CN111523053A - 信息流处理方法、装置、计算机设备和存储介质 - Google Patents
信息流处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111523053A CN111523053A CN202010339270.0A CN202010339270A CN111523053A CN 111523053 A CN111523053 A CN 111523053A CN 202010339270 A CN202010339270 A CN 202010339270A CN 111523053 A CN111523053 A CN 111523053A
- Authority
- CN
- China
- Prior art keywords
- contact
- user
- interaction
- shared content
- attention object
- 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 38
- 238000005111 flow chemistry technique Methods 0.000 title claims abstract description 15
- 230000001960 triggered effect Effects 0.000 claims abstract description 16
- 230000003993 interaction Effects 0.000 claims description 207
- 239000013598 vector Substances 0.000 claims description 113
- 230000002452 interceptive effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 5
- 238000003672 processing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004138 cluster model Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06F16/9538—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请涉及一种信息流处理方法、装置、计算机设备和存储介质。所述方法包括:在第一页面展示原始信息流;所述原始信息流包括用户的各联系人分享的按分享时序排序的分享内容;在所述第一页面中展示提示入口;当触发对所述提示入口的触发操作时,进入第二页面;在所述第二页面中展示关注对象信息流中的分享内容;所述关注对象信息流包括从所述用户的联系人集合中识别出的目标关注对象所分享的分享内容。采用本方法能够将自动识别的目标关注对象所分享的分享内容展示在独立页面,使得用户能够快速获取特定关注对象的分享信息。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种信息流处理方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展,人们的交际关系越来越广泛,各种社交应用的推广使得人们的信息共享和信息交换愈加频繁。例如,用户可以通过社交应用分享视频、图片、文本等,以表达情绪自己的情绪,用户使用社交应用也能够浏览到其他人分享的信息。
随着社交圈越来越广,社交应用列表中添加的联系人不断增多,而当好友或关注的人特别多的时候,分享的信息容易过载。当用户想要浏览一些自己关心的联系人的分享信息时,经常因为很多联系人存在分享信息导致无法快速查找到用户感兴趣的分享信息。
发明内容
基于此,有必要针对上述技术问题,提供一种能够快速获取分享信息的信息流处理方法、装置、计算机设备和存储介质。
一种信息流处理方法,所述方法包括:
在第一页面展示原始信息流;所述原始信息流包括用户的各联系人分享的按分享时序排序的分享内容;
在所述第一页面中展示提示入口;
当触发对所述提示入口的触发操作时,进入第二页面;
在所述第二页面中展示关注对象信息流中的分享内容;所述关注对象信息流包括从所述用户的联系人集合中识别出的目标关注对象所分享的分享内容。
一种信息流处理装置,所述装置包括:
第一展示模块,用于在第一页面展示原始信息流;所述原始信息流包括用户的各联系人分享的按分享时序排序的分享内容;
提示模块,用于在所述第一页面中展示提示入口;
触发模块,用于当触发对所述提示入口的触发操作时,进入第二页面;
第二展示模块,用于在所述第二页面中展示关注对象信息流中的分享内容;所述关注对象信息流包括从所述用户的联系人集合中识别出的目标关注对象所分享的分享内容。
在一个实施例中,所述提示模块还用于在所述提示入口处,展示所述关注对象信息流中的分享内容所对应的联系人标识信息;
所述更新模块,用于当所述关注对象信息流中的分享内容更新时,将所述提示入口处的联系人标识信息更新。
在一个实施例中,所述触发模块包括:获取单元和生成单元。
所述获取单元,用于获取目标关注对象所分享的分享内容;所述分享内容属于所述原始信息流;
所述生成单元,用于将获取的所述分享内容按照分享时序生成关注对象信息流。
在一个实施例中,所述获取单元还用于:
根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象;
其中,所述标签特征是用户的联系人集合中的各联系人的标签的特征;
所述会话特征是用户与所述各联系人之间会话的特征;
所述互动特征是所述用户对所述各联系人在原始信息流中的分享内容进行互动的特征。
在一个实施例中,所述获取单元还用于:
确定所述用户与所述各联系人在预设时间段内的会话次数和会话时长;
基于所述会话次数和所述会话时长确定所述用户与所述各联系人的会话特征。
在一个实施例中,所述获取单元还用于:
获取预设时间段内所述各联系人在原始信息流中的分享内容;
确定所述用户对所述分享内容的互动次数,并确定所述用户对所述分享内容的互动时长;
基于所述互动次数和所述互动时长确定所述用户对所述分享内容的互动特征。
在一个实施例中,所述获取单元还用于:
确定所述用户对所述分享内容的评论、点赞和转发中的至少一种操作;
根据所述评论、点赞和转发中的至少一种操作确定所述用户对所述分享内容的互动次数。
在一个实施例中,所述获取单元还用于:
将所述标签特征、所述会话特征和所述互动特征输入聚类模型,通过所述聚类模型对所述联系人集合中各联系人进行聚类,输出各聚类组合;
基于所述各聚类组合确定所述用户的目标关注对象。
在一个实施例中,所述会话特征包括会话次数和会话时长;所述互动特征包括互动次数和互动时长;
所述获取单元还用于:
将所述标签特征、会话次数、会话时长、互动次数和互动时长输入聚类模型,通过所述聚类模型将同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长转化为特征向量,得到各联系人对应的特征向量;
确定各联系人对应的特征向量之间的相似度,根据所述各联系人对应的特征向量之间的相似度确定联系人组合;
确定各联系人组合之间的相似度,根据所述各联系人组合之间的相似度确定聚类组合。
在一个实施例中,所述获取单元还用于:
获取各联系人组合分别对应的特征向量,并确定所述各联系人组合对应的特征向量之间的距离;
基于所述各联系人组合对应的特征向量之间的距离确定所述各联系人组合之间的相似度。
在一个实施例中,所述触发模块还包括:移动单元;
所述移动单元,用于当所述目标关注对象的标签非目标关注标签时,将所述目标关注对象的标签设置为目标关注标签;
将所述目标关注对象移动到所述目标关注标签对应的联系人分组中。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
在第一页面展示原始信息流;所述原始信息流包括用户的各联系人分享的按分享时序排序的分享内容;
在所述第一页面中展示提示入口;
当触发对所述提示入口的触发操作时,进入第二页面;
在所述第二页面中展示关注对象信息流中的分享内容;所述关注对象信息流包括从所述用户的联系人集合中识别出的目标关注对象所分享的分享内容。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
在第一页面展示原始信息流;所述原始信息流包括用户的各联系人分享的按分享时序排序的分享内容;
在所述第一页面中展示提示入口;
当触发对所述提示入口的触发操作时,进入第二页面;
在所述第二页面中展示关注对象信息流中的分享内容;所述关注对象信息流包括从所述用户的联系人集合中识别出的目标关注对象所分享的分享内容。
上述信息流处理方法、装置、计算机设备和存储介质,通过在第一页面展示原始信息流,该原始信息流包括用户的各联系人分享的按分享时序排序的分享内容,在第一页面中展示提示入口,当触发对提示入口的触发操作时进入第二页面,在第二页面中展示关注对象信息流中的分享内容,该关注对象信息流包括从用户的联系人集合中识别出的目标关注对象所分享的分享内容,从而能够自动识别出用户的目标关注对象。通过将目标关注对象的分享内容生成独立的信息流,并在特定的页面中展示,能够避免信息过载。并且,用户能够从特定的页面中快速获取特定关注对象的分享信息。
附图说明
图1为一个实施例中信息流处理方法的应用环境图;
图2为一个实施例中信息流处理方法的流程示意图;
图3为一个实施例中第一页面的界面图;
图4为一个实施例中第二页面的界面图;
图5为另一个实施例中根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象的流程示意图;
图6为另一个实施例中确定互动特征的步骤的流程示意图;
图7为另一个实施例中通过聚类模型对各联系人进行聚类,输出各聚类组合的步骤的流程示意图;
图8为一个实施例中信息流处理装置的结构框图;
图9为另一个实施例中信息流处理装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的信息流处理方法,可以应用于如图1所示的应用环境中。
用户通过社交应用账号登录终端102上的社交应用,在终端102上显示社交应用账号首页面,该首页面上展示原始信息流的提示入口。该原始信息流包括用户的各联系人分享的按分享时序排序的分享内容。
当终端102接收到用户对首页面上原始信息流的提示入口的触发操作时,触发进入第一页面。
终端102在社交应用的第一页面显示展示原始信息流,并显示目标关注对象信息流的提示入口。
当终端102接收到用户对第一页面上目标关注对象信息流的提示入口的触发操作时,终端102获取用户的联系人集合中的各联系人。
接着,终端102获取预设时间段内各联系人的标签信息、预设时间段内用户与各联系人的会话记录。
并且,终端102获取预设时间段内各联系人在原始信息流中的分享内容,确定用户对各分享内容的互动记录。
接着,终端102可将各联系人的标签信息、用户与各联系人的会话记录和用户对各分享内容的互动记录发送给服务器104。
服务器104接收各联系人的标签信息、用户与各联系人的会话记录和用户对各分享内容的互动记录,并将各联系人的标签信息、用户与各联系人的会话记录和用户对各分享内容的互动记录输入聚类模型。
服务器104通过该聚类模型从各联系人的标签信息中提取各联系人的标签特征、从用户与各联系人的会话记录中提取用户与各联系人的会话次数和每次会话的会话时长。从该互动记录中提取用户对各分享内容的互动次数和互动时长。
接着,服务器104通过聚类模型确定同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长。
接着,服务器104通过聚类模型确定同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长转换为对应的特征向量,得到各联系人对应的特征向量。
进一步地,服务器104通过聚类模型计算各联系人对应的特征向量之间的距离,两个特征向量之间的距离越短,表示这两个特征向量的相似度越高,即两个特征向量对应的联系人的相似度越高。该聚类模型可以确定距离最短的两个联系人,将该距离最短的两个联系人分为一组,得到联系人组合。
接着,服务器104通过聚类模型计算联系人组合的特征向量和其余各联系人的特征向量之间的距离,并计算其余各联系人中每两个联系人对应的特征向量之间的距离。同样地,将距离最短特征向量对应的联系人分为一组,直到得到各联系人组合。
接着,服务器104通过聚类模型确定各联系人组合的特征向量。接着,该服务器104通过聚类模型可计算每两个联系人组合的特征向量之间的距离。距离越短表示两个联系人组合的相似度越高,则该聚类模型可将相似度最高的联系人组合划分为一组,得到聚类组合。直到聚类模型将各联系人组合均归类后,完成聚类操作,得到各聚类组合。服务器104将各聚类组合返回给终端102。
终端102接收各聚类组合,确定各聚类组合中的联系人是否满足标签特征、会话特征和互动特征,终端102将满足标签特征、会话特征和互动特征的聚类组合作为用户的目标关注对象。
接着,终端102从原始信息流中获取各目标关注对象对应的分享内容,将获取的分享内容按照分享时序排序,从而生成关注对象信息流。
进一步地,终端102在第二页面中展示生成的关注对象信息流,并在第二页面中显示部分目标关注对象的联系人标识。并且,在第二页面中显示提示出口。
当用户触发第二页面中的提示出口时,终端102触发返回第一页面。
当终端102检测到关注对象信息流中的分享内容存在更新时,终端102更新第一页面显示的提示入口处的联系人标识信息。
接着,当用户再次触发第一页面中的提示入口时,终端102基于已确定的目标关注对象,获取目标关注对象的分享内容生成关注对象信息流,并在第二页面中显示。
其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器104或者是多个服务器组成的服务器集群来实现。
本实施例中,通过联系人的标签特征、用户和联系人的会话次数、会话时长,用户对联系人的分享内容的互动次数和互动时长,能够自动识别出用户的目标关注对象。并且,将目标关注对象的分享内容生成独立的信息流并直观展示,能够避免信息流的信息负载。同时,能够使用户快速获取目标关注对象信息的分享信息。
在一个实施例中,如图2所示,提供了一种信息流处理方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤202,在第一页面展示原始信息流;该原始信息流包括用户的各联系人分享的按分享时序排序的分享内容。
其中,分享内容是指用户在原始信息流中分享的内容。该分享内容的分享形式包括但不限于文本、声音、图像和视频。
具体地,用户通过社交应用账号登录社交应用,进入社交应用首页面。该社交应用包括但不限于微信、微博、QQ、Twitter(推特)、Facebook(脸书)。社交应用首页面上展示原始信息流的提示入口。当终端接收到用户对原始信息流的提示入口的触发操作时,触发进入第一页面。该第一页面即为原始信息流所在的页面,该原始信息流中包含用户在该社交应用上的联系人分享的分享内容。各联系人的分享内容按照分享时序排序展示在第一页面中。
步骤204,在第一页面中展示提示入口。
其中,提示入口是指关注对象信息流所在的页面对应的入口。该提示入口可通过图标或文字显示,或同时使用图标和文字显示,但不限于此。
具体地,终端在社交应用的第一页面显示原始信息流,并在该第一页面中显示关注对象信息流的对应的图标提示入口。或者,终端可在第一页面中显示关注对象信息流的对应的文字提示入口。或者,终端可在第一页面中显示关注对象信息流的对应的图标及文字提示入口。
步骤206,当触发对提示入口的触发操作时,进入第二页面。
具体地,当终端接收到用户对第一页面中的提示入口的触发操作时,进入第二页面。该第二页面为关注对象信息流所在的页面,且该关注信息流属于原始信息流。
在本实施例中,当终端接收到用户对第一页面中的提示入口的触发操作时,终端可获取该社交应用账号的联系人集合。终端根据标签特征、会话特征和互动特征中的至少一种自动确定该用户的目标关注对象。其中,该标签特征是用户的联系人集合中的各联系人的标签的特征;该会话特征是用户与各联系人之间会话的特征;该互动特征是用户对各联系人在原始信息流中的分享内容进行互动的特征。终端确定目标关注对象后,获取目标关注对象的分享内容,生成关注对象信息流。
步骤208,在第二页面中展示关注对象信息流中的分享内容;该关注对象信息流包括从用户的联系人集合中识别出的目标关注对象所分享的分享内容。
具体地,关注对象信息流中的分享内容按照目标关注对象的分享时序排序。终端将该关注对象信息流中的分享内容按照分享时序展示社交应用的在第二页面上。
在本实施例中,在第二页面显示提示出口,当触发对提示出口的触发操作时,触发返回第一页面。
上述信息流处理方法中,通过在第一页面展示原始信息流;该原始信息流包括用户的各联系人分享的按分享时序排序的分享内容,在第一页面中展示提示入口,当触发对提示入口的触发操作时进入第二页面,在第二页面中展示关注对象信息流中的分享内容;关注对象信息流包括从用户的联系人集合中识别出的目标关注对象所分享的分享内容,能够自动识别出用户的目标关注对象,并将目标关注对象的分享内容生成独立的信息流,并在特定的页面中展示,避免了信息过载。用户通过原始信息流所在页面进入关注对象信息流所在页面,使得用户能够快速获取特定关注对象的分享信息。
在一个实施例中,该方法还包括:在提示入口处,展示关注对象信息流中的分享内容所对应的联系人标识信息;当关注对象信息流中的分享内容更新时,将该提示入口处的联系人标识信息更新。
其中,联系人标识信息是指联系人的标识,可以是联系人的名称、账号或头像图标,并不限于此。
具体地,在第一页面的提示入口处显示目标关注对象的联系人标识,例如,显示各目标关注对象的名称或账号、或者头像图标等。当终端检测到目标对象的分享内容进行更新后,终端可获取分享内容存在更新的目标关注对象的联系人标识,并将提示入口处的联系人标识信息替换为分享内容存在更新的目标关注对象的联系人标识,从而完成提示入口处的联系人标识信息的更新操作。
在本实施例中,终端可在提示入口处显示预设数量的联系人标识。
在本实施例中,在提示入口处,展示关注对象信息流中的分享内容所对应的联系人标识信息,当关注对象信息流中的分享内容更新时,将该提示入口处的联系人标识信息更新,使得用户在第一页面的提示入口处可直观看到分享内容存在更新的目标关注对象。
如图3所示,为一个实施例中第一页面的界面图。该第一页面中展示了联系人集合中的各联系人的所分享的分享内容。该第一页面中还显示目标关注对象的动态的提示文字和提示入口,例如“特别关注的人的动态”。并且,该第一页面中在提示入口处显示部分目标关注对象的联系人标识。
图4为一个实施例中第二页面的界面图。当用户触发第一页面中的提示入口时,终端触发进入第二页面。该第二页面中显示用户的目标关注对象的分享内容。该第二页面中显示提示出口,用户触发该提示出口可从第二页面返回第一页面。
在一个实施例中,该关注对象信息流通过生成步骤确定,该生成步骤包括:获取目标关注对象所分享的分享内容;该分享内容属于原始信息流;将获取的分享内容按照分享时序生成关注对象信息流。
具体地,终端将用户的各联系人的分享内容按照分享时序分享在原始信息流中。终端获取用户的目标关注对象后,可获取目标关注对象在原始信息流中的分享内容,并将获取的目标关注对象对应的分享内容按照分享时序排列,从而生成关注对象信息流。
在本实施例中,目标关注对象可由服务器确定。服务器确定用户在社交应用上的联系人集合的目标关注对象后,服务器可从原始信息流中获取目标关注对象所分享的分享内容。接着,服务器可将获取分享内容按照分享时序排列,从而生成目标关注对象对应的关注对象信息流。接着,服务器将该目标关注对象和该关注对象信息流返回给终端。
在本实施例中,获取目标关注对象所分享的分享内容,该分享内容属于原始信息流,能够将目标关注对象的分享内容从原始信息流中筛选出来。将获取的分享内容按照分享时序生成关注对象信息流,能够单独生成目标关注对象的信息流,使得用户能够快速查找到感兴趣的分享内容,能够满足用户的个性化需求。
在一个实施例中,该目标关注对象通过对象确定步骤得到,该对象确定步骤包括:根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象。
其中,该标签特征是用户的联系人集合中的各联系人的标签的特征;该会话特征是用户与该各联系人之间会话的特征;该互动特征是该用户对该各联系人在原始信息流中的分享内容进行互动的特征。
具体地,用户通过终端登录社交应用,终端获取用户在该社交应用上的联系人集合中的各联系人。终端确定标签特征、会话特征和互动特征中的至少一种的步骤包括:获取各联系人对应的标签,并提取各联系人对应的标签的特征,得到标签特征。终端获取用户与各联系人之间的会话记录,从该会话记录中获取用户与各个联系人之间的会话特征。终端可获取各个联系人在原始信息流中分享的内容,并获取用户与各个联系人分享对原始信息流中的分享内容的进行互动的信息。终端可从该互动信息中提取用户与各个联系人的互动特征。接着,终端根据各联系人的标签特征、用户与各联系人的会话特征和互动特征中的至少一种,确定该用户的目标关注对象。
在本实施例中,终端可根据各联系人的标签特征确定该用户的目标关注对象。终端可获取预设标签特征,将各联系人的标签特征和该预设标签特征进行对比。当联系人的标签特征与预设标签特征相同时,终端可将该联系人作为目标关注对象。当联系人的标签特征与预设标签不相同时,该联系人不作为目标关注对象。按照相同的处理方式,终端可从联系人集合中确定出用户的各目标关注对象。
在本实施例中,终端可根据用户与各联系人的会话特征确定该用户的目标关注对象。终端可将各联系人的会话特征转换为对应的特征向量,得到各联系人对应的会话特征向量。接着,终端可计算各会话特征向量中每两个会话特征向量之间的相似度,根据各会话特征向量之间的相似度将对应的各联系人进行分组。接着,终端从分组中选择一组作为目标关注对象。
在本实施例中,终端可根据互动特征确定该用户的目标关注对象。终端可获取用户对各联系人在原始信息流中的分享内容进行互动的特征,即互动特征,终端将各联系人的互动特征转换为对应的特征向量,得到各联系人对应的互动特征向量。接着,终端可计算各互动特征向量中每两个互动特征向量之间的相似度,根据各互动特征向量之间的相似度将对应的各联系人进行分组。接着,终端从分组中选择一组作为目标关注对象。
在本实施例中,终端可根据各联系人的标签特征、用户与各联系人的会话特征确定该用户的目标关注对象。终端可将各联系人的标签特征,用户与各联系人的会话特征转换为对应的特征向量,得到各联系人对应的特征向量。接着,终端可计算各个特征向量之间的相似度,根据各特征向量之间的相似度将对应的各联系人进行分组。接着,终端从各分组中选择一组作为目标关注对象。
在本实施例中,终端可根据标签特征和互动特征,确定该用户的目标关注对象。类似地,终端可将各联系人对应的标签特征和互动特征转换为对应的特征向量,并计算各特征向量之间的相似度。终端基于各特征向量之间的相似度将各联系人进行分组,并从各分组中选择一组作为目标关注对象。
在本实施例中,终端可根据会话特征和互动特征,确定该用户的目标关注对象。类似地,终端可将各联系人对应的会话特征和互动特征转换为对应的特征向量,并计算各特征向量之间的相似度。终端基于各特征向量之间的相似度将各联系人进行分组,并从各分组中选择一组作为目标关注对象。
可以理解的是,终端获取标签特征、会话特征和互动特征后,可将标签特征、会话特征和互动特征发送给服务器。服务器可根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象。接着,服务器将确定的目标关注对象返回给终端。进一步地,服务器可根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象的步骤与终端执行的步骤相同,在此不再赘述。
本实施例中,根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象;其中,该标签特征是用户的联系人集合中的各联系人的标签的特征;该会话特征是用户与该各联系人之间会话的特征;该互动特征是该用户对该各联系人在原始信息流中的分享内容进行互动的特征,使得能够根据多种方式确定用户的目标关注对象,以适应不同用户的情况,准确确定用户的目标关注对象。
在一个实施例中,如图5所示,该根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象,包括:
步骤502,获取用户的联系人集合中的各联系人,确定用户与各联系人之间的会话特征。
步骤504,确定用户对各联系人在原始信息流中的分享内容的互动特征。
步骤506,获取各联系人的标签特征,根据标签特征、会话特征和互动特征从联系人集合中确定用户的目标关注对象。
具体地,终端获取用户与各联系人之间的会话记录,从该会话记录中获取用户与各个联系人之间的会话特征。终端可获取各个联系人在原始信息流中分享的内容,并获取用户与各个联系人分享对原始信息流中的分享内容的进行互动的互动信息。终端获取各联系人对应的标签,并将各联系人对应的标签和预设标签进行对比,将对比结果作为各联系人对应的标签特征。接着,终端可从该互动信息中提取用户与各个联系人的互动特征。终端可将同一联系人对应的标签特征、会话特征和互动特征转换为对应的特征向量,并计算各联系人对应的特征向量之间的相似度。根据相似度从联系人集合中确定用户的目标关注对象。通过本实施例的步骤,能够考虑多方面的因素,基于多方面因素确定用户的目标关注对象,提高准确性。
在一个实施例中,该会话特征通过会话确定步骤得到,该会话确定步骤包括:确定用户与各联系人在预设时间段内的会话次数和会话时长;基于会话次数和会话时长确定该用户与该各联系人的会话特征。
其中,会话次数是指用户与联系人在预设时间段内进行会话的次数。会话时长是指用户与联系人每次会话持续的时间。
具体地,终端确定在预设时间段内用户与各联系人的会话记录。终端可从该会话记录中获取用户与各联系人进行会话的次数。并且,终端可从该会话记录中进一步确定每次会话的开始时刻和结束时刻,从而得到每次会话持续的时长。接着,终端可将在预设时间段内用户与联系人进行的会话次数和每次会话的时长作为用户与该联系人的会话特征。按照相同的方式,终端可得到用户与各联系人的会话特征。
在本实施例中,终端可获取在预设时间段内用户与各联系人的会话记录,终端将该会话记录发送给服务器。服务器可从该会话记录中获取用户与各联系人进行会话的次数。服务器从该会话记录中确定每次会话的开始时刻和结束时刻,从而得到每次会话持续的时长。服务器可将用户与同一联系人的会话次数、每次会话的会话时长作为该联系人对应的会话特征,从而得到用户与各联系人的会话特征。
在本实施例中,确定用户与各联系人在预设时间段内的会话次数和会话时长,通过会话次数和会话时长确定会话特征,从而能够确定用户与各联系人之间交流的频繁度。将用户与各联系人之间交流的频繁度作为确定目标关注对象的因素,能够提高确定用户的目标关注对象的准确性。
在一个实施例中,如图6所示,该互动特征通过互动确定步骤得到,该互动确定步骤包括:
步骤602,获取预设时间段内各联系人在原始信息流中的分享内容。
具体地,原始信息流中包括用户和联系人分享的按照分享时序排序的分享内容。终端可获取预设时间段内,各联系人在该原始信息流中的分享内容,并获取各分享内容的互动记录。该互动记录包括用户对联系人的分享内容的评论、点赞和转发,以及用户对其他联系人的评论的回复信息,互动开始的时刻和互动结束的时刻,但不限于此。该其他联系人是指用户与该分享内容对应的联系人共同的联系对象。
例如,联系人A在原始信息流中分享了分享内容,用户A在a时刻对分享内容进行评论、点赞和转发中的至少一种。联系人B在b时刻对分享内容的进行评论后,用户A在c时刻对联系人B的评论信息进行回复,则用户A与联系人A的分享内容的互动记录包括:用户A对分享内容进行评论、点赞和转发中的至少一种,用户A对联系人B的回复信息、a时刻、b时刻和c时刻。
步骤604,确定该用户对该分享内容的互动次数,并确定该用户对该分享内容的互动时长。
具体地,终端可确定同一联系人在该预设时间段内分享的分享内容的次数。终端可确定用户对同一联系人的各分享内容的互动次数。用户对一条分享内容的评论、点赞和转发中的至少一种操作,均作为一次互动。并且,终端可确定用户对每一条分享内容的互动时长。该互动时长是指用户对一条分享内容从互动开始时刻到互动结束时刻所持续的时间。
步骤606,基于该互动次数和该互动时长确定用户对分享内容的互动特征。
具体地,终端获取用户对同一联系人的分享内容的互动次数,以及对各分享内容的互动时长后,终端将该互动次数和各分享内容的互动时长作为互动特征。按照相同处理,可得到用户对各联系人的分享内容的互动特征。
在本实施例中,终端还可确定用户对分享内容的浏览时长,即用户在该分享内容上停留的时长。将该用户对同一联系人的分享内容的浏览时长、对同一联系人的各分享内容的互动次数,以及对同一联系人的各分享内容的互动时长作为用户对分享内容的互动特征。
在本实施例中,终端获取预设时间段内各联系人在该原始信息流中的分享内容,并获取各分享内容的互动记录。接着,终端可将用户对各分享内容的互动记录发送给服务器,服务器从该互动记录中获取用户对同一联系人的分享内容的互动次数,以及对各分享内容的互动时长。服务器基于互动次数和互动时长确定出用户对分享内容的互动特征。接着,服务器将该用户对各联系人的分享内容的互动特征返回给终端。
本实施例中,获取预设时间段内各联系人在原始信息流中的分享内容,确定用户对分享内容的互动次数和每次互动的时长,以确定用户与哪些联系人的分享内容存在互动,基于互动次数和互动时长确定用户对分享内容的互动特征,从而能够体现用户对各联系人的关注程度。将用户与分享内容的互动特征作为确定目标关注对象的因素,能够提高确定用户的目标关注对象的准确性。
在一个实施例中,该确定该用户对该分享内容的互动次数,包括:确定用户对分享内容的评论、点赞和转发中的至少一种操作;根据评论、点赞和转发中的至少一种操作确定用户对分享内容的互动次数。
具体地,终端获取预设时间段内各联系人在该原始信息流中的分享内容,并获取各分享内容的互动记录。接着,终端从该互动记录中确定用户对分享内容是否存在评论操作、用户对分享内容是否存在点赞操作,以及用户对分享内容是否存在转发操作。当用户对一条分享内容存在评论、点赞和转发中的至少一种操作,确定用户对该分享内容存在一次互动。终端可确定同一联系人对应的分享内容,从而可得到用户对同一联系人的分享内容的互动次数。例如,联系人A在预设时间段内有5条分享内容,用户对其中的三条分享内容进行了评论、点赞和转发中的至少一种操作,对另外的两条分享内容均没有进行评论、点赞和转发。则终端可确定用户对联系人A的分享内容进行了3次互动。按照相同的处理步骤,终端可确定用户对各联系人的分享内容的互动次数。
在本实施例中,终端可将互动记录发送给服务器,由服务器确定用户对分享内容的评论、点赞和转发中的至少一种操作。服务器根据评论、点赞和转发中的至少一种操作确定用户对分享内容的互动次数,从而得到用户对每个联系人的分享内容的互动次数。接着,服务器可将该互动次数返回给终端。
本实施例中,基于用户对分享内容的评论、点赞和转发中的至少一种操作,能够判断用户对联系人的分享内容是否存在互动。根据评论、点赞和转发中的至少一种操作确定用户对分享内容的互动次数,能够从多方面考虑用户对分享内容的互动,避免单一手段判断互动次数导致不准确。
在一个实施例中,该根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象,包括:
将标签特征、会话特征和互动特征输入聚类模型,通过聚类模型对联系人集合中各联系人进行聚类,输出各聚类组合;基于该各聚类组合确定该用户的目标关注对象。
其中,聚类组合是指相似度高的联系人的组合。
具体地,该聚类模型应用于终端上。终端可将联系人集合中各联系人对应的标签特征、会话特征和互动特征输入聚类模型。聚类模型将同一联系人对应的标签特征、会话特征和互动特征转化为特征向量。例如,聚类模型将同一联系人对应的标签特征、会话特征和互动特征中的每个特征转化为特征值,从而得到该联系人对应的特征向量。
接着,聚类模型计算每个联系人对应的特征向量之间的相似度。根据各个相似度将联系人集合中各联系人进行聚类,得到聚类模型输出的聚类组合。该聚类组合中的对象为联系人集合中的联系人。接着,终端可确定该聚类模型输出的聚类组合的数量。当存在至少两组聚类组合时,终端从该至少两组聚类组合中选择一组,将所选择的一组聚类组合中的联系人作为目标关注对象。当存在一组聚类组合时,终端将该聚类组合中的联系人作为目标关注对象。
在本实施例中,终端可基于该聚类模型得到联系人的标签特征、会话特征和互动特征。
具体地,终端可获取各联系人的标签、获取用户与各联系人在预设时间段内的会话记录,获取在预设时间段内用户对各联系人的分享内容的互动记录。终端将该各联系人的标签、会话记录和互动记录输入聚类模型,通过聚类模型对各联系人的标签、会话记录和互动记录进行特征提取,得到同一联系人的标签特征、会话特征和互动特征。
接着,聚类组合为高相似度的各联系人组成。各个聚类组合之间仅具有低相似度。终端可以根据各聚类组合确定该用户的目标关注对象。例如,第一聚类组合具备联系人与用户的会话频繁、对于分享内容的互动频繁、第一聚类组合中具有标签特征满足预设标签特征的联系人这三种情况中的至少一种。第二聚类组合中联系人与用户在预设时间段内很少甚至没有进行会话、对于分享内容的很少甚至没有进行互动、第一聚类组合中不具有标签特征满足预设标签特征的联系人,则终端选择第一聚类组合作为用户的目标关注对象。
在本实施例中,该聚类模型应用于服务器上。终端可将标签特征、会话特征和互动特征发送给服务器。服务器将该标签特征、会话特征和互动特征输入聚类模型,通过聚类模型对联系人集合中各联系人进行聚类,输出聚类组合。接着,服务器将该聚类组合返回给终端。
在本实施例中,终端可获取各联系人的标签、获取用户与各联系人在预设时间段内的会话记录,获取在预设时间段内用户对各联系人的分享内容的互动记录。终端将该各联系人的标签、会话记录和互动记录发送给服务器。服务器将该各联系人的标签、会话记录和互动记录输入聚类模型,通过聚类模型对各联系人的标签、会话记录和互动记录进行特征提取,得到同一联系人的标签特征、会话特征和互动特征。接着,该聚类模型基于该标签特征、会话特征和互动特征对对联系人集合中各联系人进行聚类,输出聚类组合。接着,服务器将该聚类组合返回给终端。
在本实施例中,将标签特征、会话特征和互动特征输入聚类模型,通过聚类模型对联系人集合中各联系人进行聚类,能够将相似度高的联系人进行聚类,得到聚类组合。各聚类组合之间的相似度非常低,从而能够准确确定作为目标关注对象的聚类组合。
在一个实施例中,如图7所示,该会话特征包括会话次数和会话时长;该互动特征包括互动次数和互动时长;该将标签特征、会话特征和互动特征输入聚类模型,通过聚类模型对各联系人进行聚类,输出各聚类组合,包括:
步骤702,将标签特征、会话次数、会话时长、互动次数和互动时长输入聚类模型,通过聚类模型将同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长转化为特征向量,得到各联系人对应的特征向量。
具体地,该聚类模型可应用于终端上。终端获取用户与各联系人在预设时间段内的会话次数和每次会话的会话时长,获取用户对各联系人的分享内容的互动次数,以及每次互动的互动时长。接着,终端可确定同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长。终端可将同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长输入聚类模型。
该聚类模型将同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长转换为对应的特征向量,得到各联系人对应的特征向量。进一步地,终端将标签特征、会话次数、会话时长、互动次数和互动时长分别转化为对应的特征值,从而得到5个特征值。将同一联系人的5个特征值组成该联系人对应的特征向量。
步骤704,确定各联系人对应的特征向量之间的相似度,根据各联系人对应的特征向量之间的相似度确定联系人组合。
具体地,该聚类模型计算各联系人对应的特征向量之间的相似度,即聚类模型计算每两个联系人对应的特征向量之间的相似度。接着,该聚类模型可以确定相似度最高的两个特征向量对应的联系人,将该相似度最高的两个特征向量对应的联系人分为一组,得到联系人组合。
接着,该聚类模型计算联系人组合的特征向量和其余各联系人的特征向量之间的相似度。该联系人组合的特征向量为该组合中的各联系人分别对应的特征向量组成。该其余各联系人是指联系人集合中除该联系人组合以外的各个联系人。并且,该聚类模型计算其余联系人中每两个联系人对应的特征向量之间的相似度。同样地,将相似度最高的特征向量对应的联系人分为一组。按照相同的处理步骤,该聚类模型可将联系人集合中的各联系进行分组,得到各联系人组合。当存在最后一个联系人时,将该最后一个联系人作为一组。
步骤706,确定各联系人组合之间的相似度,根据各联系人组合之间的相似度确定聚类组合。
具体地,该聚类模型将联系人集合中的各联系人划分为各联系人组合后,确定各联系人组合对应的特征向量。接着,该聚类模型确定每两个联系人组合对应的特征向量之间的相似度,将相似度最高的联系人组合归为一类,得到聚类组合。接着,该聚类模型可计算聚类组合和其他联系人组合之间的相似度,将相似度最高的联系人组合归为一类,得到聚类组合。或者将相似度最高的聚类组合和联系人组合归为一类,得到新的聚类组合。直到聚类模型将各联系人组合均归类后,完成聚类操作,得到各聚类组合。
在本实施例中,该聚类模型也可应用于服务器上。终端可将各联系人的标签特征、会话次数、会话时长、互动次数和互动时长发送给服务器,由服务器通过聚类模型对各联系人的标签特征、会话次数、会话时长、互动次数和互动时长进行处理,得到聚类组合。服务器将聚类模型输出的聚类组合返回给终端。
本实施例中,通过聚类模型将同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长转化为特征向量,得到各联系人对应的特征向量,能够利用特征向量之间的相似度表示各联系人之间的相似度,从而将存在相似度的联系人进行初步分组。计算分组后各联系人组合之间的相似度,能够利用组合之间的相似度进一步将联系人组合进行分组,通过两步分组操作能够准确将相似度高的联系人聚集到一类中,而各聚类组合之间的相似度非常低。通过各聚类组合能够准确地筛选出用户的目标关注对象。同时,通过聚类模型基于联系人的标签特征、会话次数、会话时长、互动次数和互动时长完成联系人的聚类操作,能够快速将联系人进行聚类,提高目标关注对象识别的效率。
在一个实施例中,该确定各联系人组合之间的相似度,包括:获取各联系人组合分别对应的特征向量,并确定各联系人组合对应的特征向量之间的距离;基于各联系人组合对应的特征向量之间的距离确定各联系人组合之间的相似度。
具体地,该聚类模型计算各联系人对应的特征向量之间的距离,即聚类模型计算每两个联系人对应的特征向量之间的距离。该距离可以为欧几里距离。两个特征向量之间的距离越短,表示这两个特征向量的相似度越高,即两个特征向量对应的联系人的相似度越高。该聚类模型可以确定距离最短的两个联系人,将该距离最短的两个联系人分为一组,即可将相似度最高的两个联系人分为一组,得到联系人组合。
接着,该聚类模型可计算联系人组合的特征向量和其余各联系人的特征向量之间的距离,并计算其余各联系人中每两个联系人对应的特征向量之间的距离。同样地,将距离最短特征向量对应的联系人分为一组。按照相同的处理步骤,该聚类模型可将联系人集合中的各联系进行分组,得到各联系人组合。当存在最后一个联系人时,将该最后一个联系人作为一组。
在本实施例中,计算联系人组合的特征向量和其余各联系人的特征向量之间的距离,包括:从其余各联系人中选择一个联系人,计算联系人组合中的每个联系人对应的特征向量和该选择的联系人对应的特征向量之间的距离。将计算得到的各距离的均值,将该均值作为该联系人组合和该选择的联系人之间的距离。并且,将该联系人组合和该选择的联系人之间的距离作为两者的相似度。
将联系人集合中的各联系人分为各联系人组合后,该聚类模型可确定各联系人组合的特征向量。接着,该聚类模型可计算每两个联系人组合的特征向量之间的距离。距离越短表示两个联系人组合的相似度越高,则该聚类模型可将各联系人组合的特征向量之间的距离作为相似度。
例如,联系人集合中包含联系人A、联系人B、联系人C、联系人D和联系人E,终端获取各联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长输出聚类模型。聚类模型将各联系人的标签特征、会话次数、会话时长、互动次数和互动时长转换为对应的特征向量,得到联系人A、联系人B、联系人C、联系人D和联系人E分别对应的特征向量。接着,聚类模型计算联系人A、B之间的第一距离,联系人A、C之间的第一距离,联系人A、D之间的第一距离,联系人A、E之间的第一距离,联系人B、C之间的第一距离,联系人B、D之间的第一距离,联系人B、E之间的第一距离,联系人C、D之间的第一距离,联系人C、E之间的第一距离,联系人D、E之间的第一距离。当联系人A、B之间的第一距离最短时,将联系人A和联系人B分为一组,得到联系人组合AB。
接着,聚类模型可确定联系人组合AB对应的特征向量,该联系人组合AB对应的特征向量为联系人A和联系人B的特征向量组成。聚类模型可计算联系人组合AB分别和联系人C、联系人D、联系人E之间的第二距离。聚类模型确定各第二距离、以及联系人C、D之间的第一距离,联系人C、E之间的第一距离,联系人D、E之间的第一距离。该最短的距离可能是第一距离也可能的第二距离。例如,联系人D和联系人E的第一距离最短,则得到联系人组合DE。剩下的联系人C作为联系人组合C。
接着,聚类模型确定联系人组合AB、联系人组合DE和联系人组合C分别对应的特征向量,并计算两两组合对应的特征向量之间的距离。终端将距离最短的组合划分为一组,得到聚类组合。当联系人组合AB和联系人组合C之间的距离最短时,得到聚类组合ABC。则联系人组合DE作为聚类组合DE。
计算联系人组合AB和联系人组合C之间的距离,可联系人A、C之间的距离,联系人B、C之间的距离,然后求两个距离的均值,将均值作为联系人组合AB和联系人组合C之间的距离。
计算联系人组合AB和联系人组合DE之间的距离,可计算联系人A、D之间的距离,联系人A、E之间的距离,联系人B、D之间的距离,联系人B、E之间的距离,然后求四个距离的均值,将均值作为联系人组合AB和联系人组合DE之间的距离。
在本实施例中,获取各联系人组合分别对应的特征向量,并确定各联系人组合对应的特征向量之间的距离,根据各联系人组合对应的特征向量之间的距离确定各联系人组合之间的相似度,能够快速确定各联系人组合之间的相似度,从而将高相似度的联系人组合划分为一类,以准确确定用户的目标关注对象。
在一个实施例中,该方法还包括:当该目标关注对象的标签非目标关注标签时,将该目标关注对象的标签设置为目标关注标签;将该目标关注对象移动到该目标关注标签对应的联系人分组中。
其中,目标关注标签是指目标关注对象的分组标签。
具体地,终端可获取各目标关注对象的标签,将该目标关注对象的标签和目标关注标签进行对比。当目标关注对象的标签与目标关注标签不同时,终端将该目标关注对象对应的标签修改目标关注标签。终端可生成目标关注标签对应的联系人分组,将各目标关注对象移动到该联系人分组中。
在本实施例中,终端可将目标关注对象从原联系人分组中复制到目标关注标签对应的分组中。
例如,一些目标关注对象的标签为家人、客户,标签为家人的联系人在家人对应的联系人分组中。标签为客户的联系人在客户对应的联系人分组中。终端可将这些目标关注对象的标签修改为目标关注标签。并且,终端可将各目标关注对象从原联系人分组中移动或复制到该目标关注标签对应的分组中。
本实施例中,当目标关注对象的标签非目标关注标签时,将目标关注对象的标签设置为目标关注标签,将目标关注对象移动到目标关注标签对应的联系人分组中,能够自动生成目标关注对象的联系人分组,便于用户快速查找目标关注对象。
在一个实施例中,用户通过终端登录微信客户端,客户端获取用户的微信通讯录中的联系人。客户端确定在预设时间段内获取用户与各联系人的聊天记录。客户端获取预设时间段内各联系人在朋友圈分享的分享内容,并确定用户对各联系人的分享内容的互动记录。并且,客户端获取各联系人的标签,例如家人、客户等。客户端将各联系人的标签、用户与各联系人的聊天记录、用户对各联系人的分享内容的互动记录发送给服务器。服务器通过聚类模型对各联系人的标签、用户与各联系人的聊天记录、用户对各联系人的分享内容的互动记录进行识别,对通讯录中的各联系人进行聚类,以输出聚类组合。
服务器聚类组合知道该用户目标关注的对象有哪些,当目标关注对象后续再发布新的分享内容的时候,服务器会将分享内容单独抽取出来生成一个独立的朋友圈的信息流。即独立于通讯录中的所有联系人的朋友圈的信息流,服务器将立的朋友圈的信息流返回给到客户端进行展示。
用户可以进到客户端页面的全部朋友圈,然后在全部朋友圈页面点击目标关注对象的提示入口,进入到自己的目标关注对象的朋友圈。
在一个实施例中,当终端检测到关注信息流中的分享信息存在更新时,可实时进行用户提醒。进一步地,当每更新一条分享信息时,可进行用户提醒。
在一个实施例中,当终端检测到关注信息流中的分享信息存在更新时,可定时进行用户提醒。进一步地,当存在预设数量的分享信息更新时,可在预设时刻进行用户提醒。
该用户提醒的方式可以是生成提示信息,并将提示信息推送给用户。也可以是发出声音进行提示、例如铃声提示、震动提示等。
应该理解的是,虽然图2、图5-图7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2、图5-图7中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种信息流处理装置,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括:第一展示模块802、提示模块804、触发模块806和第二展示模块808,其中:
第一展示模块802,用于在第一页面展示原始信息流;原始信息流包括用户的各联系人分享的按分享时序排序的分享内容。
提示模块804,用于在第一页面中展示提示入口。
触发模块806,用于当触发对提示入口的触发操作时,进入第二页面。
第二展示模块808,用于在第二页面中展示关注对象信息流中的分享内容;该关注对象信息流包括从用户的联系人集合中识别出的目标关注对象所分享的分享内容。
上述信息流处理装置,通过在第一页面展示原始信息流;所述原始信息流包括用户的各联系人分享的按分享时序排序的分享内容,在所述第一页面中展示提示入口,当触发对所述提示入口的触发操作时,触发进入第二页面,在所述第二页面中展示关注对象信息流中的分享内容;所述关注对象信息流包括从所述用户的联系人集合中识别出的目标关注对象所分享的分享内容,能够自动识别出用户的目标关注对象,并将目标关注对象的分享内容生成独立的信息流,并在特定的页面中展示,避免了信息负载,使得用户能够快速获取特定关注对象的分享信息。
在一个实施例中,该装置还包括:更新模块。
该提示模块804还用于在提示入口处,展示关注对象信息流中的分享内容所对应的联系人标识信息。
该更新模块用于当关注对象信息流中的分享内容更新时,将提示入口处的联系人标识信息更新。
在本实施例中,在提示入口处,展示关注对象信息流中的分享内容所对应的联系人标识信息,当关注对象信息流中的分享内容更新时,将该提示入口处的联系人标识信息更新,使得用户在第一页面的提示入口处可直观看到分享内容存在更新的目标关注对象。
在一个实施例中,如图9所示,该触发模块806包括:获取单元902和生成单元904。
该获取单元902用于:获取目标关注对象所分享的分享内容;分享内容属于原始信息流。
该生成单元904用于:将获取的分享内容按照分享时序生成关注对象信息流。
在本实施例中,获取目标关注对象所分享的分享内容,该分享内容属于原始信息流,能够将目标关注对象的分享内容从原始信息流中筛选出来。将获取的分享内容按照分享时序生成关注对象信息流,能够单独生成目标关注对象的信息流,使得用户能够快速查找到感兴趣的分享内容,能够满足用户的个性化需求。
在一个实施例中,该获取单元902还用于:根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象;其中,该标签特征是用户的联系人集合中的各联系人的标签的特征;该会话特征是用户与各联系人之间会话的特征;该互动特征是用户对各联系人在原始信息流中的分享内容进行互动的特征。
本实施例中,根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象;其中,该标签特征是用户的联系人集合中的各联系人的标签的特征;该会话特征是用户与该各联系人之间会话的特征;该互动特征是该用户对该各联系人在原始信息流中的分享内容进行互动的特征,使得能够根据多种方式确定用户的目标关注对象,以适应不同用户的情况,准确确定用户的目标关注对象。
在一个实施例中,该获取单元902还用于:确定用户与各联系人在预设时间段内的会话次数和会话时长;基于会话次数和会话时长确定用户与各联系人的会话特征。
在本实施例中,确定用户与各联系人在预设时间段内的会话次数和会话时长,通过会话次数和会话时长确定会话特征,从而能够确定用户与各联系人之间交流的频繁度。将用户与各联系人之间交流的频繁度作为确定目标关注对象的因素,能够提高确定用户的目标关注对象的准确性。
在一个实施例中,该获取单元902还用于:获取预设时间段内各联系人在原始信息流中的分享内容;确定用户对分享内容的互动次数,并确定用户对分享内容的互动时长;基于互动次数和互动时长确定用户对分享内容的互动特征。
本实施例中,获取预设时间段内各联系人在原始信息流中的分享内容,确定用户对分享内容的互动次数和每次互动的时长,以确定用户与哪些联系人的分享内容存在互动,基于互动次数和互动时长确定用户对分享内容的互动特征,从而能够体现用户对各联系人的关注程度。将用户与分享内容的互动特征作为确定目标关注对象的因素,能够提高确定用户的目标关注对象的准确性。
在一个实施例中,该获取单元902还用于:确定用户对分享内容的评论、点赞和转发中的至少一种操作;根据评论、点赞和转发中的至少一种操作确定用户对分享内容的互动次数。
本实施例中,基于用户对分享内容的评论、点赞和转发中的至少一种操作,能够判断用户对联系人的分享内容是否存在互动。根据评论、点赞和转发中的至少一种操作确定用户对分享内容的互动次数,能够从多方面考虑用户对分享内容的互动,避免单一手段判断互动次数导致不准确。
在一个实施例中,该获取单元902还用于:将标签特征、会话特征和互动特征输入聚类模型,通过聚类模型对联系人集合中各联系人进行聚类,输出各聚类组合;基于各聚类组合确定用户的目标关注对象。
在本实施例中,将标签特征、会话特征和互动特征输入聚类模型,通过聚类模型对联系人集合中各联系人进行聚类,能够将相似度高的联系人进行聚类,得到聚类组合。各聚类组合之间的相似度非常低,从而能够准确确定作为目标关注对象的聚类组合。
在一个实施例中,该会话特征包括会话次数和会话时长;该互动特征包括互动次数和互动时长;该获取单元902还用于:将标签特征、会话特征和互动特征输入聚类模型,通过聚类模型将同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长转化为特征向量,得到各联系人对应的特征向量;确定各联系人对应的特征向量之间的相似度,根据各联系人对应的特征向量之间的相似度确定联系人组合;确定各联系人组合之间的相似度,根据各联系人组合之间的相似度确定聚类组合。
本实施例中,通过聚类模型将同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长转化为特征向量,得到各联系人对应的特征向量,能够利用特征向量之间的相似度表示各联系人之间的相似度,从而将存在相似度的联系人进行初步分组。计算分组后各联系人组合之间的相似度,能够利用组合之间的相似度进一步将联系人组合进行分组,通过两步分组操作能够准确将相似度高的联系人聚集到一类中,而各聚类组合之间的相似度非常低。通过各聚类组合能够准确地筛选出用户的目标关注对象。同时,通过聚类模型基于联系人的标签特征、会话次数、会话时长、互动次数和互动时长完成联系人的聚类操作,能够快速将联系人进行聚类,提高目标关注对象识别的效率。
在一个实施例中,该获取单元902还用于:获取各联系人组合分别对应的特征向量,并确定各联系人组合对应的特征向量之间的距离;基于各联系人组合对应的特征向量之间的距离确定各联系人组合之间的相似度。
在本实施例中,获取各联系人组合分别对应的特征向量,并确定各联系人组合对应的特征向量之间的距离,根据各联系人组合对应的特征向量之间的距离确定各联系人组合之间的相似度,能够快速确定各联系人组合之间的相似度,从而将高相似度的联系人组合划分为一类,以准确确定用户的目标关注对象。
在一个实施例中,该触发模块806还包括:移动单元。该移动单元用于:当目标关注对象的标签非目标关注标签时,将目标关注对象的标签设置为目标关注标签;将目标关注对象移动到目标关注标签对应的联系人分组中。
本实施例中,当目标关注对象的标签非目标关注标签时,将目标关注对象的标签设置为目标关注标签,将目标关注对象移动到目标关注标签对应的联系人分组中,能够自动生成目标关注对象的联系人分组,便于用户快速查找目标关注对象。
关于信息流处理装置的具体限定可以参见上文中对于信息流处理方法的限定,在此不再赘述。上述信息流处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种信息流处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种信息流处理方法,其特征在于,所述方法包括:
在第一页面展示原始信息流;所述原始信息流包括用户的各联系人分享的按分享时序排序的分享内容;
在所述第一页面中展示提示入口;
当触发对所述提示入口的触发操作时,进入第二页面;
在所述第二页面中展示关注对象信息流中的分享内容;所述关注对象信息流包括从所述用户的联系人集合中识别出的目标关注对象所分享的分享内容。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述提示入口处,展示所述关注对象信息流中的分享内容所对应的联系人标识信息;
当所述关注对象信息流中的分享内容更新时,将所述提示入口处的联系人标识信息更新。
3.根据权利要求1所述的方法,其特征在于,所述关注对象信息流通过生成步骤确定,所述生成步骤包括:
获取目标关注对象所分享的分享内容;所述分享内容属于所述原始信息流;
将获取的所述分享内容按照分享时序生成关注对象信息流。
4.根据权利要求1所述的方法,其特征在于,所述目标关注对象通过对象确定步骤得到,所述对象确定步骤包括:根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象;
其中,所述标签特征是用户的联系人集合中的各联系人的标签的特征;
所述会话特征是用户与所述各联系人之间会话的特征;
所述互动特征是所述用户对所述各联系人在原始信息流中的分享内容进行互动的特征。
5.根据权利要求4所述的方法,其特征在于,所述会话特征通过会话确定步骤得到,所述会话确定步骤包括:
确定所述用户与所述各联系人在预设时间段内的会话次数和会话时长;
基于所述会话次数和所述会话时长确定所述用户与所述各联系人的会话特征。
6.根据权利要求4所述的方法,其特征在于,所述互动特征通过互动确定步骤得到,所述互动确定步骤包括:
获取预设时间段内所述各联系人在原始信息流中的分享内容;
确定所述用户对所述分享内容的互动次数,并确定所述用户对所述分享内容的互动时长;
基于所述互动次数和所述互动时长确定所述用户对所述分享内容的互动特征。
7.根据权利要求6所述的方法,其特征在于,所述确定所述用户对所述分享内容的互动次数,包括:
确定所述用户对所述分享内容的评论、点赞和转发中的至少一种操作;
根据所述评论、点赞和转发中的至少一种操作确定所述用户对所述分享内容的互动次数。
8.根据权利要求4所述的方法,其特征在于,所述根据标签特征、会话特征和互动特征中的至少一种确定目标关注对象,包括:
将所述标签特征、所述会话特征和所述互动特征输入聚类模型,通过所述聚类模型对所述联系人集合中各联系人进行聚类,输出各聚类组合;
基于所述各聚类组合确定所述用户的目标关注对象。
9.根据权利要求8所述的方法,其特征在于,所述会话特征包括会话次数和会话时长;所述互动特征包括互动次数和互动时长;所述将所述标签特征、所述会话特征和所述互动特征输入聚类模型,通过所述聚类模型对所述各联系人进行聚类,输出各聚类组合,包括:
将所述标签特征、会话次数、会话时长、互动次数和互动时长输入聚类模型,通过所述聚类模型将同一联系人对应的标签特征、会话次数、会话时长、互动次数和互动时长转化为特征向量,得到各联系人对应的特征向量;
确定各联系人对应的特征向量之间的相似度,根据所述各联系人对应的特征向量之间的相似度确定联系人组合;
确定各联系人组合之间的相似度,根据所述各联系人组合之间的相似度确定聚类组合。
10.根据权利要求9所述的方法,其特征在于,所述确定各联系人组合之间的相似度,包括:
获取各联系人组合分别对应的特征向量,并确定所述各联系人组合对应的特征向量之间的距离;
基于所述各联系人组合对应的特征向量之间的距离确定所述各联系人组合之间的相似度。
11.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述目标关注对象的标签非目标关注标签时,将所述目标关注对象的标签设置为目标关注标签;
将所述目标关注对象移动到所述目标关注标签对应的联系人分组中。
12.一种信息流处理装置,其特征在于,所述装置包括:
第一展示模块,用于在第一页面展示原始信息流;所述原始信息流包括用户的各联系人分享的按分享时序排序的分享内容;
提示模块,用于在所述第一页面中展示提示入口;
触发模块,用于当触发对所述提示入口的触发操作时,进入第二页面;
第二展示模块,用于在所述第二页面中展示关注对象信息流中的分享内容;所述关注对象信息流包括从所述用户的联系人集合中识别出的目标关注对象所分享的分享内容。
13.权利要求12所述的装置,其特征在于,所述装置还包括:
所述提示模块还用于在所述提示入口处,展示所述关注对象信息流中的分享内容所对应的联系人标识信息;
更新模块,用于当所述关注对象信息流中的分享内容更新时,将所述提示入口处的联系人标识信息更新。
14.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述的方法的步骤。
15.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010339270.0A CN111523053A (zh) | 2020-04-26 | 2020-04-26 | 信息流处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010339270.0A CN111523053A (zh) | 2020-04-26 | 2020-04-26 | 信息流处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111523053A true CN111523053A (zh) | 2020-08-11 |
Family
ID=71902966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010339270.0A Pending CN111523053A (zh) | 2020-04-26 | 2020-04-26 | 信息流处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523053A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112040330A (zh) * | 2020-09-09 | 2020-12-04 | 北京字跳网络技术有限公司 | 视频文件的处理方法、装置、电子设备及计算机存储介质 |
CN113987369A (zh) * | 2021-12-27 | 2022-01-28 | 北京多氪信息科技有限公司 | 关注用户的信息展示方法、装置、设备和介质 |
CN114238673A (zh) * | 2021-12-14 | 2022-03-25 | 北京字跳网络技术有限公司 | 内容展示方法、装置、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102769579A (zh) * | 2011-05-05 | 2012-11-07 | 腾讯科技(深圳)有限公司 | 一种微博消息的显示方法、微博终端及微博服务器端 |
WO2015067156A1 (en) * | 2013-11-07 | 2015-05-14 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for arranging instant messaging windows |
CN105391614A (zh) * | 2014-09-05 | 2016-03-09 | 腾讯科技(北京)有限公司 | 消息的处理方法和装置 |
US20160255082A1 (en) * | 2016-03-27 | 2016-09-01 | Yogesh Rathod | Identifying & storing followers, following users, viewers, users and connections for user |
CN106789565A (zh) * | 2016-12-12 | 2017-05-31 | 北京小米移动软件有限公司 | 社交内容分享方法及装置 |
CN107071181A (zh) * | 2017-04-27 | 2017-08-18 | 长沙军鸽软件有限公司 | 一种自动匹配通讯联系人的方法 |
CN108111390A (zh) * | 2017-11-13 | 2018-06-01 | 上海掌门科技有限公司 | 联系人管理方法、设备及存储介质 |
CN108259529A (zh) * | 2016-12-28 | 2018-07-06 | 深圳市优朋普乐传媒发展有限公司 | 一种页面分享信息的获取方法及装置 |
CN108334395A (zh) * | 2018-03-21 | 2018-07-27 | 平安普惠企业管理有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
CN109753607A (zh) * | 2019-01-08 | 2019-05-14 | 北京俩俩科技有限公司 | 一种陈列用户信息流的方法及系统 |
CN110399562A (zh) * | 2019-07-31 | 2019-11-01 | 广州市百果园信息技术有限公司 | 用于社交应用的信息展示装置、方法、展示终端和介质 |
CN110837609A (zh) * | 2019-11-12 | 2020-02-25 | 腾讯科技(深圳)有限公司 | 社交信息处理方法和相关产品 |
-
2020
- 2020-04-26 CN CN202010339270.0A patent/CN111523053A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102769579A (zh) * | 2011-05-05 | 2012-11-07 | 腾讯科技(深圳)有限公司 | 一种微博消息的显示方法、微博终端及微博服务器端 |
WO2015067156A1 (en) * | 2013-11-07 | 2015-05-14 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for arranging instant messaging windows |
CN105391614A (zh) * | 2014-09-05 | 2016-03-09 | 腾讯科技(北京)有限公司 | 消息的处理方法和装置 |
US20160255082A1 (en) * | 2016-03-27 | 2016-09-01 | Yogesh Rathod | Identifying & storing followers, following users, viewers, users and connections for user |
CN106789565A (zh) * | 2016-12-12 | 2017-05-31 | 北京小米移动软件有限公司 | 社交内容分享方法及装置 |
CN108259529A (zh) * | 2016-12-28 | 2018-07-06 | 深圳市优朋普乐传媒发展有限公司 | 一种页面分享信息的获取方法及装置 |
CN107071181A (zh) * | 2017-04-27 | 2017-08-18 | 长沙军鸽软件有限公司 | 一种自动匹配通讯联系人的方法 |
CN108111390A (zh) * | 2017-11-13 | 2018-06-01 | 上海掌门科技有限公司 | 联系人管理方法、设备及存储介质 |
WO2019091202A1 (zh) * | 2017-11-13 | 2019-05-16 | 上海掌门科技有限公司 | 联系人管理方法、设备及存储介质 |
CN108334395A (zh) * | 2018-03-21 | 2018-07-27 | 平安普惠企业管理有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
CN109753607A (zh) * | 2019-01-08 | 2019-05-14 | 北京俩俩科技有限公司 | 一种陈列用户信息流的方法及系统 |
CN110399562A (zh) * | 2019-07-31 | 2019-11-01 | 广州市百果园信息技术有限公司 | 用于社交应用的信息展示装置、方法、展示终端和介质 |
CN110837609A (zh) * | 2019-11-12 | 2020-02-25 | 腾讯科技(深圳)有限公司 | 社交信息处理方法和相关产品 |
Non-Patent Citations (2)
Title |
---|
FABIO AGASPARETTI: "Modeling User interests from web browsing activities", DATA MIN KNOWL DISC, pages 503 - 547 * |
程倩倩;王路路;郑涛;姬东鸿;: "基于多特征分类的微博好友推荐", 计算机工程, no. 04, pages 65 - 69 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112040330A (zh) * | 2020-09-09 | 2020-12-04 | 北京字跳网络技术有限公司 | 视频文件的处理方法、装置、电子设备及计算机存储介质 |
CN112040330B (zh) * | 2020-09-09 | 2021-12-07 | 北京字跳网络技术有限公司 | 视频文件的处理方法、装置、电子设备及计算机存储介质 |
US11889143B2 (en) | 2020-09-09 | 2024-01-30 | Beijing Zitiao Network Technology Co., Ltd. | Video file processing method and apparatus, electronic device, and computer storage medium |
CN114238673A (zh) * | 2021-12-14 | 2022-03-25 | 北京字跳网络技术有限公司 | 内容展示方法、装置、设备及存储介质 |
CN114238673B (zh) * | 2021-12-14 | 2024-06-11 | 北京字跳网络技术有限公司 | 内容展示方法、装置、设备及存储介质 |
CN113987369A (zh) * | 2021-12-27 | 2022-01-28 | 北京多氪信息科技有限公司 | 关注用户的信息展示方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109039671B (zh) | 群组消息显示方法、装置、终端及存储介质 | |
US11042590B2 (en) | Methods, systems and techniques for personalized search query suggestions | |
US20210397645A1 (en) | Image search method and apparatus, computer device, and storage medium | |
US11080287B2 (en) | Methods, systems and techniques for ranking blended content retrieved from multiple disparate content sources | |
CN111523053A (zh) | 信息流处理方法、装置、计算机设备和存储介质 | |
US10417206B2 (en) | Method and system for associating data from different sources to generate a person-centric space | |
CN112286608B (zh) | 消息转发方法、装置、计算机设备和存储介质 | |
CN104202718A (zh) | 一种向用户提供信息的方法与装置 | |
US11899728B2 (en) | Methods, systems and techniques for ranking personalized and generic search query suggestions | |
US11558324B2 (en) | Method and system for dynamically generating a card | |
CN112818224B (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
CN112231463A (zh) | 会话展示方法、装置、计算机设备和存储介质 | |
US11836169B2 (en) | Methods, systems and techniques for providing search query suggestions based on non-personal data and user personal data according to availability of user personal data | |
CN111767396A (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
CN110795589A (zh) | 一种图像搜索方法、装置、计算机设备和存储介质 | |
CN111510439A (zh) | 会话提醒方法、装置、计算机设备和存储介质 | |
CN108401005B (zh) | 一种表情推荐方法和装置 | |
CN112615958A (zh) | 联系人显示方法、装置及电子设备 | |
CN112507218A (zh) | 业务对象推荐方法、装置、电子设备及存储介质 | |
WO2017062256A1 (en) | Method and system for generating a card based on intent | |
CN113869063A (zh) | 数据推荐方法、装置、电子设备及存储介质 | |
CN112269504A (zh) | 信息展示方法、装置及电子设备 | |
CN111125544A (zh) | 用户推荐方法及装置 | |
US20170097959A1 (en) | Method and system for searching in a person-centric space | |
CN110661693A (zh) | 促进在计算装置中执行的基于媒体的内容共享的方法、计算装置可读存储介质以及计算装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40027960 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |