CN112084406A - 短信处理方法、装置、电子设备和存储介质 - Google Patents
短信处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112084406A CN112084406A CN202010930893.5A CN202010930893A CN112084406A CN 112084406 A CN112084406 A CN 112084406A CN 202010930893 A CN202010930893 A CN 202010930893A CN 112084406 A CN112084406 A CN 112084406A
- Authority
- CN
- China
- Prior art keywords
- short message
- user
- short
- keywords
- recommendation list
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 21
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 38
- 230000009466 transformation Effects 0.000 claims description 37
- 230000006399 behavior Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 abstract description 13
- 238000004891 communication Methods 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 116
- 230000008569 process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 210000001072 colon Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06F40/279—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)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了一种短信处理方法、装置、电子设备和存储介质,属于通信技术领域。在本申请实施例中,响应于用户查找短信的操作,可以获取用户标签以及每一条短信分别对应的短信关键词,再根据用户标签和短信关键词获得每一条短信分别对应的短信特征,然后根据短信特征确定每一条短信分别对应的预估选择率,再根据短信的预估选择率确定短信推荐列表,并将短信推荐列表根据预设显示方式显示,从而能够在用户需要获取短信时,预估用户可能选择的短信并推荐给用户,避免用户逐个按时间顺序翻找短信,或通过关键词搜索不准确导致的短信查找效率低的问题。
Description
技术领域
本申请属于通信技术领域,具体涉及一种短信处理方法、装置、电子设备和存储介质。
背景技术
当前,用户在使用手机时可以通过短信功能进行沟通、交流,从而在传达信息避免打扰联系人的工作、休息等。但是,目前运营商经常通过短信投放广告,使得用户的手机可能收到大量垃圾短信,而现有的手机通常按照短信的接收时间对短信进行排序显示,用户在排序显示的短信中查找对应时间接收的短信,或者,输入关键词搜索对应的短信。
在实现本申请过程中,申请人发现现有技术中至少存在如下问题:
用户手机中短信量大,或包含较多垃圾短信时,用户在排序显示的短信中查找到对应短信的耗时长、效率低;当用户输入关键词搜索获取短信时,在关键词不准确,或关键词关联的短信多时,可能会导致搜索得到的短信与用户搜索需要的短信不对应,使得用户需要多次输入、搜索以获得搜索需要的短信,查找短信效率低。
发明内容
本申请实施例的目的是提供一种短信处理方法、装置、电子设备和存储介质,能够解决目前短信查找效率低的问题。
为了解决上述技术问题,本申请是这样实现的:
第一方面,本申请实施例提供了一种短信处理方法,该方法包括:
响应于用户查找短信的操作,获取所述用户对应的用户标签以及每一条短信分别对应的短信关键词;
根据所述用户标签和所述短信关键词分别确定每一条所述短信对应的短信特征;
根据所述短信特征分别确定每一条所述短信对应的预估选择率;
根据所述预估选择率确定短信推荐列表;
通过预设显示方式显示所述短信推荐列表。
第二方面,本申请实施例提供了一种短信处理装置,该装置包括:
数据获取模块,用于响应于用户查找短信的操作,获取所述用户对应的用户标签以及每一条短信分别对应的短信关键词;
特征确定模块,用于根据所述用户标签和所述短信关键词分别确定每一条所述短信对应的短信特征;
选择率确定模块,用于根据所述短信特征分别确定每一条所述短信对应的预估选择率;
列表生成模块,用于根据所述预估选择率确定短信推荐列表;
列表显示模块,用于通过预设显示方式显示所述短信推荐列表。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
在本申请实施例中,响应于用户查找短信的操作,可以获取用户标签以及每一条短信分别对应的短信关键词,再根据用户标签和短信关键词获得每一条短信对应的短信特征,然后根据短信特征确定每一条短信的预估选择率,再根据短信的预估选择率确定短信推荐列表,并将短信推荐列表根据预设显示方式显示,从而能够在用户需要获取短信时,预估用户可能选择的短信并推荐给用户,避免用户逐个按时间顺序翻找短信,或通过关键词搜索不准确导致的短信查找效率低的问题。
附图说明
图1是本申请实施例提供的一种短信处理方法的步骤流程图;
图2是本申请实施例提供的另一种短信处理方法的步骤流程图;
图3是本申请实施例提供的一种短信处理装置的结构框图;
图4是本申请实施例提供的另一种短信处理装置的结构框图;
图5是本申请实施例提供的一种电子设备;
图6为实现本申请实施例的一种电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的短信处理方法进行详细地说明。
图1是本申请实施例提供的一种短信处理方法的步骤流程图,如图1所示,该方法可以包括:
步骤101、响应于用户查找短信的操作,获取所述用户对应的用户标签以及每一条短信分别对应的短信关键词。
本申请实施例可以应用于存储短信的电子设备,可选地,用户查找短信的操作可以根据电子设备的交互逻辑确定,如可以是用户在短信显示界面中对搜索框的选择操作,也可以是用户输入的“短信查找”的语音指令,或者,也可以是用户在电子设备触摸屏上输入的预设轨迹,本申请实施例对用户查找短信的操作的形式不作限定。
本申请实施例中,响应于用户查找短信的操作,可以获取用户对应的用户标签,其中,用户标签可以表征用户的行为习惯、偏好等,可选地,用户标签可以是用户的属性标签,如用户性别、职业、居住地等,也可以是用户的行为标签,如用户的搜索关键词标签、音乐兴趣标签、网页浏览标签、文章阅读标签等;响应于用户查找短信的操作,还可以获取每一条短信对应的短信关键词,短信关键词可以用于标识不同的短信,可选地,短信关键词可以与短信发送方、短信发送设备、短信发送时间、短信内容等有关,如短信发送方为妈妈、同学、客户等,或者短信发送设备为手机、具有短信发送接收功能的平板电脑等,短信发送时间为工作日、节假日等,短信内容为短信的正文文本内容、图片的识别文本内容等。
本申请实施例中,一条短信可以对应至少一个短信关键词,可选地,可以直接获取电子设备中存储的短信对应的短信关键词,也可以对电子设备存储的短信进行过滤、去除部分短信,如重复短信、垃圾短信等后,获取每一条短信对应的短信关键词,本申请实施例对此不作具体限制。
步骤102、根据所述用户标签和所述短信关键词分别确定每一条所述短信对应的短信特征。
本申请实施例中,短信特征可以为根据用户标签和短信关键词确定的,能够表示用户行为习惯、偏好等与短信对应关系的特征,可选地,可以通过用户标签与短信关键词的“与”关系确定短信对应的短信特征,如当用户标签包括预设时间段内阅读文章A,文章A与短信关键词“理发”同时出现,则确定该短信对应的短信特征为“理发-文章A”;或者,也可以对用户标签向量化,对短信关键词向量化,再通过向量间求和、点积、数乘等计算方式确定短信对应的短信特征,本申请实施例对根据用户标签和短信关键词确定短信对应的短信特征的方式不作限定。另外,文章A与短信关键词“理发”同时出现,可以是文章A中出现“理发”的关键词文本,也可以是文章A中包括与“理发”相关的内容,如文章A中包括发型评测、发型推荐、发型教程等。
步骤103、根据所述短信特征分别确定每一条所述短信对应的预估选择率。
本申请实施例中,由于短信特征根据用户标签和短信关键词得到,可以表示用户的行为习惯、偏好,以及对应短信之间的关联关系,因此,可以根据每一条短信对应的短信特征预测该短信对应的预估选择率,即预估用户在查找短信的操作中选择该短信的概率,其中,用户选择该短信可以是用户在显示界面中点击该短信,或者也可以是用户输入“打开XX短信”的语音。可选地,可以预先确定不同短信对应的短信特征,以及用户对短信特征对应短信的历史选择行为数据,从而训练预设模型,并通过预设模型根据响应于用户查找短信的操作确定的每一条短信对应的短信特征,确定每一条短信对应的预估选择率,本领域技术人员也可以通过其他方式根据短信特征确定预估选择率,本申请实施例对此不作具体限制。
步骤104、根据所述预估选择率确定短信推荐列表。
本申请实施例中,根据短信对应的预估选择率可以确定短信推荐列表,可选地,可以根据预估选择率的大小对短信由高到低或由低到高进行排序以确定短信推荐列表,或者,也可以根据预估选择率与预设选择率关系对短信进行筛选,如根据预估选择率大于或等于预设选择率的短信确定短信推荐列表,本申请实施例对根据预估选择率确定短信推荐列表的方式不作具体限定。
本申请实施例中,可以在电子设备中设置提供实现步骤102至步骤104中短信推荐列表确定功能的接口,响应于用户查找短信的操作,可以调用该接口,从而确定每一条短信对应的短信特征,以及根据该短信对应的短信特征确定该短信对应的预估选择率,再根据短信对应的预估选择率确定短信推荐列表。可选地,该接口可以通过服务端实现确定短信推荐列表的功能,也可以通过电子设备中的功能模块实现短信推荐列表推荐功能,本申请实施例对实现步骤102至步骤104过程的载体不作限定。
步骤105、通过预设显示方式显示所述短信推荐列表。
本申请实施例中,预设显示方式可以是对短信推荐列表的显示内容进行预设,如在短信推荐列表中可以显示短信的短信发送方、短信发送时间、短信发送设备、短信发送地、短信内容提要等;也可以是对短信推荐列表的表格样式、大小、位置等进行预设,如短信推荐列表在界面上悬浮显示、嵌入界面显示,短信推荐列表可填充整个界面的显示区域,也可以是占部分界面的显示区域,短信推荐列表可分页显示,每一页显示预设条数的短信,不同分页可通过点击翻页切换,也可以通过滑动翻页切换等,本申请实施例对预设显示方式不作具体限定。
在本申请实施例中,响应于用户查找短信的操作,可以获取用户标签以及每一条短信分别对应的短信关键词,再根据用户标签和短信关键词获得该短信对应的短信特征,然后根据短信特征确定短信的预估选择率,再根据短信的预估选择率确定短信推荐列表,并将短信推荐列表根据预设显示方式显示,从而能够在用户需要获取短信时,预估用户可能选择的短信并推荐给用户,避免用户逐个按时间顺序翻找短信,或通过关键词搜索不准确导致的短信查找效率低的问题。
图2是本申请实施例提供的另一种短信处理方法的步骤流程图,如图2所示,该方法可以包括:
步骤201、响应于用户查找短信的操作,获取所述用户对应的用户标签以及每一条短信分别对应的短信关键词。
本申请实施例中,步骤201的内容可对应参照步骤101的相关描述,为避免重复,在此不再赘述。
可选地,所述步骤201中,所述根据所述用户标签和所述短信关键词分别确定每一条所述短信对应的短信特征,包括:
步骤S11、根据所述用户的历史行为数据获取所述用户对应的所述用户标签。
本申请实施例中,历史行为数据可以包括用户在预设时间段内对存储短信的电子设备,或通过与该电子设备关联的其他电子设备进行操作产生的行为数据,如用户通过电子设备在预设时间段内使用过的搜索词、播放过的歌曲、浏览过的网页、阅读过的文章等等,可选地,可以从电子设备的内部存储中获取用户的历史行为数据,也可以从电子设备关联的服务端获取用户的历史行为数据,此时,历史行为数据可以存储在Redis(RemoteDictionary Server,远程字典服务)、Elasticsearch(分布式搜索引擎)等介质中,本申请实施例对存储用户的历史行为数据的方式不作具体限定。
本申请实施例中,可以通过用户的历史行为数据确定用户的行为习惯、偏好等,从而获取用户对应的用户标签,可选地,可以将用户在预设时间段内使用次数达到预设搜索次数的搜索词作为用户标签,也可以将用户累计播放时长达到预设播放时长和/或累计播放次数达到预设播放次数的歌曲作为用户标签,也可以将用户累计浏览时长达到预设浏览时长和/或累计浏览次数达到预设浏览次数的网页作为用户标签,也可以将用户累计阅读时长达到预设阅读时长和/或累计阅读次数达到预设阅读次数的文章作为用户标签;或者,也可以根据用户历史行为数据中使用过的搜索词的类别,播放过的歌曲对应的歌手、专辑、曲风,浏览过的网页类型如新闻、科技、美图等,阅读过的文章对应的平台、期刊、书名等进行归纳、聚类确定用户的兴趣标签,从而根据该兴趣标签获得用户的用户标签;或者,也可以将用户历史行为数据中使用过的搜索词、播放过的歌曲、浏览过的网页、阅读过的文章等均作为用户标签,本申请实施例对此不作具体限定。
步骤S12、根据每一条所述短信的短信文本,获取每一条所述短信分别对应的所述短信关键词。
本申请实施例中,短信文本可以包括短信发送方信息文本、短信发送设备信息文本、短信发送时间信息文本、短信内容文本等,可选地,可以分别提取每一条短信所有的短信文本中出现频次最高的关键词,作为该短信对应的短信关键词,也可以根据不同短信文本的预设权重提取短信关键词,如短信文本中预设权重由大到小对应短信内容文本、短信发送方信息文本、短信发送时间信息文本以及短信发送设备文本,此时,可以提取权重较大的短信内容文本和短信发送方信息文本中出现频次最高的关键词,作为短信对应的短信关键词。
可选地,所述步骤S12,包括:
步骤S121、分别从所述每一条短信对应的所述短信文本中提取候选短信关键词。
步骤S122、获取所述候选短信关键词在所述每一条短信对应的所述短信文本中的第一频次。
步骤S123、获取所述候选短信关键词在所有所述短信文本中的第二频次。
步骤S124、根据所述第一频次与所述第二频次,从所述候选短信关键词中分别确定每一条所述短信对应的所述短信关键词。
本申请实施例中,可以采用TF-IDF(Term Frequency-Inverse DocumentFrequency,词频-逆文件频率)提取短信的短信关键词,其中,TF-IDF是一种统计方法,用于评估关键词对于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。可选地,本申请实施例中可以先获取短信文本中的候选短信关键词,其中,候选短信关键词可以包括短信文本经分词后的所有分词,也可以包括对分词中语气词、助词、标点、表情等过滤后的分词。
本申请实施例中,可以获取候选短信关键词在一条短信中对应的第一频次,第一频次可以为候选短信关键词在一条短信中出现的次数;还可以获取候选短信关键词在所有短信的短信文本中对应的第二频次,其中,第二频次可以为出现候选短信关键词的短信条数,也可以为候选短信关键词在所有短信的短信文本中出现的次数,可选地,所有短信可以是电子设备存储的所有短信,也可以是电子设备存储的所有短信经筛选后的短信。
本申请实施例中,可以根据候选短信关键词的第一频次,确定候选短信关键词对应的第一权重,其中,第一频次与第一权重正相关;可以根据候选短信关键词的第二频次确定候选短信关键词的第二权重,其中,第二频次与第二权重负相关,通过第一权重与第二权重可以确定候选短信关键词相对于短信的第三权重,可选地,可以将第三权重大于或等于预设权重的候选短信关键词作为短信对应的关键词。其中,通过第一权重与第二权重确定第三权重可以是将第一权重与第二权重相加,也可以是对第一权重和第二权重相乘,本申请实施例对此不作具体限制。
步骤202、根据所述用户标签与每一条所述短信对应的所述短信关键词分别构建每一条所述短信对应的交叉特征。
本申请实施例中,可以将用户标签转化为预设的特征形式,如可以将用户标签转化为稀疏表示的特征向量,如稀疏表示中包括文章a序号为1、文章b序号为2、文章c序号为3、文章d序号为4、兴趣标签“明星甲”序号为100000共五维特征,用户标签中包括文章a、文章b、文章d和兴趣标签“明星甲”,则可以将用户标签表示为“1:1,2:1,3:0,4:1,100000:1”,其中,可以用逗号隔开每一维特征,在每一维特征中冒号左边为特征的序号,冒号右边为特征值,可选地,特征值为1时表示用户标签中包括该特征,特征值为0时表示用户标签不包括该特征,从而获得稀疏表示的特征向量。本申请实施例中,对稀疏表示中包括的特征来源、种类和数量不做限制,可以是预先确定的搜索词、歌曲、网页、文章等。
本申请实施例中,也可以将短信关键词转化为预设的特征形式,对短信关键词转化的过程可对应参照上述用户标签的转化过程,为避免重复,在此不再赘述。
本申请实施例中,可以根据预设的特征形式的用户标签与短信关键词分别构建每一条短信对应的交叉特征,交叉特征是通过特征交叉的特征合成方法得到的特征,可以在多特征数据集上进行非线性拟合,可选地,可以通过对用户标签与短信关键词求直积、内积和外积等,获得用户标签与短信关键词的交叉特征。
步骤203、对所述用户标签、所述短信关键词和所述交叉特征中的至少一种进行仿射变换获得每一条所述短信对应的仿射变换特征,所述短信关键词和所述交叉特征分别对应同一条所述短信。
本申请实施例中,仿射变换是指在向量空间进行一次线性变换并接上一个平移,从而变换为另一个向量空间,可选地,可以通过如下公式(1)进行仿射变换:
y=wx·························(1)
公式(1)中,x为预设的特征形式的用户标签、短信关键词和交叉特征中的至少一种,其中短信关键词和交叉特征对应同一条短信,w为第一参数矩阵,y为仿射变换特征,通过w与x点积,对x进行仿射变换,从而得到y。
如,通过矩阵表示,x为10万*1大小的交叉特征,w为128*10万大小的第一参数矩阵,则y为128*1大小的仿射变换特征,可选地,不同y可以命名为group1、group2......。有N个交叉特征,即可获得N个仿射变换特征,其中,仿射变换特征的维数一致,此处,为便于描述可以将仿射变换特征的维数定义为128维,本领域技术人员可以定义其他维数。
步骤204、通过预设聚焦算法分别对每一条所述短信对应的所述短信关键词进行聚焦,获得每一条所述短信对应的聚焦向量。
本申请实施例中,可以通过预设聚焦算法对预设的特征形式的短信关键词进行聚焦,以获得每一条短信对应的聚焦向量,可选地,预设聚焦算法包括如下公式(2)、(3):
z=max(0.2·w0x,w0x)··················(2)
公式(2)中x为预设的特征形式的短信关键词,w0为第二参数矩阵,z为维数与第二参数矩阵维数对应的向量;公式(3)中,focus为维数与仿射变换特征个数对应的聚焦向量,focusi为第i维的值,w1i为N个第三参数矩阵中的第i个第三参数矩阵。
如,通过矩阵表示,x为10万*1大小的短信关键词向量,w0为大小为8*10万的第二参数矩阵,z为8维的向量;w1i为第i个大小为N*8的第三参数矩阵,从而获得N维的focus。其中,8可设置为其他数值。
步骤205、通过所述聚焦向量对所述仿射变换特征进行加权处理,获得每一条所述短信对应的短信特征,所述聚焦向量和所述仿射变换特征分别对应同一条所述短信。
本申请实施例中,在获得聚焦向量和仿射变换特征后,可以通过聚焦向量对仿射变换特征进行加权处理,其中聚焦向量通过短信关键词得到,在对仿射变换特征加权处理的过程中,能够提高短信特征中与短信关键词相关的仿射变换特征的比重,从而提高根据短信特征进行选择率预估的准确性。可选地,加权处理可以是对同一条短信的聚焦向量和仿射变换特征相乘,从而得到该短信对应的短信特征,如通过如下公式(4)对仿射变换特征进行加权处理:
公式(4)中,vf是经过加权处理得到的向量,可以作为短信对应的短信特征,focusi指聚焦向量的第i维,groupi指仿射变换特征的第i维,通过公式(4)中将各个groupi乘以对应的focusi进行加权处理得到短信对应的短信特征。
步骤206、根据所述短信特征,通过预训练的短信预测模型分别确定每一条所述短信对应的预估选择率。
本申请实施例中,短信预测模型可以是神经网络模型,神经网络模型是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型,可选地,对短信预测模型的预训练可以是根据预先获取的不同短信的短信特征,从而确定对应的训练样本,对短信预测模型进行训练,其中,训练样本可以包括(点击|“交通罚款_交警”...)、(不点击|“交通罚款_交警”...)、(点击|“交通罚款_交警”...)、(不点击|“交通罚款_视频会员”...)、(不点击|“交通罚款_视频会员”...)五条,其中,“|”左侧的“点击”、“不点击”是指用户在“|”右侧短信特征对应的短信曝光的场景下,对短信的点击行为数据,右侧是短信特征。根据训练样本对短信预测模型进行预训练,从而能够对短信特征对应的短信被选择的概率进行预测。本申请实施例中,训练样本的样本数量可以达到几亿或者几十亿以上,通过充分的样本数量使得模型学习得更加充分。
步骤207、根据所述预估选择率确定短信推荐列表。
本申请实施例中,步骤207可对应参照步骤104的相关描述,为避免重复,在此不再赘述。
步骤208、根据对显示界面的操作频率,在所述显示界面中确定目标显示区域。
本申请实施例中,可以统计显示界面中各显示区域的操作频率,其中,操作频率指用户在使用电子设备时,在电子设备上显示界面各区域操作的频率,可选地,可以将显示界面划分为两个以上的显示区域,并统计用户在不同显示区域上的操作频率,选择操作可选地,可以将操作频率大于获得等于预设操作频率的显示区域确定为目标显示区域;也可以直接统计显示界面上不同坐标的操作频率分布,并将操作频率大于或等于预设操作频率且分布密集的区域确定为目标显示区域,本申请实施例对此不做限制。
步骤209、在所述目标显示区域中显示所述短信推荐列表。
本申请实施例中,可以将短信推荐列表显示在目标显示区域中,由于目标显示区域为操作频率大于或等于预设操作频率的显示区域,表示用户在目标显示区域操作频率较高,因此,在目标显示区域中显示短信推荐列表可以切合用户进行选择操作的习惯,提高短信查找的效率。可选地,还可以根据目标显示区域中的操作频率分布调整短信推荐列表中短信的顺序,可以将预估选择率相对较高的短信显示在操作频率相对较高的位置,将预估选择率相对较低的短信显示在操作频率相对较低的位置,通过操作频率显示短信推荐列表中的短信,从而进一步将用户可能选择的短信显示在操作频率较高的位置,提高用户选择短信的效率。
步骤210、在接收到对所述短信推荐列表选择操作的情况下,将所述短信推荐列表被选择的短信标注为正样本,未被选择的短信标注为负样本。
步骤211、在未接收到对短信推荐列表选择操作的情况下,将所述短信推荐列表中的短信标注为负样本。
步骤212、根据所述正样本或所述负样本,对所述短信预测模型进行更新。
本申请实施例中,还可以根据用户对短信推荐列表的选择操作确定正样本或负样本,并根据正样本或负样本对短信预测模型进行更新,从而保证短信预测模型后续根据短信特征确定短信对应的预估准确率的准确性,可选地,可以将短信推荐列表中所有被选择的短信标注为正样本,所有未被选择的短信标注为负样本;或者,为了避免用户选择短信后,在短信显示界面确定该短信不是用户查找的目标短信,可以将短信推荐列表中被选择后进入短信显示界面,并在短信显示界面显示的时长超过预设显示时长的短信标注为正样本,或者,由于用户选择短信,在短信显示界面确定该短信是用户查找的目标短信后通常会退出查找短信,因此,可以将用户退出查找短信操作前选择的最后一条短信标注为正样本,将短信推荐列表中的其他短信标注为负样本,本申请实施例对此不做具体限制。另外,在未接收到对短信推荐列表选择操作的情况下,可以将短信推荐列表中所有的短信标注为负样本。
在本申请实施例中,响应于用户查找短信的操作,可以获取用户标签以及每一条短信分别对应的短信关键词,再根据用户标签和短信关键词获得每一条短信对应的短信特征,然后根据短信特征确定每一条短信的预估选择率,再根据短信的预估选择率确定短信推荐列表,并将短信推荐列表根据预设显示方式显示,从而能够在用户需要获取短信时,预估用户可能选择的短信并推荐给用户,避免用户逐个按时间顺序翻找短信,或通过关键词搜索不准确导致的短信查找效率低的问题。
需要说明的是,本申请实施例提供的短信处理方法,执行主体可以为短信处理装置,或者该短信处理装置中的用于执行短信处理方法的控制模块。本申请实施例中以短信处理装置执行短信处理方法为例,说明本申请实施例提供的短信处理装置。
图3是本申请实施例提供的一种短信处理装置的结构框图,如图3所示,该装置可以包括:
数据获取模块301,用于响应于用户查找短信的操作,获取所述用户对应的用户标签以及每一条短信分别对应的短信关键词;
特征确定模块302,用于根据所述用户标签和所述短信关键词分别确定每一条所述短信对应的短信特征;
选择率确定模块303,用于根据所述短信特征分别确定每一条所述短信对应的预估选择率;
列表生成模块304,用于根据所述预估选择率确定短信推荐列表;
列表显示模块305,用于通过预设显示方式显示所述短信推荐列表。
在本申请实施例中,响应于用户查找短信的操作,可以获取用户标签以及每一条短信分别对应的短信关键词,再根据用户标签和短信关键词获得每一条短信对应的短信特征,然后根据短信特征确定每一条短信的预估选择率,再根据短信的预估选择率确定短信推荐列表,并将短信推荐列表根据预设显示方式显示,从而能够在用户需要获取短信时,预估用户可能选择的短信并推荐给用户,避免用户逐个按时间顺序翻找短信,或通过关键词搜索不准确导致的短信查找效率低的问题。
图4是本申请实施例提供的另一种短信处理装置的结构框图,如图4所示,在图3的基础上,可选地,所述特征确定模块302,包括:
特征交叉子模块3021,用于根据所述用户标签与每一条所述短信对应的所述短信关键词分别构建每一条所述短信对应的交叉特征;
特征仿射子模块3022,用于对所述用户标签、所述短信关键词和所述交叉特征中的至少一种进行仿射变换获得每一条所述短信对应的仿射变换特征,所述短信关键词和所述交叉特征分别对应同一条所述短信;
特征聚焦子模块3023,用于通过预设聚焦算法分别对每一条所述短信对应的所述短信关键词进行聚焦,获得每一条所述短信对应的聚焦向量;
特征加权子模块3024,用于通过所述聚焦向量对所述仿射变换特征进行加权处理,获得每一条所述短信对应的短信特征,所述聚焦向量和所述仿射变换特征分别对应同一条所述短信。
可选地,所述数据获取模块301,包括:
用户标签获取子模块3011,用于根据所述用户的历史行为数据获取所述用户对应的所述用户标签;
短信关键词获取子模块3012,用于根据每一条所述短信的短信文本,获取每一条所述短信分别对应的所述短信关键词。
可选地,所述短信关键词获取子模块3012,包括:
候选关键词提取单元,用于分别从所述每一条短信对应的所述短信文本中提取候选短信关键词;
第一频次获取单元,用于获取所述候选短信关键词在所述每一条短信对应的所述短信文本中的第一频次;
第二频次获取单元,用于获取所述候选短信关键词在所有所述短信文本中的第二频次;
短信关键词确定单元,用于根据所述第一频次与所述第二频次,从所述候选短信关键词中分别确定每一条所述短信对应的所述短信关键词。
可选地,所述列表显示模块305,包括:
目标区域确定子模块3051,用于根据对显示界面的操作频率,在所述显示界面中确定目标显示区域;
列表显示子模块3052,用于在所述目标显示区域中显示所述短信推荐列表。
可选地,所述选择率确定模块303,具体用于根据所述短信特征,通过预训练的短信预测模型分别确定每一条所述短信对应的预估选择率。
可选地,所述装置还包括:
样本标注模块306,用于在接收到对所述短信推荐列表选择操作的情况下,将所述短信推荐列表被选择的短信标注为正样本,未被选择的短信标注为负样本;
所述样本标注模块306,还用于在未接收到对短信推荐列表选择操作的情况下,将所述短信推荐列表中的短信标注为负样本;
模型更新模块307,用于根据所述正样本或所述负样本,对所述短信预测模型进行更新。
在本申请实施例中,响应于用户查找短信的操作,可以获取用户标签以及每一条短信分别对应的短信关键词,再根据用户标签和短信关键词获得每一条短信对应的短信特征,然后根据短信特征确定每一条短信的预估选择率,再根据短信的预估选择率确定短信推荐列表,并将短信推荐列表根据预设显示方式显示,从而能够在用户需要获取短信时,预估用户可能选择的短信并推荐给用户,避免用户逐个按时间顺序翻找短信,或通过关键词搜索不准确导致的短信查找效率低的问题。
本申请实施例中的短信处理装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personaldigital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的短信处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为ios操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的短信处理装置能够实现图1至图2的方法实施例实现的各个过程,为避免重复,这里不再赘述。
可选的,如图5所示,本申请实施例还提供一种电子设备500,包括处理器501,存储器502,存储在存储器502上并可在所述处理器501上运行的程序或指令,该程序或指令被处理器501执行时实现上述短信处理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。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图6为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备600包括但不限于:射频单元601、网络模块602、音频输出单元603、输入单元604、传感器605、显示单元606、用户输入单元607、接口单元608、存储器609、以及处理器610等部件。
本领域技术人员可以理解,电子设备600还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器610逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图6中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
其中,所述处理器610,用于响应于用户查找短信的操作,获取所述用户对应的用户标签以及每一条短信分别对应的短信关键词;根据所述用户标签和所述短信关键词分别确定每一条所述短信对应的短信特征;根据所述短信特征分别确定每一条所述短信对应的预估选择率;根据所述预估选择率确定短信推荐列表。
所述显示单元606,用于通过预设显示方式显示所述短信推荐列表。
在本申请实施例中,响应于用户查找短信的操作,可以获取用户标签以及每一条短信分别对应的短信关键词,再根据用户标签和短信关键词获得每一条短信对应的短信特征,然后根据短信特征确定每一条短信的预估选择率,再根据短信的预估选择率确定短信推荐列表,并将短信推荐列表根据预设显示方式显示,从而能够在用户需要获取短信时,预估用户可能选择的短信并推荐给用户,避免用户逐个按时间顺序翻找短信,或通过关键词搜索不准确导致的短信查找效率低的问题。
可选地,所述处理器610,用于根据所述用户标签与每一条所述短信对应的所述短信关键词分别构建每一条所述短信对应的交叉特征;对所述用户标签、所述短信关键词和所述交叉特征中的至少一种进行仿射变换获得每一条所述短信对应的仿射变换特征,所述短信关键词和所述交叉特征分别对应同一条所述短信;通过预设聚焦算法分别对每一条所述短信对应的所述短信关键词进行聚焦,获得每一条所述短信对应的聚焦向量;通过所述聚焦向量对所述仿射变换特征进行加权处理,获得每一条所述短信对应的短信特征,所述聚焦向量和所述仿射变换特征分别对应同一条所述短信。
可选地,所述处理器610,用于根据所述用户的历史行为数据获取所述用户对应的所述用户标签;根据每一条所述短信的短信文本,获取每一条所述短信分别对应的所述短信关键词。
可选地,所述处理器610,用于分别从所述每一条短信对应的所述短信文本中提取候选短信关键词;获取所述候选短信关键词在所述每一条短信对应的所述短信文本中的第一频次;获取所述候选短信关键词在所有所述短信文本中的第二频次;根据所述第一频次与所述第二频次,从所述候选短信关键词中分别确定每一条所述短信对应的所述短信关键词。
可选地,所述显示单元606,用于根据对显示界面的操作频率,在所述显示界面中确定目标显示区域;在所述目标显示区域中显示所述短信推荐列表。
可选地,所述处理器610,具体用于根据所述短信特征,通过预训练的短信预测模型分别确定每一条所述短信对应的预估选择率。
可选地,所述处理器610,还用于在接收到对所述短信推荐列表选择操作的情况下,将所述短信推荐列表被选择的短信标注为正样本,未被选择的短信标注为负样本;在未接收到对短信推荐列表选择操作的情况下,将所述短信推荐列表中的短信标注为负样本;根据所述正样本或所述负样本,对所述短信预测模型进行更新。
在本申请实施例中,响应于用户查找短信的操作,可以获取用户标签以及每一条短信分别对应的短信关键词,再根据用户标签和短信关键词获得每一条短信对应的短信特征,然后根据短信特征确定每一条短信的预估选择率,再根据短信的预估选择率确定短信推荐列表,并将短信推荐列表根据预设显示方式显示,从而能够在用户需要获取短信时,预估用户可能选择的短信并推荐给用户,避免用户逐个按时间顺序翻找短信,或通过关键词搜索不准确导致的短信查找效率低的问题。
应理解的是,本申请实施例中,输入单元604可以包括图形处理器(GraphicsProcessing Unit,GPU)6041和麦克风6042,图形处理器6041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元606可包括显示面板6061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板6061。用户输入单元607包括触控面板6071以及其他输入设备6072。触控面板6071,也称为触摸屏。触控面板6071可包括触摸检测装置和触摸控制器两个部分。其他输入设备6072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。存储器609可用于存储软件程序以及各种数据,包括但不限于应用程序和操作系统。处理器610可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器610中。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述短信处理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,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述xxx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。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (16)
1.一种短信处理方法,其特征在于,所述方法包括:
响应于用户查找短信的操作,获取所述用户对应的用户标签以及每一条短信分别对应的短信关键词;
根据所述用户标签和所述短信关键词分别确定每一条所述短信对应的短信特征;
根据所述短信特征分别确定每一条所述短信对应的预估选择率;
根据所述预估选择率确定短信推荐列表;
通过预设显示方式显示所述短信推荐列表。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户标签和所述短信关键词分别确定每一条所述短信对应的短信特征,包括:
根据所述用户标签与每一条所述短信对应的所述短信关键词分别构建每一条所述短信对应的交叉特征;
对所述用户标签、所述短信关键词和所述交叉特征中的至少一种进行仿射变换获得每一条所述短信对应的仿射变换特征,所述短信关键词和所述交叉特征分别对应同一条所述短信;
通过预设聚焦算法分别对每一条所述短信对应的所述短信关键词进行聚焦,获得每一条所述短信对应的聚焦向量;
通过所述聚焦向量对所述仿射变换特征进行加权处理,获得每一条所述短信对应的短信特征,所述聚焦向量和所述仿射变换特征分别对应同一条所述短信。
3.根据权利要求1所述的方法,其特征在于,所述获取所述用户对应的用户标签以及每一条短信分别对应的短信关键词,包括:
根据所述用户的历史行为数据获取所述用户对应的所述用户标签;
根据每一条所述短信的短信文本,获取每一条所述短信分别对应的所述短信关键词。
4.根据权利要求3所述的方法,其特征在于,所述根据每一条所述短信的短信文本,获取每一条所述短信分别对应的所述短信关键词,包括:
分别从每一条所述短信对应的所述短信文本中提取候选短信关键词;
获取所述候选短信关键词在每一条所述短信对应的所述短信文本中的第一频次;
获取所述候选短信关键词在所有所述短信文本中的第二频次;
根据所述第一频次与所述第二频次,从所述候选短信关键词中分别确定每一条所述短信对应的所述短信关键词。
5.根据权利要求1所述的方法,其特征在于,所述通过预设显示方式显示所述短信推荐列表,包括:
根据对显示界面的操作频率,在所述显示界面中确定目标显示区域;
在所述目标显示区域中显示所述短信推荐列表。
6.根据权利要求1所述的方法,其特征在于,所述根据所述短信特征分别确定每一条所述短信对应的预估选择率,包括:
根据所述短信特征,通过预训练的短信预测模型分别确定每一条所述短信对应的预估选择率。
7.根据权利要求6所述的方法,其特征在于,所述通过预设显示方式显示所述短信推荐列表之后,还包括:
在接收到对所述短信推荐列表选择操作的情况下,将所述短信推荐列表被选择的短信标注为正样本,未被选择的短信标注为负样本;
在未接收到对短信推荐列表选择操作的情况下,将所述短信推荐列表中的短信标注为负样本;
根据所述正样本或所述负样本,对所述短信预测模型进行更新。
8.一种短信处理装置,其特征在于,所述装置包括:
数据获取模块,用于响应于用户查找短信的操作,获取所述用户对应的用户标签以及每一条短信分别对应的短信关键词;
特征确定模块,用于根据所述用户标签和所述短信关键词分别确定每一条所述短信对应的短信特征;
选择率确定模块,用于根据所述短信特征分别确定每一条所述短信对应的预估选择率;
列表生成模块,用于根据所述预估选择率确定短信推荐列表;
列表显示模块,用于通过预设显示方式显示所述短信推荐列表。
9.根据权利要求8所述的装置,其特征在于,所述特征确定模块,包括:
特征交叉子模块,用于根据所述用户标签与每一条所述短信对应的所述短信关键词分别构建每一条所述短信对应的交叉特征;
特征仿射子模块,用于对所述用户标签、所述短信关键词和所述交叉特征中的至少一种进行仿射变换获得每一条所述短信对应的仿射变换特征,所述短信关键词和所述交叉特征分别对应同一条所述短信;
特征聚焦子模块,用于通过预设聚焦算法分别对每一条所述短信对应的所述短信关键词进行聚焦,获得每一条所述短信对应的聚焦向量;
特征加权子模块,用于通过所述聚焦向量对所述仿射变换特征进行加权处理,获得每一条所述短信对应的短信特征,所述聚焦向量和所述仿射变换特征分别对应同一条所述短信。
10.根据权利要求8所述的装置,其特征在于,所述数据获取模块,包括:
用户标签获取子模块,用于根据所述用户的历史行为数据获取所述用户对应的所述用户标签;
短信关键词获取子模块,用于根据每一条所述短信的短信文本,获取每一条所述短信分别对应的所述短信关键词。
11.根据权利要求10所述的装置,其特征在于,所述短信关键词获取子模块,包括:
候选关键词提取单元,用于分别从所述每一条短信对应的所述短信文本中提取候选短信关键词;
第一频次获取单元,用于获取所述候选短信关键词在所述每一条短信对应的所述短信文本中的第一频次;
第二频次获取单元,用于获取所述候选短信关键词在所有所述短信文本中的第二频次;
短信关键词确定单元,用于根据所述第一频次与所述第二频次,从所述候选短信关键词中分别确定每一条所述短信对应的所述短信关键词。
12.根据权利要求8所述的装置,其特征在于,所述列表显示模块,包括:
目标区域确定子模块,用于根据对显示界面的操作频率,在所述显示界面中确定目标显示区域;
列表显示子模块,用于在所述目标显示区域中显示所述短信推荐列表。
13.根据权利要求8所述的装置,其特征在于,所述选择率确定模块,具体用于根据所述短信特征,通过预训练的短信预测模型分别确定每一条所述短信对应的预估选择率。
14.根据权利要求13所述的装置,其特征在于,所述装置还包括:
样本标注模块,用于在接收到对所述短信推荐列表选择操作的情况下,将所述短信推荐列表被选择的短信标注为正样本,未被选择的短信标注为负样本;
所述样本标注模块,还用于在未接收到对短信推荐列表选择操作的情况下,将所述短信推荐列表中的短信标注为负样本;
模型更新模块,用于根据所述正样本或所述负样本,对所述短信预测模型进行更新。
15.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-7任一项所述的短信处理方法的步骤。
16.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-7任一项所述的短信处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010930893.5A CN112084406A (zh) | 2020-09-07 | 2020-09-07 | 短信处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010930893.5A CN112084406A (zh) | 2020-09-07 | 2020-09-07 | 短信处理方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112084406A true CN112084406A (zh) | 2020-12-15 |
Family
ID=73732978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010930893.5A Pending CN112084406A (zh) | 2020-09-07 | 2020-09-07 | 短信处理方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084406A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760400A (zh) * | 2014-12-19 | 2016-07-13 | 阿里巴巴集团控股有限公司 | 一种基于搜索行为的推送消息排序方法及装置 |
CN111177575A (zh) * | 2020-04-07 | 2020-05-19 | 腾讯科技(深圳)有限公司 | 一种内容推荐方法、装置、电子设备和存储介质 |
CN111428001A (zh) * | 2020-03-20 | 2020-07-17 | 北京小米移动软件有限公司 | 一种短信信息检索方法、装置及存储介质 |
US20200233539A1 (en) * | 2017-09-30 | 2020-07-23 | Huawei Technologies Co., Ltd. | Notification display method and terminal |
CN111460290A (zh) * | 2020-03-27 | 2020-07-28 | 喜丈(上海)网络科技有限公司 | 信息的推荐方法、装置、设备和存储介质 |
-
2020
- 2020-09-07 CN CN202010930893.5A patent/CN112084406A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760400A (zh) * | 2014-12-19 | 2016-07-13 | 阿里巴巴集团控股有限公司 | 一种基于搜索行为的推送消息排序方法及装置 |
US20200233539A1 (en) * | 2017-09-30 | 2020-07-23 | Huawei Technologies Co., Ltd. | Notification display method and terminal |
CN111428001A (zh) * | 2020-03-20 | 2020-07-17 | 北京小米移动软件有限公司 | 一种短信信息检索方法、装置及存储介质 |
CN111460290A (zh) * | 2020-03-27 | 2020-07-28 | 喜丈(上海)网络科技有限公司 | 信息的推荐方法、装置、设备和存储介质 |
CN111177575A (zh) * | 2020-04-07 | 2020-05-19 | 腾讯科技(深圳)有限公司 | 一种内容推荐方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947909B (zh) | 智能客服应答方法、设备、存储介质及装置 | |
CN108229590B (zh) | 一种获取多标签用户画像的方法和装置 | |
US10599731B2 (en) | Method and system of determining categories associated with keywords using a trained model | |
KR102288249B1 (ko) | 정보 처리 방법, 단말기, 및 컴퓨터 저장 매체 | |
US20190370305A1 (en) | Method and apparatus for providing search results | |
US10180979B2 (en) | System and method for generating suggestions by a search engine in response to search queries | |
CN105005564B (zh) | 一种基于问答平台的数据处理方法和装置 | |
US20190318407A1 (en) | Method for product search using the user-weighted, attribute-based, sort-ordering and system thereof | |
US20180239815A1 (en) | Method and system for sentiment analysis of information | |
Chehal et al. | Implementation and comparison of topic modeling techniques based on user reviews in e-commerce recommendations | |
Kabir et al. | An empirical research on sentiment analysis using machine learning approaches | |
CN111191092A (zh) | 画像数据处理方法和画像模型训练方法 | |
CN111881283A (zh) | 一种业务关键词库创建方法、智能聊天引导方法及装置 | |
CN103744887A (zh) | 一种用于人物搜索的方法、装置和计算机设备 | |
CN109582869A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN114564666A (zh) | 百科信息展示方法、装置、设备和介质 | |
CN114330329A (zh) | 一种业务内容搜索方法、装置、电子设备及存储介质 | |
CN114443847A (zh) | 文本分类、文本处理方法、装置、计算机设备及存储介质 | |
CN112416142A (zh) | 输入文字的方法、装置和电子设备 | |
CN117235359A (zh) | 搜索推荐方法、设备及存储介质 | |
CN111538830A (zh) | 法条检索方法、装置、计算机设备及存储介质 | |
CN105677838A (zh) | 基于用户需求的用户档案创建、个性化搜索排名方法和系统 | |
Talha et al. | Deep learning in news recommender systems: A comprehensive survey, challenges and future trends | |
CN111737607B (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
Bharadhwaj | Layer-wise relevance propagation for explainable recommendations |
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 |