CN112148958A - 用于信息推荐的方法、设备和计算机存储介质 - Google Patents
用于信息推荐的方法、设备和计算机存储介质 Download PDFInfo
- Publication number
- CN112148958A CN112148958A CN201910560019.4A CN201910560019A CN112148958A CN 112148958 A CN112148958 A CN 112148958A CN 201910560019 A CN201910560019 A CN 201910560019A CN 112148958 A CN112148958 A CN 112148958A
- Authority
- CN
- China
- Prior art keywords
- user
- keyword
- keywords
- determining
- information
- 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 46
- 230000000977 initiatory effect Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 7
- 238000005065 mining Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例涉及用于信息推荐的方法、设备和计算机存储介质。提供了一种用于信息推荐的方法。该方法包括:获取与用户的引用操作相对应的数据;从数据确定针对用户的关键词;从多个候选对象中确定与关键词相匹配的目标对象;以及向用户提供与目标对象相关联的信息。根据本公开的实施例,能够为用户提供更加准确且高效的信息推荐。
Description
技术领域
本公开的实施例涉及信息推荐,更具体地,涉及基于社交平台的信息系统推荐的方法、设备和计算机存储介质。
背景技术
在各种领域中,基于对用户兴趣的挖掘来向用户推荐个性化的内容的方法已经得到广泛应用。在常规方案中,对于用户兴趣的挖掘主要采用基于用户产生的浏览记录的方式,即,遍历用户的产品浏览记录,并且基于浏览记录来对用户的兴趣进行关联性推测。这种方式在很多情况下存在准确度较低和时效性较差等问题,尤其是在用户已经购买相关产品的情况下,无法区分一次性消费和重复消费,从而向用户推荐不需要的产品信息。此外,这种方法还存在由于新用户没有任何浏览记录而无法提供针对性推荐的问题。虽然近期已经出现了基于用户的社交平台数据来进行个性化信息推荐的解决方案,但是这些方案的实质仍然在于挖掘用户在不同社交平台上的浏览记录,从而可能仍然存在上述问题。
发明内容
本公开的实施例提供了一种改进的用于信息推荐的解决方案。该解决方案利用社交平台上用户的引用操作作为兴趣挖掘的数据源,能够为用户提供更加准确且高效的信息推荐。
在本公开的第一方面中,提供了一种用于信息推荐的方法。该方法包括:获取与用户的引用操作相对应的数据;从该数据确定针对该用户的关键词;从多个候选对象中确定与该关键词相匹配的目标对象;以及向该用户提供与该目标对象相关联的信息。
在本公开的第二方面中,提供了一种用于信息推荐的设备。该设备包括:至少一个处理器;以及与至少一个处理器耦合的存储器,存储器包含有存储于其中的指令,指令在被至少一个处理单元执行时,使得设备执行动作,该动作包括:获取与用户的引用操作相对应的数据;从数据确定针对用户的关键词;从多个候选对象中确定与关键词相匹配的目标对象;以及向用户提供与目标对象相关联的信息。
在本公开的第三方面中,提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现根据第一方面的方法。
提供发明内容部分是为了以简化的形式来介绍对概念的选择,它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或必要特征,也无意限制本公开的范围。
附图说明
通过结合附图对本公开示例性实施例进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施例中,相同的参考标号通常代表相同部件。
图1图示了本公开的实施例可以在其中被实现的系统的示意图;
图2图示了根据本公开的实施例的用于信息推荐的方法的流程图;
图3图示了根据本公开的实施例的用于信息推荐的装置的示意性框图;以及
图4图示了可以用来实施本公开的实施例的示例设备的示意性框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如上面所讨论的,常规的信息推荐方案基于对用户浏览记录的兴趣挖掘,存在准确度较低和推荐延迟等问题。此外,这类信息推荐方案无法针对新注册的用户进行针对性的推荐。近来,虽然已经提出了基于用户的社交平台数据来进行信息推荐的方案,但是这种方案本质上仍是基于用户浏览记录的,并且因此仍然存在上述问题。
本公开的实施例提出了一种基于用户在社交平台上的引用操作来进行兴趣挖掘、以及据此进行信息推荐的解决方案。在本文中,引用操作指代在社交平台上发起用户对被引用用户的引用动作,这将在下面进一步详细讨论。引用操作的用户通常具有对该引用操作所涉及的目标对象的更浓厚兴趣和更高关注度,因此,基于引用操作的信息推荐方案能够更准确地挖掘用户的真实兴趣,并且因此进行更准确的信息推荐。
下面将结合图1至图4来详细描述本公开的实施例的详细内容。首先,图1图示了本公开的实施例可以在其中被实现的系统100的示意图。系统100包括多个用户110、数据集合120、处理器130和存储装置140。尽管图1中仅示出了两个用户110,但是本领域技术人员应当理解,用户的数目不受以上限制。
在数据集合120中,存储有与多个用户110相关联的社交平台数据。用户110经由输入设备或输入界面(未示出)而进行操作,并且更新数据集合120中的社交平台数据。当不同的用户110之间进行引用操作时,数据集合120中还存储有与该引用操作相对应的数据,以用于由处理器130获取并且据此执行用于信息推荐的方法。在一些实施例中,输入设备或输入界面可以是键盘、鼠标、触摸屏、麦克风、应用程序界面、人机界面、或者它们的组合。
在本文中,引用操作指代在社交平台上发起用户对被引用用户的引用动作。在引用操作的通常形式中,发起用户通过引用操作标识符(例如,@)来标识被引用用户,以提醒被引用用户关于特定产品、活动、新闻、资讯等信息的注意。在一些实施例中,引用操作是发起用户在微博和bbs等社交平台上发布动态以@被引用用户的操作。在该实施例中,发起用户发布动态时可以附带发布引用内容,引用内容包括分享链接的内容以及发起用户针对该分享链接的评论信息。在一些实施例中,引用操作是发起用户在社交平台上分享链接的操作。在该实施例中,发起用户可能没有输入引用操作标识符@。在这种情况下,该引用操作可以认为是发起用户针对不特定用户的引用操作。在一些实施例中,引用操作可以采用其他各种形式,诸如在图像或视频中tag被引用用户、在直播中发出针对被引用用户的邀请、针对特定的活动发起共同参与邀请等,本公开的实施例对于具体的引用操作形式不作限制。
处理器130被配置为从数据集合120中获取数据,并且基于该数据来执行用于信息推荐的方法。处理器130还连接到存储装置140,以从存储装置140中存储的多个候选对象中确定目标对象。在本文中,目标对象指代要向用户推荐的各种产品信息,其中产品包括但不限于商品、服务、优惠活动等。
存储装置140存储有多个候选对象。在本文中,候选对象指代已经存储的各种产品信息,其中产品包括但不限于商品、服务、优惠活动等。在一些实施例中,存储装置140中可以存储有社交平台中的所有产品信息,以供处理器130从数据集合120中确定要向用户110推荐的产品信息。在一些实施例中,存储装置140可以是物理存储装置或者云存储装置。
下面将参照图2来对本公开的实施例作进一步描述。图2图示了根据本公开的实施例的用于信息推荐的方法200的流程图。方法200可以由图1中的处理器130来执行。
参见图2,在框202,获取与用户的引用操作相对应的数据。如上面所讨论的,引用操作指代在社交平台上发起用户对被引用用户的引用动作。在一些实施例中,处理器130首先需要获得用户110的读取数据授权。在获得用户110的授权之后,处理器130从数据集合中获取与用户110的引用操作相对应的数据。
在一些实施例中,获取与用户的引用操作相对应的数据可以包括:获取与引用操作的发起用户、被引用用户和引用内容相关联的标识。作为该实施例的具体示例,与引用操作相对应的数据的表达式可以表示如下:
引用操作数据=[<发起用户,被引用用户>,引用内容]
在上面的表达式中,发起用户指代发起引用操作的用户。在一些实施例中,发起用户可以是输入引用操作标识符(例如,@、#等)的用户。这可以对应于在微博和bbs等社交平台上,在发布动态时输入@、#等标识引用操作的字符的用户,例如,在发布微博时@B用户的A用户。在一些实施例中,发起用户可以是进行链接分享操作的用户。这可以对应于在社交平台上发起链接分享操作的用户,例如,分享社交平台公众号文章的A用户。
被引用用户指代引用操作所指向的用户。例如,A用户在发布微博时@B用户,则B用户为被引用用户,A用户为发起用户。在一些实施例中,被引用用户的数目不受限制。例如,A用户可以将链接利用引用操作标识符来分享给特定的两个用户B和C,还可以直接分享该链接而不输入引用操作标识符。在后一种情况下,该引用操作可以认为是发起用户针对不特定用户的引用操作,此时被引用用户的数目为任意多个。
引用内容指代引用操作所涉及的具体信息。在一些实施例中,引用内容可以为发起用户在发布动态或分享链接时所涉及的链接的内容、或者发起用户自己输入的附加评论内容。为了具体阐明,作为示例,A用户在微博上转发某个产品资讯的链接,并添加如下评论:“@B,快看C产品又出新款了”。在该示例中,产品资讯的链接和评论内容均可以作为引用内容。
在一些实施例中,与引用操作相对应的数据还可以包括时间戳,并且处理器130仅获得指定时间段内的引用操作数据。这可以例如用于预先剔除过时或者不符合其他时间要求的引用操作数据。
通过获得与引用操作相对应的数据,处理器130能够进一步据此进行用户110的兴趣挖掘。
随后,在框204,从数据确定针对用户的关键词。在本文中,关键词指代用户可能感兴趣的词汇,以用于后续的兴趣信息挖掘。在一些实施例中,关键词可以从发起用户在发布动态或分享链接时所涉及的链接的内容中被确定。在一些实施例中,关键词可以从发起用户输入的附加评论内容中被确定。在一些实施例中,关键词可以从上述链接内容和附加评论内容两者中被确定。
在一些实施例中,可以针对与引用内容相关联的标识进行分词,以确定关键词。分词是一种将输入的句子从汉字序列切分成词序列的方法。目前,基于词典的最大匹配分词方法、全切分路径选择方法、基于字序列标注的方法、基于转移的分词方法等分词方法已经在中文处理中得到了比较广泛的应用。在一些实施例中,可以针对与引用内容相关联的标识进行语义分析,以确定关键词。语义分析通过运用各种机器学习方法来学习并理解一段文本所表示的语义内容。近年来,基于词义消岐、词嵌入学习和语义角色标注等的词汇级语义分析已经取得了许多突破性进展,而句子级和篇章级语义分析也在快速发展当中。在一些实施例中,还可以采用其他中文信息处理技术。本公开对于从数据确定关键词的技术不作限制。
在一些实施例中,可以依据词汇在引用内容中出现的频率来将该词汇确定为关键词。例如,用户分享的链接内容是关于产品B的评测文章,则引用内容中通常存在大量的产品B的词汇。此时,基于上述中文信息处理技术,产品B的词汇可以被确定为关键词。在一些实施例中,可以依据词汇在引用内容中出现的频率、结合情感分析来确定其是否成为关键词。例如,用户分享的链接内容是关于产品B的评测文章,但是该评测文章中对于产品B给出了负面评价。或者,用户分享了关于产品B的文章,同时在附加评论信息中给出了关于产品B的负面评价。以上两种情况均表明用户对于产品B不感兴趣。此时,基于上述中文处理技术,产品B的词汇可能将不会被确定为关键词。在该实施例的情感分析当中,用户提供的附加评论信息应当比链接内容具有更高的分析优先级,因为用户的评论信息往往更能直接反映用户的感兴趣程度。
在一些实施例中,对于已经确定的每个关键词,计算第一权重得分。在本文中,第一权重得分表征关键词在引用内容中的相关性。第一权重得分越高,关键词在引用内容中的相关性越大。在一些实施例中,可以根据BM25算法来计算每个关键词的第一权重得分。本公开将不对BM25算法的具体内容作进一步详细的描述。在一些实施例中,可以结合情感分析来进一步调整每个关键词的第一权重得分。例如,如果引用内容中含有用户对于关键词的强烈正面情感,则可以适当增加该关键词的第一权重得分;反之,则可以适当减少该关键词的第一权重得分。
在一些实施例中,数据可能呈非文字的形式,例如呈语音或视频的形式。在这种情况下,可以例如通过语音识别服务商的开放软件开发工具包SDK来将语音和视频中的语音转换成文字的形式。
通过确定针对用户的关键词,便于处理器130后续确定关键词与存储装置140中多个候选对象的匹配关系。
在框206,从多个候选对象中确定与关键词相匹配的目标对象。如前所述,候选对象指代已经在存储装置140中存储的产品信息,并且目标对象指代要向用户110推荐的产品信息。处理器130在框204已经确定出关键词的基础上,进一步在框206确定多个候选对象中的哪个/哪些目标对象要向用户进行推荐。
在一些实施例中,处理器130可以直接将每个关键词与每个候选对象进行比较,以确定关键词是否与候选对象相匹配。如果候选对象与关键词内容相同,则认为该候选对象与关键词相匹配,并且将该候选对象确定为目标对象。在一些实施例中,对于每个候选对象可以预先设置相关关键词集合。作为示例,对于候选对象“蓝牙耳机”,可以预先设置“蓝牙运动耳机”、“蓝牙耳麦”、“无线耳机”等相关关键词的集合。设置相关关键词集合的目的在于扩大匹配搜索范围。在该实施例中,如果候选对象的相关关键词集合中的相关关键词与关键词内容相同,则认为该候选对象与关键词相匹配,并且将该候选对象确定为目标对象。
在一些实施例中,在对于每个候选对象预先设置相关关键词集合的同时,还对于每个相关关键词预先设置第二权重得分。在本文中,第二权重得分表征相关关键词与候选对象的相似度。作为示例,对于候选对象“蓝牙耳机”,已经预先设置“蓝牙运动耳机”、“蓝牙耳麦”、“无线耳机”等相关关键词的集合,其中,“蓝牙耳麦”和“无线耳机”的第二权重得分可以被预先设置为比“蓝牙运动耳机”的第二权重得分高。
在该实施例中,从多个候选对象中确定与关键词相匹配的目标对象包括:计算关键词与多个候选对象中的每个候选对象的匹配度;以及响应于匹配度大于第一阈值,将该候选对象确定为目标对象。在本文中,匹配度是用来表征候选对象与关键词的匹配程度的综合度量,并且匹配度与上文提及的第一权重得分和第二权重得分两者相关。在该实施例中,匹配度的具体计算方法包括:预先确定每个候选对象的每个相关关键词的第二权重得分;计算关键词的第一权重得分;以及基于第一权重得分和第二权重得分,计算每个候选对象的所有相关关键词的加权和,以得到匹配度。
作为示例,现将上述匹配度的计算方法过程描述如下。假设多个候选对象包括P1和P2,其中P1包括相关关键词A、D和E,并且P2包括相关关键词A、B、F和G。P1和P2分别被表示为P1(A,D,E)和P2(A,B,F,G)。每个相关关键词的第二权重得分被表示为W(X,Y),其中X为候选对象并且Y为相关关键词。此时,P1的每个相关关键词的第二权重得分可以分别被表示为W(P1,A)、W(P1,D)和W(P1,E)。还假设针对“用户01”的关键词已经被确定为A和B,并且A和B的第一权重得分已经被分别计算为M(A,01)和M(B,01)。基于以上假设,候选对象P1和P2的匹配度O(P1,01)和O(P2,01)可以分别计算为:
O(P1,01)=W(P1,A)*M(A,01) (1)
O(P2,01)=W(P2,A)*M(A,01)+W(P2,B)*M(B,01) (2)
从上面的等式(1)和(2)中可以看出,匹配度的计算考虑到了关键词在引用内容中的相关性以及关键词命中候选对象的相关关键词的程度。由此,在计算出的匹配度大于第一阈值的情况下,确定关键词与该候选对象相匹配,并且将该候选对象确定为目标对象。
通过从多个候选对象中确定目标对象,使得处理器130能够确定下一步要向用户110推荐的相关信息。
在框208,向用户提供与目标对象相关联的信息。在一些实施例中,与目标对象相关联的信息经由输出设备或输出界面(未示出)而被呈现给用户110,并且可以以包括但不限于文字、语音、视频的形式呈现给用户110。
在上述计算匹配度的实施例中,向用户提供与目标对象相关联的信息包括:按照匹配度从高到低的顺序,向用户提供信息。由此,使得用户可以优先获得匹配度高的信息,从而提高推荐的有效性。
由此,已经描述了根据本公开的实施例的用于信息推荐的方法200。
在一些实施例中,方法200中的用户包括上文提到的发起用户和被引用用户。由此,使得引用操作的双方均能够获得具有针对性的信息推荐。
通过本公开的改进的用于信息推荐的方法,可以通过采集与用户的引用操作相对应的数据来进行信息推荐,从而能够更准确地挖掘用户的真实兴趣,并且因此进行更准确的信息推荐。由此,可以显著增强用户体验。此外,本公开的方法也可以针对新注册用户进行高效准确的信息推荐。
下面参见图3,图3图示了根据本公开的实施例的用于信息推荐的装置300的示意性框图。
具体地,装置300包括:获取模块310,获取模块310被配置为获取与用户的引用操作相对应的数据;第一确定模块320,第一确定模块320被配置为从数据确定针对用户的关键词;第二确定模块330,第二确定模块330被配置为从多个候选对象中确定与关键词相匹配的目标对象;以及提供模块340,提供模块340被配置为向用户提供与目标对象相关联的信息。
在一些实施例中,获取模块310还被配置为:获取与引用操作的发起用户、被引用用户和引用内容相关联的标识。
在一些实施例中,第一确定模块320还被配置为:针对与引用内容相关联的标识进行分词,以确定关键词。
在一些实施例中,第一确定模块320还被配置为:针对与引用内容相关联的标识进行语义分析,以确定关键词。
在一些实施例中,第二确定模块330还被配置为:计算关键词与多个候选对象中的每个候选对象的匹配度;以及响应于匹配度大于第一阈值,将该候选对象确定为目标对象。
在一些实施例中,提供模块340还被配置为:按照匹配度从高到低的顺序,向用户提供信息。
根据本公开的实施例的装置300,可以实现用户信息的高效推荐。
进一步参见图4,图4图示了可以用来实施本公开内容的实施例的示例设备400的示意性框图。例如,如图1所示的系统100中的处理器130可以由设备400来实施。如图所示,设备400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的计算机程序指令或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序指令,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。CPU401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,例如方法200可由处理单元401执行。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序被加载到RAM 403并由CPU 401执行时,可以执行上文描述的方法200的一个或多个动作。
本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是——但不限于——电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施方式,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施方式。在不偏离所说明的各实施方式的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施方式的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其他普通技术人员能理解本文披露的各实施方式。
Claims (13)
1.一种用于信息推荐的方法,包括:
获取与用户的引用操作相对应的数据;
从所述数据确定针对所述用户的关键词;
从多个候选对象中确定与所述关键词相匹配的目标对象;以及
向所述用户提供与所述目标对象相关联的信息。
2.根据权利要求1所述的方法,其中获取所述数据包括:获取与所述引用操作的发起用户、被引用用户和引用内容相关联的标识。
3.根据权利要求2所述的方法,其中确定针对所述用户的关键词包括:针对与所述引用内容相关联的标识进行分词,以确定所述关键词。
4.根据权利要求2所述的方法,其中确定针对所述用户的关键词包括:针对与所述引用内容相关联的标识进行语义分析,以确定所述关键词。
5.根据权利要求1所述的方法,其中从多个候选对象中确定与所述关键词相匹配的目标对象包括:
计算所述关键词与所述多个候选对象中的每个候选对象的匹配度;以及
响应于所述匹配度大于第一阈值,将该候选对象确定为所述目标对象。
6.根据权利要求5所述的方法,其中向所述用户提供所述信息包括:按照所述匹配度从高到低的顺序,向所述用户提供所述信息。
7.一种用于信息推荐的设备,包括:
至少一个处理器;以及
与所述至少一个处理器耦合的存储器,所述存储器包含有存储于其中的指令,所述指令在被所述至少一个处理单元执行时,使得所述设备执行动作,所述动作包括:
获取与用户的引用操作相对应的数据;
从所述数据确定针对所述用户的关键词;
从多个候选对象中确定与所述关键词相匹配的目标对象;以及
向所述用户提供与所述目标对象相关联的信息。
8.根据权利要求7所述的设备,其中获取所述数据包括:获取与所述引用操作的发起用户、被引用用户和引用内容相关联的标识。
9.根据权利要求8所述的设备,其中确定针对所述用户的关键词包括:针对与所述引用内容相关联的标识进行分词,以确定所述关键词。
10.根据权利要求8所述的设备,其中确定针对所述用户的关键词包括:针对与所述引用内容相关联的标识进行语义分析,以确定所述关键词。
11.根据权利要求7所述的设备,其中从多个候选对象中确定与所述关键词相匹配的目标对象包括:
计算所述关键词与所述多个候选对象中的每个候选对象的匹配度;以及
响应于所述匹配度大于第一阈值,将该候选对象确定为所述目标对象。
12.根据权利要求11所述的设备,其中向所述用户提供所述信息包括:按照所述匹配度从高到低的顺序,向所述用户提供所述信息。
13.一种计算机可读存储介质,其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根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910560019.4A CN112148958A (zh) | 2019-06-26 | 2019-06-26 | 用于信息推荐的方法、设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910560019.4A CN112148958A (zh) | 2019-06-26 | 2019-06-26 | 用于信息推荐的方法、设备和计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112148958A true CN112148958A (zh) | 2020-12-29 |
Family
ID=73869733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910560019.4A Pending CN112148958A (zh) | 2019-06-26 | 2019-06-26 | 用于信息推荐的方法、设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112148958A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051476A (zh) * | 2021-03-25 | 2021-06-29 | 北京百度网讯科技有限公司 | 用于消息发送的方法和装置 |
CN113220989A (zh) * | 2021-04-29 | 2021-08-06 | 北京百度网讯科技有限公司 | 用于对象管理的方法和装置 |
CN113297848A (zh) * | 2021-05-14 | 2021-08-24 | 中国农业银行股份有限公司 | 信息处理方法、装置、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011253256A (ja) * | 2010-05-31 | 2011-12-15 | Nippon Telegr & Teleph Corp <Ntt> | 関連コンテンツ提示装置及びプログラム |
CN107704512A (zh) * | 2017-08-31 | 2018-02-16 | 平安科技(深圳)有限公司 | 基于社交数据的金融产品推荐方法、电子装置及介质 |
CN109062994A (zh) * | 2018-07-04 | 2018-12-21 | 平安科技(深圳)有限公司 | 推荐方法、装置、计算机设备和存储介质 |
CN109727092A (zh) * | 2018-12-15 | 2019-05-07 | 深圳壹账通智能科技有限公司 | 基于ai的产品推荐方法、装置、计算机设备及存储介质 |
-
2019
- 2019-06-26 CN CN201910560019.4A patent/CN112148958A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011253256A (ja) * | 2010-05-31 | 2011-12-15 | Nippon Telegr & Teleph Corp <Ntt> | 関連コンテンツ提示装置及びプログラム |
CN107704512A (zh) * | 2017-08-31 | 2018-02-16 | 平安科技(深圳)有限公司 | 基于社交数据的金融产品推荐方法、电子装置及介质 |
CN109062994A (zh) * | 2018-07-04 | 2018-12-21 | 平安科技(深圳)有限公司 | 推荐方法、装置、计算机设备和存储介质 |
CN109727092A (zh) * | 2018-12-15 | 2019-05-07 | 深圳壹账通智能科技有限公司 | 基于ai的产品推荐方法、装置、计算机设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051476A (zh) * | 2021-03-25 | 2021-06-29 | 北京百度网讯科技有限公司 | 用于消息发送的方法和装置 |
CN113051476B (zh) * | 2021-03-25 | 2023-06-13 | 北京百度网讯科技有限公司 | 用于消息发送的方法和装置 |
CN113220989A (zh) * | 2021-04-29 | 2021-08-06 | 北京百度网讯科技有限公司 | 用于对象管理的方法和装置 |
CN113220989B (zh) * | 2021-04-29 | 2023-08-29 | 北京百度网讯科技有限公司 | 用于对象管理的方法和装置 |
CN113297848A (zh) * | 2021-05-14 | 2021-08-24 | 中国农业银行股份有限公司 | 信息处理方法、装置、设备和存储介质 |
CN113297848B (zh) * | 2021-05-14 | 2024-03-05 | 中国农业银行股份有限公司 | 信息处理方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10832008B2 (en) | Computerized system and method for automatically transforming and providing domain specific chatbot responses | |
CN107220352B (zh) | 基于人工智能构建评论图谱的方法和装置 | |
US11599729B2 (en) | Method and apparatus for intelligent automated chatting | |
CN107679039B (zh) | 用于确定语句意图的方法和装置 | |
CN107832433B (zh) | 基于对话交互的信息推荐方法、装置、服务器和存储介质 | |
CN107241260B (zh) | 基于人工智能的新闻推送的方法和装置 | |
US9720904B2 (en) | Generating training data for disambiguation | |
US10606658B2 (en) | Approach to recommending mashups | |
CN112164391A (zh) | 语句处理方法、装置、电子设备及存储介质 | |
US9818080B2 (en) | Categorizing a use scenario of a product | |
CN111191428B (zh) | 评论信息处理方法、装置、计算机设备和介质 | |
CN114840671A (zh) | 对话生成方法、模型的训练方法、装置、设备及介质 | |
CN111144952A (zh) | 基于用户兴趣的广告推荐方法、装置、服务器及存储介质 | |
CN112148958A (zh) | 用于信息推荐的方法、设备和计算机存储介质 | |
CN110765973B (zh) | 账号类型的识别方法和装置 | |
CN110019948B (zh) | 用于输出信息的方法和装置 | |
CN114861889A (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
CN111401044A (zh) | 一种标题生成方法、装置、终端设备及存储介质 | |
CN114244795B (zh) | 一种信息的推送方法、装置、设备及介质 | |
CN115269828A (zh) | 用于生成评论回复的方法、设备和介质 | |
CN110738056B (zh) | 用于生成信息的方法和装置 | |
US20180032907A1 (en) | Detecting abusive language using character n-gram features | |
CN110705308A (zh) | 语音信息的领域识别方法、装置、存储介质及电子设备 | |
CN116049370A (zh) | 信息查询方法和信息生成模型的训练方法、装置 | |
CN112000495B (zh) | 用于兴趣点信息管理的方法、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |