹配的推荐对象;
信息发送模块,用于将与所述意图对象的图片内容匹配的推荐对象的信息发送给所述用户端。
第四方面,本公开实施例还提供一种信息发布装置,包括:
第二获取模块,用于获取待发布媒体内容,并将所述待发布媒体内容发送给服务端;
信息接收模块,用于接收所述服务端反馈的与所述待发布媒体内容中的意图对象相关的推荐对象的信息;
展示模块,用于在所述待发布媒体内容对应的发布信息编辑页面展示所述推荐对象的信息。
一种可选的实施方式中,所述展示模块,用于:
获取所述推荐对象在对应服务平台的展示页面内容;
基于所述展示页面内容生成展示卡片,在所述待发布媒体内容对应的发布信息编辑页面展示所述展示卡片。
一种可选的实施方式中,所述展示卡片中的信息包括以下信息中的多种:
服务平台名称、推荐对象的图像信息、推荐对象在所述服务平台上的推荐文本信息、和推荐对象在所述服务平台上对应的服务属性信息。
一种可选的实施方式中,所述装置还包括:
图片内容截取模块,用于当用户在所述发布信息编辑页面中触发手动选择操作后,获取用户从所述待发布媒体内容中截取的意图对象的图片内容;
图片内容发送模块,用于将所述意图对象的图片内容发送给服务端,并接收服务端反馈的与所述意图对象的图片内容匹配的推荐对象的信息。
第五方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面的任一种可能的实施方式中所述的信息推送方法的步骤,或执行上述第二方面,或第二方面的任一种可能的实施方式中所述的信息发布方法的步骤。
第六方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面,或第一方面的任一种可能的实施方式中所述的信息推送方法的步骤,或执行上述第二方面,或第二方面的任一种可能的实施方式中所述的信息发布方法的步骤。
本公开实施例提供的信息推送方法,通过从获取到的待发布媒体内容中提取对象集合,并对对象集合中包括的至少一个待检测对象进行意图预测,确定至少一个待检测对象中的意图对象;将对象推荐库中的待推荐对象与意图对象进行相关性匹配,确定与意图对象匹配的推荐对象;将推荐对象的信息发送给用户端,从而可以为媒体内容发布者自动选择与媒体内容相关的推荐对象,减少了媒体内容发布者对推荐对象的搜索时间,提高了媒体内容发布的效率;另外,本公开实施例通过意图识别来确定具有用户意图的对象,并在此基础上匹配的推荐对象,确保了推荐对象为符合用户意图的对象,从而也提高了进行对象推荐的准确性。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本公开实施例所提供的一种信息推送方法的流程图;
图2a示出了本公开实施例所提供的一种发布信息编辑界面的界面示意图;
图2b示出了本公开实施例所提供的一种手动选择意图对象的界面示意图;
图2c示出了本公开实施例所提供的一种选择意图对象的界面示意图;
图3示出了本公开实施例所提供的一种信息发布方法的流程图;
图4示出了本公开实施例所提供的一种信息推送装置的示意图;
图5示出了本公开实施例所提供的一种信息发布装置的示意图;
图6示出了本公开实施例所提供的一种电子设备的示意图;
图7示出了本公开实施例所提供的另一种电子设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
在进行媒体内容发布时,媒体内容发布者可以在待发布媒体内容对应的发布信息编辑页面添加推荐对象的信息,并在将待发布媒体内容发布之后,其他用户在查看该待发布媒体内容时,可以通过点击推荐对象的信息,实现对推荐对象的查看。一般的,媒体内容发布者在媒体内容上添加推荐对象的信息时,通过在搜索区域内输入文本内容,确定媒体内容对应的推荐对象,比如,媒体内容发布者在拍摄了一段针对新款连衣裙的视频后,输入的文本内容可以为“连衣裙”,但是,由于连衣裙的样式、以及对应的图案有多种,系统无法准确的判断媒体内容发布者需要的连衣裙样式,媒体内容发布者需要进行较长时间的浏览才能确定推荐对象,使得媒体内容发布者确定推荐对象的效率较低,进而使得发布媒体内容的效率也较低,有时还存在观察不仔细导致确定的推荐对象不准确的情况。因此,本公开实施例提出了一种信息推送方法,基于用户端上传的待发布媒体内容,确定该待发布媒体内容对应的推荐对象,并为用户推送该推荐对象,可以提高用户确定推荐对象的效率及准确率。
为便于对本公开实施例进行理解,首先对本公开实施例所公开的一种信息推送方法进行详细介绍。
实施例一
本公开实施例提供了一种信息推送方法,该方法应用于服务端,参见图1所示的一种信息推送方法的流程图,该方法包括S101-S105,具体过程如下:
S101,获取用户端上传的待发布媒体内容。
这里,待发布媒体内容可以为视频、图片等,示例性的,用户端可以在下载、拍摄、或接收其它设备发送的媒体内容后,上传到服务端,作为待发布媒体内容。其中,在待发布媒体内容为待发布视频时,则待发布视频可以为满足设定时长要求的视频,比如,待发布媒体内容的时长小于3分钟、大于30秒;在待发布媒体内容为图片时,则待发布图片的数量可以根据需要进行设计,比如,待发布图片可以为1张、5张、10张等。
本公开实施例中,重点以待发布媒体内容为待发布视频为例进行说明。
S102,从待发布媒体内容中提取对象集合;对象集合中包括至少一个待检测对象。
本公开实施例中,对象集合中包括的待检测对象为待发布媒体内容中包括的各个实体类对象,还可以为场景类对象。比如,待检测对象可以为待发布媒体内容中包括的衣服、发饰、玩具、宠物等的实体类对象;也可以为待发布媒体内容中涉及的影视、游戏、旅行规划(包括旅行涉及的机票、酒店等)等的场景类对象。
具体实施时,在待发布媒体内容为待发布视频时,从待发布媒体内容中提取对象集合的过程,可以包括:
按照预设时间间隔,对所述待发布视频进行等间隔抽帧,提取多帧图片;
针对任一帧图片,基于训练的对象检测模型,对该帧图片进行对象检测,得到检测出的对象;所述对象检测模型为基于已标记对象的多个训练样本图片训练得到的;
基于多个检测出的对象,得到所述对象集合。
示例性的,可以为待发布视频确定一预设图片数量,从待发布视频中提取预设数量的图片。比如,若设置的预设图片数量为10张,在待发布视频的视频时长为30秒时,则确定每间隔3秒从待发布视频中提取一帧图片,得到待发布视频中的10帧图片;在待发布视频的视频时长为60秒时,则确定每间隔6秒从待发布视频中提取一帧图片,得到待发布视频中的10帧图片。其中,从待发布视频中提取的图片数量可以根据实际需要进行确定。
本公开实施例中,可以基于待发布视频的时长以及预设时间间隔,确定从待发布视频中提取的图片数量。比如,若预设时间间隔为5秒,在待发布视频的视频时长为30秒时,则确定从待发布视频中提取的图片数量可以为6帧,即可以从待发布视频中等时间间隔的提取6帧图片;在待发布视频的视频时长为60秒时,则确定从待发布视频中提取的图片数量可以为12帧,即可以从待发布视频中等时间间隔的提取12帧图片。
这里,分别对多帧图片进行对象检测,得到每帧图片中包括的对象,对每帧图片中包括的对象取并集,得到待发布视频对应的对象集合。比如,若从待发布视频中提取得到3帧图片(即第一帧图片、第二帧图片、第三帧图片),则分别对第一帧图片、第二帧图片以及第三帧图片进行对象检测,可以得到第一帧图片中包括的对象有外套A、以及帽子A,得到第二帧图片中包括的对象有外套A、帽子A、以及鞋子A,得到第三帧图片中包括的对象有首饰A、帽子B、以及鞋子A,进而对每帧图片中包括的对象取并集,得到待发布视频对应的对象集合,即该对象集合中包括外套A、帽子A、首饰A、帽子B、以及鞋子A。除此之外,对象集合里还可以有场景类对象,比如3帧图片的背景中都是某个旅游地点的风景,可以确定对象还包括旅游场景对象。
本公开实施例中,针对实体类对象,可以获取带有已标记实体类对象的多个训练样本图片,将获取的多个训练样本图片输入至训练的第一神经网络模型中,即实体类对象对应的第一对象检测模型,对第一神经网络模型进行训练,得到包含训练好的各个特征参数及对应权重值的第一对象检测模型。进而,可以将多帧图片中的每帧图片输入至第一对象检测模型中进行检测,得到每帧图片包括的对象。其中,第一神经网络模型的网络结构可以根据实际需要设计,这里不做限定。
本公开实施例中,针对场景类对象,可以获取带有已标记场景类对象的多个训练样本内容(该训练样本可以为图片或视频),将获取的多个训练样本内容输入至训练的第二对象检测模型(第二对象检测模型为场景类对象对应的模型),对第二对象检测模型进行训练,得到包含训练好的各个特征参数及对应权重值的第二对象检测模型。
S103,通过对至少一个待检测对象进行意图预测,确定至少一个待检测对象中的意图对象。
本公开实施例中,可以对至少一个待检测对象进行意图预测,确定至少一个待检测对象中的意图对象,即确定待发布媒体内容对应的意图对象(或称关注对象),也即用户上传该待发布媒体内容,意在引起其他用户关注的对象。进一步地,该意图预测可以是预设意图类型下的预测,确定的是所述至少一个待检测对象中,与所述预设意图类型匹配的意图对象。比如针对商品类型的意图预测,此时,对至少一个待检测对象进行商品意图预测,确定在至少一个待检测对象中,与商品意图匹配的意图对象,也即检测出能够被购买的商品。再比如,针对人物类型的意图预测,检测的是人物对象。比如,针对旅游类型的意图预测,检测的是旅游推荐。
在具体实施时,待检测对象为实体类对象和/或场景类对象;针对每个待检测对象,可以根据以下意图识别信息中的至少一种对该待检测对象进行意图预测:
一、待发布媒体内容对应的文本特征。
这里,文本特征可以为待发布媒体内容对应的文本介绍内容的特征和话题内容的特征中的至少一种。其中,文本介绍内容和/或话题内容通常是用户发布媒体内容时关注的内容,是用户关注的重点,故可以从待发布媒体内容对应的文本特征的维度下,对待发布媒体内容的意图进行识别。
二、待发布媒体内容中至少一帧图片的图像特征。
考虑到待发布媒体内容中包含表征用户意图的视觉信息,比如用户对某个电子产品做介绍的视频内容中,频繁出现的电子产品即为用户的意图对象,故可以从待发布媒体内容对应的图像特征的维度下,对待发布媒体内容的意图进行识别。
三、待发布媒体内容对应的发布者的用户行为信息。
一般的,待发布媒体内容对应的发布者的用户行为信息可以表征用户的兴趣、爱好等信息,而发布者的兴趣、爱好等信息对用户发布待发布媒体内容的意图存在着一定的影响,故这里从待发布媒体内容对应的发布者的用户行为信息的维度下,对待发布媒体内容的意图进行识别。其中,用户行为信息为用户授权的信息。
示例性的,在待检测对象为实体类对象的情况下,意图识别信息还包括以下信息中的至少一种:
四、该待检测对象在待发布媒体内容中的属性特征信息;属性特征信息包括该待检测对象在待发布媒体内容中出现的位置信息和该待检测对象在待发布媒体内容中出现的频次信息中的至少一种。
一般的,待发布媒体内容的中心位置处的对象可能为用户关注的对象,和/或在待发布媒体内容中出现频次较多的对象为用户关注的对象,而用户关注的对象为意图对象的可能性较高。故这里从待检测对象在待发布媒体内容中的属性特征信息的维度下,对待发布媒体内容的意图进行识别。
五、待检测对象在对应图片中的图像特征。
这里,从待检测对象的角度,确定待发布媒体内容的意图。
本公开实施例中,可以分别确定待发布媒体内容的多个意图识别信息,通过不同意图识别信息来表征该待发布媒体内容,可以较全面地覆盖该待发布媒体内容的发布意图。
示例性的,可以通过意图识别信息一、意图识别信息二、意图识别信息三中的至少一种信息,对待发布媒体内容中的场景类对象进行检测。或者,可以通过意图识别信息一、意图识别信息二、意图识别信息三、意图识别信息四、意图识别信息五中的至少一种信息,对待发布媒体内容中的场景类对象进行检测。下述分别对每种意图识别信息进行详细说明。
对于上述意图识别信息一,文本特征可以为待发布媒体内容对应的文本介绍内容的特征和话题内容的特征中的至少一种,其中,文本介绍内容是媒体内容发布者在发布媒体内容时对媒体内容描述的文本内容,比如包括媒体内容的标题等;话题内容为媒体内容发布者在发布媒体内容时选择的话题,比如可以为宠物、幽默、搞笑、美妆、护肤、旅行、电影等。示例性的,可以对待发布媒体内容的文本介绍内容进行分词处理,提取文本介绍内容中的关键词(比如去掉虚词后有实际意义的词),确定每个关键词对应的特征向量,进而将该文本介绍内容对应的各个关键词的特征向量进行融合,得到该文本介绍内容对应的文本特征向量;相应地,可以确定待发布媒体内容对应的话题内容的关键词,并进一步确定该话题内容对应的话题特征向量。
对于上述意图识别信息二,可以从待发布媒体内容中提取至少一帧图片,确定至少一帧图片的图像特征。示例性的,可以通过卷积神经网络确定每帧图片对应的图像特征。
对于上述意图识别信息三,待发布媒体内容对应的发布者的用户行为信息可以为上传待发布媒体内容的用户(即发布者)的历史操作行为信息。比如,用户的历史操作行为信息可以为用户点赞或浏览的历史媒体内容、用户点击的历史媒体内容对应的推荐对象等。具体实施中,可以将用户行为信息对应的多种行为特征转换为特征值,进而得到用户行为信息对应的用户行为特征向量。
对于上述意图识别信息四,针对每个待检测对象,可以确定该待检测对象在待发布媒体内容中的位置信息,比如,该位置信息可以为该待检测对象在每一帧图片中的坐标信息,可以采用特征值来表征该坐标信息;这里,意图对象一般位于图片中的中间位置,因此,待检测对象在待发布媒体内容中的位置信息可以作为意图识别的影响因素。示例性的,可以通过卷积神经网络对待发布媒体内容中的待检测对象进行检测,输出待检测对象对应的检测框,并基于待检测对象的检测框的位置,确定待检测对象在待发布媒体内容中的位置信息。
针对每个待检测对象,还可以确定该待检测对象在待发布媒体内容对应的多帧图片中出现的频次信息,也即在单位时长的视频内容中出现该待检测对象的平均图片帧数。出现的频次越多,代表该待检测对象作为意图对象的概率越大。除此之外,还可以将待检测对象出现的频次以及视频的帧率相结合作为一个影响因素,也即将视频内容中有待检测对象出现的图片占比作为一个影响因素,比如,若待发布媒体内容的帧率为25帧每秒,时长为10秒,则待发布媒体内容共有250张图片,这250张图片中,假设有待检测对象出现的图片数量为100张,则视频内容中有待检测对象出现的图片占比为10/25。
对于上述意图识别信息五,针对每个待检测对象,可以从待发布媒体内容中提取的多帧图片中确定包括该待检测对象的图片,进而可以确定该待检测对象在对应图片中的图像特征,具体可以采用特征提取网络提取该检测对象的图像特征。这里,该图像特征是表征该待检测对象的特征,并不是包含了对应图片中所有对象的特征。在具体实施时,可以从包括该待检测对象的图片中提取该待检测对象对应的区域图像,基于该区域图像进行特征提取,得到该待检测对象对应的图像特征。
具体实施时,对多个待检测对象进行意图预测的过程可以为:针对每个待检测对象,基于该待检测对象对应的意图识别信息,以及训练的意图预测模型,确定该待检测对象对应的意图对象识别结果;意图预测模型为基于已标记意图对象的多个训练样本媒体内容训练得到的。
本公开实施例中,可以针对已标记意图对象的每个训练样本媒体内容,检测出该训练样本媒体内容中的每个对象,针对的检测出的每个对象样本,根据该对象样本对应的上述意图识别信息,以及该对象样本对应的意图对象标记信息(是否为意图对象),进行第二神经网络模型,也即意图预测模型的训练,得到进行意图预测的意图预测模型,该意图预测模型的输出结果可以为意图识别概率。
本公开实施例中,针对每个待检测对象,将该待检测对象对应的意图识别信息输入至训练的意图预测模型中,得到该待检测对象对应的意图对象识别结果。示例性的,该意图对象识别结果可以为概率值。比如,针对待检测对象A、待检测对象B、待检测对象C,可以得到待检测对象A、待检测对象B、待检测对象C中每个待检测对象的意图识别结果,即待检测对象A对应的意图对象识别结果可以为0.90,待检测对象B对应的意图对象识别结果可以为0.95,待检测对象C对应的意图对象识别结果可以为0.86。
进而,可以基于每个待检测对象对应的意图识别结果,确定至少一个待检测对象中的意图对象。比如,可以将意图识别结果对应的值最大的待检测对象,确定为意图对象,或者,将对应的意图对象识别结果超过设定概率值的待检测对象作为意图对象。比如,在待检测对象A、待检测对象B、待检测对象C中,可知待检测对象B的意图识别结果的值最大,则可以将待检测对象B确定为意图对象,或者,将对应的意图对象识别结果超过设定概率值0.90的待检测对象A和B作为意图对象。
S104,将对象推荐库中的待推荐对象与意图对象进行相关性匹配,确定与意图对象匹配的推荐对象。
示例性的,可以首先基于意图对象对应的类别,从对象推荐库中初步筛选出待推荐对象,以减少进行相关性匹配的工作量。比如,若意图对象为服饰,则可以从对象推荐库中选择服饰类别下的对象作为待推荐对象;若意图对象为旅游,则可以从对象推荐库中选择旅游类别下的对象作为待推荐对象。其中,对象推荐库中设置有多个类别,类别的类型可以根据实际需要进行设计,比如,类别可以包括服饰、宠物、玩具、装饰品、旅游、影视、酒店等。
在具体实施时,可以分别将对象推荐库中的每一个待推荐对象与意图对象进行相关性匹配,得到每一待推荐对象的相关度,将相关度大于设置阈值的待推荐对象确定为与意图对象匹配的推荐对象。或者,在得到每一待推荐对象的相关度之后,确定预设的推荐对象的数量,选择相关度较高的预设数量的待推荐对象,将选择的待推荐对象确定为与意图对象匹配的推荐对象。
示例性的,将对象推荐库中的待推荐对象与意图对象进行相关性匹配的过程可以包括:
方式一、将对象推荐库中的待推荐对象对应的特征向量与意图对象对应的特征向量输入相关度检测模型,确定对象推荐库中的待推荐对象与意图对象之间的相关度;相关度检测模型为基于标记好意图对象之间相关度的多个训练样本图片训练得到的;或者,
方式二、计算对象推荐库中的待推荐对象对应的特征向量与意图对象对应的特征向量之间的余弦相似度,将该余弦相似度确定为待推荐对象与意图对象之间的相关度。
对方式一进行说明,示例性的,针对对象推荐库中的待推荐对象,可以预先通过卷积神经网络对待推荐对象的图像信息进行特征提取,得到各个待推荐对象的特征向量,采用同样的特征提取方式得到意图对象的特征向量;将待推荐对象的特征向量以及意图对象的特征向量输入至相关度检测模型中,得到对象推荐库中的待推荐对象与意图对象之间的相关度。
对于特征向量的维度比较复杂的场景,可以采用该相关度检测模型进行检测的方式,相关度检测模型可以基于预先标记好各个对象之间的相关度的训练样本图片进行训练得到,每个训练样本图片中包含标记好与其它对象之间是否相关的对象,相关度检测模型所使用的特征参数一般比较多,比如,实体类对象的特征参数包括但不限于对象的类别、尺寸大小、颜色、文本描述信息、用户历史行为信息等等;场景类对象的特征参数包括但不限于对象的类别、文本描述信息、用户历史行为信息等。
对方式二进行说明,在不采用相关度检测模型的情况下,也可以直接计算待推荐对象的特征向量以及意图对象的特征向量之间的余弦相似度。由于余弦相似度值可以表征个体间的相似度,故可以将余弦相似度值确定为待检测对象与意图对象之间的相关度,其中,待检测对象与意图对象之间的相似度越大,则对应的相关度越高。因此,可以计算得到每个待推荐对象的特征向量与意图对象的特征向量之间的余弦相似度,将该余弦相似度确定为待推荐对象与意图对象之间的相关度。
在选择推荐对象时,除了考虑对象本身的特点外,还可以结合与该对象关联的服务属性信息,来进行推荐对象的选择。一种可选实施方式中,将对象推荐库中的待推荐对象与意图对象进行相关性匹配,确定与意图对象匹配的推荐对象,包括:
计算对象推荐库中的待推荐对象与所述意图对象之间的相关度,从对象推荐库中选择对应的相关度满足预设条件的待推荐对象集合;
根据待推荐对象集合中每个待推荐对象对应的服务属性信息,从待推荐对象集合中选择至少一个推荐对象。
这里,首先,可以通过上述方式一或者方式二,确定待推荐对象与意图对象之间的相关度,再确定相关度满足预设条件的待推荐对象集合。比如,预设条件可以为相关度大于设置的相关度阈值,则确定相关度大于预设的相关度阈值的待推荐对象集合。进一步地,结合服务属性信息,从待推荐对象集合中进一步选择推荐对象。
这里,待推荐对象集合中可以包括多个待推荐对象,可以基于每个待推荐对象对应的服务属性信息,对待推荐对象集合中的多个待推荐对象进行筛选,确定意图对象对应的推荐对象。
其中,服务属性信息是指针对待推荐对象提供用户服务的服务平台的相关信息。示例性的,服务属性信息可以包括以下至少一种:服务平台对应的推荐回报信息(可以包括服务平台针对待推荐对象提供相关服务的服务费、待推荐对象对应的推荐提成)、待推荐对象对应的在至少一个服务平台上的点击率等。
示例性的,得到每个待推荐对象对应的服务属性信息后,可以结合推荐对象的最大数量,从待推荐对象集合中选择至少一个所述推荐对象,若选择的推荐对象为多个,还可以按照服务属性信息对各个待推荐对象进行排序后发送给用户端进行选择。
S105,将推荐对象的信息发送给用户端。
这里,推荐对象的信息可以包括以下信息中的至少一种:推荐对象的图片、推荐对象的链接信息、推荐对象的金额、推荐对象的服务平台信息、推荐对象对应的描述信息等。
一种可选实施方式中,在将推荐对象的信息发送给用户端之后,该方法还包括:
获取用户端在触发手动选择操作后,从待发布媒体内容中截取的意图对象的图片内容;
从对象推荐库中确定与截取的意图对象的图片内容匹配的推荐对象;
将与意图对象的图片内容匹配的推荐对象的信息发送给用户端。
本公开实施例中,在将推荐对象的信息发送给用户端之后,若用户端对应的用户对推荐对象的信息不满意时,可以触发手动选择操作,服务端在获取用户端在触发手动选择操作后,在待发布媒体内容中截取意图对象的图片内容,并从对象推荐库中确定与截取的意图对象的图片内容匹配的推荐对象;将与意图对象的图片内容匹配的推荐对象的信息发送给用户端。
上述实施例中,通过从获取到的待发布媒体内容中提取对象集合,并对对象集合中包括的至少一个待检测对象进行意图预测,确定至少一个待检测对象中的意图对象;将对象推荐库中的待推荐对象与意图对象进行相关性匹配,确定与意图对象匹配的推荐对象;将推荐对象的信息发送给用户端,使得用户可以基于接收到的推荐对象的信息,进行媒体内容发布,减少了用户对推荐对象的搜索时间,提高了媒体内容发布的效率,另外,本公开实施例通过意图识别来确定具有用户意图的对象,并在此基础上匹配的推荐对象,由于推荐对象为符合用户意图的对象,从而也提高了进行对象推荐的准确性。
本公开实施例中,服务端基于获取的待发布媒体内容,识别待发布媒体内容中的意图对象,并确定与意图对象匹配的推荐对象,将推荐对象的信息发送给用户端,用户端将接收到的推荐对象的信息显示在发布信息编辑界面上。示例性的,如图2a所示的一种发布信息编辑界面示意图,图2a中最上面可以为文本介绍输入框、以及待发布媒体内容显示框,其次中间可以为接收到的推荐对象的信息,即推荐对象A的信息、推荐对象B的信息、推荐对象C的信息等,最下面包括基本信息介绍、草稿箱操作按钮、以及发布操作按钮。其中,用户可以在文本介绍输入框内输入待发布媒体内容对应的文本介绍,如标题等;待发布媒体内容显示框用于显示用户上传的待发布媒体内容;用户可以通过触发草稿箱操作按钮,将发布信息编辑界面上的信息存储在草稿箱中;用户可以通过触发发布操作按钮,将发布信息编辑界面上的信息发布指预设位置处。
本公开实施例中,还可以在用户端接收到的推荐对象的信息不符合需求时,通过点击发布信息编辑界面上的待发布媒体内容进入到手动选择意图对象的界面。具体的,服务端在获取用户端上传的待发布媒体内容之后,获取用户从该待发布媒体内容中选择的意图对象,并基于接收到的用户选择的意图对象,将对象推荐库中的待推荐对象与意图对象进行相关性匹配,确定与意图对象匹配的推荐对象;并将推荐对象的信息发送给用户端。
示例性的,可以在发布信息编辑界面上设置对象选择框,使得用户可以通过触发对象选择框从待发布媒体内容对应的任一帧图片上选择意图对象。
示例性的,用户在触发发布信息编辑界面上的待发布媒体内容对应的位置区域(比如展示待发布媒体内容的封面的位置区域)后,进入到手动选择意图对象的界面,手动选择意图对象的界面示意图参见图2b所示,图中包括位于界面左上角的关闭操作选项(即图2中的图形“×”)以及位于右上角的对象选择框(对象选择框中包括手动选择的文本内容以及对应的标识图形),其中,用户可以通过触发关闭操作选项将手动选择意图对象的功能界面关闭,也可以通过触发对象选择框,在待发布媒体内容中,通过框选的方式选择意图对象;框选后进入如图2c所示的界面,用户在待发布媒体内容上通过框选的方式选中意图对象,基于用户选择的意图对象,确定与该意图对象相对应的推荐对象A、推荐对象B、推荐对象C、推荐对象D等,其中,左上角的三角形标识为待发布媒体内容的暂停标识。
实施例二
参见图3所示,为本公开实施例二提供的一种信息发布方法的流程图,所述方法包括步骤S301~S303,其中:
S301,获取待发布媒体内容,并将待发布媒体内容发送给服务端;
S302,接收服务端反馈的与待发布媒体内容中的意图对象相关的推荐对象的信息;
S303,在待发布媒体内容对应的发布信息编辑页面展示推荐对象的信息。
本公开实施例中,客户端可以将获取到的待发布媒体内容发送给服务端;服务端基于获取到的待发布媒体内容,确定该待发布媒体内容对应的推荐对象的信息,并将该推荐对象的信息发送给客户端;客户端接收服务端反馈的与待发布媒体内容中的意图对象相关的推荐对象的信息,并可以在待发布媒体内容对应的发布信息编辑页面展示推荐对象的信息,使得客户端对应的用户可以直接基于展示的推荐对象的信息选择需要的推荐对象的信息,将选择的推荐对象的信息添加至待发布媒体内容上,完成媒体内容的发布。
一种可选实施方式中,所述在所述待发布媒体内容对应的发布信息编辑页面展示所述推荐对象的信息,包括:
获取推荐对象在对应服务平台的展示页面内容;
基于展示页面内容生成展示卡片,在待发布媒体内容对应的发布信息编辑页面展示展示卡片。
一种可选实施方式中,展示卡片中的信息包括以下信息中的多种:
服务平台名称、推荐对象的图像信息、推荐对象在所述服务平台上的推荐文本信息、和推荐对象在所述服务平台上对应的服务属性信息。
本公开实施例中,客户端可以从服务端上获取推荐对象在对应服务平台的展示页面内容,并可以基于展示页面内容生成展示卡片,并在待发布媒体内容对应的发布信息编辑页面展示该展示卡片。其中,展示卡片中的信息可以为服务平台名称、推荐对象的图像信息、推荐对象在所述服务平台上的推荐文本信息、和推荐对象在服务平台上对应的服务属性信息,该服务属性信息可以为推荐对象在服务器平台上的价值和/或推荐对象在服务器平台上的服务费、推荐提成等。
一种可选实施例中,接收所述推荐对象的信息之后,还包括:
当用户在发布信息编辑页面中触发手动选择操作后,获取用户从待发布媒体内容中截取的意图对象的图片内容;
将意图对象的图片内容发送给服务端,并接收服务端反馈的与意图对象的图片内容匹配的推荐对象的信息。
本公开实施例中,用户在对接收到的推荐对象的信息不满意时,可以在发布信息编辑页面中触发手动选择操作后,从待发布媒体内容中截取意图对象的图片内容,使得客户端可以获取用户截取的意图对象的图片内容,并将该意图对象的图片内容发送给服务端,使得服务端可以基于该意图对象的图片内容,确定与该意图对象对应的推荐对象,进而用户端可以接收到服务端反馈的与意图对象的图片内容匹配的推荐对象的信息。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与信息推送方法对应的信息推送装置,以及还提供了与信息发布方法对应的信息发布装置,由于本公开实施例中的信息推送装置解决问题的原理与本公开实施例上述信息推送方法相似,以及本公开实施例中的信息发布装置解决问题的原理与本公开实施例上述信息发布方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
实施例三
基于相同的构思,本公开实施例提供了一种信息推送装置,参见图4所示的一种信息推送装置的结构示意图,该装置包括:
第一获取模块401,用于获取用户端上传的待发布媒体内容;
对象集合提取模块402,用于从所述待发布媒体内容中提取对象集合;所述对象集合中包括至少一个待检测对象;
意图对象确定模块403,用于通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象;
匹配模块404,用于将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象;
发送模块405,用于将所述推荐对象的信息发送给所述用户端。
一种可选的实施方式中,对象集合提取模块402,在从所述待发布媒体内容中提取对象集合时,用于:
按照预设时间间隔,对所述待发布视频进行等间隔抽帧,提取多帧图片;
针对任一帧图片,基于训练的对象检测模型,对该帧图片进行对象检测,得到检测出的对象;所述对象检测模型为基于已标记对象的多个训练样本图片训练得到的;
基于多个检测出的对象,得到所述对象集合。
一种可选的实施方式中,意图对象确定模块403,用于针对每个待检测对象,根据以下意图识别信息中的至少一种对该待检测对象进行意图预测;
所述待发布媒体内容对应的文本特征;
所述待发布媒体内容中至少一帧图片的图像特征;
所述待发布媒体内容对应的发布者的用户行为信息。
一种可选的实施方式中,所述意图识别信息,还包括以下信息中的至少一种:
所述待检测对象在所述待发布媒体内容中的属性特征信息;所述属性特征信息包括该待检测对象在所述待发布媒体内容中出现的位置信息和该待检测对象在所述待发布媒体内容中出现的频次信息中的至少一种;
所述待检测对象在对应图片中的图像特征。
一种可选的实施方式中,意图对象确定模块403,在对所述多个待检测对象进行意图预测时,用于:
针对每个待检测对象,基于该待检测对象对应的所述意图识别信息,以及训练的意图预测模型,确定该待检测对象对应的意图对象识别结果;所述意图预测模型为基于标记好意图对象的多个训练样本媒体内容训练得到的。
一种可选的实施方式中,意图对象确定模块,在通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象时,用于:
对所述至少一个待检测对象进行预设意图类型下的意图预测,确定所述至少一个待检测对象中,与所述预设意图类型匹配的意图对象。
一种可选的实施方式中,匹配模块404,在将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象时,用于:
计算对象推荐库中的待推荐对象与所述意图对象之间的相关度,从所述对象推荐库中选择对应的所述相关度满足预设条件的待推荐对象集合;
根据所述待推荐对象集合中每个待推荐对象对应的服务属性信息,从所述待推荐对象集合中选择至少一个所述推荐对象。
一种可选的实施方式中,匹配模块404,在计算对象推荐库中的待推荐对象与所述意图对象之间的相关度时,用于:
将对象推荐库中的待推荐对象对应的特征向量与所述意图对象对应的特征向量输入相关度检测模型,确定对象推荐库中的待推荐对象与所述意图对象之间的相关度;所述相关度检测模型为基于已标记对象之间相关度的多个训练样本图片训练得到的;或者,
计算对象推荐库中的待推荐对象对应的特征向量与所述意图对象对应的特征向量之间的余弦相似度,将该余弦相似度确定为所述待推荐对象与所述意图对象之间的相关度。
一种可选的实施方式中,所述装置,还包括:
截取模块,用于获取用户端在触发手动选择操作后,从所述待发布媒体内容中截取的意图对象的图片内容;
推荐对象确定模块,用于从对象推荐库中确定与截取的意图对象的图片内容匹配的推荐对象;
信息发送模块,用于将与所述意图对象的图片内容匹配的推荐对象的信息发送给所述用户端。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模板可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例提供的信息推送装置,与上述实施例一提供的信息推送方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例四
基于相同的构思,本公开实施例提供了一种信息发布装置,参见图5所示的一种信息发布装置的结构示意图,该装置包括:
第二获取模块501,用于获取待发布媒体内容,并将所述待发布媒体内容发送给服务端;
信息接收模块502,用于接收所述服务端反馈的与所述待发布媒体内容中的意图对象相关的推荐对象的信息;
展示模块503,用于在所述待发布媒体内容对应的发布信息编辑页面展示所述推荐对象的信息。
一种可选的实施方式中,所述展示模块503,用于:
获取所述推荐对象在对应服务平台的展示页面内容;
基于所述展示页面内容生成展示卡片,在所述待发布媒体内容对应的发布信息编辑页面展示所述展示卡片。
一种可选的实施方式中,所述展示卡片中的信息包括以下信息中的多种:
服务平台名称、推荐对象的图像信息、推荐对象在所述服务平台上的推荐文本信息、和推荐对象在所述服务平台上对应的服务属性信息。
一种可选的实施方式中,所述装置还包括:
图片内容截取模块,用于当用户在所述发布信息编辑页面中触发手动选择操作后,获取用户从所述待发布媒体内容中截取的意图对象的图片内容;
图片内容发送模块,用于将所述意图对象的图片内容发送给服务端,并接收服务端反馈的与所述意图对象的图片内容匹配的推荐对象的信息。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模板可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例提供的信息发布装置,与上述实施例二提供的信息发布方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例五
基于同一技术构思,本公开实施例还提供了一种电子设备。参照图6所示,为本公开实施例提供的电子设备600的结构示意图,包括处理器601、存储器602、和总线603。其中,存储器602用于存储执行指令,包括内存6021和外部存储器6022;这里的内存6021也称内存储器,用于暂时存放处理器601中的运算数据,以及与硬盘等外部存储器6022交换的数据,处理器601通过内存6021与外部存储器6022进行数据交换,当电子设备600运行时,处理器601与存储器602之间通过总线603通信,使得处理器601在执行以下指令:
获取用户端上传的待发布媒体内容;
从所述待发布媒体内容中提取对象集合;所述对象集合中包括至少一个待检测对象;
通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象;
将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象;
将所述推荐对象的信息发送给所述用户端。
一种可能设计中,处理器601可能执行的指令中,还包括:
按照预设时间间隔,对所述待发布视频进行等间隔抽帧,提取多帧图片;
针对任一帧图片,基于训练的对象检测模型,对该帧图片进行对象检测,得到检测出的对象;所述对象检测模型为基于标记好对象的多个训练样本图片训练得到的;
基于多个检测出的对象,得到所述对象集合。
一种可能设计中,处理器601可能执行的指令中,还包括:
所述待检测对象为实体类对象和/或场景类对象;
针对每个待检测对象,根据以下意图识别信息中的至少一种对该待检测对象进行意图预测:
所述待发布媒体内容对应的文本特征;
所述待发布媒体内容中至少一帧图片的图像特征;
所述待发布媒体内容对应的发布者的用户行为信息。
一种可能设计中,处理器601可能执行的指令中,还包括:
在所述待检测对象为实体类对象的情况下,所述意图识别信息还包括以下信息中的至少一种:
所述待检测对象在所述待发布媒体内容中的属性特征信息;所述属性特征信息包括该待检测对象在所述待发布媒体内容中出现的位置信息和该待检测对象在所述待发布媒体内容中出现的频次信息中的至少一种;
所述待检测对象在对应图片中的图像特征。
一种可选的实施方式中,对所述多个待检测对象进行意图预测,包括:
针对每个待检测对象,基于该待检测对象对应的所述意图识别信息,以及训练的意图预测模型,确定该待检测对象对应的意图对象识别结果;所述意图预测模型为基于已标记意图对象的多个训练样本媒体内容训练得到的。
一种可能设计中,处理器601可能执行的指令中,还包括:
对所述至少一个待检测对象进行预设意图类型下的意图预测,确定所述至少一个待检测对象中,与所述预设意图类型匹配的意图对象。
一种可能设计中,处理器601可能执行的指令中,还包括:
计算对象推荐库中的待推荐对象与所述意图对象之间的相关度,从所述对象推荐库中选择对应的所述相关度满足预设条件的待推荐对象集合;
根据所述待推荐对象集合中每个待推荐对象对应的服务属性信息,从所述待推荐对象集合中选择至少一个所述推荐对象。
一种可能设计中,处理器601可能执行的指令中,还包括:
将对象推荐库中的待推荐对象对应的特征向量与所述意图对象对应的特征向量输入相关度检测模型,确定对象推荐库中的待推荐对象与所述意图对象之间的相关度;所述相关度检测模型为基于已标记意图对象之间相关度的多个训练样本图片训练得到的;或者,
计算对象推荐库中的待推荐对象对应的特征向量与所述意图对象对应的特征向量之间的余弦相似度,将该余弦相似度确定为所述待推荐对象与所述意图对象之间的相关度。
一种可能设计中,处理器601可能执行的指令中,还包括:
获取用户端在触发手动选择操作后,从所述待发布媒体内容中截取的意图对象的图片内容;
从对象推荐库中确定与截取的意图对象的图片内容匹配的推荐对象;
将与所述意图对象的图片内容匹配的推荐对象的信息发送给所述用户端。
基于同一技术构思,本公开实施例还提供了另一种电子设备。参照图7所示,为本公开实施例提供的电子设备700的结构示意图,包括处理器701、存储器702、和总线703。其中,存储器702用于存储执行指令,包括内存7021和外部存储器7022;这里的内存7021也称内存储器,用于暂时存放处理器701中的运算数据,以及与硬盘等外部存储器7022交换的数据,处理器701通过内存7021与外部存储器7022进行数据交换,当电子设备700运行时,处理器701与存储器702之间通过总线703通信,使得处理器701在执行以下指令:
获取待发布媒体内容,并将所述待发布媒体内容发送给服务端;
接收所述服务端反馈的与所述待发布媒体内容中的意图对象相关的推荐对象的信息;
在所述待发布媒体内容对应的发布信息编辑页面展示所述推荐对象的信息。
一种可能设计中,处理器701可能执行的指令中,还包括:
获取所述推荐对象在对应服务平台的展示页面内容;
基于所述展示页面内容生成展示卡片,在所述待发布媒体内容对应的发布信息编辑页面展示所述展示卡片。
一种可能设计中,处理器701可能执行的指令中,还包括:
所述展示卡片中的信息包括以下信息中的多种:
服务平台名称、推荐对象的图像信息、推荐对象在所述服务平台上的推荐文本信息、和推荐对象在所述服务平台上对应的服务属性信息。
一种可能设计中,处理器701可能执行的指令中,还包括:
当用户在所述发布信息编辑页面中触发手动选择功能后,获取用户从所述待发布媒体内容中截取的意图对象的图片内容;
将所述意图对象的图片内容发送给服务端,并接收服务端反馈的与所述意图对象的图片内容匹配的推荐对象的信息。
实施例六
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的信息推送方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例所提供的信息推送方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的信息推送方法的步骤,具体可参见上述方法实施例,在此不再赘述。
本公开实施例还提供另一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的信息发布方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例所提供的信息发布方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的信息发布方法的步骤,具体可参见上述方法实施例,在此不再赘述。
本公开实施例还提供一种计算机程序,该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software DevelopmentKit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (17)
1.一种信息推送方法,其特征在于,包括:
获取用户端上传的待发布媒体内容;
从所述待发布媒体内容中提取对象集合;所述对象集合中包括至少一个待检测对象;
通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象;
将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象;
将所述推荐对象的信息发送给所述用户端。
2.根据权利要求1所述的信息推送方法,其特征在于,在所述待发布媒体内容为待发布视频时,从所述待发布媒体内容中提取对象集合,包括:
按照预设时间间隔,对所述待发布视频进行等间隔抽帧,提取多帧图片;
针对任一帧图片,基于训练的对象检测模型,对该帧图片进行对象检测,得到检测出的对象;所述对象检测模型为基于已标记对象的多个训练样本图片训练得到的;
基于多个检测出的对象,得到所述对象集合。
3.根据权利要求1所述的信息推送方法,其特征在于,所述检测对象为实体类对象和/或场景类对象;
针对每个待检测对象,根据以下意图识别信息中的至少一种对该待检测对象进行意图预测:
所述待发布媒体内容对应的文本特征;
所述待发布媒体内容中至少一帧图片的图像特征;
所述待发布媒体内容对应的发布者的用户行为信息。
4.根据权利要求3所述的信息推送方法,其特征在于,在所述待检测对象为实体类对象的情况下,所述意图识别信息还包括以下信息中的至少一种:
所述待检测对象在所述待发布媒体内容中的属性特征信息;所述属性特征信息包括该待检测对象在所述待发布媒体内容中出现的位置信息和该待检测对象在所述待发布媒体内容中出现的频次信息中的至少一种;
所述待检测对象在对应图片中的图像特征。
5.根据权利要求3或4所述的信息推送方法,其特征在于,对所述多个待检测对象进行意图预测,包括:
针对每个待检测对象,基于该待检测对象对应的所述意图识别信息,以及训练的意图预测模型,确定该待检测对象对应的意图对象识别结果;所述意图预测模型为基于已标记意图对象的多个训练样本媒体内容训练得到的。
6.根据权利要求1所述的信息推送方法,其特征在于,通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象,包括:
对所述至少一个待检测对象进行预设意图类型下的意图预测,确定所述至少一个待检测对象中,与所述预设意图类型匹配的意图对象。
7.根据权利要求1所述的信息推送方法,其特征在于,将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象,包括:
计算对象推荐库中的待推荐对象与所述意图对象之间的相关度,从所述对象推荐库中选择对应的所述相关度满足预设条件的待推荐对象集合;
根据所述待推荐对象集合中每个待推荐对象对应的服务属性信息,从所述待推荐对象集合中选择至少一个所述推荐对象。
8.根据权利要求7所述的信息推送方法,其特征在于,计算对象推荐库中的待推荐对象与所述意图对象之间的相关度,包括:
将对象推荐库中的待推荐对象对应的特征向量与所述意图对象对应的特征向量输入相关度检测模型,确定对象推荐库中的待推荐对象与所述意图对象之间的相关度;所述相关度检测模型为基于已标记对象之间相关度的多个训练样本图片训练得到的;或者,
计算对象推荐库中的待推荐对象对应的特征向量与所述意图对象对应的特征向量之间的余弦相似度,将该余弦相似度确定为所述待推荐对象与所述意图对象之间的相关度。
9.根据权利要求1所述的信息推送方法,其特征在于,在将所述推荐对象的信息发送给所述用户端之后,所述方法还包括:
获取用户端在触发手动选择操作后,从所述待发布媒体内容中截取的意图对象的图片内容;
从对象推荐库中确定与截取的意图对象的图片内容匹配的推荐对象;
将与所述意图对象的图片内容匹配的推荐对象的信息发送给所述用户端。
10.一种信息发布方法,其特征在于,该方法包括:
获取待发布媒体内容,并将所述待发布媒体内容发送给服务端;
接收所述服务端反馈的与所述待发布媒体内容中的意图对象相关的推荐对象的信息;
在所述待发布媒体内容对应的发布信息编辑页面展示所述推荐对象的信息。
11.根据权利要求10所述的信息发布方法,其特征在于,所述在所述待发布媒体内容对应的发布信息编辑页面展示所述推荐对象的信息,包括:
获取所述推荐对象在对应服务平台的展示页面内容;
基于所述展示页面内容生成展示卡片,在所述待发布媒体内容对应的发布信息编辑页面展示所述展示卡片。
12.根据权利要求11所述的信息发布方法,其特征在于,所述展示卡片中的信息包括以下信息中的多种:
服务平台名称、推荐对象的图像信息、推荐对象在所述服务平台上的推荐文本信息、和推荐对象在所述服务平台上对应的服务属性信息。
13.根据权利要求10所述的信息发布方法,其特征在于,接收所述推荐对象的信息之后,还包括:
当用户在所述发布信息编辑页面中触发手动选择操作后,获取用户从所述待发布媒体内容中截取的意图对象的图片内容;
将所述意图对象的图片内容发送给服务端,并接收服务端反馈的与所述意图对象的图片内容匹配的推荐对象的信息。
14.一种信息推送装置,其特征在于,包括:
第一获取模块,用于获取用户端上传的待发布媒体内容;
对象集合提取模块,用于从所述待发布媒体内容中提取对象集合;所述对象集合中包括至少一个待检测对象;
意图对象确定模块,用于通过对所述至少一个待检测对象进行意图预测,确定所述至少一个待检测对象中的意图对象;
匹配模块,用于将对象推荐库中的待推荐对象与所述意图对象进行相关性匹配,确定与所述意图对象匹配的推荐对象;
发送模块,用于将所述推荐对象的信息发送给所述用户端。
15.一种信息发布装置,其特征在于,该装置包括:
第二获取模块,用于获取待发布媒体内容,并将所述待发布媒体内容发送给服务端;
信息接收模块,用于接收所述服务端反馈的与所述待发布媒体内容中的意图对象相关的推荐对象的信息;
展示模块,用于在所述待发布媒体内容对应的发布信息编辑页面展示所述推荐对象的信息。
16.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至9任一所述的信息推送方法的步骤,或执行权利要求10至13任一项所述的信息发布方法的步骤。
17.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至9任一项所述的信息推送方法的步骤,或执行权利要求10至13任一项所述的信息发布方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202429.4A CN111447260A (zh) | 2020-03-20 | 2020-03-20 | 信息推送、信息发布方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202429.4A CN111447260A (zh) | 2020-03-20 | 2020-03-20 | 信息推送、信息发布方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111447260A true CN111447260A (zh) | 2020-07-24 |
Family
ID=71629338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010202429.4A Pending CN111447260A (zh) | 2020-03-20 | 2020-03-20 | 信息推送、信息发布方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111447260A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364219A (zh) * | 2020-10-26 | 2021-02-12 | 北京五八信息技术有限公司 | 内容发布方法、装置、电子设备及存储介质 |
CN113763028A (zh) * | 2021-05-21 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 媒体信息的处理方法、装置、设备及计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268154A (zh) * | 2014-09-02 | 2015-01-07 | 百度在线网络技术(北京)有限公司 | 一种用于提供推荐信息的方法和装置 |
CN105956146A (zh) * | 2016-05-12 | 2016-09-21 | 腾讯科技(深圳)有限公司 | 一种物品信息的推荐方法及装置 |
CN107027070A (zh) * | 2016-02-02 | 2017-08-08 | 中国电信股份有限公司 | 在视频中植入信息的方法、终端以及系统 |
CN107431828A (zh) * | 2015-02-24 | 2017-12-01 | 拍搜有限公司 | 用于识别相关媒体内容的方法和系统 |
CN107577682A (zh) * | 2016-07-05 | 2018-01-12 | 上海交通大学 | 基于社交图片的用户兴趣挖掘和用户推荐方法及系统 |
CN108038161A (zh) * | 2017-12-06 | 2018-05-15 | 北京奇虎科技有限公司 | 基于相册的信息推荐方法、装置及计算设备 |
CN109145200A (zh) * | 2018-07-13 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 推广展现的方法、装置、设备和计算机存储介质 |
CN109495784A (zh) * | 2018-11-29 | 2019-03-19 | 北京微播视界科技有限公司 | 信息推送方法、装置、电子设备及计算机可读存储介质 |
CN110876079A (zh) * | 2018-08-31 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 视频处理方法、装置和设备 |
-
2020
- 2020-03-20 CN CN202010202429.4A patent/CN111447260A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268154A (zh) * | 2014-09-02 | 2015-01-07 | 百度在线网络技术(北京)有限公司 | 一种用于提供推荐信息的方法和装置 |
CN107431828A (zh) * | 2015-02-24 | 2017-12-01 | 拍搜有限公司 | 用于识别相关媒体内容的方法和系统 |
CN107027070A (zh) * | 2016-02-02 | 2017-08-08 | 中国电信股份有限公司 | 在视频中植入信息的方法、终端以及系统 |
CN105956146A (zh) * | 2016-05-12 | 2016-09-21 | 腾讯科技(深圳)有限公司 | 一种物品信息的推荐方法及装置 |
CN107577682A (zh) * | 2016-07-05 | 2018-01-12 | 上海交通大学 | 基于社交图片的用户兴趣挖掘和用户推荐方法及系统 |
CN108038161A (zh) * | 2017-12-06 | 2018-05-15 | 北京奇虎科技有限公司 | 基于相册的信息推荐方法、装置及计算设备 |
CN109145200A (zh) * | 2018-07-13 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 推广展现的方法、装置、设备和计算机存储介质 |
CN110876079A (zh) * | 2018-08-31 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 视频处理方法、装置和设备 |
CN109495784A (zh) * | 2018-11-29 | 2019-03-19 | 北京微播视界科技有限公司 | 信息推送方法、装置、电子设备及计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364219A (zh) * | 2020-10-26 | 2021-02-12 | 北京五八信息技术有限公司 | 内容发布方法、装置、电子设备及存储介质 |
CN113763028A (zh) * | 2021-05-21 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 媒体信息的处理方法、装置、设备及计算机可读存储介质 |
WO2022242428A1 (zh) * | 2021-05-21 | 2022-11-24 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、设备、存储介质及程序产品 |
CN113763028B (zh) * | 2021-05-21 | 2023-09-01 | 腾讯科技(深圳)有限公司 | 媒体信息的处理方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108829764B (zh) | 推荐信息获取方法、装置、系统、服务器及存储介质 | |
CN106776619B (zh) | 用于确定目标对象的属性信息的方法和装置 | |
CN108876526B (zh) | 商品推荐方法、装置和计算机可读存储介质 | |
US10979624B2 (en) | Methods and devices for establishing photographing template database and providing photographing recommendation information | |
US9607010B1 (en) | Techniques for shape-based search of content | |
JP5205562B2 (ja) | 画像データ内の人物が身に着けている製品に関する情報を獲得するための方法、端末機、及びコンピュータ読み取り可能な記録媒体 | |
CN113115099B (zh) | 一种视频录制方法、装置、电子设备以及存储介质 | |
CN111681070B (zh) | 线上商品的购买方法、购买装置、存储装置及购买设备 | |
CN106055710A (zh) | 基于视频的商品推荐方法及装置 | |
CN111400517A (zh) | 信息推送、信息发布方法及装置 | |
CN109993595A (zh) | 个性化推荐商品及服务的方法、系统及设备 | |
KR101905501B1 (ko) | 컨텐츠를 추천하는 방법 및 장치 | |
CN109523344A (zh) | 产品信息推荐方法、装置、计算机设备和存储介质 | |
JP6500374B2 (ja) | 画像処理装置及び画像処理プログラム | |
US20190325497A1 (en) | Server apparatus, terminal apparatus, and information processing method | |
CN111311315A (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN111639979A (zh) | 一种游乐项目推荐方法及装置 | |
CN116894711A (zh) | 商品推荐理由生成方法及其装置、电子设备 | |
CN111447260A (zh) | 信息推送、信息发布方法及装置 | |
CN110503457A (zh) | 用户满意度的分析方法及装置、存储介质、计算机设备 | |
Aziz | Customer Segmentation basedon Behavioural Data in E-marketplace | |
CN112837108A (zh) | 信息处理方法、装置及电子设备 | |
CN110084676A (zh) | 一种线上商品推荐方法、网络终端和具有存储功能的装置 | |
CN113609319A (zh) | 商品搜索方法、装置和设备 | |
CN107967637B (zh) | 一种商品对象型号的推荐方法、装置及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200724 |
|
RJ01 | Rejection of invention patent application after publication |