CN111460274B - 信息处理方法和装置 - Google Patents
信息处理方法和装置 Download PDFInfo
- Publication number
- CN111460274B CN111460274B CN201910106039.4A CN201910106039A CN111460274B CN 111460274 B CN111460274 B CN 111460274B CN 201910106039 A CN201910106039 A CN 201910106039A CN 111460274 B CN111460274 B CN 111460274B
- Authority
- CN
- China
- Prior art keywords
- information
- processed
- screening
- characteristic
- model
- 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
Images
Abstract
本公开的实施例公开了信息处理方法和装置。该方法的一具体实施方式包括:获取待处理信息;提取待处理信息的特征信息;将特征信息输入预先建立的信息筛选模型,得到筛选结果信息,其中,信息筛选模型用于表征特征信息与筛选结果信息的对应关系,筛选结果信息用于表征是否选取待处理信息。该实施方式实现了当根据筛选条件需要对待处理信息的多个属性进行筛选时,可以避免逐一判断每个属性是否符合筛选条件,从而可以提高筛选速度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及信息处理方法和装置。
背景技术
随着互联网技术的快速发展,互联网上的各种信息也不断增长。在许多场景下,需要对海量的信息进行筛选。例如,在向用户推送信息时,需要根据不同的用户筛选出合适的信息进行推送。
发明内容
本公开的实施例提出了信息处理方法和装置。
第一方面,本公开的实施例提供了一种信息处理方法,包括:获取待处理信息;提取待处理信息的特征信息;将特征信息输入预先建立的信息筛选模型,得到筛选结果信息,其中,信息筛选模型用于表征特征信息与筛选结果信息的对应关系,筛选结果信息用于表征是否选取待处理信息。
在一些实施例中,该方法还包括:响应于筛选结果信息表征选取待处理信息,基于待处理信息生成推送信息,以及将推送信息推送至终端设备。
在一些实施例中,提取待处理信息的特征信息,包括:将待处理信息输入预先训练的特征提取模型,得到待处理信息的特征信息,其中,特征提取模型用于表征待处理信息与特征信息的对应关系。
在一些实施例中,特征提取模型通过以下步骤训练得到:获取训练样本集合,训练样本包括样本信息与样本信息对应的特征信息;将训练样本集合中的训练样本的样本信息作为输入,将与输入的样本信息对应的特征信息作为期望输出,训练得到特征提取模型。
在一些实施例中,信息筛选模型通过以下步骤得到:获取用户输入的至少一个属性标识信息,以及属性标识信息所标识的属性之间的逻辑关系信息,其中,属性标识信息用于标识待处理信息的属性;基于至少一个属性标识信息以及属性标识信息所标识的属性之间的逻辑关系信息生成信息筛选模型。
在一些实施例中,提取待处理信息的特征信息,包括:基于至少一个属性标识信息,提取待处理信息的特征信息。
第二方面,本公开的实施例提供了一种信息处理装置,包括:获取单元,被配置成获取待处理信息;提取单元,被配置成提取待处理信息的特征信息;筛选单元,被配置成将特征信息输入预先建立的信息筛选模型,得到筛选结果信息,其中,信息筛选模型用于表征特征信息与筛选结果信息的对应关系,筛选结果信息用于表征是否选取待处理信息。
在一些实施例中,该装置还包括:推送单元,被配置成响应于筛选结果信息表征选取待处理信息,基于待处理信息生成推送信息,以及将推送信息推送至终端设备。
在一些实施例中,提取单元被进一步配置成:将待处理信息输入预先训练的特征提取模型,得到待处理信息的特征信息,其中,特征提取模型用于表征待处理信息与特征信息的对应关系。
在一些实施例中,特征提取模型通过以下步骤训练得到:获取训练样本集合,训练样本包括样本信息与样本信息对应的特征信息;将训练样本集合中的训练样本的样本信息作为输入,将与输入的样本信息对应的特征信息作为期望输出,训练得到特征提取模型。
在一些实施例中,信息筛选模型通过以下步骤得到:获取用户输入的至少一个属性标识信息,以及属性标识信息所标识的属性之间的逻辑关系信息,其中,属性标识信息用于标识待处理信息的属性;基于至少一个属性标识信息以及属性标识信息所标识的属性之间的逻辑关系信息生成信息筛选模型。
在一些实施例中,提取单元被进一步配置成:基于至少一个属性标识信息,提取待处理信息的特征信息。
第三方面,本公开的实施例提供了一种电子设备,该电子设备包括: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中任一实现方式描述的方法。
第四方面,本公开的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,上述程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的方法和装置,首先获取待处理信息以及提取待处理信息的特征信息。之后,将特征信息输入预先建立的信息筛选模型,得到筛选结果信息。与现有技术相比,当筛选条件需要对待处理信息的多个属性进行筛选时,可以避免逐一判断每个属性是否符合筛选条件,从而可以提高筛选速度。此外,信息筛选模型作为筛选条件的结构化表达,便于根据实际需要进行修改。
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,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的信息处理方法的一个实施例的流程图;
图3是根据本公开的实施例的信息处理方法的一个应用场景的示意图;
图4是根据本公开的信息处理方法的又一个实施例的流程图;
图5是根据本公开的信息处理装置的一个实施例的结构示意图;
图6是适于用来实现本公开的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公开的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公开,而非对该公开的限定。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公开相关的部分。
需要说明的是,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。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的实施例的信息处理方法或信息处理装置的示例性系统架构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上可以安装有各种客户端应用,例如新闻类应用、购物类应用等等。
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显示信息的各种电子设备,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上的应用提供支持的后台服务器。后台处理服务器可以对信息进行筛选等处理后,生成推送信息。根据需要,可以将推送信息推送至终端设备。
需要说明的是,本公开的实施例所提供的信息处理方法一般由服务器105执行,相应地,信息处理装置一般设置于服务器105中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,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。
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,示出了根据本公开的信息处理方法的一个实施例的流程200。该信息处理方法,包括以下步骤:
步骤201,获取待处理信息。
在本实施例中,信息处理方法的执行主体(例如图1所示服务器105)可以首先从本地或通信连接的存储设备中获取待处理信息。根据实现需要,待处理信息可以是各种各样的信息。待处理信息的确定可以由技术人员指定,也可以根据一定的条件进行筛选。作为示例,上述执行主体可以是新闻类应用的后台服务器。此时,待处理信息可以是待推送的新闻类信息。作为示例,上述执行主体可以是购物类应用的后台服务器。此时,待处理信息可以是待展示的物品信息。
可以理解,根据实际需要,待处理信息可以是单个信息,也可以是多个信息,在此不做限定。
步骤202,提取待处理信息的特征信息。
在本实施例中,上述执行主体可以通过各种方式提取待处理信息的特征信息。其中,特征信息可以是用于描述待处理信息的各种特征的信息。根据实际需要的不同,待处理信息的特征包括但不限于:待处理信息中包含的关键字、待处理信息中是否包含图片、待处理信息中所包含的图片的样式等等。
作为示例,上述执行主体可以提取预设的种类的多种特征,从而得到待处理信息的特征信息。
作为示例,上述执行主体可以根据筛选条件提取待处理信息的特征信息。其中,筛选条件可以是对于待处理信息的多个特征进行限定的条件。其中,作为示例,筛选条件可以是包含图片。上述执行主体可以首先确定待处理信息中是否包含图片。在此基础上,可以根据预设的方式或逻辑,将是否包含图片这一信息输出为特征信息。例如,可以用数字“1”表示包含图片,而用数字“0”表示不包含图片。类似的,当筛选条件对于多个特征进行限定时,可以依次对各个特征进行确定。从而得到待处理信息的特征信息。由此可见,根据筛选条件的不同,特征信息中所包含的特征的数目、类别等各不相同。对此,本公开不做限定。
在本实施例的一些可选的方式中,当筛选条件包括多个特征时,可以按照预设的顺序依次对各个特征进行确定。
在本实施例的一些可选的实现方式中,上述执行主体可以将待处理信息输入预先训练的特征提取模型,得到待处理信息的特征信息,其中,特征提取模型用于表征待处理信息与特征信息的对应关系。
作为示例,特征提取模型可以是基于大量统计得到的、记录有多个信息以及每个信息所对应的特征信息的对应关系表。此时,上述执行主体可以将待处理信息在该对应关系表中进行查询。从而得到待处理信息的特征信息。
在本实施例的一些可选的实现方式中,特征提取模型可以是利用机器学习方法,基于大量的训练样本对各种人工神经网络进行训练得到的模型。作为示例,上述特征提取模型可以通过以下步骤训练得到:
第一步,获取初始特征提取模型。
作为示例,初始特征提取模型可以是各种支持特征提取的人工神经网络。例如,卷积神经网络、全连接神经网络等。实践中,根据实际需求,初始特征提取模型也可以是对现有的各种网络进行调整得到的网络。
第二步,获取训练样本集合。其中,每个训练样本包括样本信息与样本信息对应的特征信息。训练样本可以通过多种方式得到。作为示例,可以通过人工标注等方式得到样本信息的特征信息。在此基础上,将样本信息和由技术人员标注出的特征信息确定为训练样本。
需要说明的是,根据不同的场景,特征信息中所包含的特征的数目、类别等各不相同。对此,本公开不做限定。
第三步,将训练样本集合中的训练样本的样本信息作为输入,将与输入的样本信息对应的特征信息作为期望输出,训练得到特征提取模型。
具体来说,可以首先利用预设的损失函数计算所得到的特征信息与样本特征信息之间的差异。然后,可以基于计算所得的差异,调整初始特征提取模型的参数,并在满足预设的训练结束条件的情况下,结束训练。这里预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长;训练次数超过预设次数;计算所得的差异小于预设差异阈值。
第四步,将训练得到的初始特征提取模型确定为特征提取模型。
步骤203,将特征信息输入预先建立的信息筛选模型,得到筛选结果信息。
在本实施例中,信息筛选模型用于表征特征信息与筛选结果信息的对应关系,筛选结果信息用于表征是否选取待处理信息。根据实际需要,筛选结果信息可以是各种形式的信息,包括但不限于:文字、数字和字母等等。
作为示例,信息筛选模型可以是基于大量的数据统计得到的对应关系表。其中,对应关系表中可以包括多个特征信息以及每个特征信息所对应的筛选结果信息。这样,可以将待处理信息的特征信息在对应关系表征查询,从而得到筛选结果信息。实践中,可以根据筛选条件的不同,建立多个对应关系表。例如,每种筛选条件对应一个对应关系表。这样,可以根据筛选条件选取对应的对应关系表进行查询。
继续参见图3,图3是根据本实施例的信息处理方法的应用场景的一个示意图。在图3的应用场景中,信息处理方法的执行主体可以是服务器301。服务器301可以首先获取待处理信息302。如图所示,待处理信息302包括文本和图片。之后,服务器301可以提取待处理信息302的特征信息。作为示例,筛选条件可以是包含图片且包含关键字“汽车”。在此基础上,服务器可以提取待处理信息302中文本的关键字。以及确定待处理信息302中是否包含图片。从而可以得到特征信息303。特征信息303可以是:汽车,包含图片。然后,将特征信息303输入预先建立的信息筛选模型304,得到筛选结果信息305。本应用场景下,筛选结果信息305为选取待处理信息302。
本公开的实施例提供的方法,首先获取待处理信息以及提取待处理信息的特征信息。之后,将特征信息输入预先建立的信息筛选模型,得到筛选结果信息。与现有技术相比,当筛选条件需要对待处理信息的多个属性进行筛选时,可以避免逐一判断每个属性是否符合筛选条件,从而可以提高筛选速度。此外,信息筛选模型作为筛选条件的结构化表达,便于根据实际需要进行修改。
进一步参考图4,其示出了信息处理方法的又一个实施例的流程400。该信息处理方法400,包括以下步骤:
步骤401,获取待处理信息。
步骤402,提取待处理信息的特征信息。
在本实施例中,步骤401-402的具体实现及其所带来的技术效果可以参考图2对应的实施例中的步骤201-202,在此不再赘述。
步骤403,将特征信息输入预先建立的信息筛选模型,得到筛选结果信息。
在本实施例中,步骤403的具体实现以及所带来的技术效果可以参考图2对应的实施例中的步骤203。其中,信息筛选模型可以通过以下步骤得到:
第一步,获取用户输入的至少一个属性标识信息,以及属性标识信息所标识的属性之间的逻辑关系信息。
在这些实现方式中,生成信息筛选模型的执行主体可以首先获取用户输入的至少一个属性标识信息,以及属性标识信息所标识的属性之间的逻辑关系信息。实践中,用户可以根据需求选取需要筛选哪些属性,以及确定这些属性之间的逻辑关系。根据实际需要,逻辑关系可以包括与、或、非等。属性之间的逻辑关系可以通过逻辑关系信息来表征。在此基础上,可以将这些属性的属性标识信息输入上述生成信息筛选模型的执行主体。其中,属性标识信息用于标识待处理信息的属性。
第二步,基于至少一个属性标识信息以及属性标识信息所标识的属性之间的逻辑关系信息,生成信息筛选模型。
在第一步的基础上,执行主体可以基于上述至少一个属性标识信息以及属性之间的逻辑关系信息,通过查询预设的对应关系表或根据预设的判断逻辑,得到逻辑表达式。之后,可以将得到的逻辑表达式确定为信息筛选模型。
需要说明的是,建立信息筛选模型的执行主体可以与信息处理方法的执行主体相同,也可以不同。对此,本公开不做限定。当执行主体不同时,建立信息筛选模型的执行主体可以将建立的信息筛选模型,即上述逻辑表达式,发送至信息处理方法的执行主体。从而上述信息处理方法的执行主体可以将特征信息输入信息筛选模型,得到筛选结果信息。
在本实施例的一些可选的实现方式中,提取待处理信息的特征信息,包括:基于至少一个属性标识信息,提取待处理信息的特征信息。
需要说明的是,实践中,信息筛选模型是预先建立的。也就是说,当用户选取了需要筛选哪些属性后,步骤202提取待处理信息的特征信息可以根据这些属性中的一个或多个进行提取。也即,步骤202中的筛选条件中包括的特征可以是这里的一个或多个属性。因此,提取待处理信息的特征信息可以基于至少一个属性标识信息进行提取。由此,可以避免提取对于后续筛选不起作用的特征信息,从而降低提取时的运算量。
步骤404,响应于筛选结果信息表征选取待处理信息,基于待处理信息生成推送信息,以及将推送信息推送至终端设备。
在本实施例中,响应于筛选结果信息表征选取待处理信息,信息处理方法的执行主体可以基于待处理信息生成推送信息。具体来说,上述执行主体可以对于待处理信息的内容、格式等进行预设的处理,得到推送信息。进一步的,上述执行主体可以将推送信息推送至终端设备。
在本实施例的一些可选的实现方式中,该信息处理方法还可以包括:响应于筛选结果表征不选取待处理信息,将待处理信息删除。
从图4中可以看出,与图2对应的实施例相比,本实施例的信息处理方法的流程中,增加了根据筛选结果信息的不同,对于待处理信息的不同处理的步骤。并进一步推送生成的推送信息。从而可以实现有针对性的处理和推送。此外,本实施例中的信息筛选模型可以通过用户设定得到,满足多样性的需求。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种信息处理装置的一个实施例,该装置与图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,本实施例的信息处理装置500包括:获取单元501、提取单元502和筛选单元503。其中,获取单元501被配置成获取待处理信息。提取单元502被配置成提取待处理信息的特征信息。筛选单元503被配置成将特征信息输入预先建立的信息筛选模型,得到筛选结果信息。其中,信息筛选模型用于表征特征信息与筛选结果信息的对应关系,筛选结果信息用于表征是否选取待处理信息。
在本实施例的一些可选的实现方式中,该装置500还可以包括:推送单元504(图中未示出)。其中,推送单元504被配置成响应于筛选结果信息表征选取待处理信息,基于待处理信息生成推送信息,以及将推送信息推送至终端设备。
在本实施例的一些可选的实现方式中,提取单元502可以被进一步配置成:将待处理信息输入预先训练的特征提取模型,得到待处理信息的特征信息,其中,特征提取模型用于表征待处理信息与特征信息的对应关系。
在本实施例的一些可选的实现方式中,特征提取模型通过以下步骤训练得到:获取训练样本集合,训练样本包括样本信息与样本信息对应的特征信息;将训练样本集合中的训练样本的样本信息作为输入,将与输入的样本信息对应的特征信息作为期望输出,训练得到特征提取模型。
在本实施例的一些可选的实现方式中,信息筛选模型通过以下步骤得到:获取用户输入的至少一个属性标识信息,以及属性标识信息所标识的属性之间的逻辑关系信息,其中,属性标识信息用于标识待处理信息的属性;基于至少一个属性标识信息以及属性标识信息所标识的属性之间的逻辑关系信息生成信息筛选模型。
在本实施例的一些可选的实现方式中,提取单元502被进一步配置成:基于至少一个属性标识信息,提取待处理信息的特征信息。
在本实施例中,首先通过获取单元501获取待处理信息,以及通过提取单元502提取待处理信息的特征信息。之后,通过筛选单元503将特征信息输入预先建立的信息筛选模型,得到筛选结果信息。与现有技术相比,当筛选条件需要对待处理信息的多个属性进行筛选时,可以避免逐一判断每个属性是否符合筛选条件,从而可以提高筛选速度。此外,信息筛选模型作为筛选条件的结构化表达,便于根据实际需要进行修改。
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的计算机系统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,计算机系统600包括中央处理单元(CPU)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部分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,还存储有系统600操作所需的各种程序和数据。CPU 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。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
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部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本公开的方法中限定的上述功能。
需要说明的是,本公开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。而在本公开中,计算机可读的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。计算机可读的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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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,图示了按照本公开的各种实施例的系统、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:一种处理器包括获取单元、提取单元和筛选单元。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“获取待处理信息的单元”。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的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:获取待处理信息;提取待处理信息的特征信息;将特征信息输入预先建立的信息筛选模型,得到筛选结果信息,其中,信息筛选模型用于表征特征信息与筛选结果信息的对应关系,筛选结果信息用于表征是否选取待处理信息。
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 (14)
1.一种信息处理方法,包括:
获取待处理信息;
提取所述待处理信息的特征信息,所述待处理信息的特征信息是根据筛选条件提取的;
将所述特征信息输入预先建立的信息筛选模型,得到筛选结果信息,其中,所述信息筛选模型用于表征特征信息与筛选结果信息的对应关系,所述筛选结果信息用于表征是否选取所述待处理信息;所述信息筛选模型是基于数据统计得到的对应关系表;其中,所述对应关系表包括特征信息以及每个特征信息所对应的筛选结果信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
响应于所述筛选结果信息表征选取所述待处理信息,基于所述待处理信息生成推送信息,以及将所述推送信息推送至终端设备。
3.根据权利要求1所述的方法,其中,所述提取所述待处理信息的特征信息,包括:
将所述待处理信息输入预先训练的特征提取模型,得到所述待处理信息的特征信息,其中,所述特征提取模型用于表征待处理信息与特征信息的对应关系。
4.根据权利要求3所述的方法,其中,所述特征提取模型通过以下步骤训练得到:
获取训练样本集合,训练样本包括样本信息与样本信息对应的特征信息;
将所述训练样本集合中的训练样本的样本信息作为输入,将与输入的样本信息对应的特征信息作为期望输出,训练得到所述特征提取模型。
5.根据权利要求1-4中任一所述的方法,其中,所述信息筛选模型通过以下步骤得到:
获取用户输入的至少一个属性标识信息,以及属性标识信息所标识的属性之间的逻辑关系信息,其中,属性标识信息用于标识所述待处理信息的属性;
基于所述至少一个属性标识信息以及属性标识信息所标识的属性之间的逻辑关系信息生成信息筛选模型。
6.根据权利要求5所述的方法,其中,所述提取所述待处理信息的特征信息,包括:
基于所述至少一个属性标识信息,提取所述待处理信息的特征信息。
7.一种信息处理装置,包括:
获取单元,被配置成获取待处理信息,所述待处理信息的特征信息是根据筛选条件提取的;
提取单元,被配置成提取所述待处理信息的特征信息;
筛选单元,被配置成将所述特征信息输入预先建立的信息筛选模型,得到筛选结果信息,其中,所述信息筛选模型用于表征特征信息与筛选结果信息的对应关系,所述筛选结果信息用于表征是否选取所述待处理信息;所述信息筛选模型是基于数据统计得到的对应关系表;其中,所述对应关系表包括特征信息以及每个特征信息所对应的筛选结果信息。
8.根据权利要求7所述的装置,其中,所述装置还包括:
推送单元,被配置成响应于所述筛选结果信息表征选取所述待处理信息,基于所述待处理信息生成推送信息,以及将所述推送信息推送至终端设备。
9.根据权利要求7所述的装置,其中,所述提取单元被进一步配置成:
将所述待处理信息输入预先训练的特征提取模型,得到所述待处理信息的特征信息,其中,所述特征提取模型用于表征待处理信息与特征信息的对应关系。
10.根据权利要求9所述的装置,其中,所述特征提取模型通过以下步骤训练得到:
获取训练样本集合,训练样本包括样本信息与样本信息对应的特征信息;
将所述训练样本集合中的训练样本的样本信息作为输入,将与输入的样本信息对应的特征信息作为期望输出,训练得到所述特征提取模型。
11.根据权利要求7-10中任一所述的装置,其中,所述信息筛选模型通过以下步骤得到:
获取用户输入的至少一个属性标识信息,以及属性标识信息所标识的属性之间的逻辑关系信息,其中,属性标识信息用于标识所述待处理信息的属性;
基于所述至少一个属性标识信息以及属性标识信息所标识的属性之间的逻辑关系信息生成信息筛选模型。
12.根据权利要求11所述的装置,其中,所述提取单元被进一步配置成:
基于所述至少一个属性标识信息,提取所述待处理信息的特征信息。
13.一种电子设备,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1-6中任一所述的方法。
14.一种计算机可读介质,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1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910106039.4A CN111460274B (zh) | 2019-01-18 | 2019-01-18 | 信息处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910106039.4A CN111460274B (zh) | 2019-01-18 | 2019-01-18 | 信息处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111460274A CN111460274A (zh) | 2020-07-28 |
CN111460274B true CN111460274B (zh) | 2023-04-28 |
Family
ID=71679909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910106039.4A Active CN111460274B (zh) | 2019-01-18 | 2019-01-18 | 信息处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460274B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853253A (zh) * | 2009-03-30 | 2010-10-06 | 三星电子株式会社 | 在移动终端中管理多媒体内容的设备和方法 |
CN105744041A (zh) * | 2016-04-05 | 2016-07-06 | 珠海市小源科技有限公司 | 通讯录多条件查找联系人的检索方法及装置 |
CN108287927A (zh) * | 2018-03-05 | 2018-07-17 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
CN108460020A (zh) * | 2018-03-05 | 2018-08-28 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
-
2019
- 2019-01-18 CN CN201910106039.4A patent/CN111460274B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853253A (zh) * | 2009-03-30 | 2010-10-06 | 三星电子株式会社 | 在移动终端中管理多媒体内容的设备和方法 |
CN105744041A (zh) * | 2016-04-05 | 2016-07-06 | 珠海市小源科技有限公司 | 通讯录多条件查找联系人的检索方法及装置 |
CN108287927A (zh) * | 2018-03-05 | 2018-07-17 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
CN108460020A (zh) * | 2018-03-05 | 2018-08-28 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111460274A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830235B (zh) | 用于生成信息的方法和装置 | |
CN107346336B (zh) | 基于人工智能的信息处理方法和装置 | |
WO2020000879A1 (zh) | 图像识别方法和装置 | |
CN107577807B (zh) | 用于推送信息的方法和装置 | |
CN109857908B (zh) | 用于匹配视频的方法和装置 | |
CN109919244B (zh) | 用于生成场景识别模型的方法和装置 | |
CN109961032B (zh) | 用于生成分类模型的方法和装置 | |
CN109862100B (zh) | 用于推送信息的方法和装置 | |
CN109873756B (zh) | 用于发送信息的方法和装置 | |
CN110866040A (zh) | 用户画像生成方法、装置和系统 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN107402878B (zh) | 测试方法和装置 | |
CN109829117B (zh) | 用于推送信息的方法和装置 | |
CN109582854B (zh) | 用于生成信息的方法和装置 | |
CN107885872B (zh) | 用于生成信息的方法和装置 | |
CN107908662B (zh) | 搜索系统的实现方法和实现装置 | |
CN108509442B (zh) | 搜索方法和装置、服务器以及计算机可读存储介质 | |
CN108959289B (zh) | 网站类别获取方法和装置 | |
CN111125502B (zh) | 用于生成信息的方法和装置 | |
CN109472028B (zh) | 用于生成信息的方法和装置 | |
CN109034085B (zh) | 用于生成信息的方法和装置 | |
CN107483595B (zh) | 信息推送方法和装置 | |
CN111460274B (zh) | 信息处理方法和装置 | |
CN111026849A (zh) | 数据处理方法和装置 | |
CN115801980A (zh) | 视频生成方法和装置 |
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 |