CN111737501A - 一种内容推荐方法及装置、电子设备、存储介质 - Google Patents
一种内容推荐方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN111737501A CN111737501A CN202010575454.7A CN202010575454A CN111737501A CN 111737501 A CN111737501 A CN 111737501A CN 202010575454 A CN202010575454 A CN 202010575454A CN 111737501 A CN111737501 A CN 111737501A
- Authority
- CN
- China
- Prior art keywords
- multimedia data
- data
- historical log
- keyword
- dictionary
- 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 51
- 238000012545 processing Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了内容推荐方法及装置、电子设备、存储介质,涉及大数据、智能推荐、云计算领域。具体实现方案为:获取针对新注册账户的历史日志数据,其中,所述新注册账户为新注册第一应用平台的账户;所述历史日志数据为与所述新注册账户具有关联关系的账户在第二应用平台的访问数据;将所述历史日志数据与获取到的目标关键词进行匹配,其中,所述目标关键词是对所述第一应用平台对应的多媒体数据池中各多媒体数据的媒体内容和/或媒体标题进行信息提取后所得到的;基于匹配结果得到所述多媒体数据与所述历史日志数据的关联特征值,利用关联特征值从所述多媒体内容池中选取出所述新注册账户对应的推荐内容。实现对第一应用平台中新注册的精准推荐。
Description
技术领域
本申请涉及数据处理领域,尤其涉及大数据、智能推荐领域。
背景技术
多媒体内容,如视频是互联网中重要且常见的信息传输媒介。近年来,随着短视频行业的兴起,视频在日常生活和娱乐中的应用也变得越来越广泛。与此同时,随着视频网站平台与视频相关应用的日益流行,视频领域逐渐出现信息过载的情形,即视频平台中所存有的各类视频远远超过用户所需要或者潜在需要。因此,视频推荐算法应运而生,但传统的视频推荐算法一般均是基于用户在本平台的历史行为来完成推荐,而对于平台新注册用户来说,显然,历史数据是缺失的,因此,如何为新注册用户进行精准推荐,成为推荐领域亟待解决的问题。
发明内容
本申请提供了一种内容推荐方法及装置、电子设备、存储介质。
根据本申请的一方面,提供了一种内容推荐方法,包括:
获取针对新注册账户的历史日志数据,其中,所述新注册账户为新注册第一应用平台的账户;所述历史日志数据为与所述新注册账户具有关联关系的账户在第二应用平台的访问数据;
将所述历史日志数据与获取到的目标关键词进行匹配,其中,所述目标关键词是对所述第一应用平台对应的多媒体数据池中各多媒体数据的媒体内容和/或媒体标题进行信息提取后所得到的;
基于匹配结果得到所述多媒体数据与所述历史日志数据的关联特征值,利用关联特征值从所述多媒体内容池中选取出所述新注册账户对应的推荐内容。
根据本申请的另一方面,提供了一种内容推荐装置,包括:
数据获取单元,用于获取针对新注册账户的历史日志数据,其中,所述新注册账户为新注册第一应用平台的账户;所述历史日志数据为与所述新注册账户具有关联关系的账户在第二应用平台的访问数据;
匹配单元,用于将所述历史日志数据与获取到的目标关键词进行匹配,基于匹配结果得到所述多媒体数据与所述历史日志数据的关联特征值;其中,所述目标关键词是对所述第一应用平台对应的多媒体数据池中各多媒体数据的媒体内容和/或媒体标题进行信息提取后所得到的;
推荐单元,用于利用关联特征值从所述多媒体内容池中选取出所述新注册账户对应的推荐内容。
根据本申请的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行以上所述的方法。
根据本申请的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行以上所述的方法。
这样,由于本申请方案能够获取到第一应用平台的新注册账户在其他平台(如第二应用平台)的历史日志数据,而且,能够利用该历史日志数据,与第一应用平台中多媒体数据对应的目标关键词进行匹配,进而得到多媒体数据与历史日志数据的关联特征值,如此,通过关联特征值来完成新注册账户的内容推荐;而且,由于推荐内容是基于该新注册账户在其他平台的访问数据,所以,使得推荐内容更精准,为提升用户体验奠定了基础。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请实施例内容推荐方法的流程示意图;
图2是根据本申请实施例内容推荐方法在一具体示例中的示意图;
图3是根据本申请实施例内容推荐装置的结构示意图;
图4是用来实现本申请实施例的内容推荐方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实际应用中,平台新注册用户的推荐称为冷启动,而现有解决冷启动问题的方法通常是让新注册用户在注册时选择感兴趣的标签,或者,关联用户的好友等方式,以此借助用户对应的标签或者好友的喜好来完成推荐,显然,这种方式具有局限性,若用户不进行标签选择或好友关联等操作,则无法获知用户喜好,为推荐带来了难度。
基于此,本申请方案提出一种利用外部数据的推荐冷启动方案,来解决平台方因为无法获得新注册用户的兴趣与偏好而无法进行个性化推荐的冷启动问题。具体地,如图1所示,所述方法包括:
步骤S101:获取针对新注册账户的历史日志数据,其中,所述新注册账户为新注册第一应用平台的账户;所述历史日志数据为与所述新注册账户具有关联关系的账户在第二应用平台的访问数据。
这里,所述第二应用平台与所述第一应用平台不同。实际应用中,当所述第一应用平台与所述第二应用平台基于账户进行信息打通后,此时,可以通过两个平台的账户关联关系,获取到同一用户在不同平台的历史日志数据,比如,在一示例中,对第一应用平台新注册账户对应的用户而言,该用户在第二应用平台为老用户,此时,第二应用平台中存在该用户的历史日志数据,当两个平台基于账户打通后,则可以从第二应用平台去获取该新注册账户在第二应用平台的历史日志数据,以此来作为第一应用平台的推荐基础。
步骤S102:将所述历史日志数据与获取到的目标关键词进行匹配,其中,所述目标关键词是对所述第一应用平台对应的多媒体数据池中各多媒体数据的媒体内容和/或媒体标题进行信息提取后所得到的。
步骤S103:基于匹配结果得到所述多媒体数据与所述历史日志数据的关联特征值,利用关联特征值从所述多媒体内容池中选取出所述新注册账户对应的推荐内容。
这里,所述多媒体数据可以具体为视频、短视频、音频、新闻等各类在互联网传播的媒体信息。
这样,由于本申请方案能够获取到第一应用平台的新注册账户在其他平台(如第二应用平台)的历史日志数据,而且,能够利用该历史日志数据,与第一应用平台中多媒体数据对应的目标关键词进行匹配,进而得到多媒体数据与历史日志数据的关联特征值,如此,通过关联特征值来完成新注册账户的内容推荐;而且,由于推荐内容是基于该新注册账户在其他平台的访问数据,所以,使得推荐内容更精准,为提升用户体验奠定了基础。
这里,由于与目标关键词进行匹配的为历史日志数据,而非打标或分类的标签,所以,能够通过历史日志数据直接体现出新注册账户对应用户的偏好和倾向,进一步为精准推荐奠定了基础。
另外,由于本申请能够实现对新注册账户的冷启动推荐,所以,使得能够用户从海量多媒体数据中便捷第获取到自己可能感兴趣的内容,进而也为提升应用平台的用户体验与用户点击率奠定了基础。
在一具体示例中,所述历史日志数据为与该新注册账户对应的用户在第二应用平台的直接访问数据,且该历史日志数据为未经修改的原始数据,所以,为精准推荐奠定了基础。
在本申请方案的一具体示例中,需要预先为第一应用平台的多媒体数据建立关键词词典;具体地,获取所述多媒体数据池中各多媒体数据,对所述多媒体数据的媒体标题和/或媒体内容进行信息提取,得到目标关键词,对目标关键词进行分类处理得到关键词词典,其中,所述关键词词典能够指示所述目标关键词与所述多媒体数据的标识的映射关系。也就是说,所述关键词词典中记录有多媒体数据所对应的关键词(本申请方案称为目标关键词),实际应用中,一个多媒体数据中可能存在多个目标关键词,此时,所述关键词词典中目标关键词与多媒体数据的对应关系为多对应一、多对多或一对多;而且,由于解析多媒体数据的方式不同,解析得到的关键词也不同,此时,还可以基于解析方式或者解析得到的结果对目标关键词进行分类处理,比如,多媒体标题词典,多媒体内容词典等,如此,为后续精准匹配、精准推荐奠定了基础。举例来说,以视频为例,此时,可以通过图像识别、视频识别、语音识别、自然语言处理(NLP,Natural Language Processing)、人脸识别等多种方式,对视频的视频标题以及视频内容进行信息提取,得到该视频的关键词,作为后续待匹配对象,为与历史日志数据的精准匹配奠定基础。
实际应用中,在确定出关键词词典后,步骤S102的匹配过程即为将关键词词典中的各目标关键词与历史日志数据进行匹配,如此,为精准推荐奠定基础。
实际应用中,关键词词典通常以目标关键词为索引,以多媒体数据为索引内容,这里,由于多媒体数据与目标关键词并非为一一对应关系,通常,一个目标关键词会对应多个多媒体数据,且同一个多媒体数据也会对应多个目标关键词,所以,若利用关键词词典来锁定多媒体数据必然耗时,基于此,为提高效率,快速查找到多媒体数据,在本申请方案的一具体示例中,在建立完成关键词词典后,还会对所述关键词词典进行重新排列处理,以将所述关键词词典中作为索引的目标关键词重排为索引内容,以及,将所述关键词词典中作为索引内容的多媒体数据的标识重排为索引,得到多媒体数据词典,以便于快速查找到多媒体数据。也就是说,重新排列得到的多媒体数据词典中,能够以多媒体数据的标识作为索引,以目标关键词作为索引内容,如此,通过目标关键词即可快速定位到多媒体数据,实现了快速查找多媒体数据,同时,提升了效率,进一步为提升用户体验奠定了基础。
这里,实际应用中,可以利用多媒体数据词典,来基于匹配结果对该多媒体数据词典中排列的各多媒体数据进行打分,如此,为后续快速锁定推荐内容奠定基础。当然,实际应用中,还可以在基于关键词词典中各目标关键词与历史日志数据进行匹配结束,得到匹配词典,该匹配词典中的目标关键词均为与历史日志数据相匹配的关键词,然后,再对匹配词典进行重新排列处理,如此,在确保快速查询的基础上,降低数据处理量,提升效率。
在本申请方案的一具体示例中,可以基于业务需求,为分类处理后得到的不同关键词词典设置权重,如此,在满足业务需求的情况下,实现个性化、精准推荐。具体地,获取目标关键词所对应关键词词典的权重;基于匹配结果以及权重得到所述多媒体数据与所述历史日志数据的关联特征值,其中,所述关键词词典的权重是基于预设规则而设置的。
在本申请方案的一具体示例中,还在不依赖于关键词词典的基础上,即不在关键词词典的基础上进行重排,直接建立多媒体数据词典,具体地,将多媒体数据的标识作为索引,以及,将目标关键词作为索引内容,建立多媒体数据词典;其中,利用所述多媒体数据词典能够快速查找到多媒体数据。如此,通过目标关键词即可快速定位到多媒体数据,实现了快速查找多媒体数据,同时,提升了效率,进一步为提升用户体验奠定了基础。
在本申请方案的一具体示例中,在得到多媒体数据词典后,可以基于该多媒体数据词典对各多媒体数据进行打分,如此,便于快速锁定推荐内容;当然,该多媒体数据词典的得到方式可以为以上所述方式中的任意一种,本示例不作限制;具体地,基于匹配结果对所述多媒体数据词典中的各多媒体数据进行打分处理,得到多媒体数据与所述历史日志数据的关联特征值;其中,利用所述关联特征值能够快速从所述多媒体数据词典中查到找所述关联特征值对应的多媒体数据。
在本申请方案的一具体示例中,可以采用如下方式得到推荐内容,具体地,基于关联特征值对所述多媒体数据池中的所有多媒体数据进行排序处理,得到多媒体数据的排序结果;基于排序结果选取出所述新注册账户对应的推荐内容。也就是说,在得到每个多媒体数据的量化打分后,可以对多媒体数据池中的全量多媒体数据进行排序,如此,能够适应不同的排序需求,同时,也能适应不同的选取方式,比如,取出最优先的TOP50,或者最优先的top 100作为推荐内容等。
在本申请方案的一具体示例中,由于本申请方案是直接利用新注册账户的历史日志数据与多媒体数据的目标关键词进行匹配,所以,即便对于第一应用平台的新增多媒体数据而言,同样能够实现精准推荐,即为新增账户推荐相匹配的新增多媒体数据,如此,丰富了推荐内容的数据源,进一步为精准推荐奠定了基础,同时,也解决了新增多媒体数据推荐滞后的问题。具体地,检测到所述第一应用平台存在新增多媒体数据,对所述新增多媒体数据的媒体内容和/或媒体标题进行信息提取后得到新增目标关键词,将所述历史日志数据与新增目标关键词进行匹配,并得到所述新增多媒体数据与所述历史日志数据的关联特征值,如此,利用关联特征值从新增多媒体数据中选取出所述新注册账户对应的推荐内容,实现新增多媒体内容的推荐。这里,需要说明的是,新增多媒体数据的新增目标关键词与历史日志数据的匹配方式,可参照多媒体数据池中多媒体数据的目标关键词与历史日志数据的匹配方式;而且,实际应用中,还可以基于新增多媒体数据,以及新增目标关键词来更新多媒体数据池和关键词词典,以及多媒体数据词典。
在本申请方案的一具体示例中,可以采用如下方式来进行匹配,具体地,对所述历史日志数据进行分词处理,得到满足预设规则的目标分词;将所述目标分词与获取到的目标关键词进行匹配,对与所述目标分词相匹配的目标关键词所对应的多媒体数据进行打分处理,以得到所述多媒体数据与所述历史日志数据的关联特征值。实际应用中,可以基于历史日志数据分词处理后各分词的词频(TF)和逆文档频率(IDF)等来确定目标分词,进而为多媒体数据进行打分,如此,来提升打分结果的精细程度,以及连续程度,为精准推荐奠定基础。
这样,由于本申请方案能够获取到第一应用平台的新注册账户在其他平台(如第二应用平台)的历史日志数据,而且,能够利用该历史日志数据,与第一应用平台中多媒体数据对应的目标关键词进行匹配,进而得到多媒体数据与历史日志数据的关联特征值,如此,通过关联特征值来完成新注册账户的内容推荐;而且,由于推荐内容是基于该新注册账户在其他平台的访问数据,所以,使得推荐内容更精准,为提升用户体验奠定了基础。
以下结合具体示例对本申请方案做进一步详细说明,本示例以视频平台向新注册用户推荐视频为例,具体地,如图2所示,本示例的基本流程如下:
获取视频平台中待推荐的视频池,以及新注册用户标识id。其中,视频池中含有各视频文件及其对应的编号(vid),以及视频的标题等内容。
利用视频理解、图像处理、语音识别、关键词提取技术,对视频池中各视频的内容、描述等进行解析,得到视频内容关键词、视频描述关键词、解析得到的关键字、视频场景中出现的目标、视频中出现的公众人物等关键词,以及,对视频标题,如视频封面文字等进行切词与关键词提取,得到视频描述关键词。
将对视频池中各视频进行解析得到的关键词,结合视频描述关键词,分别形成各类关键词词典,比如,标题关键词词典、视频描述词典、解析关键词词典、公众人物人名词典等;实际应用中,可以根据需求而生成不同类型的词典。。
将视频平台的用户id与外部数据平台的用户id进行打通,以将不同平台之间的用户进行关联,得到同一用户在不同平台中的用户id对应关系;进而,根据与视频平台的新注册用户id相关联的外部数据平台的用户id,拉取该新注册用户id在该外部数据平台的历史日志数据。也就是说,该历史日志数据为该视频平台的新注册用户id在外部数据平台的历史访问记录。
对于各类关键词词典而言,将每个关键词词典中的关键词分别与外部数据平台拉取的历史日志数据进行匹配,得到新注册用户id在该关键词词典中的匹配结果,进而得到新注册用户id在不同关键词词典的多个关键词匹配表,其中,每个关键词匹配表中均是以关键词为索引,以视频的编号vid为索引内容。
根据每个关键词匹配表,建立倒排表,即建立以视频的编号vid为索引,以关键词为索引内容的视频数据表;然后,根据关键词的匹配结果,为匹配到的每个关键词对应的视频进行打分,比如,视频对应的一个关键词匹配成功,则该视频的打分+1,如此,来提高视频的打分结果。对于新注册用户id来说,视频对应的每个词典中的关键词匹配的越多,该视频在该词典中的得分就越高。实际应用中,还可以基于历史日志数据分词处理后各分词的词频,以及各分词的词频(TF)和逆文档频率(IDF)等来完成打分,以此来提升打分结果的精细程度,以及连续程度,为精准推荐奠定基础。
这里,实际应用中,针对不同的业务场景,对不同词典可以设置不同权重,如此,将各词典得到的视频得分进行加权求和,以得到每个用户id对于各个视频最终评分。
利用新注册用户id得到的视频最终评分,对视频进行排序,并取出top-K(K为预设值)的视频编号,与对应的新注册用户id共同存入redis数据库。查询时,首先将视频平台新注册用户id映射为外部数据平台的用户id,然后进行查询,将对应的视频编号进行返回,如此,完成视频推荐。
通过上述方案,可以将数据平台的数据应用于各类视频推荐领域中,如此,来发挥数据和流量优势,促进数据资产的价值最大化。
本申请方案还提供一种内容推荐装置,如图3所示,包括:
数据获取单元31,用于获取针对新注册账户的历史日志数据,其中,所述新注册账户为新注册第一应用平台的账户;所述历史日志数据为与所述新注册账户具有关联关系的账户在第二应用平台的访问数据;
匹配单元32,用于将所述历史日志数据与获取到的目标关键词进行匹配,基于匹配结果得到所述多媒体数据与所述历史日志数据的关联特征值;其中,所述目标关键词是对所述第一应用平台对应的多媒体数据池中各多媒体数据的媒体内容和/或媒体标题进行信息提取后所得到的;
推荐单元33,用于利用关联特征值从所述多媒体内容池中选取出所述新注册账户对应的推荐内容。
在本申请方案的一具体示例中,还包括:信息提取单元和关键词词典建立单元;其中,
所述数据获取单元,还用于获取所述多媒体数据池中各多媒体数据;
所述信息提取单元,还用于对所述多媒体数据的媒体标题和/或媒体内容进行信息提取,得到目标关键词;
所述关键词词典建立单元,还用于对目标关键词进行分类处理得到关键词词典,其中,所述关键词词典能够指示所述目标关键词与所述多媒体数据的标识的映射关系。
在本申请方案的一具体示例中,所述关键词词典建立单元,还用于:
对所述关键词词典进行重新排列处理,以将所述关键词词典中作为索引的目标关键词重排为索引内容,以及,将所述关键词词典中作为索引内容的多媒体数据的标识重排为索引,得到多媒体数据词典,以便于快速查找到多媒体数据。
在本申请方案的一具体示例中,所述匹配单元包括:
权重获取子单元,用于获取目标关键词所对应关键词词典的权重;
打分子单元,用于基于匹配结果以及权重得到所述多媒体数据与所述历史日志数据的关联特征值,其中,所述关键词词典的权重是基于预设规则而设置的。
在本申请方案的一具体示例中,还包括:
多媒体数据词典建立单元,用于将多媒体数据的标识作为索引,以及,将目标关键词作为索引内容,建立多媒体数据词典;其中,利用所述多媒体数据词典能够快速查找到多媒体数据。
在本申请方案的一具体示例中,所述匹配单元,还用于:
基于匹配结果对所述多媒体数据词典中的各多媒体数据进行打分处理,得到多媒体数据与所述历史日志数据的关联特征值;其中,利用所述关联特征值能够快速从所述多媒体数据词典中查到找所述关联特征值对应的多媒体数据。
在本申请方案的一具体示例中,所述推荐单元还包括:
排序子单元,用于基于关联特征值对所述多媒体数据池中的所有多媒体数据进行排序处理,得到多媒体数据的排序结果;
结果处理子单元,用于基于排序结果选取出所述新注册账户对应的推荐内容。
在本申请方案的一具体示例中,还包括:检测单元和信息提取单元,其中,
所述检测单元,用于检测到所述第一应用平台存在新增多媒体数据;
所述信息提取单元,用于对所述新增多媒体数据的媒体内容和/或媒体标题进行信息提取后得到新增目标关键词;
所述匹配单元,还用于将所述历史日志数据与新增目标关键词进行匹配,得到所述新增多媒体数据与所述历史日志数据的关联特征值;
所述推荐单元,还用于从新增多媒体数据中选取出所述新注册账户对应的推荐内容。
在本申请方案的一具体示例中,所述匹配单元还包括分词处理子单元和匹配子单元;其中,
所述分词处理子单元,用于对所述历史日志数据进行分词处理,得到满足预设规则的目标分词;
所述匹配子单元,用于将所述目标分词与获取到的目标关键词进行匹配,对与所述目标分词相匹配的目标关键词所对应的多媒体数据进行打分处理,以得到所述多媒体数据与所述历史日志数据的关联特征值。
这里需要指出的是:以上装置实施例项的描述,与上述方法描述是类似的,具有同方法实施例相同的有益效果,因此不做赘述。对于本申请设备实施例中未披露的技术细节,本领域的技术人员请参照本申请方法实施例的描述而理解,为节约篇幅,这里不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图4所示,是根据本申请实施例的内容推荐方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器401、存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的内容推荐方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的内容推荐方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的内容推荐方法对应的程序指令/模块(例如,附图3所示的数据获取单元31、匹配单元32和推荐单元33)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的内容推荐方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据内容推荐方法的电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至内容推荐方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
内容推荐方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与内容推荐方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
这样,由于本申请方案能够获取到第一应用平台的新注册账户在其他平台(如第二应用平台)的历史日志数据,而且,能够利用该历史日志数据,与第一应用平台中多媒体数据对应的目标关键词进行匹配,进而得到多媒体数据与历史日志数据的关联特征值,如此,通过关联特征值来完成新注册账户的内容推荐;而且,由于推荐内容是基于该新注册账户在其他平台的访问数据,所以,使得推荐内容更精准,为提升用户体验奠定了基础。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (20)
1.一种内容推荐方法,包括:
获取针对新注册账户的历史日志数据,其中,所述新注册账户为新注册第一应用平台的账户;所述历史日志数据为与所述新注册账户具有关联关系的账户在第二应用平台的访问数据;
将所述历史日志数据与获取到的目标关键词进行匹配,其中,所述目标关键词是对所述第一应用平台对应的多媒体数据池中各多媒体数据的媒体内容和/或媒体标题进行信息提取后所得到的;
基于匹配结果得到所述多媒体数据与所述历史日志数据的关联特征值,利用关联特征值从所述多媒体内容池中选取出所述新注册账户对应的推荐内容。
2.根据权利要求1所述的方法,还包括:
获取所述多媒体数据池中各多媒体数据;
对所述多媒体数据的媒体标题和/或媒体内容进行信息提取,得到目标关键词;
对目标关键词进行分类处理得到关键词词典,其中,所述关键词词典能够指示所述目标关键词与所述多媒体数据的标识的映射关系。
3.根据权利要求2所述的方法,还包括:
对所述关键词词典进行重新排列处理,以将所述关键词词典中作为索引的目标关键词重排为索引内容,以及,将所述关键词词典中作为索引内容的多媒体数据的标识重排为索引,得到多媒体数据词典,以便于快速查找到多媒体数据。
4.根据权利要求2所述的方法,其中,所述基于匹配结果得到所述多媒体数据与所述历史日志数据的关联特征值,包括:
获取目标关键词所对应关键词词典的权重;
基于匹配结果以及权重得到所述多媒体数据与所述历史日志数据的关联特征值,其中,所述关键词词典的权重是基于预设规则而设置的。
5.根据权利要求1或2所述的方法,还包括:
将多媒体数据的标识作为索引,以及,将目标关键词作为索引内容,建立多媒体数据词典;其中,利用所述多媒体数据词典能够快速查找到多媒体数据。
6.根据权利要求5所述的方法,其中,所述基于匹配结果得到所述多媒体数据与所述历史日志数据的关联特征值,包括:
基于匹配结果对所述多媒体数据词典中的各多媒体数据进行打分处理,得到多媒体数据与所述历史日志数据的关联特征值;其中,利用所述关联特征值能够快速从所述多媒体数据词典中查到找所述关联特征值对应的多媒体数据。
7.根据权利要求1所述的方法,其中,所述利用关联特征值从所述多媒体内容池中选取出所述新注册账户对应的推荐内容,包括:
基于关联特征值对所述多媒体数据池中的所有多媒体数据进行排序处理,得到多媒体数据的排序结果;
基于排序结果选取出所述新注册账户对应的推荐内容。
8.根据权利要求1所述的方法,还包括:
检测到所述第一应用平台存在新增多媒体数据;
对所述新增多媒体数据的媒体内容和/或媒体标题进行信息提取后得到新增目标关键词;
将所述历史日志数据与新增目标关键词进行匹配,并得到所述新增多媒体数据与所述历史日志数据的关联特征值,以便于从新增多媒体数据中选取出所述新注册账户对应的推荐内容。
9.根据权利要求1或8所述的方法,其中,所述将所述历史日志数据与获取到的目标关键词进行匹配,基于匹配结果得到所述多媒体数据与所述历史日志数据的关联特征值,包括:
对所述历史日志数据进行分词处理,得到满足预设规则的目标分词;
将所述目标分词与获取到的目标关键词进行匹配;
对与所述目标分词相匹配的目标关键词所对应的多媒体数据进行打分处理,以得到所述多媒体数据与所述历史日志数据的关联特征值。
10.一种内容推荐装置,包括:
数据获取单元,用于获取针对新注册账户的历史日志数据,其中,所述新注册账户为新注册第一应用平台的账户;所述历史日志数据为与所述新注册账户具有关联关系的账户在第二应用平台的访问数据;
匹配单元,用于将所述历史日志数据与获取到的目标关键词进行匹配,基于匹配结果得到所述多媒体数据与所述历史日志数据的关联特征值;其中,所述目标关键词是对所述第一应用平台对应的多媒体数据池中各多媒体数据的媒体内容和/或媒体标题进行信息提取后所得到的;
推荐单元,用于利用关联特征值从所述多媒体内容池中选取出所述新注册账户对应的推荐内容。
11.根据权利要求10所述的装置,还包括:信息提取单元和关键词词典建立单元;其中,
所述数据获取单元,还用于获取所述多媒体数据池中各多媒体数据;
所述信息提取单元,还用于对所述多媒体数据的媒体标题和/或媒体内容进行信息提取,得到目标关键词;
所述关键词词典建立单元,还用于对目标关键词进行分类处理得到关键词词典,其中,所述关键词词典能够指示所述目标关键词与所述多媒体数据的标识的映射关系。
12.根据权利要求11所述的装置,所述关键词词典建立单元,还用于:
对所述关键词词典进行重新排列处理,以将所述关键词词典中作为索引的目标关键词重排为索引内容,以及,将所述关键词词典中作为索引内容的多媒体数据的标识重排为索引,得到多媒体数据词典,以便于快速查找到多媒体数据。
13.根据权利要求11所述的装置,所述匹配单元包括:
权重获取子单元,用于获取目标关键词所对应关键词词典的权重;
打分子单元,用于基于匹配结果以及权重得到所述多媒体数据与所述历史日志数据的关联特征值,其中,所述关键词词典的权重是基于预设规则而设置的。
14.根据权利要求10或11所述的装置,还包括:
多媒体数据词典建立单元,用于将多媒体数据的标识作为索引,以及,将目标关键词作为索引内容,建立多媒体数据词典;其中,利用所述多媒体数据词典能够快速查找到多媒体数据。
15.根据权利要求14所述的装置,所述匹配单元,还用于:
基于匹配结果对所述多媒体数据词典中的各多媒体数据进行打分处理,得到多媒体数据与所述历史日志数据的关联特征值;其中,利用所述关联特征值能够快速从所述多媒体数据词典中查到找所述关联特征值对应的多媒体数据。
16.根据权利要求10所述的装置,所述推荐单元还包括:
排序子单元,用于基于关联特征值对所述多媒体数据池中的所有多媒体数据进行排序处理,得到多媒体数据的排序结果;
结果处理子单元,用于基于排序结果选取出所述新注册账户对应的推荐内容。
17.根据权利要求10所述的装置,还包括:检测单元和信息提取单元,其中,
所述检测单元,用于检测到所述第一应用平台存在新增多媒体数据;
所述信息提取单元,用于对所述新增多媒体数据的媒体内容和/或媒体标题进行信息提取后得到新增目标关键词;
所述匹配单元,还用于将所述历史日志数据与新增目标关键词进行匹配,得到所述新增多媒体数据与所述历史日志数据的关联特征值;
所述推荐单元,还用于从新增多媒体数据中选取出所述新注册账户对应的推荐内容。
18.根据权利要求10或17所述的装置,所述匹配单元还包括分词处理子单元和匹配子单元;其中,
所述分词处理子单元,用于对所述历史日志数据进行分词处理,得到满足预设规则的目标分词;
所述匹配子单元,用于将所述目标分词与获取到的目标关键词进行匹配,对与所述目标分词相匹配的目标关键词所对应的多媒体数据进行打分处理,以得到所述多媒体数据与所述历史日志数据的关联特征值。
19.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010575454.7A CN111737501A (zh) | 2020-06-22 | 2020-06-22 | 一种内容推荐方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010575454.7A CN111737501A (zh) | 2020-06-22 | 2020-06-22 | 一种内容推荐方法及装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111737501A true CN111737501A (zh) | 2020-10-02 |
Family
ID=72650451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010575454.7A Pending CN111737501A (zh) | 2020-06-22 | 2020-06-22 | 一种内容推荐方法及装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111737501A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112632384A (zh) * | 2020-12-25 | 2021-04-09 | 北京百度网讯科技有限公司 | 针对应用程序的数据处理方法、装置、电子设备和介质 |
CN112667894A (zh) * | 2020-12-25 | 2021-04-16 | 特赞(上海)信息科技有限公司 | 内容推荐方法、装置、设备和存储介质 |
CN113592535A (zh) * | 2021-06-30 | 2021-11-02 | 北京新氧科技有限公司 | 一种广告推荐方法、装置、电子设备和存储介质 |
CN116702104A (zh) * | 2023-08-08 | 2023-09-05 | 阿里健康科技(中国)有限公司 | 账户信息的关联方法、装置、设备和存储介质 |
CN116992111A (zh) * | 2023-09-28 | 2023-11-03 | 中国科学技术信息研究所 | 数据处理方法、装置、电子设备及计算机存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158971A (zh) * | 2007-11-15 | 2008-04-09 | 深圳市迅雷网络技术有限公司 | 一种基于搜索引擎的搜索结果排序方法及装置 |
CN103678560A (zh) * | 2013-12-06 | 2014-03-26 | 乐视网信息技术(北京)股份有限公司 | 多媒体资源纠错检索方法、多媒体资源服务器及系统 |
CN105956148A (zh) * | 2016-05-12 | 2016-09-21 | 北京奇艺世纪科技有限公司 | 资源信息的推荐方法和装置 |
CN108197211A (zh) * | 2017-12-28 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法、装置、服务器和存储介质 |
WO2018161880A1 (zh) * | 2017-03-08 | 2018-09-13 | 腾讯科技(深圳)有限公司 | 媒体搜索词推送方法、装置及存储介质 |
US20180295404A1 (en) * | 2017-04-11 | 2018-10-11 | BabyPage Inc. | System and methods for obtaining and compiling data from remote users to create personalized media |
CN109165302A (zh) * | 2018-07-27 | 2019-01-08 | 腾讯科技(深圳)有限公司 | 多媒体文件推荐方法及装置 |
CN109460499A (zh) * | 2018-10-16 | 2019-03-12 | 青岛聚看云科技有限公司 | 目标搜索词生成方法及装置、电子设备、存储介质 |
CN109871483A (zh) * | 2019-01-22 | 2019-06-11 | 珠海天燕科技有限公司 | 一种推荐信息的确定方法及装置 |
CN111259257A (zh) * | 2020-02-14 | 2020-06-09 | 北京达佳互联信息技术有限公司 | 一种信息展示方法、系统、装置、电子设备及存储介质 |
-
2020
- 2020-06-22 CN CN202010575454.7A patent/CN111737501A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158971A (zh) * | 2007-11-15 | 2008-04-09 | 深圳市迅雷网络技术有限公司 | 一种基于搜索引擎的搜索结果排序方法及装置 |
CN103678560A (zh) * | 2013-12-06 | 2014-03-26 | 乐视网信息技术(北京)股份有限公司 | 多媒体资源纠错检索方法、多媒体资源服务器及系统 |
CN105956148A (zh) * | 2016-05-12 | 2016-09-21 | 北京奇艺世纪科技有限公司 | 资源信息的推荐方法和装置 |
WO2018161880A1 (zh) * | 2017-03-08 | 2018-09-13 | 腾讯科技(深圳)有限公司 | 媒体搜索词推送方法、装置及存储介质 |
US20180295404A1 (en) * | 2017-04-11 | 2018-10-11 | BabyPage Inc. | System and methods for obtaining and compiling data from remote users to create personalized media |
CN108197211A (zh) * | 2017-12-28 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法、装置、服务器和存储介质 |
CN109165302A (zh) * | 2018-07-27 | 2019-01-08 | 腾讯科技(深圳)有限公司 | 多媒体文件推荐方法及装置 |
CN109460499A (zh) * | 2018-10-16 | 2019-03-12 | 青岛聚看云科技有限公司 | 目标搜索词生成方法及装置、电子设备、存储介质 |
CN109871483A (zh) * | 2019-01-22 | 2019-06-11 | 珠海天燕科技有限公司 | 一种推荐信息的确定方法及装置 |
CN111259257A (zh) * | 2020-02-14 | 2020-06-09 | 北京达佳互联信息技术有限公司 | 一种信息展示方法、系统、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张瑞芳;郭克华;: "面向个性化站点的用户检索意图建模方法", 计算机工程与应用, no. 06, 16 March 2017 (2017-03-16) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112632384A (zh) * | 2020-12-25 | 2021-04-09 | 北京百度网讯科技有限公司 | 针对应用程序的数据处理方法、装置、电子设备和介质 |
CN112667894A (zh) * | 2020-12-25 | 2021-04-16 | 特赞(上海)信息科技有限公司 | 内容推荐方法、装置、设备和存储介质 |
CN113592535A (zh) * | 2021-06-30 | 2021-11-02 | 北京新氧科技有限公司 | 一种广告推荐方法、装置、电子设备和存储介质 |
CN113592535B (zh) * | 2021-06-30 | 2024-04-16 | 北京新氧科技有限公司 | 一种广告推荐方法、装置、电子设备和存储介质 |
CN116702104A (zh) * | 2023-08-08 | 2023-09-05 | 阿里健康科技(中国)有限公司 | 账户信息的关联方法、装置、设备和存储介质 |
CN116992111A (zh) * | 2023-09-28 | 2023-11-03 | 中国科学技术信息研究所 | 数据处理方法、装置、电子设备及计算机存储介质 |
CN116992111B (zh) * | 2023-09-28 | 2023-12-26 | 中国科学技术信息研究所 | 数据处理方法、装置、电子设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112507068B (zh) | 文档查询方法、装置、电子设备和存储介质 | |
CN111984689B (zh) | 信息检索的方法、装置、设备以及存储介质 | |
CN111737501A (zh) | 一种内容推荐方法及装置、电子设备、存储介质 | |
CN110955764B (zh) | 场景知识图谱的生成方法、人机对话方法以及相关设备 | |
CN108701161B (zh) | 为搜索查询提供图像 | |
CN111967262A (zh) | 实体标签的确定方法和装置 | |
CN111125435A (zh) | 视频标签的确定方法、装置和计算机设备 | |
CN111831854A (zh) | 视频标签的生成方法、装置、电子设备和存储介质 | |
CN111782977A (zh) | 兴趣点处理方法、装置、设备及计算机可读存储介质 | |
CN110990057B (zh) | 小程序子链信息的提取方法、装置、设备及介质 | |
CN111309200B (zh) | 一种扩展阅读内容的确定方法、装置、设备及存储介质 | |
CN111538815A (zh) | 一种文本查询方法、装置、设备及存储介质 | |
CN111858905A (zh) | 模型训练方法、信息识别方法、装置、电子设备及存储介质 | |
CN111783861A (zh) | 数据分类方法、模型训练方法、装置和电子设备 | |
CN111639228A (zh) | 视频检索方法、装置、设备及存储介质 | |
CN112380847A (zh) | 兴趣点处理方法、装置、电子设备及存储介质 | |
CN113516491A (zh) | 推广信息展示方法、装置、电子设备及存储介质 | |
CN111385188A (zh) | 对话元素的推荐方法、装置、电子设备和介质 | |
CN112052397B (zh) | 用户特征生成方法、装置、电子设备及存储介质 | |
CN111310058B (zh) | 资讯主题的推荐方法、装置、终端及存储介质 | |
CN112052390A (zh) | 一种资源筛选方法、装置、电子设备及存储介质 | |
CN111147940B (zh) | 视频播放方法、装置、计算机设备及介质 | |
CN111309872A (zh) | 搜索处理方法、装置及设备 | |
CN111966846A (zh) | 图像查询方法、装置、电子设备和存储介质 | |
CN111949820A (zh) | 视频关联兴趣点的处理方法、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 |