CN111984859A - 业务卡片的推荐方法、装置、电子设备及存储介质 - Google Patents
业务卡片的推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111984859A CN111984859A CN202010726017.0A CN202010726017A CN111984859A CN 111984859 A CN111984859 A CN 111984859A CN 202010726017 A CN202010726017 A CN 202010726017A CN 111984859 A CN111984859 A CN 111984859A
- Authority
- CN
- China
- Prior art keywords
- module
- service
- priority index
- user
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012163 sequencing technique Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 19
- 238000002372 labelling Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000002123 temporal 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种业务卡片的推荐方法、装置、电子设备及存储介质,所述方法包括:获取客户端发送的用户通过移动终端上用户生成内容UGC板块发布的动态信息;确定所述UGC板块涉及的业务模块的优先指数,以及所述动态信息的文字内容涉及的业务模块的优先指数;根据UGC板块涉及的业务模块的优先指数和文字内容涉及的业务模块的优先指数计算各业务模块的综合优先指数;按照各业务模块的综合优先指数的降序对各业务模块的业务卡片进行排序;将排序靠前的前N个业务卡片推荐给客户端,以便于客户端展示前N个业务卡片。本发明根据用户的业务需求,优先将用户需要的业务卡片推荐给客户端进行展示,满足了用户的业务需求,提高了用户的满意度。
Description
技术领域
本发明涉及网络技术领域,特别是涉及一种业务卡片的推荐方法、装置、电子设备及存储介质。
背景技术
随着移动设备的发展,移动应用市场日渐成熟。现有移动终端业务卡片展示方案,是通过用户的搜索内容来决定业务卡片的展示顺序与内容,其中,业务卡片类型主要为租房、招聘、金融、家政等业务。当用户搜索相关业务内容时,在用户“个人中心”的“我的卡片”下,便会展示相应的业务卡片;当用户长时间未搜索相关业务内容时,此业务卡片便会被隐藏。
但是,相关技术中,只有用户按照自己的意愿进行搜索后,才会展示相应的业务卡片,对于用户的一些潜在意愿没有引导性:以58同城为例,用户多次在移动终端58中的用户生成内容(UGC,User Generated Content)社区—58部落发布动态,表示最近要搬家,目前家里杂物过多不好处理,展现了较强的寻求搬家服务的业务需求;但因其不知道58同城能提供搬家服务,没有搜索过“搬家”词汇,所以,在该用户“我的卡片”下自然无法展示搬家服务卡片,因而有可能会错过用户的业务需求;此外,当用户已经完成某项业务,比如,在用户租到了房子时,该用户“我的卡片”下租房的业务卡片无法及时从被展示卡片中撤下。
因此,如何根据用户的业务需求,优先将对应的业务卡片给客户端进行展示是目前有待解决的技术问题。
发明内容
本发明实施例所要解决的技术问题是提供一种业务卡片的推荐方法,以解决现有技术中由于不能根据用户的业务需求,优先将用户需要的业务卡片推荐给客户端进行展示,导致推荐的业务卡片类型单一,不能满足业务需求,同时也降低了用户满意度的技术问题。
相应的,本发明实施例还提供了一种业务卡片展示装置、电子设备及存储介质装置,用以保证上述方法的实现及应用。
为了解决上述问题,本发明是通过如下技术方案实现的:
第一方面提供一种业务卡片的推荐方法,包括:
获取客户端发送的用户通过移动终端上用户生成内容UGC板块发布的动态信息;
确定发布所述动态信息的所述UGC板块涉及的业务模块的优先指数,以及所述动态信息的文字内容涉及的业务模块的优先指数;
根据所述UGC板块涉及的业务模块的优先指数和所述文字内容涉及的业务模块的优先指数计算各业务模块的综合优先指数;
按照所述各业务模块的综合优先指数的降序对各业务模块对应的业务卡片进行排序;
将排序靠前的前N个业务卡片推荐给客户端,以便于所述客户端展示所述前N个业务卡片,其中N为自然数。
可选的,所述确定所述动态信息涉及的业务模块的优先指数,包括:
根据发布所述动态信息的UGC板块查询数据库,得到与所述UGC板块对应的业务模块;
将所述业务模块的优先指数加一;
所述确定动态信息的文字内容涉及的业务模块的优先指数,包括:
识别所述动态信息中的文字内容;
将所述动态信息的文字内容拆分为多个词汇;
在数据库中查找与每个词汇对应的业务模块;
建立每个词汇与对应业务模块的关联关系;
通过机器学习模型,对所述文字内容进行学习,判断用户是否有意向需求;
根据是否有意向需求的判断结果和所述关联关系确定每个词汇对应的业务模块的优先指数。
可选的,所述通过机器学习模型对所述文字内容进行学习,判断用户是否有意向需求,包括:
通过机器学习模型对所述文字内容中每个句子的每个词汇的词性进行标注;
查找出标注为动词的词汇;
确定每个所述标注为动词的词汇之前存在否定词以及否定意义的词汇的数量;
判断所述数量是奇数或者偶数,如果是奇数,则判定结果减一,确定所述用户为无意向需求;如果是偶数,则判定结果加一,确定所述用户为有意向需求。
可选的,所述通过机器学习模型,对所述文字内容进行学习,判断用户是否有意向需求,还包括:
判断每个标注为动词的词汇之后是否存在时态助词,如果存在,则判定结果为减一,确定所述用户为无意向需求;如果不存在,则判定结果为加一,确定所述用户为有意向需求。
可选的,所述根据是否有意向需求的判定结果和所述关联关系确定每个词汇对应的业务模块的优先指数,包括:
判断根据所述关联关系确定的所述每个词汇所在的句子中是否存在有意向需求;
如果存在,则将有意向需求的词汇对应的业务模块的优先指数加正向预设值;
如果不存在,则将没有意向需求的词汇对应的业务模块的优先指数加负向预设值。
可选的,所述根据所述动态涉及业务模块的优先指数和所述文字内容涉及业务模块的优先指数计算各业务模块的综合优先指数,包括:
将所述动态涉及业务模块的优先指数和所述文字内容涉及对应业务模块的优先指数进行求和或加权求和,得到各业务模块的综合优先指数。
可选额,所述方法还包括:
预先建立各个UGC板块与对应业务模块的数据库;
建立所述业务模块的相关词汇的数据库。
第二方面提供一种业务卡片的推荐装置,包括:
获取模块,用于获取客户端发送的用户通过移动终端上用户生成内容UGC板块发布的动态信息;
确定模块,用于确定所述动态信息涉及业务模块的优先指数,以及所述动态信息的文字内容涉及业务模块的优先指数;
综合确定模块,用于根据所述动态涉及业务模块的优先指数和所述文字内容涉及业务模块的优先指数计算各业务模块的综合优先指数;
排序模块,用于按照所述各业务模块的综合优先指数的降序对各业务模块对应的业务卡片进行排序;
推荐模块,用于将排序靠前的前N个业务卡片推荐给客户端,以便于所述客户端展示所述前N个业务卡片,其中N为自然数。
可选的,所述确定模块包括第一确定模块和第二确定模块,其中,
所述第一确定模块包括:
第一查找模块,用于根据所述获取模块获取发布所述动态信息的UGC板块查询数据库,得到与所述UGC板块对应的业务模块;
第一指数确定模块,用于将所述业务模块的优先指数加一;
所述第二确定模块包括:
识别模块,用于识别所述动态信息中的文字内容;
拆分模块,用于将所述动态信息的文字内容拆分为多个词汇;
第二查找模块,用于在数据库中查找与每个词汇对应的业务模块;
第一建立模块,用于建立每个词汇与对应业务模块的关联关系;
第一判断模块,用于通过机器学习模型对所述文字内容进行学习,判断用户是否有意向需求;
第二指数确定模块,用于根据所述第一判断模块判定是否有意向需求的判定结果和所述第一建立模块建立的所述关联关系确定每个词汇对应的业务模块的优先指数。
可选的,所述第一判断模块包括:
词性标注模块,用于通过机器学习模型对所述文字内容中每个句子的每个词汇的词性进行标注;
动词查找模块,用于查找所述词性标注模块标注为动词的词汇;
数量确定模块,用于确定所述动词查找模块查找到的每个所述标注为动词的词汇之前存在否定词以及否定意义的词汇的数量;
奇偶判断模块,用于判断所述数量是奇数或者偶数;
第一意向确定模块,用于在所述奇偶判断模块判定所述数量为奇数时,判定结果为减一,确定所述用户为无意向需求;或者,在所述奇偶判断模块判定所述数量为偶数时,判定结果为加一,确定所述用户为有意向需求。
可选的,所述第一判断模块还包括:
第二意向确定模块,用于判断所述动词查找模块查找到的每个所述标注为动词的词汇之后是否存在时态助词,如果存在,则判定结果为减一,确定所述用户为无意向需求;如果不存在,则判定结果为加一,确定所述用户为有意向需求。
可选的,所述第二指数确定模块包括:
第二判断模块,用于判断所述关联关系中的每个词汇所在的句子中是否存在有意向需求;
指数增加模块,用于在所述第二判断模块判定存在有意向需求时,将有意向需求的词对应的业务模块的优先指数加正向预设值;
指数减少模块,用于在所述第二判断模块判定不存在有意向需求时,将没有意向需求的词对应的业务模块的优先指数加负向预设值。
可选的,所述综合确定模块,具体用于将所述动态涉及业务模块的优先指数和所述文字内容涉及对应的业务模块的优先指数进行求和,得到各业务模块的综合优先指数。
可选的,所述装置还包括:
第二建立模块,用于在所述获取模块获取到客户端发送的动态信息前,预先预先建立各个UGC板块与对应业务模块的数据库;
第三建立模块,用于建立所述业务模块的相关词汇的数据库。
第三方面提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的业务卡片的推荐方法的步骤。
第四方面提供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执行时实现如上所述的业务卡片的推荐方法中的步骤。
第五方面提供根据一种计算机程序产品,当所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如上所述的业务卡片的推荐方法的步骤。
与现有技术相比,本发明实施例包括以下优点:
本发明实施例中,在获取客户端发送的用户通过移动终端上用户生成内容UGC板块发布的动态信息时,确定发布所述动态信息的UGC板块涉及业务模块的优先指数,以及所述动态信息的文字内容涉及业务模块的优先指数;根据所述动态涉及业务模块的优先指数和所述文字内容涉及业务模块的优先指数计算各业务模块的综合优先指数;按照所述各业务模块的综合优先指数的降序对各业务模块对应的业务卡片进行排序;将排序靠前的前N个业务卡片推荐给客户端,以便于所述客户端展示所述前N个业务卡片。也就是说,本发明实施例中,在接收到客户端发送的用户通过移动终端上UGC板块发布的动态信息时,确定发布该动态的所述UGC板块涉及的业务模块的优先指数,以及该动态的文字内容涉及的业务模块的优先指数,然后,根据二者的优先指数计算各个业务模块的综合优先指数,即将根据结合UGC板块涉及业务模块的优先指数和用户发布内容涉及业务模块的优先指数计算出各业务卡片的综合优先指数,然后按照综合优先指数对各个业务模块对应的业务卡片进行降序排序,并将排序最该的前N个业务卡片推荐给客户端,以便于客户端展示综合优先指数最高的前N种业务卡片。本发明根据用户的业务需求,优先将用户需要的业务卡片推荐给客户端进行展示,丰富业务卡片单一的种类,满足了用户的业务需求,提高了用户的满意度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
图1是本发明实施例提供的一种业务卡片的推荐方法的流程图;
图2是本发明实施例提供的一种业务卡片的推荐装置的结构示意图;
图3是本发明实施例提供的一种确定模块的结构示意图;
图4是本发明实施例提供的一种第一判断模块的结构示意图;
图5是本发明实施例提供的一种第一判断模块的另一结构示意图;
图6是本发明实施例提供的一种第二指数确定模块的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
在介绍本发明实施例之前,先参阅与本发明实施例相关的技术术语:
机器学习:机器学习是一种自动化分析模型构建的数据分析方法。它是人工智能的一个分支,其基础是系统可以从数据中学习,识别模式并以最少的人工干预做出决策。
业务卡片:卡片是含有图片和文字在内的小矩形模块,是用户了解更多细节信息的“入口”。业务卡片是某一业务模块的展示入口,以58同城为例,业务卡片被展示在用户“个人中心”,包括我的租房、我的求职等业务模块。
用户生成内容(UGC,User Generated Content),用户将自己原创的内容通过互联网平台进行展示或者提供给其他用户。
优先指数:业务模块属性,为整型数据,记录在业务模块的”priorityIndex”字段中,标记该业务卡片的展示优先级,优先指数高的卡片会被展示在前列。
自然语言处理(NLP,Natural Language Processing),让计算机能够理解人类语言的一种技术。
分词:将连续的字序列按照一定的规范重新组合成词序。
词性标注:为分词结果中的每个单词标注一个正确的词性的程序,也即确定每个词是名词、动词、形容词或其他词性的过程。
在理解上述技术术语的基础上,请参阅图1,为本发明实施例提供的一种业务卡片的推荐方法的流程图,具体可以包括如下步骤:
步骤101:获取客户端发送的用户生成内容UGC板块发布的动态信息;
步骤102:确定所述动态信息涉及业务模块的优先指数,以及所述动态信息的文字内容涉及业务模块的优先指数;
步骤103:根据所述动态涉及业务模块的优先指数和所述文字内容涉及业务模块的优先指数计算各业务模块的综合优先指数;
步骤104:按照所述各业务模块的综合优先指数的降序对各业务模块对应的业务卡片进行排序;
步骤105:将优排序靠前的前N个业务卡片推荐给客户端,以便于所述客户端展示所述前N个业务卡片,其中N为自然数。
本发明实施例提供的业务卡片的推荐方法,可以应用于移动终端、服务端、客户端、后端或系统等,在此不作限制,其实施设备可以是智能手机,笔记本电脑、平板电脑等电子设备,在此也不作限制。
下面结合图1,对本发明实施例提供的业务卡片的推荐方法的具体实施步骤进行详细说明。
首先,执行步骤101,获取客户端发送的移动终端上用户生成内容UGC板块发布的动态信息;
该步骤中,当用户在移动终端上用户生成内容(UGC,User Generated Content)论坛的某个板块发布了一条动态时,客户端检测到该发布的动态信息,并将该动态信息发送给服务端,即服务端获取到客户端发送的用户通过移动终端上用户生成内容UGC板块发布的动态信息。需要说明的是,移动终端上包括多个UGC板块。
其次,执行步骤102,确定所述动态信息涉及业务模块的优先指数,以及所述动态信息的文字内容涉及业务模块的优先指数。
其中,该步骤中,确定所述动态信息涉及的业务模块的优先指数,以及确定所述动态信息的文字内容涉及业务模块的优先指数,在时间上不分先后顺序,也可以同时执行,本实施例不做限制。
其中,所述确定所述动态信息涉及的业务模块的优先指数,包括:
服务端先根据发布所述动态信息的UGC板块查询数据库,得到与所述UGC板块对应的业务模块;然后,将所述业务模块的优先指数加一;也就是说,服务端先获取用户在哪个UGC板块发布的动态时,然后从数据库中查找该UGC板块对应的业务模块。需要说明的是,需要预先建立各个UGC板块与对应业务模块的数据库,以及建立所述业务模块的相关词汇的数据库。其建立的过程,对于本领域技术人员来说,已是熟知技术,在此不再赘述。
比如,以58同城为例,在58部落中,有求职那些事、租房那些事、汽车交流圈等UGC板块。如果用户在某一UGC板块发布了动态,则该UGC板块名称会被记录在{"related":{"cbd":{"name":}}}字段中,客户端会检测到哪个UGC板块发布了动态信息,之后,将该UGC板块发布的动态信息发送给服务端,服务端接收到该动态信息后,读取该UGC板块中{"related":{"cbd":{"name":}}}字段的字段信息,然后,在预先建立的数据库中查询与该字段信息对应的业务模块,最后,将查询到的所述业务模块的优先指数加一。
其中,所述确定动态信息的文字内容涉及的业务模块的优先指数,包括:
1)识别所述动态信息中的文字内容;
该步骤中,当用户通过UGC板块发布动态信息,其动态信息的文字内容记录在{"content":{"text":}}字段中,当服务端接收到客户端发送的该动态信息时,读取{"content":{"text":}}字段中的信息,得到该动态信息的文字内容。
2)将所述动态信息的文字内容拆分为多个词汇;
该步骤中,服务端可以利用NPL的中文分词技术,将用户所发布动态信息的文字内容拆分为一个个单独的词汇,进一步,可以从该多个词汇中提取关键词等;比如:租房、换车、找工作、家务等词汇。其中,利用NPL对该文字内容进行拆分的具体过程,对于本领域技术来说,已是熟知技术,在此不再赘述。
3)在数据库中查找与每个词汇对应的业务模块;
在利用NPL分词技术对动态信息的文字内容进行拆分成多个词汇后,对于动态信息中的每一个词汇,在数据库中查找该词汇涉及的业务模块。其查找的过程对于本领域技术来说,已是熟知技术,在此不再赘述。
4)建立每个词汇与对应业务模块的关联关系;
该步骤中,服务端建立每个词汇与对应业务模块的关联关系,也就是说,将词汇作为key,对应的业务模块作为value,将“词汇-业务模块”组成的键值对保存在“词汇-业务模块”数据库中。
5)通过机器学习模型,对所述文字内容进行学习,判断用户是否有意向需求;
通过机器学习模型对每个句子中的每一个词汇进行词性标注,查找出其中的动词,即具有动作的词汇,然后,确定每个所述标注为动词的词汇之前存在否定词以及否定意义的词汇的数量,即查找每个动词前的否定词和表达否定意义的词汇,找出全部后统计其数量,若该数量为奇数,则则判定结果为-1,确定所述用户为无意向需求;如果数量为偶数,则判定结果为+1,确定所述用户为有意向需求。
进一步,还可以判断每个标注为动词的词汇之后是否存在时态助词,如果存在,则判定结果为-1,确定所述用户为无意向需求;如果不存在,则判定结果为+1,确定所述用户为有意向需求。也就是说,查找每个动词之后是否存在时间助词,若查找到时态助词比如“了”、“过”等,则判断结果为-1,说明用户无意向需求;如果不存在,则判定结果为+1,确定所述用户为有意向需求。
需要说明的是,如果判定结果为+1,则说明用户“有意向需求”;如果判定结果为-1,则说明用户“无意向需求”。
6)根据是否有意向需求的判断结果和所述关联关系确定每个词汇对应的业务模块的优先指数。
该步骤中,服务端先判断所述关联关系中的每个词汇所在的句子中是否存在有意向需求,如果存在,则将有意向需求的词对应的业务模块的优先指数加正向预设值;比如,将正向预设值为预先设定的,比如设定为+5,+10,+15等,也可以根据需要自适应调整,本实施例不做限制。
如果不存在,则将没有意向需求的词对应的业务模块的优先指数加负向预设值。相对于正向预设值,设定对应的负向预设值,比如,如果正向预设值为设置为:+5,+10,+15等,对应的负向预设值设置为-5,-10,-15:其负向预设值对应的值也可以根据正向预设值的设置进行自适应调整,本实施例不做限制。
比如,对于“词汇-业务模块”数据库中的每一个词汇,依据该关联关联,判断每个词汇所在的句子中是否“有意向需求”,如果用户“有意向需求”,则该判断有业务需求的词汇对应的业务模块的优先指数+10;若判定用户“无意向需求”,则判定该词汇对应的业务模块的优先指数-10。
再次,执行步骤103,根据所述动态涉及业务模块的优先指数和所述文字内容涉及业务模块的优先指数计算各业务模块的综合优先指数;
该步骤中,一种计算方法就是:将所述动态涉及业务模块的优先指数和所述文字内容涉及对应的业务模块的优先指数进行求和,得到各业务模块的综合优先指数。比如,动为态涉及业务模块的优先指数为+6,而文字内容涉及的同一业务模块为+10,则该业务模块的综合优先指数为+16。当然,并不限于此这种计算方法。
本实施例中,还可以按照为各个业务模块设定的加权系数,结合所述动态涉及业务模块的优先指数和所述文字内容涉及业务模块的优先指数来计算各业务模块的综合优先指数,即,将所述动态涉及业务模块的优先指数和所述文字内容涉及对应业务模块的优先指数分别与对应业务模块的加权系统求和,得到各业务模块的综合优先指数。其中,为各个业务模块预设加权因子可以根据不同的业务场景来设置不同的值,本实施例不做限制。
然后,执行步骤104,按照所述各业务模块的综合优先指数的降序对各业务模块对应的业务卡片进行排序;
该步骤中,服务端可以按照各业务模块的综合优先指数的降序对各业务模块对应的业务卡片进行排序,当然,也可以按照综合优先指数的升序对对各业务模块对应的业务卡片进行排序,如果按照各业务模块的综合优先指数的升序进行排序,则在后续执行步骤105中,需要选取最后排列的N个业务卡片。通常情况下,都是选择各业务模块的综合优先指数的降序来对业务卡片进行排序。
最后,执行步骤105,将优排序靠前的前N个业务卡片推荐给客户端,以便于所述客户端展示所述前N个业务卡片,其中N为自然数。
该步骤中,服务端先选取综合优先指数靠前的前N个业务卡片,然后,将选取的前N个卡片推荐给客户端,客户端在接收到该N个业务卡片后,在该“我的卡片”业务模块下展示该N个业务卡片,
比如,服务端在计算出每个业务模块的综合优先指数后,按照该优先指数从高到低对各个业务卡片进行排序,并选取综合优先指数最高的三种业务卡片推荐给客户端,以便于客户端在“我的卡片”业务模块下展示这三种业务卡片。当然,本实施例只是选取排序最高三种业务卡片为例,在实际应用中,并不限于此这三种业务卡片,也可以是排序最高的前一种业务卡片,前两种业务卡片,或者前五种业务卡片等,本实施例不做限制。
本发明实施例中,在获取客户端发送的用户通过移动终端上用户生成内容UGC板块发布的动态信息时,确定发布所述动态信息的UGC板块涉及业务模块的优先指数,以及所述动态信息的文字内容涉及业务模块的优先指数;根据所述动态涉及业务模块的优先指数和所述文字内容涉及业务模块的优先指数计算各业务模块的综合优先指数;按照所述各业务模块的综合优先指数的降序对各业务模块对应的业务卡片进行排序;将排序靠前的前N个业务卡片推荐给客户端,以便于所述客户端展示所述前N个业务卡片。也就是说,本发明实施例中,在接收到客户端发送的用户通过移动终端上UGC板块发布的动态信息时,确定发布该动态的所述UGC板块涉及的业务模块的优先指数,以及该动态的文字内容涉及的业务模块的优先指数,然后,根据二者的优先指数计算各个业务模块的综合优先指数,即将根据结合UGC板块涉及业务模块的优先指数和用户发布内容涉及业务模块的优先指数计算出各业务卡片的综合优先指数,然后按照综合优先指数对各个业务模块对应的业务卡片进行降序排序,并将排序最该的前N个业务卡片推荐给客户端,以便于客户端展示综合优先指数最高的前N种业务卡片。本发明根据用户的业务需求,优先将用户需要的业务卡片推荐给客户端进行展示,丰富业务卡片单一的种类,满足了用户的业务需求,提高了用户的满意度。
进一步,本发明实施例中,通过机器学习分析用户发布动态的UGC板块涉及的业务模块及发布动态内容涉及到业务模块,通过对二者对应业务模块的优先指数进行综合计算,根据综合计算得到业务模块的综合优先指数决定各业务卡片的展示顺序,并选取前N个卡片推荐给客户端进行展示,有助于发掘用户需求,方便用户找到能满足其需求的业务入口;当客户端检测到用户已满足对应的业务需求时,及时将业务卡片从“我的卡片”中撤下,从而将其他更紧迫的业务卡片提高到更优先的位置进行展示。不但满足了用户的业务需求,提高了用户的满意度。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
请参阅图2,为本发明实施例提供的一种业务卡片的推荐装置的结构示意图,具体可以包括如下模块:获取模块201,确定模块202,综合确定模块203,排序模块204和推荐模块205,其中,
其中,该获取模块201,用于获取客户端发送的用户通过移动终端上用户生成内容UGC板块发布的动态信息;
该确定模块202,用于确定所述动态信息涉及业务模块的优先指数,以及所述动态信息的文字内容涉及业务模块的优先指数;
该综合确定模块203,用于根据所述动态涉及业务模块的优先指数和所述文字内容涉及业务模块的优先指数计算各业务模块的综合优先指数;
该排序模块204,用于按照所述各业务模块的综合优先指数的降序对各业务模块对应的业务卡片进行排序;
该推荐模块205,用于将排序靠前的前N个业务卡片推荐给客户端,以便于所述客户端展示所述前N个业务卡片,其中N为自然数。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述确定模块202包括第一确定模块301和第二确定模块302,其中,所述第一确定模块301包括:第一查找模块3011和第一指数确定模块3022,所述第二确定模块302包括:识别模块3021,拆分模块3022,第二查找模块3023,第一建立模块3024,第一判断模块3025和第二指数确定模块3026,其结构示意图如图3所示,其中,
所述第一确定模块301包括:
该第一查找模块3011,用于根据所述获取模块201获取发布所述动态信息的UGC板块查找数据库,得到与所述UGC板块对应的业务模块;
该第一指数确定模块3012,用于将所述业务模块的优先指数加一;
所述第二确定模块302包括:
该识别模块3021,用于识别所述动态信息中的文字内容;
该拆分模块3022,用于将所述动态信息的文字内容拆分为多个词汇;
该第二查找模块3023,用于在数据库中查找与每个词汇对应的业务模块;
该第一建立模块3024,用于建立每个词汇与对应业务模块的关联关系;
该第一判断模块3025,用于通过机器学习模型对所述文字内容进行学习,判断用户是否有意向需求;
该第二指数确定模块3026,用于根据所述第一判断模块3025判定是否有意向需求的判定结果和所述第一建立模块3024建立的所述关联关系确定每个词汇对应的业务模块的优先指数。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述第一判断模块3205包括:词性标注模块401,动词查找模块402,数量确定模块403,奇偶判断模块404和第一意向确定模块405,其结构示意图如图4所示,其中,
该词性标注模块401,用于通过机器学习模型对所述文字内容中每个句子的每个词汇的词性进行标注;
该动词查找模块402,用于查找所述词性标注模块401标注为动词的词汇;
该数量确定模块403,用于确定所述动词查找模块402查找到的每个所述标注为动词的词汇之前存在否定词以及否定意义的词汇的数量;
该奇偶判断模块404,用于判断所述数量是奇数或者偶数;
该第一意向确定模块405,用于在所述奇偶判断模块404判定所述数量为奇数时,判定结果为减一,确定所述用户为无意向需求;或者,在所述奇偶判断模块判定所述数量为偶数时,判定结果为加一,确定所述用户为有意向需求;
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述第一判断模块3205还包括:第二意向确定模块501,其结构示意图如图5所示,其中,
该第二意向确定模块501,用于判断所述动词查找模块402查找到的每个所述标注为动词的词汇之后是否存在时态助词,如果存在,则判定结果为减一,确定所述用户为无意向需求;如果不存在,则判定结果为加一,确定所述用户为有意向需求。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述第二指数确定模块3026包括:第二判断模块601,指数增加模块602和指数减少模块603,其结构示意图如图6所示,其中,
该第二判断模块601,用于判断根据所述关联关系确定的所述每个词汇所在的句子中是否存在有意向需求,
该指数增加模块602,用于在所述第二判断模块601判定存在有意向需求时,将有意向需求的词对应的业务模块的优先指数加正向预设值;
该指数减少模块603,用于在所述第二判断模块602判定不存在有意向需求时,将没有意向需求的词对应的业务模块的优先指数加负向预设值。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述综合确定模块,具体用于将所述动态涉及业务模块的优先指数和所述文字内容涉及对应的业务模块的优先指数进行求和,得到各业务模块的综合优先指数。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述装置还包括:第二建立模块和第三建立模块,其中,
该第二建立模块,用于在所述获取模块获取到客户端发送的动态信息前,预先预先建立各个UGC板块与对应业务模块的数据库;
该第三建立模块,用于建立所述业务模块的相关词汇的数据库。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
可选的,本发明实施例还提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的业务卡片的推荐方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
可选的,本发明实施例还提供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执行时实现如上所述的业务卡片的展示方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
在示例性实施例中,还提供了一种计算机程序产品,当计算机程序产品中的指令由电子设备400的处理器420执行时,使得电子设备400执行上述所示的业务卡片的推荐方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种业务卡片的推荐方法、装置、电子设备及存储介质,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (16)
1.一种业务卡片的推荐方法,其特征在于,包括:
获取客户端发送的用户通过移动终端上用户生成内容UGC板块发布的动态信息;
确定发布所述动态信息的所述UGC板块涉及的业务模块的优先指数,以及所述动态信息的文字内容涉及的业务模块的优先指数;
根据所述UGC板块涉及的业务模块的优先指数和所述文字内容涉及的业务模块的优先指数计算各业务模块的综合优先指数;
按照所述各业务模块的综合优先指数的降序对各业务模块对应的业务卡片进行排序;
将排序靠前的前N个业务卡片推荐给客户端,以便于所述客户端展示所述前N个业务卡片,其中N为自然数。
2.根据权利要求1所述的方法,其特征在于,
所述确定所述动态信息涉及的业务模块的优先指数,包括:
根据发布所述动态信息的UGC板块查询数据库,得到与所述UGC板块对应的业务模块;
将所述业务模块的优先指数加一;
所述确定动态信息的文字内容涉及的业务模块的优先指数,包括:
识别所述动态信息中的文字内容;
将所述动态信息的文字内容拆分为多个词汇;
在数据库中查找与每个词汇对应的业务模块;
建立每个词汇与对应业务模块的关联关系;
通过机器学习模型对所述文字内容进行学习,判断用户是否有意向需求;
根据是否有意向需求的判断结果和所述关联关系确定每个词汇对应的业务模块的优先指数。
3.根据权利要求2所述的方法,其特征在于,所述通过机器学习模型,对所述文字内容进行学习,判断用户是否有意向需求,包括:
通过机器学习模型对所述文字内容中每个句子的每个词汇的词性进行标注;
查找出标注为动词的词汇;
确定每个所述标注为动词的词汇之前存在否定词以及否定意义的词汇的数量;
判断所述数量是奇数或者偶数,如果是奇数,则判定结果减一,确定所述用户为无意向需求;如果是偶数,则判定结果加一,确定所述用户为有意向需求。
4.根据权利要求3所述的方法,其特征在于,所述通过机器学习模型,对所述文字内容进行学习,判断用户是否有意向需求,还包括:
判断每个标注为动词的词汇之后是否存在时态助词,如果存在,则判定结果为减一,确定所述用户为无意向需求;如果不存在,则判定结果为加一,确定所述用户为有意向需求。
5.根据权利要求2至4任一项所述的方法,其特征在于,所述根据是否有意向需求的判定结果和所述关联关系确定每个词汇对应的业务模块的优先指数,包括:
判断根据所述关联关系确定的所述每个词汇所在的句子中是否存在有意向需求;
如果存在,则将有意向需求的词汇对应的业务模块的优先指数加正向预设值;
如果不存在,则将没有意向需求的词汇对应的业务模块的优先指数加负向预设值。
6.根据权利要求1至4任一项所述的方法,其特征在于,所述根据所述动态涉及业务模块的优先指数和所述文字内容涉及业务模块的优先指数计算各业务模块的综合优先指数,包括:
将所述动态涉及业务模块的优先指数和所述文字内容涉及对应业务模块的优先指数进行求和或加权求和,得到各业务模块的综合优先指数。
7.根据权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:
预先建立各个UGC板块与对应业务模块的数据库;
建立所述业务模块的相关词汇的数据库。
8.一种业务卡片的推荐装置,其特征在于,包括:
获取模块,用于获取客户端发送的用户通过移动终端上用户生成内容UGC板块发布的动态信息;
确定模块,用于确定所述动态信息涉及业务模块的优先指数,以及所述动态信息的文字内容涉及业务模块的优先指数;
综合确定模块,用于根据所述动态涉及业务模块的优先指数和所述文字内容涉及业务模块的优先指数计算各业务模块的综合优先指数;
排序模块,用于按照所述各业务模块的综合优先指数的降序对各业务模块对应的业务卡片进行排序;
推荐模块,用于将排序靠前的前N个业务卡片推荐给客户端,以便于所述客户端展示所述前N个业务卡片,其中N为自然数。
9.根据权利要求8所述的装置,其特征在于,所述确定模块包括第一确定模块和第二确定模块,其中,
所述第一确定模块包括:
第一查找模块,用于根据所述获取模块获取发布所述动态信息的UGC板块查询数据库,得到与所述UGC板块对应的业务模块;
第一指数确定模块,用于将所述业务模块的优先指数加一;
所述第二确定模块包括:
识别模块,用于识别所述动态信息中的文字内容;
拆分模块,用于将所述动态信息的文字内容拆分为多个词汇;
第二查找模块,用于在数据库中查找与每个词汇对应的业务模块;
第一建立模块,用于建立每个词汇与对应业务模块的关联关系;
第一判断模块,用于通过机器学习模型对所述文字内容进行学习,判断用户是否有意向需求;
第二指数确定模块,用于根据所述第一判断模块判定是否有意向需求的判定结果和所述第一建立模块建立的所述关联关系确定每个词汇对应的业务模块的优先指数。
10.根据权利要求9所述的装置,其特征在于,所述第一判断模块包括:
词性标注模块,用于通过机器学习模型对所述文字内容中每个句子的每个词汇的词性进行标注;
动词查找模块,用于查找所述词性标注模块标注为动词的词汇;
数量确定模块,用于确定所述动词查找模块查找到的每个所述标注为动词的词汇之前存在否定词以及否定意义的词汇的数量;
奇偶判断模块,用于判断所述数量是奇数或者偶数;
第一意向确定模块,用于在所述奇偶判断模块判定所述数量为奇数时,判定结果为减一,确定所述用户为无意向需求;或者,在所述奇偶判断模块判定所述数量为偶数时,判定结果为加一,确定所述用户为有意向需求。
11.根据权利要求9所述的装置,其特征在于,所述第一判断模块还包括:
第二意向确定模块,用于判断所述动词查找模块查找到的每个所述标注为动词的词汇之后是否存在时态助词,如果存在,则判定结果为减一,确定所述用户为无意向需求;如果不存在,则判定结果为加一,确定所述用户为有意向需求。
12.根据权利要求9至11任一项所述的装置,其特征在于,所述第二指数确定模块包括:
第二判断模块,用于判断所述关联关系中的每个词汇所在的句子中是否存在有意向需求;
指数增加模块,用于在所述第二判断模块判定存在有意向需求时,将有意向需求的词对应的业务模块的优先指数加正向预设值;
指数减少模块,用于在所述第二判断模块判定不存在有意向需求时,将没有意向需求的词对应的业务模块的优先指数加负向预设值。
13.根据权利要求8至11任一项所述的方法,其特征在于,所述综合确定模块,具体用于将所述动态涉及业务模块的优先指数和所述文字内容涉及对应的业务模块的优先指数进行求和,得到各业务模块的综合优先指数。
14.根据权利要求8至11任一项所述的装置,其特征在于,所述装置还包括:
第二建立模块,用于在所述获取模块获取到客户端发送的动态信息前,预先预先建立各个UGC板块与对应业务模块的数据库;
第三建立模块,用于建立所述业务模块的相关词汇的数据库。
15.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的业务卡片的推荐方法的步骤。
16.一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执行时实现如权利要求1至7中任一项所述的业务卡片的推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010726017.0A CN111984859A (zh) | 2020-07-24 | 2020-07-24 | 业务卡片的推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010726017.0A CN111984859A (zh) | 2020-07-24 | 2020-07-24 | 业务卡片的推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111984859A true CN111984859A (zh) | 2020-11-24 |
Family
ID=73438128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010726017.0A Pending CN111984859A (zh) | 2020-07-24 | 2020-07-24 | 业务卡片的推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111984859A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569089A (zh) * | 2021-07-21 | 2021-10-29 | 北京达佳互联信息技术有限公司 | 信息处理方法、装置、服务器、设备、系统及存储介质 |
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 |
CN113569089B (zh) * | 2021-07-21 | 2024-05-17 | 北京达佳互联信息技术有限公司 | 信息处理方法、装置、服务器、设备、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126582A (zh) * | 2016-06-20 | 2016-11-16 | 乐视控股(北京)有限公司 | 推荐方法及装置 |
US20170004557A1 (en) * | 2015-07-02 | 2017-01-05 | Ebay Inc. | Data recommendation and prioritization |
CN107153672A (zh) * | 2017-03-22 | 2017-09-12 | 中国科学院自动化研究所 | 基于言语行为理论的用户交互意图识别方法及系统 |
CN107316643A (zh) * | 2017-07-04 | 2017-11-03 | 科大讯飞股份有限公司 | 语音交互方法及装置 |
CN110704707A (zh) * | 2019-09-27 | 2020-01-17 | 黄海鹏 | 基于用户画像的业务推荐方法以及装置 |
-
2020
- 2020-07-24 CN CN202010726017.0A patent/CN111984859A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170004557A1 (en) * | 2015-07-02 | 2017-01-05 | Ebay Inc. | Data recommendation and prioritization |
CN106126582A (zh) * | 2016-06-20 | 2016-11-16 | 乐视控股(北京)有限公司 | 推荐方法及装置 |
CN107153672A (zh) * | 2017-03-22 | 2017-09-12 | 中国科学院自动化研究所 | 基于言语行为理论的用户交互意图识别方法及系统 |
CN107316643A (zh) * | 2017-07-04 | 2017-11-03 | 科大讯飞股份有限公司 | 语音交互方法及装置 |
CN110704707A (zh) * | 2019-09-27 | 2020-01-17 | 黄海鹏 | 基于用户画像的业务推荐方法以及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569089A (zh) * | 2021-07-21 | 2021-10-29 | 北京达佳互联信息技术有限公司 | 信息处理方法、装置、服务器、设备、系统及存储介质 |
CN113569089B (zh) * | 2021-07-21 | 2024-05-17 | 北京达佳互联信息技术有限公司 | 信息处理方法、装置、服务器、设备、系统及存储介质 |
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 |
---|---|---|
CN106663125B (zh) | 提问句生成装置以及记录介质 | |
US9619481B2 (en) | Method and apparatus for generating ordered user expert lists for a shared digital document | |
CN112214670A (zh) | 一种在线课程推荐方法、装置、电子设备及存储介质 | |
CN110427483B (zh) | 文本摘要评测方法、装置、系统及评测服务器 | |
CN105653547B (zh) | 一种提取文本关键词的方法和装置 | |
CN109002499B (zh) | 学科相关性知识点库构建方法及其系统 | |
CN107436916B (zh) | 智能提示答案的方法及装置 | |
CN112765974B (zh) | 一种业务辅助方法、电子设备及可读存储介质 | |
CN111831810B (zh) | 智能问答方法、装置、设备及存储介质 | |
KR20200145299A (ko) | 온라인 면접 동영상 분석 및 소셜미디어 정보분석 기반 지능형 채용지원 플랫폼 | |
CN109359201A (zh) | 多媒体教学资源的编码、存储方法及其设备 | |
CN114357126A (zh) | 一种智能问答系统 | |
CN111984859A (zh) | 业务卡片的推荐方法、装置、电子设备及存储介质 | |
CN112989053A (zh) | 一种期刊推荐方法及装置 | |
CN115687790B (zh) | 基于大数据的广告推送方法、系统及云平台 | |
WO2017142729A1 (en) | Method and system for personalizing software based on real time tracking of voice-of-customer feedback | |
CN114528851B (zh) | 回复语句确定方法、装置、电子设备和存储介质 | |
CN109242690A (zh) | 理财产品推荐方法、装置、计算机设备及可读存储介质 | |
CN115186063A (zh) | 一种业务数据处理方法、装置、设备及存储介质 | |
CN114936289A (zh) | 文本分析方法及装置 | |
CN113468306A (zh) | 语音对话方法、装置、电子设备及存储介质 | |
CN113204697A (zh) | 一种搜索方法、装置、电子设备及存储介质 | |
Elalfy et al. | Predicting best answer in community questions based on content and sentiment analysis | |
CN111026856A (zh) | 一种智能交互方法、装置以及计算机可读储存介质 | |
CN112487302B (zh) | 一种基于用户行为的档案资源精准推送方法 |
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 |