CN111625620A - 信息处理方法和装置 - Google Patents

Abstract

本发明实施例提供一种信息处理方法和装置，该方法包括：在显示标签信息时，不是直接显示固定的标签信息，而是先从目标对象对应的词汇库中获取M个用于指示目标对象的属性的特征词，并分别确定M个特征词中每个特征词的权重值，以根据每个特征词的权重值，动态地从M个特征词中确定N个特征词作为待显示的特征词进行显示，提高了显示的标签信息的灵活度，从而提高了用户的体验。

Description

信息处理方法和装置

技术领域

本发明涉及信息处理技术领域，尤其涉及一种信息处理方法和装置。

背景技术

随着电子商务的不断崛起，网上购物已经成为人们生活中必不可少的一部分，网上购物不仅便利，而且在价格上比实体店更加优惠。在网上购物时，是通过查看商品详情获取该商品的相关信息，此外，还可以通过浏览商品的评论信息来判断商品是否符合自己的预期，以确保可以买到心怡的商品。

在浏览商品的评论信息时，对于一些销量较好的商品，评论信息的条数多则几十万条，少则也有几千条，为了方便用户查看评论信息，网购平台会向用户显示一些固定的标签信息，并通过这些标签信息将用户的评论信息进行分类，从而方便用户查看所需的评论信息。例如，固定的标签信息可以为好评、中评、差评、有图评价、追加评价，当用户点击某一个标签信息时，该标签信息对应的相关评论信息就会被显示出来，以供用户查看。

但是，现有的网购平台只具有简单的标签信息分类功能，因而只能向用户显示一些固定的标签信息，不能满足用户的不同需求，使得显示的标签信息的灵活度不高，从而导致用户的体验不好。

发明内容

本发明实施例提供一种信息处理方法和装置，使得在显示标签信息时，提高显示的标签信息的灵活度，从而提高用户的体验。

第一方面，本发明实施例提供一种信息处理方法，该信息处理方法可以包括：

从目标对象对应的词汇库中获取M个特征词；所述特征词用于指示所述目标对象的属性；

分别确定所述M个特征词中每个特征词的权重值；

根据所述每个特征词的权重值，从所述M个特征词中确定N个特征词，并显示所述N个特征词；

M和N均为正整数，且N小于或等于M。

在一种可能的实现方式中，所述根据所述每个特征词的权重值，从所述M个特征词中确定N个特征词，包括：

按照所述每个特征词的权重值从大到小的顺序，从所述M个特征词中选择前N个特征词。

在一种可能的实现方式中，所述显示所述N个特征词，包括：

根据所述每个特征词的权重值，确定所述每个特征词的显示位置；

根据所述每个特征词的显示位置，显示所述每个特征词。

在一种可能的实现方式中，确定所述M个特征词中每个特征词的权重值，包括：

获取每个特征词的历史搜索次数和/或历史点击次数；

根据所述历史搜索次数和/或历史点击次数，确定所述每个特征词的权重值。

在一种可能的实现方式中，所述信息处理方法还可以包括：

接收用于选择第一特征词的选择指令；

根据所述选择指令，确定包含所述第一特征词的评论信息；

显示包含所述第一特征词的评论信息。

在一种可能的实现方式中，所述从目标对象对应的词汇库中获取M个特征词之前，还包括：

获取所述目标对象对应的历史评论信息；

根据所述历史评论信息，建立所述目标对象对应的词汇库。

在一种可能的实现方式中，所述根据所述历史评论信息，建立所述目标对象对应的词汇库，包括：

对所述历史评论信息进行分词处理，得到所述历史评论信息对应的词汇；

从所述历史评论信息对应的词汇中选择用于指示所述目标对象的属性的目标词汇；

根据所述目标词汇，建立所述目标对象对应的词汇库。

第二方面，本发明实施例还提供一种信息处理装置，该信息处理装置可以包括：

获取单元，用于从目标对象对应的词汇库中获取M个特征词；所述特征词用于指示所述目标对象的属性；

处理单元，用于分别确定所述M个特征词中每个特征词的权重值；并根据所述每个特征词的权重值，从所述M个特征词中确定N个特征词；

显示单元，用于显示所述N个特征词；

M和N均为正整数，且N小于或等于M。

在一种可能的实现方式中，所述处理单元，具体用于按照所述每个特征词的权重值从大到小的顺序，从所述M个特征词中选择前N个特征词。

在一种可能的实现方式中，所述处理单元，还用于根据所述每个特征词的权重值，确定所述每个特征词的显示位置；

所述显示单元，具体用于根据所述每个特征词的显示位置，显示所述每个特征词。

在一种可能的实现方式中，所述处理单元，具体用于获取每个特征词的历史搜索次数和/或历史点击次数；并根据所述历史搜索次数和/或历史点击次数，确定所述每个特征词的权重值。

在一种可能的实现方式中，该信息处理装置还可以包括接收单元；

所述接收单元，用于接收用于选择第一特征词的选择指令；

所述处理单元，还用于根据所述选择指令，确定包含所述第一特征词的评论信息；

所述显示单元，还用于显示包含所述第一特征词的评论信息。

在一种可能的实现方式中，所述获取单元，还用于获取所述目标对象对应的历史评论信息；

所述处理单元，还用于根据所述历史评论信息，建立所述目标对象对应的词汇库。

在一种可能的实现方式中，所述处理单元，具体用于对所述历史评论信息进行分词处理，得到所述历史评论信息对应的词汇；从所述历史评论信息对应的词汇中选择用于指示所述目标对象的属性的目标词汇；并根据所述目标词汇，建立所述目标对象对应的词汇库。

第三方面，本发明实施例还提供一种处理装置，该处理装置可以包括处理器和存储器，其中，

所述存储器用于存储程序指令；

所述处理器用于读取所述存储器中的程序指令，并根据所述存储器中的程序指令执行上述第一方面任一种可能的实现方式中所述的信息处理方法。

第四方面，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，在所述计算机程序被处理器执行时，执行上述第一方面任一种可能的实现方式中所述的信息处理方法。

本发明实施例提供的信息处理方法和装置，在显示标签信息时，不是直接显示固定的标签信息，而是先从目标对象对应的词汇库中获取M个用于指示目标对象的属性的特征词，并分别确定M个特征词中每个特征词的权重值，以根据每个特征词的权重值，动态地从M个特征词中确定N个特征词作为待显示的特征词进行显示，提高了显示的标签信息的灵活度，从而提高了用户的体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种信息处理方法的流程示意图；

图2为本发明实施例提供的一种建立目标对象对应的词汇库的流程示意图；

图3为本发明实施例提供的一种选择N个特征词，并显示该N个特征词的流程示意图；

图4为本发明实施例提供的一种信息处理装置的结构示意图；

图5为本发明实施例提供的另一种信息处理装置的结构示意图；

图6为本发明实施例提供的一种处理装置的结构示意图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本发明的实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。在本发明的文字描述中，字符“/”一般表示前后关联对象是一种“或”的关系。

为了解决现有技术中在显示标签信息时，使得显示的标签信息的灵活度不高，从而导致用户的体验不好的问题，本发明实施例提供了一种信息处理方法，在显示标签信息时，不是直接显示固定的标签信息，而是先从目标对象对应的词汇库中获取M个用于指示目标对象的属性的特征词，并分别确定M个特征词中每个特征词的权重值，以根据每个特征词的权重值，动态地从M个特征词中确定N个特征词作为待显示的特征词进行显示，提高了显示的标签信息的灵活度，从而提高了用户的体验。

下面以具体的实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

图1为本发明实施例提供的一种信息处理方法的流程示意图，该信息处理方法可以由信息处理装置执行，该信息处理装置可以独立设置，也可以集成在处理器中。请参见图1所示，该信息处理方法可以包括：

S101、从目标对象对应的词汇库中获取M个特征词。

其中，特征词用于指示目标对象的属性。示例的，当目标对象为水果时，对应的特征词可以包括色泽、硬度、新鲜度、成熟度、大小、口感、味道等特征词，当然，也可以包括有图评论、视频评论、追加评论等特征词；对目标对象为衣物时，对应的特征词可以包括尺寸、颜色、舒适度、版型、质量等特征词，当然，同样也可以包括有图评论、视频评论、追加评论等特征词。在此，本发明实施例只是以目标对应为水果或者衣物为例进行说明，但并不代表本发明实施例仅局限于此。

可以理解的是，在本发明实施例中，对于每一个目标对象而言，均对应设置有该目标对象对应的词汇库，该词汇库中存储了用于指示该目标对象的属性的特征词；或者，对于每一类目标对象，设置有该类目标对象对应的词汇库，例如，水果类或者衣物类，该词汇库中存储了用于指示该类目标对象的属性的特征词；当然，也可以对于所有目标对象，只设置一个词汇库，该词汇库中存储了用于指示所有目标对象的属性的特征词。在此，本发明实施例只是以每一个目标对象均一个词汇库为例进行说明，但并不代表本发明实施例仅局限于此。

通过S101从目标对象对应的词汇库中获取M个特征词之后，可以执行下述S102：

S102、分别确定M个特征词中每个特征词的权重值。

其中，每个特征词的权重值可以根据该特征词的历史搜索次数和/或历史点击次数确定，历史搜索次数可以理解为该特征词之前被搜索过的次数，历史点击次数可以理解为该特征词之前被点击过的次数。详细来说，每个特征词的权重值可以仅根据该特征词的历史搜索次数确定，也可以仅根据该特征词的历史点击次数确定，当然，也可以根据该特征词的历史搜索次数和历史点击次数共同确定。可以理解的是，在本发明实施例中，只是以可以根据特征词的历史搜索次数和/或历史点击次数确定特征词的权重值为例进行说明，但并不代表本发明实施例仅局限于此。

在分别确定M个特征词中每一个特征词的权重值之后，就可以根据每一个特征词的权重值，从M个特征词中选择N个特征词并显示该N个特征词，即执行下述S103：

S103、根据每个特征词的权重值，从M个特征词中确定N个特征词，并显示N个特征词。

其中，M和N均为正整数，且N小于或等于M。

由此可见，本发明实施例提供的信息处理方法，在显示标签信息时，不是直接显示固定的标签信息，而是先从目标对象对应的词汇库中获取M个用于指示目标对象的属性的特征词，并分别确定M个特征词中每个特征词的权重值，以根据每个特征词的权重值，动态地从M个特征词中确定N个特征词作为待显示的特征词进行显示，提高了显示的标签信息的灵活度，从而提高了用户的体验。

基于图1所示的实施例，可选的，在执行上述S101从目标对象对应的词汇库中获取M个特征词之前，可以先建立目标对象对应的词汇库，并在建立该目标对象对应的词汇库之后，执行上述S101从目标对象对应的词汇库中获取M个特征词。示例的，请参见图2所示，图2为本发明实施例提供的一种建立目标对象对应的词汇库的流程示意图，该方法可以包括：

S201、获取目标对象对应的历史评论信息。

当一用户购买某一目标对象之后，用户就可以在该目标对象的评论页面输入对该目标对象的评论信息，对应的，处理器也会记录并存储用户输入的评论信息，这些评论信息即为历史评论信息。

在获取目标对象对应的历史评论信息时，可以通过查看预先存储的历史评论信息获取该目标对象对应的历史评论信息；并在获取到该目标对象对应的历史评论信息之后，对该历史评论信息进行分词处理，以得到历史评论信息对应的词汇，即执行下述S202：

S202、对历史评论信息进行分词处理，得到历史评论信息对应的词汇。

其中，分词处理，可以理解为把文章拆分为段落，把段落拆分为语句，把语句拆分为一个个词汇，分词处理都是基于词汇进行的。

通常情况下，历史评论信息都是以自然语言处理文本的形式存储的，对自然语言处理文本进行分类时，通常是先对样本分词，并提取特征词；再计算特征词权重，根据每个特征词的权重值构建样本的词向量；之后，再对样本进行分类标注，选择一种分类算法训练分类器。在本发明实施例中，由于无需对这些历史评论信息进行精确分类，可以省略后面三个步骤，即无需对样本进行分类标注等。

示例的，以某一历史评论信息为“物流很快，包装很好，没有任何破损，是2018年5月份的，很新鲜。特意和在超市买的对比了，就是生产地不同，别的地方没有明显的区别。闻着味道香，吃过了再来评价”进行说明，在对该历史评论信息进行分词处理之后，得到其对应的词汇“物流、很快、包装、很好、没有、任何、破损、损、2018、年、5、月份、月、份、很新、新鲜、鲜、特意、和在、超市、买、对比、比了、就是、生产、产地、不同、别的、地方、没有、明显、区别、闻、味道、香、吃过、吃、过了、再来、评价”。在通过S202对历史评论信息进行分词处理，得到历史评论信息对应的词汇之后，就可以执行下述S203：

S203、从历史评论信息对应的词汇中选择用于指示目标对象的属性的目标词汇。

结合上述S202中的描述，对历史评论信息“物流很快，包装很好，没有任何破损，是2018年5月份的，很新鲜。特意和在超市买的对比了，就是生产地不同，别的地方没有明显的区别。闻着味道香，吃过了再来评价”进行分词处理后，得到的分词中包括名词、形容词、动词、助词等。可以看出，名词、形容词等是一条评论最核心的元素，例如：物流、新鲜、破损、产地、味道等，这些都可以作为用于指示目标对象的属性的目标词汇。此外，由于动词、助词等对分类的作用并不大，例如：没有、再来、就是等等；因此，可以对分词进行词性标注，同时提取名词、形容词，同时剔除其他词性的词，从而降低了这些无效词的干扰，进一步提高了目标词汇的准确度。

在通过S203从历史评论信息对应的词汇中选择用于指示目标对象的属性的目标词汇之后，就可以根据目标词汇建立目标对象对应的词汇库，即执行下述S204：

S204、根据目标词汇，建立目标对象对应的词汇库。

在根据目标词汇建立目标对象对应的词汇库中，可以直接将S203中选择的所有目标词汇作为特征词，从而根据这些特征词建立该目标对象对应的词汇库；也可以统计每个词出现的次数，例如采用词频-逆文本频率指数(term frequency–inverse documentfrequency，TF-IDF)算法，将S203中选择的目标词汇中的部分目标词汇作为特征词，从而根据部分特征词建立该目标对象对应的词汇库。在此，对于TF-IDF算法，本发明实施例不再进行赘述。

可以理解的是，在根据特征词建立目标对象对应的词汇库后，每个特征词都对应有各自的权重值，且每个特征词对应的初始权重值均为0，当某一特征词被搜索一次，则该特征词对应的权重值增加；或者，当某一特征词被点击一次，则该特征词对应的权重值增加。示例的，被搜索一次或者被点击一次，该特征词对应的权重值加1。

在通过上述图2所示的实施例建立目标对象对应的词汇库之后，就可以从目标对象对应的词汇库中获取M个特征词，并根据M个特征词中每一个特征词的权重值，从M个特征词中选择N个特征词，并显示该N个特征词，示例的，可参见下述图3所示，图3为本发明实施例提供的一种选择N个特征词，并显示该N个特征词的流程示意图，该方法可以包括：

S301、获取M个特征词中，每个特征词的历史搜索次数和/或历史点击次数。

S302、根据历史搜索次数和/或历史点击次数，确定每个特征词的权重值。

对于每一个特征词而言，若每一特征词被用户搜索一次，或者被用户点击一次，则动态调整该特征词对应的权重值。示例的，在调整特征词的权重值时，用户选择查看某一个特征词对应的评论信息，可以将该特征词的权重值加1。若大量用户频繁的点击特征词“尺码偏大”，则说明该特征词的重要性很高。可以理解的是，在调整特征词的权重值时，也可以在客户端提供一个输入框，用户输入一个关键词，在特征词库中检索该关键词，若查找到该关键词，则获取该关键词对应的评论信息列表，从而达到用户查看特征词对应的评论信息的目的，同时将检索匹配到的特征词的权重值加1。需要说明的是，每一个特征词对应的评论信息可以通过一个列表进行维护，列表中存放的是包含该条特征词的评论信息的标识。

在获取到每个特征词的权重值之后，就可以执行下述S303：

S303、按照每个特征词的权重值从大到小的顺序，从M个特征词中选择前N个特征词。

可选的，在本发明实施例中，在M个特征词中选择前N个特征词时，可以按照每个特征词的权重值，将每个特征词的权重值按照从大到小的顺序进行排序，并将排序后的前N个特征词最为将要显示的N个特征词；当然，也可以按照每个特征词的权重值，将每个特征词的权重值按照从小到大的顺序进行排序，并将排序后的后N个特征词最为将要显示的N个特征词；在此，本发明实施例只是以这两种方式为例进行说明，但并不代表本发明实施例仅局限于次。

在从M个特征词中选择前N个特征词之后，就可以显示该N个特征词，即执行下述S304：

S304、显示N个特征词。

可选的，在显示N个特征词时，可以根据每个特征词的权重值，确定每个特征词的显示位置；并根据每个特征词的显示位置，显示每个特征词。

示例的，在显示每个特征词时，可以按照每个特征词的权重值，将权重值最高的特征词显示在最明显的位置，即用户最先可以看到的位置，以便用户查看该特征词对应的评论信息，从而为用户提供决策意见。

需要说明的是，在显示某一特征词对应的评论信息时，若某一评论信息中包括多个特征词，则将该条评论信息放在特征词对应的列表中的靠前位置。例如，某一条评论信息为“我买的这双鞋子不太满意，鞋子尺码偏大，不过价格比较便宜”，可以看出，该条评论信息包括特征词“尺码偏大”和特征词“便宜”，则可以将该条评论信息放在特征词“尺码偏大”和特征词“便宜”对应的列表中的靠前位置。此外，若特征词“尺码偏大”的权重值大于特征词“便宜”的权重值，则这条评论信息的标号在特征词“尺码偏大”维护的列表中的位置更靠前。这样，用户在筛选这个特征词对应的评论信息时，这条评论的位置能更靠前展示出来。

在显示每个特征词之后，若用户要查看某一特征词对应的评论信息，则对于处理器而言，可以接收用于选择第一特征词的选择指令；根据选择指令，确定包含第一特征词的评论信息；并显示包含第一特征词的评论信息。

示例的，当处理器检测到用户点击特征词“尺码偏大”的操作时，可以先查找并确定该特征词“尺码偏大”对应的评论信息，并在确定该特征词“尺码偏大”对应的评论信息之后，向用户显示该特征词“尺码偏大”对应的评论信息，以供用户查看，从而为用户提供决策意见。

图4为本发明实施例提供的一种信息处理装置40的结构示意图，示例的，请参见图4所示，该信息处理装置40可以包括：

获取单元401，用于从目标对象对应的词汇库中获取M个特征词；特征词用于指示目标对象的属性。

处理单元402，用于分别确定M个特征词中每个特征词的权重值；并根据每个特征词的权重值，从M个特征词中确定N个特征词。

显示单元403，用于显示N个特征词；M和N均为正整数，且N小于或等于M。

可选的，处理单元402，具体用于按照每个特征词的权重值从大到小的顺序，从M个特征词中选择前N个特征词。

可选的，处理单元402，还用于根据每个特征词的权重值，确定每个特征词的显示位置。

显示单元403，具体用于根据每个特征词的显示位置，显示每个特征词。

可选的，处理单元402，具体用于获取每个特征词的历史搜索次数和/或历史点击次数；并根据历史搜索次数和/或历史点击次数，确定每个特征词的权重值。

可选的，该信息处理装置40还可以包括接收单元404，示例的，请参见图5所示，图5为本发明实施例提供的另一种信息处理装置40的结构示意图。

接收单元404，用于接收用于选择第一特征词的选择指令。

处理单元402，还用于根据选择指令，确定包含第一特征词的评论信息。

显示单元403，还用于显示包含第一特征词的评论信息。

可选的，获取单元401，还用于获取目标对象对应的历史评论信息。

处理单元402，还用于根据历史评论信息，建立目标对象对应的词汇库。

可选的，处理单元402，具体用于对历史评论信息进行分词处理，得到历史评论信息对应的词汇；从历史评论信息对应的词汇中选择用于指示目标对象的属性的目标词汇；并根据目标词汇，建立目标对象对应的词汇库。

本发明实施例所示的信息处理装置40，可以执行上述任一实施例所示的信息处理方法的技术方案，其实现原理以及有益效果与信息处理方法的实现原理以及有益效果类似，此处不再进行赘述。

图6为本发明实施例提供的一种处理装置60的结构示意图，示例的，请参见图6所示，该处理装置60可以包括处理器601和存储器602，其中，

存储器602用于存储程序指令；

处理器601用于读取存储器602中的程序指令，并根据存储器602中的程序指令执行上述任一实施例所示的信息处理方法。

本发明实施例所示的处理装置60，可以执行上述任一实施例所示的信息处理方法的技术方案，其实现原理以及有益效果与信息处理方法的实现原理以及有益效果类似，此处不再进行赘述。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，在计算机程序被处理器执行时，执行上述任一实施例所示的信息处理方法的技术方案，其实现原理以及有益效果与信息处理方法的实现原理以及有益效果类似，此处不再进行赘述。

上述实施例中处理器可以是通用处理器、数字信号处理器(digital signalprocessor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(random access memory，RAM)、闪存、只读存储器(read-only memory，ROM)、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的指令，结合其硬件完成上述方法的步骤。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，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，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，在本发明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。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (16)

1.一种信息处理方法，其特征在于，包括：

从目标对象对应的词汇库中获取M个特征词；所述特征词用于指示所述目标对象的属性；

分别确定所述M个特征词中每个特征词的权重值；

根据所述每个特征词的权重值，从所述M个特征词中确定N个特征词，并显示所述N个特征词；

M和N均为正整数，且N小于或等于M。

2.根据权利要求1所述的方法，其特征在于，所述根据所述每个特征词的权重值，从所述M个特征词中确定N个特征词，包括：

按照所述每个特征词的权重值从大到小的顺序，从所述M个特征词中选择前N个特征词。

3.根据权利要求1所述的方法，其特征在于，所述显示所述N个特征词，包括：

根据所述每个特征词的权重值，确定所述每个特征词的显示位置；

根据所述每个特征词的显示位置，显示所述每个特征词。

4.根据权利要求1所述的方法，其特征在于，确定所述M个特征词中每个特征词的权重值，包括：

获取每个特征词的历史搜索次数和/或历史点击次数；

根据所述历史搜索次数和/或历史点击次数，确定所述每个特征词的权重值。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

接收用于选择第一特征词的选择指令；

根据所述选择指令，确定包含所述第一特征词的评论信息；

显示包含所述第一特征词的评论信息。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述从目标对象对应的词汇库中获取M个特征词之前，还包括：

获取所述目标对象对应的历史评论信息；

根据所述历史评论信息，建立所述目标对象对应的词汇库。

7.根据权利要求6所述的方法，其特征在于，所述根据所述历史评论信息，建立所述目标对象对应的词汇库，包括：

对所述历史评论信息进行分词处理，得到所述历史评论信息对应的词汇；

从所述历史评论信息对应的词汇中选择用于指示所述目标对象的属性的目标词汇；

根据所述目标词汇，建立所述目标对象对应的词汇库。

8.一种信息处理装置，其特征在于，包括：

获取单元，用于从目标对象对应的词汇库中获取M个特征词；所述特征词用于指示所述目标对象的属性；

处理单元，用于分别确定所述M个特征词中每个特征词的权重值；并根据所述每个特征词的权重值，从所述M个特征词中确定N个特征词；

显示单元，用于显示所述N个特征词；

M和N均为正整数，且N小于或等于M。

9.根据权利要求8所述的装置，其特征在于，

所述处理单元，具体用于按照所述每个特征词的权重值从大到小的顺序，从所述M个特征词中选择前N个特征词。

10.根据权利要求8所述的装置，其特征在于，

所述处理单元，还用于根据所述每个特征词的权重值，确定所述每个特征词的显示位置；

所述显示单元，具体用于根据所述每个特征词的显示位置，显示所述每个特征词。

11.根据权利要求8所述的装置，其特征在于，

所述处理单元，具体用于获取每个特征词的历史搜索次数和/或历史点击次数；并根据所述历史搜索次数和/或历史点击次数，确定所述每个特征词的权重值。

12.根据权利要求8-11任一项所述的装置，其特征在于，还包括接收单元；

所述接收单元，用于接收用于选择第一特征词的选择指令；

所述处理单元，还用于根据所述选择指令，确定包含所述第一特征词的评论信息；

所述显示单元，还用于显示包含所述第一特征词的评论信息。

13.根据权利要求8-11任一项所述的装置，其特征在于，

所述获取单元，还用于获取所述目标对象对应的历史评论信息；

所述处理单元，还用于根据所述历史评论信息，建立所述目标对象对应的词汇库。

14.根据权利要求13所述的装置，其特征在于，

所述处理单元，具体用于对所述历史评论信息进行分词处理，得到所述历史评论信息对应的词汇；从所述历史评论信息对应的词汇中选择用于指示所述目标对象的属性的目标词汇；并根据所述目标词汇，建立所述目标对象对应的词汇库。

15.一种处理装置，其特征在于，包括处理器和存储器，其中，

所述存储器用于存储程序指令；

所述处理器用于读取所述存储器中的程序指令，并根据所述存储器中的程序指令执行权利要求1-7任一项所述的信息处理方法。

16.一种计算机可读存储介质，其特征在于，

计算机可读存储介质上存储有计算机程序，在所述计算机程序被处理器执行时，执行权利要求1-7任一项所述的信息处理方法。

Images