CN111782949A - 用于生成信息的方法和装置 - Google Patents
用于生成信息的方法和装置 Download PDFInfo
- Publication number
- CN111782949A CN111782949A CN202010614451.XA CN202010614451A CN111782949A CN 111782949 A CN111782949 A CN 111782949A CN 202010614451 A CN202010614451 A CN 202010614451A CN 111782949 A CN111782949 A CN 111782949A
- Authority
- CN
- China
- Prior art keywords
- department
- tag
- information
- label
- target
- 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 59
- 238000007619 statistical method Methods 0.000 claims abstract description 32
- 230000006399 behavior Effects 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 19
- 238000013145 classification model Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000003058 natural language processing Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000012549 training Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 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
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 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
- G06F16/90—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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了用于生成信息的方法和装置，涉及数据处理技术和自然语言处理。一具体实现方案为：获取公司内部网站中与目标部门员工相关的信息；对所获取信息的标签进行统计分析，基于统计分析结果得到针对上述目标部门的至少一个部门标签；确定上述至少一个部门标签中的部门标签的标签权重；基于上述至少一个部门标签和部门标签的标签权重，确定部门画像的兴趣标签。该实施方式实现了部门画像的兴趣标签的自动生成，提高了信息生成的效率。
Description
技术领域
本公开实施例涉及计算机技术领域，具体涉及数据处理技术和自然语言处理。
背景技术
现阶段，很多公司可以通过公司内部网站向公司的员工推送高质量、感兴趣、相关性强的信息。通常，同一公司中同一部门的员工往往具有相似的知识背景、相关的工作内容。例如，同是NLP(Natural Language Processing，自然语言处理)部门的员工，可能都对机器学习领域的信息比较感兴趣，因此，从部门的维度可以刻画员工的兴趣。为了提升推荐的效果，除了要对员工和信息进行建模之外，更重要是要构建部门的画像。
发明内容
本公开提供了一种用于生成信息的方法、装置、设备以及存储介质。
根据本公开的第一方面，提供了一种用于生成信息的方法，该方法包括：获取公司内部网站中与目标部门员工相关的信息；对所获取信息的标签进行统计分析，基于统计分析结果得到针对上述目标部门的至少一个部门标签；确定上述至少一个部门标签中的部门标签的标签权重；基于上述至少一个部门标签和部门标签的标签权重，确定部门画像的兴趣标签。
根据本公开的第二方面，提供了一种用于生成信息的装置，该装置包括：获取单元，被配置成获取公司内部网站中与目标部门员工相关的信息；统计单元，被配置成对所获取信息的标签进行统计分析，基于统计分析结果得到针对上述目标部门的至少一个部门标签；确定单元，被配置成确定上述至少一个部门标签中的部门标签的标签权重；生成单元，被配置成基于上述至少一个部门标签和部门标签的标签权重，确定部门画像的兴趣标签。
根据本公开的第三方面，提供了一种电子设备，其特征在于，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行如第一方面中任一项上述的方法。
根据本公开的第四方面，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，其特征在于，上述计算机指令用于使上述计算机执行如第一方面中任一项上述的方法。
根据本申请的技术基于与目标部门的员工相关的信息生成目标部门的部门画像的兴趣标签，从而实现了部门画像的兴趣标签的自动生成，提高了信息生成的效率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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是根据本申请的用于生成信息的方法的一个实施例的流程图；
图2是根据本申请的用于生成信息的方法的一个应用场景的示意图；
图3是根据本申请的用于生成信息的方法的又一个实施例的流程图；
图4是根据本申请的用于生成信息的装置的一个实施例的结构示意图；
图5是用来实现本申请实施例的用于生成信息的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。
请参考图1，示出了根据本公开的用于生成信息的方法的一个实施例的流程100。该用于生成信息的方法，包括以下步骤：
S101，获取公司内部网站中与目标部门员工相关的信息。
在本实施例中，用于生成信息的方法的执行主体可以获取公司内部网站中与目标部门员工相关的信息，其中，信息可以包括文本信息。这里，公司内部网站可以是指公司内部的协同著作平台，公司的员工可以通过该网站发布信息、浏览信息、修订信息等等，例如，可以通过该网站记录工作经验、项目、知识等等。通常，公司员工以外的用户无法获得公司内部网站的信息。举例来说，公司内部网站可以包括企业wiki(维基)，企业wiki是适用于企业或者组织内部使用的wiki。
这里，与目标部门员工相关的信息可以是指公司内部网站中、与目标部门的员工相关的信息，例如，目标部门的员工在公司内部网站发布的信息、浏览的信息、修改的信息等等。实践中，与目标部门员工相关的信息可以集中反映目标部门的员工的集体兴趣，例如，NLP部门的员工会发布更多关于机器学习相关的信息(例如，文章)。通常，一家公司可以包括多个部门，每个部门都有对应的员工。这里，目标部门可以是具有生成部门画像需求的部门。举例来说，如果想要生成一家公司的所有部门的部门画像，则可以依次将该公司的各个部门作为目标部门，生成部门画像。
这里，用于生成信息的方法的执行主体可以是具有信息处理功能的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、服务器等等。
S102，对所获取信息的标签进行统计分析，基于统计分析结果得到针对目标部门的至少一个部门标签。
在本实施例中，公司内部网站中包含的各条信息可以预先设置有标签。作为示例，各条信息的标签可以是人工设定的，例如，员工在通过公司内部网站发布信息的时候，还可以设置所发布信息的标签。这样，执行主体可以对S101中所获取的多条信息的标签进行统计分析，并根据统计分析结果得到针对目标部门的至少一个部门标签。举例来说，首先可以统计所获取的多条信息的标签中各标签出现的频次或次数。之后，可以将出现频次或次数最高的前预设位标签作为针对目标部门的部门标签。
在本实施例的一些可选的实现方式中，在S102之前，上述用于生成信息的方法还可以包括图1中未示出的以下步骤：
首先，基于预先训练的文本分类模型对公司内部网站的信息进行分类。
在本实现方式中，执行主体内部可以存储有预先训练的文本分类模型，该文本分类模型可以用于表征信息特征与信息类别的对应关系。这里，信息特征可以包括信息的标题、内容、摘要、长度等等。这样，对于公司内部网站中的每一条信息，执行主体可以提取该信息的信息特征，并将该信息的信息特征输入上述文本分类模型，上述文本分类模型可以输出该条信息的类别。
这里，上述文本分类模型可以是机器学习算法模型。举例来说，文本分类模型可以为TextCNN模型，TextCNN为利用卷积神经网络对文本进行分类的算法。TextCNN模型可以包括Embedding层(嵌入层)、CNN(Convolutional Neural Networks，卷积神经网络)层、Maxpool层(最大池化层)和输出层。TextCNN模型的输入为信息特征，经Embedding层转化为具有语义特征的词向量，接着词向量经过CNN层、Maxpool层提取篇章级别的语义特征，最后连接了Softmax多分类的输出层，得到分类结果。实践中，上述文本分类模型可以是用于训练文本分类模型的训练用执行主体通过以下方式训练得到的：首先，获取训练样本集合，其中，训练样本可以包括样本信息和与样本信息对应的样本类别，其中，样本信息可以是指样本文章的特征信息；然后，将上述训练样本集合中的训练样本的样本信息作为输入，将与输入的样本信息对应的样本类别作为期望输出，训练得到文本分类模型。这里，上述训练用执行主体与用于生成信息的方法的执行主体可以相同，也可以不同。
之后，根据分类结果，确定公司内部网站中信息的标签。
在本实现方式中，执行主体可以根据文本分类模型输出的分类结果，确定上述公司内部网站中各信息的标签。举例来说，可以将各信息对应的分类结果，直接作为该信息的标签。通过本实现方式，可以基于文本分类模型生成公司内部网站中各条信息的标签，由此，可以实现信息标签的自动化生成，提高了信息生成的效率。
S103，确定至少一个部门标签中的部门标签的标签权重。
在本实施例中，执行主体可以通过各种方式确定S102中得到的至少一个部门标签中的各部门标签的标签权重。这里，标签权重可以用于表示部门标签的重要程度。作为一个示例，可以根据统计得到的出现次数确定部门标签的标签权重，比如，可以设定出现次数越多标签权重越高。作为另一个示例，可以根据用户输入的权重信息确定各部门标签的标签权重，其中，权重信息可以是用户输入的、用于设置部门标签的标签权重的信息。
在本实施例的一些可选的实现方式中，S103可以具体如下进行：基于词频-逆向文件频率方法，确定至少一个部门标签中的部门标签的标签权重。
在本实现方式中，执行主体可以根据词频-逆向文件频率方法(Term Frequency-Inverse Document Frequency，TF-IDF)确定上述至少一个部门标签中的各个部门标签的标签权重。作为示例，执行主体可以获取公司内部网站中与各部门的部门员工相关的信息的标签，作为各部门对应的多个标签。之后，将各部门对应的多个标签作为文章，各部门标签作为词或短语，应用TF-IDF计算部门标签在部门中的权重。TF-IDF的主要思想是，如果某个词或短语在一篇文章中出现的频率(Term Frequency，TF)高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。而逆向文件频率(Inverse Document Frequency，IDF)主要是指，如果包含某个词或短语的文档越少，则IDF越大，则说明该词或短语具有很好的类别区分能力。由此，使用词频-逆向文件频率方法，可以计算某个词或短语在某篇文章里面的重要性，即权重。通过本实现方式，可以使确定的部门标签的标签权重更加准确。
S104，基于至少一个部门标签和部门标签的标签权重，确定部门画像的兴趣标签。
在本实施例中，执行主体可以基于S102中得到的至少一个部门标签和S103中确定的各部门标签的标签权重，确定部门画像的兴趣标签。举例来说，执行主体可以直接将标注有标签权重的部门标签作为部门画像的兴趣标签。作为示例，部门画像除包括兴趣标签之外，还可以包括基础字段，基础字段可以表示部门属性，例如，部门的名称、员工人数、员工标识等等。
在本实施例的一些可选的实现方式中，上述用于生成信息的方法还可以包括图1中未示出的以下步骤：
首先，获取目标部门的员工针对公司内部网站中信息产生的用户行为数据。
在本实现方式中，执行主体可以获取目标部门的员工针对上述公司内部网站中信息产生的用户行为数据。这里，用户行为数据可以是指目标部门的员工针对公司内部网站中的信息进行交互行为产生的数据。其中，交互行为可以包括但不限于点击、收藏、评论、标注喜欢、搜索等等。交互行为产生的数据可以包括但不限于与交互行为相关的员工标识、信息、时间等等。通常，公司内部网站运行一段时间之后，可以积累大量的用户行为数据。用户行为数据可以直接反映员工的偏好，是员工兴趣最直接的体现，通过用户行为数据可以更精准地得到各部门的兴趣分布。
其次，基于用户行为数据，确定目标信息集合。
在本实现方式中，执行主体可以根据目标部门的员工针对公司内部网站中信息的用户行为数据，确定目标信息集合。举例来说，执行主体可以将各条用户行为数据所对应的信息作为目标信息，从而得到目标信息集合。例如，以用户行为数据为员工收藏某篇文章产生的数据为例，则目标信息可以为员工所收藏的该篇文章。
然后，对目标信息集合中的目标信息的标签进行统计分析，以及基于统计分析结果确定新增标签。
在本实现方式中，执行主体可以对目标信息集合中的目标信息的标签进行统计分析，并基于统计分析结果确定新增标签。举例来说，执行主体首先可以统计多条目标信息的标签中各标签出现的次数，并将出现次数最高的前预设位标签作为候选新增标签。通常，出现次数高的标签可能反映部门集体的兴趣偏好。之后，执行主体可以将候选新增标签中、不同于部门画像中部门标签的标签作为新增标签。这里，新增标签可以是不同于部门画像中部门标签的标签。
最后，设置新增标签的标签权重，以及将设置有标签权重的新增标作为部门画像的兴趣标签。
在本实现方式中，执行主体可以设置新增标签的标签权重。举例来说，执行主体可以为每一个新增标签设置一个标签权重作为初始标签权重，例如，可以为每个新增标签设置一个相同的标签权重。之后，执行主体可以将设置有标签权重的新增标签作为部门画像的兴趣标签。通过本实现方式，在公司内部网站运行一段时间之后，可以基于运行过程中产出的大量用户行为数据生成新增标签，从而实时更新了部门画像的兴趣标签，提高了部门画像的兴趣标签的准确度和实效性。
在一些可选的实现方式中，上述用于生成信息的方法还可以包括图1中未示出的以下步骤：
首先，基于新增标签向目标部门的员工推送信息。
在本实现方式中，执行主体可以基于新增标签向目标部门的员工推送信息。例如，可以向目标部门的员工推送公司内部网站中的、标签与新增标签相同的信息。
然后，基于目标部门的员工针对所推送信息的点击操作，调整新增标签的标签权重。
在本实现方式中，执行主体可以根据目标部门的员工针对所推送信息的点击操作，调整新增标签的标签权重。举例来说，在向目标部门的员工推送信息之后，执行主体可以判断目标部门的员工是否对所推送的信息进行了点击查看。如果点击了，表示新增标签符合目标部门的员工的兴趣爱好，该新增标签可以提高点击率，因此，执行主体可以将该新增标签的标签权重调高，例如，调高预设的值；如果不点击，表示新增标签不能命中目标部门的员工的兴趣爱好，因此，执行主体可以将新增标签的标签权重调低，例如，调低预设的值。
最后，响应于确定新增标签的标签权重小于预设的权重阈值，从部门画像的兴趣标签中删除新增标签。
在本实现方式中，调整新增标签的标签权重之后，执行主体可以判断新增标签的标签权重是否小于预设的权重阈值，如果小于，则执行主体可以从部门画像的兴趣标签中删除新增标签。这里，上述权重阈值可以根据实际需要进行设备。通过本实现方式，可以根据目标部门员工针对推送信息的点击操作调整新增标签的标签权重，并将标签权重低于权重阈值的新增标签从部门画像的兴趣标签中删除，从而使部门画像的兴趣标签中保留的兴趣标签更加符合目标部门员工的兴趣爱好。
继续参见图2，图2是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图2的应用场景中，服务器201首先获取公司内部网站中与目标部门“NLP部门”的员工相关的多篇文章。之后，服务器201对所获取的多篇文章的标签进行统计分析，基于统计分析结果得到针对目标部门“NLP部门”的多个部门标签。然后，服务器201确定多个部门标签中的各个部门标签的标签权重。最后，基于多个部门标签和部门标签的标签权重，确定部门画像的兴趣标签。需要说明的是，图2中显示的兴趣标签和标签权重仅仅是示意性的，而非对兴趣标签和标签权重的限定。
本公开的上述实施例提供的方法可以基于与目标部门的员工相关的信息生成目标部门的部门画像的兴趣标签，从而实现了部门画像的兴趣标签的自动生成，提高了信息生成的效率。
进一步参考图3，其示出了用于生成信息的方法的又一个实施例的流程300。该用于生成信息的方法的流程300，包括以下步骤：
S301，获取公司内部网站中与目标部门员工相关的信息。
在本实施例中，S301与图1所示实施例的S101类似，此处不再赘述。
S302，对所获取信息的标签进行统计分析，基于统计分析结果得到针对目标部门的至少一个部门标签。
在本实施例中，S302与图1所示实施例的S102类似，此处不再赘述。
S303，确定至少一个部门标签中的部门标签的标签权重。
在本实施例中，S303与图1所示实施例的S103类似，此处不再赘述。
S304，基于至少一个部门标签和部门标签的标签权重，确定部门画像的兴趣标签。
在本实施例中，S304与图1所示实施例的S104类似，此处不再赘述。
S305，基于目标部门的部门画像的兴趣标签，向目标部门的员工推送信息。
在本实施例中，执行主体可以基于目标部门的部门画像的兴趣标签，向目标部门的员工推送信息。举例来说，可以向目标部门的员工推送公司内部网站中的、标签与部门画像的兴趣标签相同的信息。
从图3中可以看出，与图1对应的实施例相比，本实施例中的用于生成信息的方法的流程300突出了基于目标部门的部门画像的兴趣标签，向目标部门的员工推送信息的步骤。由此，本实施例描述的方案可以使推送的信息更加符合目标部门的员工的兴趣，使推送的信息更加准确。
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种用于生成信息的装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，本实施例的用于生成信息的装置400包括：获取单元401、统计单元402、确定单元403和生成单元404。其中，获取单元401被配置成获取公司内部网站中与目标部门员工相关的信息；统计单元402被配置成对所获取信息的标签进行统计分析，基于统计分析结果得到针对上述目标部门的至少一个部门标签；确定单元403被配置成确定上述至少一个部门标签中的部门标签的标签权重；生成单元404被配置成基于上述至少一个部门标签和部门标签的标签权重，确定部门画像的兴趣标签。
在本实施例中，用于生成信息的装置400的获取单元401、统计单元402、确定单元403和生成单元404的具体处理及其所带来的技术效果可分别参考图1对应实施例中S101、S102、S103和S104的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述装置400还包括：推送单元(图中未示出)，被配置成基于上述目标部门的部门画像的兴趣标签，向上述目标部门的员工推送信息。
在本实施例的一些可选的实现方式中，上述装置400还包括：数据获取单元(图中未示出)，被配置成获取上述目标部门的员工针对上述公司内部网站中信息产生的用户行为数据；集合确定单元(图中未示出)，被配置成基于上述用户行为数据，确定目标信息集合；统计分析单元(图中未示出)，被配置成对上述目标信息集合中的目标信息的标签进行统计分析，以及基于统计分析结果确定新增标签上述；设置单元(图中未示出)，被配置成设置上述新增标签的标签权重，以及将设置有标签权重的上述新增标签作为部门画像的兴趣标签。
在本实施例的一些可选的实现方式中，上述装置400还包括：信息推送单元(图中未示出)，被配置成基于上述新增标签向上述目标部门的员工推送信息；调整单元(图中未示出)，被配置成基于上述目标部门的员工针对所推送信息的点击操作，调整上述新增标签的标签权重；删除单元(图中未示出)，被配置成响应于确定上述新增标签的标签权重小于预设的权重阈值，从上述部门画像的兴趣标签中删除上述新增标签。
在本实施例的一些可选的实现方式中，上述装置400还包括：分类单元(图中未示出)，被配置成基于预先训练的文本分类模型对上述公司内部网站的信息进行分类。标签确定单元(图中未示出)，被配置成根据分类结果，确定上述公司内部网站中信息的标签。
在本实施例的一些可选的实现方式中，上述确定单元403进一步被配置成：基于词频-逆向文件频率方法，确定上述至少一个部门标签中的部门标签的标签权重。
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5所示，是根据本申请实施例的用于生成信息的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5所示，该电子设备包括：一个或多个处理器501、存储器502，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5中以一个处理器501为例。
存储器502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用于生成信息的方法。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用于生成信息的方法。
存储器502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用于生成信息的方法对应的程序指令/模块(例如，附图4所示的获取单元401、统计单元402、确定单元403和生成单元404)。处理器501通过运行存储在存储器502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用于生成信息的方法。
存储器502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用于生成信息的电子设备的使用所创建的数据等。此外，存储器502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502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至用于生成信息的电子设备。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。
用于生成信息的方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与用于生成信息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504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。
根据本申请实施例的技术方案，基于与目标部门的员工相关的信息生成目标部门的部门画像的兴趣标签，从而实现了部门画像的兴趣标签的自动生成，提高了信息生成的效率。
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 (14)
1.一种用于生成信息的方法，包括：
获取公司内部网站中与目标部门员工相关的信息；
对所获取信息的标签进行统计分析，基于统计分析结果得到针对所述目标部门的至少一个部门标签；
确定所述至少一个部门标签中的部门标签的标签权重；
基于所述至少一个部门标签和部门标签的标签权重，确定部门画像的兴趣标签。
2.根据权利要求1所述的方法，其中，所述方法还包括：
基于所述目标部门的部门画像的兴趣标签，向所述目标部门的员工推送信息。
3.根据权利要求1或2所述的方法，其中，所述方法还包括：
获取所述目标部门的员工针对所述公司内部网站中信息产生的用户行为数据；
基于所述用户行为数据，确定目标信息集合；
对所述目标信息集合中的目标信息的标签进行统计分析，以及基于统计分析结果确定新增标签；
设置所述新增标签的标签权重，以及将设置有标签权重的新增标签作为部门画像的兴趣标签。
4.根据权利要求3所述的方法，其中，所述方法还包括：
基于所述新增标签向所述目标部门的员工推送信息；
基于所述目标部门的员工针对所推送信息的点击操作，调整所述新增标签的标签权重；
响应于确定所述新增标签的标签权重小于预设的权重阈值，从所述部门画像的兴趣标签中删除所述新增标签。
5.根据权利要求1所述的方法，其中，在所述对所获取信息的标签进行统计分析之前，所述方法还包括：
基于预先训练的文本分类模型对所述公司内部网站的信息进行分类；
根据分类结果，确定所述公司内部网站中信息的标签。
6.根据权利要求1所述的方法，其中，所述确定所述至少一个部门标签中的部门标签的标签权重，包括：
基于词频-逆向文件频率方法，确定所述至少一个部门标签中的部门标签的标签权重。
7.一种用于生成信息的装置，包括：
获取单元，被配置成获取公司内部网站中与目标部门员工相关的信息；
统计单元，被配置成对所获取信息的标签进行统计分析，基于统计分析结果得到针对所述目标部门的至少一个部门标签；
确定单元，被配置成确定所述至少一个部门标签中的部门标签的标签权重；
生成单元，被配置成基于所述至少一个部门标签和部门标签的标签权重，确定部门画像的兴趣标签。
8.根据权利要求7所述的装置，其中，所述装置还包括：
推送单元，被配置成基于所述目标部门的部门画像的兴趣标签，向所述目标部门的员工推送信息。
9.根据权利要求7或8所述的装置，其中，所述装置还包括：
数据获取单元，被配置成获取所述目标部门的员工针对所述公司内部网站中信息产生的用户行为数据；
集合确定单元，被配置成基于所述用户行为数据，确定目标信息集合；
统计分析单元，被配置成对所述目标信息集合中的目标信息的标签进行统计分析，以及基于统计分析结果确定新增标签；
设置单元，被配置成设置所述新增标签的标签权重，以及将设置有标签权重的新增标签作为部门画像的兴趣标签。
10.根据权利要求9所述的装置，其中，所述装置还包括：
信息推送单元，被配置成基于所述新增标签向所述目标部门的员工推送信息；
调整单元，被配置成基于所述目标部门的员工针对所推送信息的点击操作，调整所述新增标签的标签权重；
删除单元，被配置成响应于确定所述新增标签的标签权重小于预设的权重阈值，从所述部门画像的兴趣标签中删除所述新增标签。
11.根据权利要求7所述的装置，其中，所述装置还包括：
分类单元，被配置成基于预先训练的文本分类模型对所述公司内部网站的信息进行分类。
标签确定单元，被配置成根据分类结果，确定所述公司内部网站中信息的标签。
12.根据权利要求7所述的装置，其中，所述确定单元进一步被配置成：
基于词频-逆向文件频率方法，确定所述至少一个部门标签中的部门标签的标签权重。
13.一种电子设备，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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010614451.XA CN111782949A (zh) | 2020-06-30 | 2020-06-30 | 用于生成信息的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010614451.XA CN111782949A (zh) | 2020-06-30 | 2020-06-30 | 用于生成信息的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111782949A true CN111782949A (zh) | 2020-10-16 |
Family
ID=72759821
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010614451.XA Pending CN111782949A (zh) | 2020-06-30 | 2020-06-30 | 用于生成信息的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111782949A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105989041A (zh) * | 2015-02-05 | 2016-10-05 | 北京尖峰合讯科技有限公司 | 基于阅读进度分析及推送数字阅读资源服务的方法与系统 |
| CN107729937A (zh) * | 2017-10-12 | 2018-02-23 | 北京京东尚科信息技术有限公司 | 用于确定用户兴趣标签的方法及装置 |
| CN108363821A (zh) * | 2018-05-09 | 2018-08-03 | 深圳壹账通智能科技有限公司 | 一种信息推送方法、装置、终端设备及存储介质 |
| CN109389182A (zh) * | 2018-10-31 | 2019-02-26 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
| CN109933678A (zh) * | 2019-03-07 | 2019-06-25 | 合肥工业大学 | 艺术品推荐方法、装置、可读介质及电子设备 |
| CN111104514A (zh) * | 2019-12-23 | 2020-05-05 | 北京百度网讯科技有限公司 | 文档标签模型的训练方法及装置 |
-
2020
- 2020-06-30 CN CN202010614451.XA patent/CN111782949A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105989041A (zh) * | 2015-02-05 | 2016-10-05 | 北京尖峰合讯科技有限公司 | 基于阅读进度分析及推送数字阅读资源服务的方法与系统 |
| CN107729937A (zh) * | 2017-10-12 | 2018-02-23 | 北京京东尚科信息技术有限公司 | 用于确定用户兴趣标签的方法及装置 |
| CN108363821A (zh) * | 2018-05-09 | 2018-08-03 | 深圳壹账通智能科技有限公司 | 一种信息推送方法、装置、终端设备及存储介质 |
| CN109389182A (zh) * | 2018-10-31 | 2019-02-26 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
| CN109933678A (zh) * | 2019-03-07 | 2019-06-25 | 合肥工业大学 | 艺术品推荐方法、装置、可读介质及电子设备 |
| CN111104514A (zh) * | 2019-12-23 | 2020-05-05 | 北京百度网讯科技有限公司 | 文档标签模型的训练方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 朱雨晗;: "基于用户兴趣标签的混合推荐方法", 电子制作, no. 22, 15 November 2018 (2018-11-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8612463B2 (en) | Identifying activities using a hybrid user-activity model | |
| CN111709247A (zh) | 数据集处理方法、装置、电子设备和存储介质 | |
| CN111859951A (zh) | 语言模型的训练方法、装置、电子设备及可读存储介质 | |
| CN111104514A (zh) | 文档标签模型的训练方法及装置 | |
| CN111966890A (zh) | 基于文本的事件推送方法、装置、电子设备和存储介质 | |
| US11640420B2 (en) | System and method for automatic summarization of content with event based analysis | |
| CN111522940A (zh) | 用于处理评论信息的方法和装置 | |
| CN111078878A (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
| CN111783427B (zh) | 用于训练模型与输出信息的方法、装置、设备及存储介质 | |
| CN113239275A (zh) | 信息推送方法、装置、电子设备和存储介质 | |
| CN111310058B (zh) | 资讯主题的推荐方法、装置、终端及存储介质 | |
| CN112579893A (zh) | 一种信息推送、信息展示方法、装置及设备 | |
| CN112818230A (zh) | 内容推荐方法、装置、电子设备和存储介质 | |
| CN112380847A (zh) | 兴趣点处理方法、装置、电子设备及存储介质 | |
| CN111563198B (zh) | 一种物料召回方法、装置、设备及存储介质 | |
| CN112084150A (zh) | 模型训练、数据检索方法，装置，设备以及存储介质 | |
| CN111125445A (zh) | 社区主题生成方法、装置、电子设备及存储介质 | |
| CN116304236A (zh) | 一种用户画像生成方法、装置、电子设备和存储介质 | |
| CN112148979B (zh) | 事件关联用户的识别方法、装置、电子设备和存储介质 | |
| CN113590914B (zh) | 信息处理方法、装置、电子设备和存储介质 | |
| CN115759100A (zh) | 数据处理方法、装置、设备及介质 | |
| CN112101012B (zh) | 互动领域确定方法、装置、电子设备及存储介质 | |
| CN112329453B (zh) | 样本章节的生成方法、装置、设备以及存储介质 | |
| CN111414455B (zh) | 舆情分析方法、装置、电子设备及可读存储介质 | |
| CN111782949A (zh) | 用于生成信息的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |