CN111723293B - 一种文章内容的推荐方法、装置、电子设备及存储介质 - Google Patents
一种文章内容的推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111723293B CN111723293B CN202010591733.2A CN202010591733A CN111723293B CN 111723293 B CN111723293 B CN 111723293B CN 202010591733 A CN202010591733 A CN 202010591733A CN 111723293 B CN111723293 B CN 111723293B
- Authority
- CN
- China
- Prior art keywords
- recommended
- keyword
- article
- content
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000012015 optical character recognition Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010276 construction 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
- 239000006071 cream Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects 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
- 238000007619 statistical method Methods 0.000 description 1
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本申请提供了一种文章内容的推荐方法、装置、电子设备及存储介质,所述推荐方法包括获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与至少一个物品对应的待推荐内容池;从获取到的至少一个物品信息中提取出多个关键词,并从待推荐内容池中确定出与每个关键词关联的至少一个待推荐文章内容;针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度;基于每个待推荐文章内容的至少一个关联度,从至少一个待推荐文章内容中确定出推荐给目标用户的目标文章内容。根据待推荐文章内容与物品之间的关联度准确的为目标用户推荐目标文章内容,提高了为用户推荐感兴趣的内容的精确度。
Description
技术领域
本申请涉及内容推荐技术领域,尤其是涉及一种文章内容的推荐方法、装置、电子设备及存储介质。
背景技术
在推荐算法中,基于内容的推荐是一种推荐系统的重要组成部分。在微信生态体系中,主要表现如下:一个公众号的主体发布文章后推荐给什么样的用户;向用户推荐文章池中所对应的文章。
对于现有技术方案,通常采用用户画像进行对应内容的匹配推荐,但用户画像的标签需要技术人员通过经验进行设置,这样,容易造成在对应内容的匹配推荐过程中出现匹配不精确的问题,导致为用户推荐的内容并不是用户感兴趣的。
发明内容
有鉴于此,本申请的目的在于提供一种文章内容的推荐方法、装置、电子设备及存储介质,通过与物品对应的关键词和与该关键词对应的待推荐文章内容建立物品与待推荐文章内容之间的关联度,从而可以准确的确定出推荐给目标用户的目标文章内容,提高了为用户推荐用户感兴趣的内容的精确度。
第一方面,本申请提供了一种文章内容的推荐方法,所述推荐方法包括:
获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池;
从获取到的至少一个物品信息中提取出多个关键词,并从所述待推荐内容池中确定出与每个关键词关联的至少一个待推荐文章内容;
针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度;
基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容。
优选地,所述针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度,包括:
针对每个关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度;
基于所述第一相似度和所述第二相似度,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
优选地,所述针对每个关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度,包括:
针对每个关键词,获取该关键词在对应的物品信息中的第一出现次数和待推荐文章内容中的第二出现次数,该物品信息的第一词数总数和该待推荐文章内容的第二词数总数;与该关键词对应的至少一个物品的第一数量和与该关键词对应的至少一个待推荐文章的第二数量,以及目标用户选择的至少一个物品的第三数量和所述待推荐内容池中待推荐文章的第四数量;
基于所述第一出现次数和所述第一词数总数,确定该关键词的第一词频信息,并基于所述第二出现次数和所述第二词数总数,确定该关键词的第二词频信息;
基于所述第一数量和所述第三数量,确定该关键词的第一频率信息,并基于所述第二数量和所述第四数量,确定该关键词的第二频率信息;
基于所述第一词频信息和所述第一频率信息,确定与该关键词对应的物品和该关键词之间的第一相似度,以及基于所述第二词频信息和所述第二频率信息,确定与该关键词关联的待推荐文章内容与该关键词之间的第二相似度。
优选地,通过以下步骤确定从获取到的至少一个物品信息中提取出多个关键词:
对每个物品对应的物品信息进行分词处理,得到所述多个关键词。
优选地,所述基于所述第一相似度和所述第二相似度,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度,包括:
计算所述第一相似度和所述第二相似度之间的乘积;
确定所述乘积为与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
优选地,所述基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容,包括:
基于每个待推荐文章内容的至少一个关联度,确定每个待推荐文章内容对应的汇总关联度;
按照所述汇总关联度从高到低的顺序向所述目标用户推荐目标文章内容。
优选地,在所述获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池之前,所述推荐方法还包括:
获取每个物品对应的多个待推荐文章内容,其中,所述待推荐文章内容包括待推荐文字信息和待推荐图片信息;
识别所述待推荐图片信息中的文字信息;
基于所述待推荐文字信息和从所述待推荐图片信息中识别出的文字信息,确定至少一个物品对应的待推荐内容池。
第二方面,本申请实施例提供了一种文章内容的推荐装置,所述推荐装置包括:
第一获取模块,用于获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池;
第一确定模块,用于从获取到的至少一个物品信息中提取出多个关键词,并从所述待推荐内容池中确定出与每个关键词关联的至少一个待推荐文章内容;
第二确定模块,用于针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度;
第三确定模块,用于基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容。
优选地,所述第二确定模块在用于针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度时,所述第二确定模块用于:
针对每个关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度;
基于所述第一相似度和所述第二相似度,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
优选地,所述第二确定模块在用于针对每个关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度时,所述第二确定模块用于:
针对每个关键词,获取该关键词在对应的物品信息中的第一出现次数和待推荐文章内容中的第二出现次数,该物品信息的第一词数总数和该待推荐文章内容的第二词数总数;与该关键词对应的至少一个物品的第一数量和与该关键词对应的至少一个待推荐文章的第二数量,以及目标用户选择的至少一个物品的第三数量和所述待推荐内容池中待推荐文章的第四数量;
基于所述第一出现次数和所述第一词数总数,确定该关键词的第一词频信息,并基于所述第二出现次数和所述第二词数总数,确定该关键词的第二词频信息;
基于所述第一数量和所述第三数量,确定该关键词的第一频率信息,并基于所述第二数量和所述第四数量,确定该关键词的第二频率信息;
基于所述第一词频信息和所述第一频率信息,确定与该关键词对应的物品和该关键词之间的第一相似度,以及基于所述第二词频信息和所述第二频率信息,确定与该关键词关联的待推荐文章内容与该关键词之间的第二相似度。
优选地,所述第一确定模块用于通过以下步骤确定从获取到的至少一个物品信息中提取出多个关键词:
对每个物品对应的物品信息进行分词处理,得到所述多个关键词。
优选地,所述第二确定模块在用于基于所述第一相似度和所述第二相似度,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度时,所述第二确定模块用于:
计算所述第一相似度和所述第二相似度之间的乘积;
确定所述乘积为与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
优选地,所述第三确定模块在用于基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容时,所述第三确定模块用于:
基于每个待推荐文章内容的至少一个关联度,确定每个待推荐文章内容对应的汇总关联度;
按照所述汇总关联度从高到低的顺序向所述目标用户推荐目标文章内容。
优选地,在所述第一获取模块用于获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池之前,所述推荐装置还包括:
第二获取模块,用于获取每个物品对应的多个待推荐文章内容,其中,所述待推荐文章内容包括待推荐文字信息和待推荐图片信息;
识别模块,用于识别所述待推荐图片信息中的文字信息;
第四确定模块,用于基于所述待推荐文字信息和从所述待推荐图片信息中识别出的文字信息,确定至少一个物品对应的待推荐内容池。
第三方面,本申请实施例提供了一种电子设备,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所述总线通信,所述机器可读指令被所述处理器执行时执行如上所述的文章内容的推荐方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上所述的文章内容的推荐方法的步骤。
本申请实施例提供了一种文章内容的推荐方法、装置、电子设备及存储介质,所述推荐方法包括:先获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池;然后从获取到的至少一个物品信息中提取出多个关键词,并从所述待推荐内容池中确定出与每个关键词关联的至少一个待推荐文章内容;接着针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度;最后基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容。
这样,本申请实施例在建立待推荐文章内容与物品之间的关联度时,通过从物品信息中提取出多个关键词,并基于提取出的多个关键词找到与每个关键词关联的至少一个待推荐文章内容,进而,可以通过与物品对应的关键词和与该关键词对应的待推荐文章内容建立物品与待推荐文章内容之间的关联度,从而可以准确的确定出推荐给目标用户的目标文章内容,提高了为用户推荐用户感兴趣的内容的精确度。
为使本申请的上述目的、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申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,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为本申请实施例所提供的一种文章内容的推荐方法的流程图;
图2为本申请实施例所提供的另一种文章内容的推荐方法的流程图;
图3为本申请实施例所提供的一种文章内容的推荐装置的结构示意图之一;
图4为本申请实施例所提供的一种文章内容的推荐装置的结构示意图之二;
图5为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,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每个其他实施例,都属于本申请保护的范围。
请参阅图1,图1为本申请实施例所提供的一种文章内容的推荐方法的流程图,如图1中所示,本申请实施例提供了一种文章内容的推荐方法,所述推荐方法包括:
S110、获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池。
该步骤中,目标用户选择的物品包括目标用户曾经浏览超过1分钟的物品,或是曾经购买过的物品,也可以是加入购物车中的物品等,这些物品均可以认定为是目标用户选择的物品。物品信息可以是物品的标题、说明书介绍等内容。物品对应的待推荐内容池包括很多文章内容,待推荐内容池包括了目标商家所对应的所有文章内容,以保证为目标用户推荐文章内容的时候更加全面。
本申请实施例中,至少一个包括一个和多个两种情况,目标用户选择的物品数量通常是多个,在为目标用户推荐其感兴趣的文章内容时,需要基于目标用户选择的物品,每个物品对应的物品信息,以及与一个物品对应的待推荐内容池,或与多个物品都对应的待推荐内容池来综合选择。
由于目标用户喜爱以及选择的物品数量是不确定的,进而需要获取目标用户选择的所有物品以及每个物品对应的物品信息,这样根据目标用户选择的物品喜好对目标用户感兴趣的文章进行分析,进而为其推荐相应的文章内容,提高了文章内容推荐的准确性。
S120、从获取到的至少一个物品信息中提取出多个关键词,并从所述待推荐内容池中确定出与每个关键词关联的至少一个待推荐文章内容。
该步骤中,针对每个从目标用户的选择中获取到的物品,都需要提取多个关键词,然后从待推荐内容池中查找与每个关键词相关联的待推荐文章内容,其中,与一个关键词相关联的待推荐文章内容的数量可能为0个,可能为1个,也可能为多个,本申请实施例确定出与每个关键词关联的至少一个待推荐文章内容。
举例说明,物品的物品信息为该物品的标题,从标题中提取多个关键词,该关键词是基于中文分词技术得出的。需要说明的是,本申请实施例中的关键词并不一定是表示物品特征的词语,因为通过分词处理后,可能得到一些无关紧要的词,这些词也算在关键词的范围内。经过后面的算法处理后,可以将一些无关紧要的词语过滤过,只留下与物品特征有关的关键词。
S130、针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
该步骤中,通过物品的关键词建立物品与待推荐文章内容之间的关联度。先从一个物品中提取出多个关键词,然后基于提取出的关键词从待推荐内容池中找到与关键词相关联的待推荐文章内容,最后建立与该关键词对应的物品和与该关键词关联的每个待推荐文章内容之间的关联度。当目标用户选择的物品有多个时,每个物品都按照上述方法建立与待推荐文章内容之间的关联度。
S140、基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容。
该步骤中,基于每个待推荐文章内容的至少一个关联度,确定每个待推荐文章内容对应的目标用户选择的物品之间的总关联度,待推荐文章内容的总关联度越大,说明目标用户对该待推荐文章内容越感兴趣,进而,根据总关联度从大到小的顺序来向目标用户推荐目标用户的目标文章内容。
本申请实施例提供的文章内容的推荐方法,在建立待推荐文章内容与物品之间的关联度时,通过从物品信息中提取出多个关键词,并基于提取出的多个关键词找到与每个关键词关联的至少一个待推荐文章内容,进而,通过与物品对应的关键词和与该关键词对应的待推荐文章内容建立物品与待推荐文章内容之间的关联度,从而可以准确的确定出推荐给目标用户的目标文章内容,提高了为用户推荐用户感兴趣的内容的精确度。
请参阅图2,图2为本申请实施例所提供的另一种文章内容的推荐方法的流程图,如图2中所示,本申请实施例提供了另一种文章内容的推荐方法,所述推荐方法包括:
S210、获取每个物品对应的多个待推荐文章内容,其中,所述待推荐文章内容包括待推荐文字信息和待推荐图片信息。
由于待推荐文章内容中包括文字信息和图片信息,而图片信息中也有很多文字信息,在提取关键词的时候,也需要考虑图片信息中的文字,所以需要获取每个物品对应的多个待推荐文章内容中的待推荐文字信息和待推荐图片信息。
S220、识别所述待推荐图片信息中的文字信息。
该步骤中,对待推荐图片信息中的图片进行OCR识别,将图片转为文字信息进行存储。其中,光学字符识别(Optical Character Recognition,OCR)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程,从而识别待推荐图片信息中的文字信息。
例如,在美妆行业中,大多数文章内容属于图片信息,需要进行图片信息中的文字提取;当有一个商家需要有文章内容推荐需求时,对该商家的待推荐内容池进行文章内容收集,同时对文章内容中的图片进行OCR识别,转为文字信息格式进行存储。
进而,随着微信生态中公众号文案的升级发展,越来越多的文章内容倾向于以图片的形式进行展示。本申请实施例对微信生态中经常出现的图片文章,采用OCR技术进行信息提取,实现图片性质文章也可以进行推荐的场景。
S230、基于所述待推荐文字信息和从所述待推荐图片信息中识别出的文字信息,确定至少一个物品对应的待推荐内容池。
该步骤中,物品对应的待推荐内容池中的信息全部以文字信息的格式保存。
S240、获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池。
S250、从获取到的至少一个物品信息中提取出多个关键词,并从所述待推荐内容池中确定出与每个关键词关联的至少一个待推荐文章内容。
S260、针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
S270、基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容。
其中,本申请实施例提供的S240至S270的描述可以参照S110至S140的描述,并且能达到相同的技术效果,重复之处不再赘述。
具体地,本申请实施例中,通过以下步骤确定从获取到的至少一个物品信息中提取出多个关键词:
对每个物品对应的物品信息进行分词处理,得到所述多个关键词。
该步骤中,通过中文分词技术从物品信息中提取多个关键词。
优选地,步骤S260中包括:
针对每个关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度。
该步骤中,基于从物品的物品信息中提取出的关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度;基于与该关键词相似的每个待推荐文章内容,确定该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度。在计算相似度的时候,采用TF-IDF算法,其中,TF-IDF算法是一种统计方法,用来评估一个字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。进而,通过该算法,可以表征关键词在该文章中的重要性。
需要说明的是,TF-IDF算法也可以替换成SVD算法。
具体地,在本申请实施例中,上述步骤包括:
针对每个关键词,获取该关键词在对应的物品信息中的第一出现次数和待推荐文章内容中的第二出现次数,该物品信息的第一词数总数和该待推荐文章内容的第二词数总数;与该关键词对应的至少一个物品的第一数量和与该关键词对应的至少一个待推荐文章的第二数量,以及目标用户选择的至少一个物品的第三数量和所述待推荐内容池中待推荐文章的第四数量。
该步骤中,基于TF-IDF算法,进行如下组合:所述第一出现次数和所述第一词数总数,所述第二出现次数和所述第二词数总数,所述第一数量和所述第三数量,所述第二数量和所述第四数量,然后进行计算,最终可以分别得出第一相似度和第二相似度。
基于所述第一出现次数和所述第一词数总数,确定该关键词的第一词频信息,并基于所述第二出现次数和所述第二词数总数,确定该关键词的第二词频信息;
基于所述第一数量和所述第三数量,确定该关键词的第一频率信息,并基于所述第二数量和所述第四数量,确定该关键词的第二频率信息;
基于所述第一词频信息和所述第一频率信息,确定与该关键词对应的物品和该关键词之间的第一相似度,以及基于所述第二词频信息和所述第二频率信息,确定与该关键词关联的待推荐文章内容与该关键词之间的第二相似度。
上述步骤中,第一词频信息或第二词频信息越大表征重要程度越大,即关联程度越大;第一频率信息或第二频率信息越大表征重要程度越低,即关联程度越小,通过将两者结合,可以准确的得到与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度。
举例说明,TF:Term Frequency,一般称为“关键词的词频”,或者“单文本词频”。计算方法:文件中关键词的使用次数除以文件总词数(非去重)。在一篇总词数为10000的文章内容中,“保湿”出现了17次,“的”出现了113次,“面霜”出现了23次,那么它们的TF分别为:0.0017,0.0113和0.0023。
IDF:Inverse Document Frequency,一般称为“逆文本频率指数”。计算方法:其中D为语料库中文件的个数,为出现过该关键词的文件个数。例如,待推荐内容池中共有1000篇文章,包含“保湿”的文章有3篇,包含“面霜”的有20篇,全部文章都包含“的”。那么它们的IDF分别为:log(1000/3),log(1000/20),log(1000/1000)。
那么“保湿/的/面霜”与该篇待推荐文章内容的相似度为:0.0017*log(1000/3)+0.0023*log(1000/20)+0.0113*log(1000/1000)。
进而,基于上述方法计算得到第一相似度和第二相似度,由此可知,本申请实施例的第一相似度和第二相似度均是一个计算结果。
在计算第二相似度的时候,由于OCR识别时有一定的概率出现信息提取错误,不一定出现产品原名称,所以需要通过关键词提取进行图谱构建,这样,可以在已有产品的基础上,通过关键词将有提及关键词但没提及产品的信息通过知识图谱进行关联,从而使得第二相似度的计算结果更加精确,将产品扩展到更多的文章内容当中。这样可以解决一部分OCR识别错误导致的文章与产品无法对应问题。
基于所述第一相似度和所述第二相似度,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
该步骤中,由于第一相似度是与该关键词对应的每个物品和该关键词之间的相似度,第二相似度是与该关键词关联的每个待推荐文章内容与该关键词之间的相似度,进而可以根据第一相似度和第二相似度来确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
本申请实施例针对待推荐内容池与物品池的进行计算关键词与其的相似度,绕过用户画像构建模块,避免人为构建用户画像与标签的场景。从而解决标签覆盖不全或者人为设计标签的问题。同时,解决了对用户画像与文章内容的对应具有主观性的技术问题。
具体地,在本申请实施例中,上述步骤包括:
计算所述第一相似度和所述第二相似度之间的乘积;
确定所述乘积为与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
该步骤中,由于第一相似度和第二相似度是一个计算结果,从而可以计算第一相似度和所述第二相似度之间的乘积,将乘积表征成与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
优选地,步骤S270包括:
基于每个待推荐文章内容的至少一个关联度,确定每个待推荐文章内容对应的汇总关联度;
该步骤中,基于每个待推荐文章内容的至少一个关联度,确定每个待推荐文章内容对应的目标用户选择的物品之间的汇总关联度。汇总关联度是每个物品的多个关键词对应的第一相似度和第二相似度之间的乘积。
按照所述汇总关联度从高到低的顺序向所述目标用户推荐目标文章内容。
该步骤中,待推荐文章内容的总关联度越大,说明目标用户对该待推荐文章内容越感兴趣,进而,按照所述汇总关联度从高到低的顺序向所述目标用户推荐目标文章内容。
举例说明,用户A选择了物品A和物品B,其中,从物品A中提取了关键词A和关键词B,从物品B中提取了关键词B和关键词C,根据第一相似度的计算方法可以获得商品A与关键词A的第一相似度为0.7,商品A与关键词B的第一相似度为0.3,商品B与关键词B的第一相似度为0.2,商品B与关键词C的第一相似度为0.4;根据第二相似度的计算方法可以获得关键词A与文章A的第二相似度为0.03,关键词B与文章A的第二相似度为0.01,关键词B与文章B的第二相似度为0.06,关键词C与文章B的第二相似度为0.05,关键词C与文章C的第二相似度为0.04。
根据汇总关联度的计算方法可以得出:
用户A对文章A的喜好程度为:Score=0.7*0.03+0.3*0.01;
用户A对文章B的喜好程度为:Score=(0.3+0.2)*0.06+0.4*0.05;
用户A对文章C的喜好程度为:Score=0.4*0.04;
再根据Score从大到小的排序为用户A推荐文章。
本申请实施例提供的文章内容的推荐方法,在建立待推荐文章内容与物品之间的关联度时,基于中文分词技术从物品信息中提取出多个关键词,并基于提取出的多个关键词找到与每个关键词关联的至少一个待推荐文章内容,进而,采用TF-IDF算法,通过与物品对应的关键词和与该关键词对应的待推荐文章内容建立物品与待推荐文章内容之间的关联度,根据待推荐文章内容与物品之间的关联度准确的确定出推荐给目标用户的目标文章内容,避免了技术人员通过经验设置用户画像的标签所带来的在对应内容的匹配推荐过程中出现匹配不精确的问题,提高了为用户推荐用户感兴趣的内容的精确度,实现了通过用户对物品的行为,可以为不同用户从待推荐内容池中挑选用户喜爱的文章进行推荐。
基于同一发明构思,本申请实施例提供了与文章内容的推荐方法对应的文章内容的推荐装置,由于本申请实施例中的文章内容的推荐装置解决问题的原理与本申请实施例中的上述文章内容的推荐方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图3和图4,图3为本申请实施例所提供的一种文章内容的推荐装置的结构示意图之一,图4为本申请实施例所提供的一种文章内容的推荐装置的结构示意图之二。如图3中所示,所述推荐装置300包括:
第一获取模块310,用于获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池;
第一确定模块320,用于从获取到的至少一个物品信息中提取出多个关键词,并从所述待推荐内容池中确定出与每个关键词关联的至少一个待推荐文章内容;
第二确定模块330,用于针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度;
第三确定模块340,用于基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容。
优选地,所述第二确定模块330在用于针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度时,所述第二确定模块330用于:
针对每个关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度;
基于所述第一相似度和所述第二相似度,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
优选地,所述第二确定模块330在用于针对每个关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度时,所述第二确定模块330用于:
针对每个关键词,获取该关键词在对应的物品信息中的第一出现次数和待推荐文章内容中的第二出现次数,该物品信息的第一词数总数和该待推荐文章内容的第二词数总数;与该关键词对应的至少一个物品的第一数量和与该关键词对应的至少一个待推荐文章的第二数量,以及目标用户选择的至少一个物品的第三数量和所述待推荐内容池中待推荐文章的第四数量;
基于所述第一出现次数和所述第一词数总数,确定该关键词的第一词频信息,并基于所述第二出现次数和所述第二词数总数,确定该关键词的第二词频信息;
基于所述第一数量和所述第三数量,确定该关键词的第一频率信息,并基于所述第二数量和所述第四数量,确定该关键词的第二频率信息;
基于所述第一词频信息和所述第一频率信息,确定与该关键词对应的物品和该关键词之间的第一相似度,以及基于所述第二词频信息和所述第二频率信息,确定与该关键词关联的待推荐文章内容与该关键词之间的第二相似度。
优选地,所述第一确定模块320用于通过以下步骤确定从获取到的至少一个物品信息中提取出多个关键词:
对每个物品对应的物品信息进行分词处理,得到所述多个关键词。
优选地,所述第二确定模块330在用于基于所述第一相似度和所述第二相似度,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度时,所述第二确定模块330用于:
计算所述第一相似度和所述第二相似度之间的乘积;
确定所述乘积为与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
优选地,所述第三确定模块340在用于基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容时,所述第三确定模块340用于:
基于每个待推荐文章内容的至少一个关联度,确定每个待推荐文章内容对应的汇总关联度;
按照所述汇总关联度从高到低的顺序向所述目标用户推荐目标文章内容。
如图4所示,在所述第一获取模块310用于获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池之前,所述推荐装置300还包括:
第二获取模块350,用于获取每个物品对应的多个待推荐文章内容,其中,所述待推荐文章内容包括待推荐文字信息和待推荐图片信息;
识别模块360,用于识别所述待推荐图片信息中的文字信息;
第四确定模块370,用于基于所述待推荐文字信息和从所述待推荐图片信息中识别出的文字信息,确定至少一个物品对应的待推荐内容池。
本申请实施例提供的文章内容的推荐装置,在第二确定模块建立待推荐文章内容与物品之间的关联度时,通过第一确定模块从物品信息中提取出多个关键词,并基于提取出的多个关键词找到与每个关键词关联的至少一个待推荐文章内容,进而,第三确定模块可以根据待推荐文章内容与物品之间的关联度准确的确定出推荐给目标用户的目标文章内容,避免了技术人员通过经验设置用户画像的标签所带来的在对应内容的匹配推荐过程中出现匹配不精确的问题,提高了为用户推荐用户感兴趣的内容的精确度。
请参阅图5,图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示,所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过总线530通信,所述机器可读指令被所述处理器510执行时,可以执行如上述图1和图2所示的文章内容的推荐方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
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可以执行如上述图1和图2所示的文章内容的推荐方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
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、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请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,在本申请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,本申请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)执行本申请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,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,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申请揭露的技术范围内,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申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种文章内容的推荐方法,其特征在于,所述推荐方法包括:
获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池;
从获取到的至少一个物品信息中提取出多个关键词,并从所述待推荐内容池中确定出与每个关键词关联的至少一个待推荐文章内容;
针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度;
基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容;
其中,所述针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度,包括:
针对每个关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度;
基于所述第一相似度和所述第二相似度,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
2.根据权利要求1所述的推荐方法,其特征在于,所述针对每个关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度,包括:
针对每个关键词,获取该关键词在对应的物品信息中的第一出现次数和待推荐文章内容中的第二出现次数,该物品信息的第一词数总数和该待推荐文章内容的第二词数总数;与该关键词对应的至少一个物品的第一数量和与该关键词对应的至少一个待推荐文章的第二数量,以及目标用户选择的至少一个物品的第三数量和所述待推荐内容池中待推荐文章的第四数量;
基于所述第一出现次数和所述第一词数总数,确定该关键词的第一词频信息,并基于所述第二出现次数和所述第二词数总数,确定该关键词的第二词频信息;
基于所述第一数量和所述第三数量,确定该关键词的第一频率信息,并基于所述第二数量和所述第四数量,确定该关键词的第二频率信息;
基于所述第一词频信息和所述第一频率信息,确定与该关键词对应的物品和该关键词之间的第一相似度,以及基于所述第二词频信息和所述第二频率信息,确定与该关键词关联的待推荐文章内容与该关键词之间的第二相似度。
3.根据权利要求1所述的推荐方法,其特征在于,通过以下步骤确定从获取到的至少一个物品信息中提取出多个关键词:
对每个物品对应的物品信息进行分词处理,得到所述多个关键词。
4.根据权利要求1所述的推荐方法,其特征在于,所述基于所述第一相似度和所述第二相似度,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度,包括:
计算所述第一相似度和所述第二相似度之间的乘积;
确定所述乘积为与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
5.根据权利要求1所述的推荐方法,其特征在于,所述基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容,包括:
基于每个待推荐文章内容的至少一个关联度,确定每个待推荐文章内容对应的汇总关联度;
按照所述汇总关联度从高到低的顺序向所述目标用户推荐目标文章内容。
6.根据权利要求1所述的推荐方法,其特征在于,在所述获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池之前,所述推荐方法还包括:
获取每个物品对应的多个待推荐文章内容,其中,所述待推荐文章内容包括待推荐文字信息和待推荐图片信息;
识别所述待推荐图片信息中的文字信息;
基于所述待推荐文字信息和从所述待推荐图片信息中识别出的文字信息,确定至少一个物品对应的待推荐内容池。
7.一种文章内容的推荐装置,其特征在于,所述推荐装置包括:
第一获取模块,用于获取目标用户选择的至少一个物品和每个物品对应的物品信息,以及与所述至少一个物品对应的待推荐内容池;
第一确定模块,用于从获取到的至少一个物品信息中提取出多个关键词,并从所述待推荐内容池中确定出与每个关键词关联的至少一个待推荐文章内容;
第二确定模块,用于针对每个关键词,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度;
第三确定模块,用于基于每个待推荐文章内容的至少一个关联度,从所述至少一个待推荐文章内容中确定出推荐给所述目标用户的目标文章内容;
其中,第二确定模块具体用于:
针对每个关键词,确定与该关键词对应的每个物品和该关键词之间的第一相似度,以及与该关键词关联的每个待推荐文章内容与该关键词之间的第二相似度;
基于所述第一相似度和所述第二相似度,确定与该关键词对应的每个物品和与该关键词关联的每个待推荐文章内容之间的关联度。
8.一种电子设备,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所述总线通信,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6中任一所述的文章内容的推荐方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至6中任一所述的文章内容的推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010591733.2A CN111723293B (zh) | 2020-06-24 | 2020-06-24 | 一种文章内容的推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010591733.2A CN111723293B (zh) | 2020-06-24 | 2020-06-24 | 一种文章内容的推荐方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111723293A CN111723293A (zh) | 2020-09-29 |
CN111723293B true CN111723293B (zh) | 2023-08-25 |
Family
ID=72568911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010591733.2A Active CN111723293B (zh) | 2020-06-24 | 2020-06-24 | 一种文章内容的推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111723293B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749344B (zh) * | 2021-02-04 | 2023-08-01 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、电子设备、存储介质及程序产品 |
CN112817921B (zh) * | 2021-04-20 | 2021-09-10 | 泰德网聚(北京)科技股份有限公司 | 一种基于数据中心的云资源采集管理系统 |
CN114048374A (zh) * | 2021-10-28 | 2022-02-15 | 盐城金堤科技有限公司 | 待推荐对象的确定方法以及待推荐对象的确定装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156450A (zh) * | 2014-08-15 | 2014-11-19 | 同济大学 | 一种基于用户网络数据的物品信息推荐方法 |
CN107944956A (zh) * | 2017-11-20 | 2018-04-20 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
WO2018121380A1 (zh) * | 2016-12-30 | 2018-07-05 | 华为技术有限公司 | 基于社区问答的物品推荐方法、系统及用户设备 |
CN110413868A (zh) * | 2018-11-06 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、系统及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110010307A1 (en) * | 2009-07-10 | 2011-01-13 | Kibboko, Inc. | Method and system for recommending articles and products |
CN104573108A (zh) * | 2015-01-30 | 2015-04-29 | 联想(北京)有限公司 | 信息处理方法和信息处理装置 |
-
2020
- 2020-06-24 CN CN202010591733.2A patent/CN111723293B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156450A (zh) * | 2014-08-15 | 2014-11-19 | 同济大学 | 一种基于用户网络数据的物品信息推荐方法 |
WO2018121380A1 (zh) * | 2016-12-30 | 2018-07-05 | 华为技术有限公司 | 基于社区问答的物品推荐方法、系统及用户设备 |
CN107944956A (zh) * | 2017-11-20 | 2018-04-20 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN110413868A (zh) * | 2018-11-06 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、系统及存储介质 |
Non-Patent Citations (1)
Title |
---|
刘展 ; .TFIDF算法在文章推荐系统的应用.电脑知识与技术.(第07期),23-26. * |
Also Published As
Publication number | Publication date |
---|---|
CN111723293A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111723293B (zh) | 一种文章内容的推荐方法、装置、电子设备及存储介质 | |
CN108334533B (zh) | 关键词提取方法和装置、存储介质及电子装置 | |
CN108829764B (zh) | 推荐信息获取方法、装置、系统、服务器及存储介质 | |
US10423648B2 (en) | Method, system, and computer readable medium for interest tag recommendation | |
US8886661B2 (en) | Information extraction system, information extraction method, information extraction program, and information service system | |
US20130202213A1 (en) | Method and system for fast and robust identification of specific product images | |
KR101379503B1 (ko) | 상품 추천 시스템 | |
CN109426831B (zh) | 图片相似匹配及模型训练的方法、装置及计算机设备 | |
CN107679070B (zh) | 一种智能阅读推荐方法与装置、电子设备 | |
CN111310011A (zh) | 一种信息推送方法、装置、电子设备及存储介质 | |
CN110072140B (zh) | 一种视频信息提示方法、装置、设备及存储介质 | |
CN111708909B (zh) | 视频标签的添加方法及装置、电子设备、计算机可读存储介质 | |
CN112632396A (zh) | 一种文章推荐方法、装置、电子设备及可读存储介质 | |
CN110765760A (zh) | 一种法律案件分配方法、装置、存储介质和服务器 | |
CN110688455A (zh) | 基于人工智能过滤无效评论的方法、介质及计算机设备 | |
CN107203638B (zh) | 监控视频处理方法、装置及系统 | |
KR100876214B1 (ko) | 문맥기반 광고 장치와 그 방법 및 이를 구현할 수 있는컴퓨터로 읽을 수 있는 기록 매체 | |
JP6314071B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN112417195A (zh) | 基于移动端的商标查询系统、方法及存储介质 | |
CN110188277B (zh) | 一种资源的推荐方法及装置 | |
CN115983873B (zh) | 一种基于大数据的用户数据分析管理系统及方法 | |
CN106919649B (zh) | 一种词条权重计算的方法及装置 | |
CN110674388A (zh) | 推送项目的配图方法、装置、存储介质和终端设备 | |
CN113190589A (zh) | 适用于分销系统的内容分发方法、装置及存储介质 | |
CN113392329A (zh) | 内容推荐方法、装置、电子设备及存储介质 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231123 Address after: 200,030 Unit 5B03, Floor 5, Building 2, No. 277, Longlan Road, Xuhui District, Shanghai Patentee after: SHANGHAI SECOND PICKET NETWORK TECHNOLOGY CO.,LTD. Address before: Floors 4, 5 and 6, No. 3, Lane 1473, Zhenguang Road, Putuo District, Shanghai, 200333 Patentee before: Shanghai Fengzhi Technology Co.,Ltd. |