CN112231504A - 确定封面图片的方法、装置、电子设备及存储介质 - Google Patents
确定封面图片的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112231504A CN112231504A CN202011062787.6A CN202011062787A CN112231504A CN 112231504 A CN112231504 A CN 112231504A CN 202011062787 A CN202011062787 A CN 202011062787A CN 112231504 A CN112231504 A CN 112231504A
- Authority
- CN
- China
- Prior art keywords
- picture
- pictures
- alternative
- target text
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000013598 vector Substances 0.000 claims description 119
- 238000011156 evaluation Methods 0.000 claims description 37
- 238000013507 mapping Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 54
- 239000011159 matrix material Substances 0.000 description 32
- 238000012549 training Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 11
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 241000238017 Astacoidea Species 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization 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
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Abstract
本申请公开了确定封面图片的方法、装置、电子设备及存储介质,属于计算机技术领域。方法包括:获取目标文本以及多个备选图片,确定多个备选图片中各个备选图片与目标文本的相关性。基于各个备选图片与目标文本的相关性,从多个备选图片中确定用于与目标文本关联显示的封面图片。本申请将与目标文本的相关性作为封面图片的确定依据,所确定的封面图片与目标文本的相关性较强、较为直观,确定效果较好。因此,更易于用户进行理解,不仅提高了点击率,而且提高了用户的使用体验。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种确定封面图片的方法、装置、电子设备及存储介质。
背景技术
近年来,越来越多的应用程序在进行信息显示时,针对所显示的信息设置封面图片,也就是将信息与封面图片进行关联显示。其中,显示封面图片有利于引起用户兴趣,从而起到提高信息点击率的作用。因此,如何确定合适的封面图片,是提高信息点击率的关键。
发明内容
本申请实施例提供了一种确定封面图片的方法、装置、电子设备及存储介质,以提高信息点击率。所述技术方案如下:
一方面,提供了一种确定封面图片的方法,所述方法包括:
获取目标文本以及多个备选图片;
确定所述多个备选图片中各个备选图片与所述目标文本的相关性;
基于所述各个备选图片与所述目标文本的相关性,从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片。
在示例性实施例中,所述基于所述各个备选图片与所述目标文本的相关性,从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片,包括:确定所述多个备选图片中各个备选图片的图片质量;根据所述各个备选图片与所述目标文本的相关性以及所述各个备选图片的图片质量,从所述多个备选图片中确定所述封面图片。
在示例性实施例中,所述根据所述各个备选图片与所述目标文本的相关性以及所述各个备选图片的图片质量,从所述多个备选图片中确定所述封面图片,包括:对于任一个备选图片,确定所述任一个备选图片与所述目标文本的相关性对应的第一分值,确定所述任一个备选图片的图片质量对应的第二分值;将所述任一个备选图片对应的第一分值及第二分值的乘积作为所述任一个备选图片对应的第三分值;将所述多个备选图片中第三分值最大的备选图片作为所述封面图片。
在示例性实施例中,所述确定所述多个备选图片中各个备选图片与所述目标文本的相关性,包括:获取所述目标文本的文本特征向量,将所述文本特征向量映射为第一特征向量;对于任一个备选图片,获取所述任一个备选图片的图片特征向量,将所述图片特征向量映射为第二特征向量,所述第一特征向量及所述第二特征向量位于同一特征空间;对于任一个备选图片,确定所述第一特征向量与所述任一个备选图片的第二特征向量的余弦相似度,根据所述余弦相似度确定所述多个备选图片中各个备选图片与所述目标文本的相关性。
在示例性实施例中,所述获取目标文本以及多个备选图片,包括:显示文本输入框,获取通过所述文本输入框检测到的输入文本;基于所述输入文本获取至少一个检索结果,对于任一个检索结果,将所述任一个检索结果对应的图片作为所述任一个检索结果的备选图片;
所述从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片之后,所述方法还包括:对于任一个检索结果,将所述任一个检索结果的封面图片与所述任一个检索结果进行关联显示,得到所述任一个检索结果对应的关联显示组;将各个检索结果对应的关联显示组与所述输入文本进行关联显示。
在示例性实施例中,所述获取目标文本以及多个备选图片,包括:获取评价内容,根据所述评价内容获取所述目标文本;将所述评价内容所包含的图片以及所述评价内容针对的被评价对象对应的图片中的至少一种图片作为所述备选图片;
所述从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片之后,所述方法还包括:对所述封面图片与所述评价内容进行关联显示。
在示例性实施例中,所述获取目标文本以及多个备选图片,包括:获取目标文章,根据所述目标文章获取所述目标文本;将所述目标文章所包含的图片以及参考图片库所存储的图片中的至少一种图片作为所述备选图片;
所述从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片之后,所述方法还包括:对所述封面图片及所述目标文章的部分参考内容进行关联显示;响应于检测到所述封面图片被选中,显示所述目标文章。
一方面,提供了一种确定封面图片的装置,所述装置包括:
获取模块,用于获取目标文本以及多个备选图片;
第一确定模块,用于确定所述多个备选图片中各个备选图片与所述目标文本的相关性;
第二确定模块,用于基于所述各个备选图片与所述目标文本的相关性,从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片。
在示例性实施例中,所述第二确定模块,用于确定所述多个备选图片中各个备选图片的图片质量;根据所述各个备选图片与所述目标文本的相关性以及所述各个备选图片的图片质量,从所述多个备选图片中确定所述封面图片。
在示例性实施例中,所述第二确定模块,用于对于任一个备选图片,确定所述任一个备选图片与所述目标文本的相关性对应的第一分值,确定所述任一个备选图片的图片质量对应的第二分值;将所述任一个备选图片对应的第一分值及第二分值的乘积作为所述任一个备选图片对应的第三分值;将所述多个备选图片中第三分值最大的备选图片作为所述封面图片。
在示例性实施例中,所述第一确定模块,用于获取所述目标文本的文本特征向量,将所述文本特征向量映射为第一特征向量;对于任一个备选图片,获取所述任一个备选图片的图片特征向量,将所述图片特征向量映射为第二特征向量,所述第一特征向量及所述第二特征向量位于同一特征空间;对于任一个备选图片,确定所述第一特征向量与所述任一个备选图片的第二特征向量的余弦相似度,根据所述余弦相似度确定所述多个备选图片中各个备选图片与所述目标文本的相关性。
在示例性实施例中,所述获取模块,用于显示文本输入框,获取通过所述文本输入框检测到的输入文本;基于所述输入文本获取至少一个检索结果,对于任一个检索结果,将所述任一个检索结果对应的图片作为所述任一个检索结果的备选图片;
所述装置还包括:第一显示模块,用于对于任一个检索结果,将所述任一个检索结果的封面图片与所述任一个检索结果进行关联显示,得到所述任一个检索结果对应的关联显示组;将各个检索结果对应的关联显示组与所述输入文本进行关联显示。
在示例性实施例中,所述获取模块,用于获取评价内容,根据所述评价内容获取所述目标文本;将所述评价内容所包含的图片以及所述评价内容针对的被评价对象对应的图片中的至少一种图片作为所述备选图片;
所述装置还包括:第二显示模块,用于对所述封面图片与所述评价内容进行关联显示。
在示例性实施例中,所述获取模块,用于获取目标文章,根据所述目标文章获取所述目标文本;将所述目标文章所包含的图片以及参考图片库所存储的图片中的至少一种图片作为所述备选图片;
所述装置还包括:第三显示模块,用于对所述封面图片及所述目标文章的部分参考内容进行关联显示;响应于检测到所述封面图片被选中,显示所述目标文章。
一方面,提供了一种电子设备,所述电子设备包括存储器及处理器;所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行,以实现本申请的任一种示例性实施例所提供的确定封面图片的方法。
一方面,提供了一种可读存储介质,所述可读存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现本申请的任一种示例性实施例所提供的确定封面图片的方法。
另一方面,提供了一种计算机程序或计算机程序产品,所述计算机程序或计算机程序产品包括:计算机指令,所述计算机指令被计算机执行时,使得所述计算机实现本申请的任一种示例性实施例所提供的确定封面图片的方法。
本申请实施例所提供的技术方案带来的有益效果至少包括:
将与目标文本的相关性作为封面图片的确定依据,所确定的封面图片与目标文本的相关性较强、较为直观,确定效果较好。因此,更易于用户进行理解,不仅提高了点击率,而且提高了用户的使用体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的实施环境示意图;
图2是本申请实施例提供的确定封面图片的方法的流程图;
图3是本申请实施例提供的确定第一分值的流程示意图;
图4是本申请实施例提供的确定第三分值的流程示意图;
图5是本申请实施例提供的显示封面图片的示意图;
图6是本申请实施例提供的用于作为对比的显示封面图片的示意图;
图7是本申请实施例提供的确定封面图片的装置的结构示意图;
图8是本申请实施例提供的电子设备的结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例提供了一种确定封面图片的方法,该方法可应用于如图1所示的实施环境中。图1中,包括至少一个电子设备11和服务器12,服务器12可与电子设备11进行通信连接,以从电子设备11上获取目标文本以及备选图片。
其中,电子设备11可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品,例如PC(PersonalComputer,个人计算机)、手机、智能手机、PDA(Personal Digital Assistant,个人数字助手)、可穿戴设备、掌上电脑PPC(Pocket PC)、平板电脑、智能车机、智能电视、智能音箱等。
服务器12可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务中心。
本领域技术人员应能理解上述电子设备11和服务器12仅为举例,其他现有的或今后可能出现的电子设备或服务器如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
基于上述图1所示的实施环境,参见图2,本申请实施例提供了一种确定封面图片的方法,该方法可应用于图1所示的服务器中。如图2所示,该方法包括如下的过程201-203。
201,获取目标文本以及多个备选图片。
其中,备选图片是供选择的图片,通过在多个备选图片中进行选择,能够确定出用于与目标文本关联显示的封面图片。在目标文本不同的情况下,获取目标文本以及多个备选图片的方式也有所不同。示例性地,本实施例中目标文本包括但不限于如下三种情况。
情况一:显示文本输入框,获取通过文本输入框检测到的输入文本,该输入文本即为目标文本。之后,基于输入文本获取至少一个检索结果,对于任一个检索结果,将任一个检索结果对应的图片作为任一个检索结果的备选图片。
示例性地,本实施例在检索界面提供文本输入框。该文本输入框可接收用户通过键盘输入的文本。或者,该文本输入框还可提供对应的音频采集按钮,响应于检测到该音频采集按钮被选中,则采集用户音频,再转化用户音频得到文本。通过键盘输入的文本以及转化用户音频得到的文本均可作为上述输入文本。
在获取到输入文本之后,基于该输入文本进行检索,从而得到至少一个检索结果,至少一个检索结果中的各个检索结果均具有对应的图片。例如,在检索结果为POI(Pointof Interest,兴趣点)的情况下,检索结果往往对应有POI的环境图片、POI所提供的资源图片以及POI标识的图片等等。又例如,在检索结果为网页链接的情况下,网页链接所指示的网页中往往会提供图片,则可将网页提供的图片作为网页链接对应的图片。因此,对于任一个检索结果,可将该任一个检索结果对应的图片作为该任一个检索结果对应的备选图片。
情况二:先获取评价内容,根据评价内容获取目标文本。再将评价内容所包含的图片以及评价内容针对的被评价对象对应的图片中的至少一种图片作为备选图片。
其中,根据评价内容获取目标文本,包括:将评价内容作为目标文本,或者从评价内容中选取部分内容作为目标文本。评价内容针对的被评价对象往往是POI或POI提供的资源,根据获取方式一中的说明可知,被评价对象对应有图片。因此,可将评价内容所包含的图片以及被评价对象对应的图片中的一种或两种图片作为备选图片。另外,响应于评价内容不包含图片但包含视频,则可从评价内容所包含的视频中截取得到图片,将截取的图片以及被评价对象对应的图片中的至少一种作为备选图片。或者,响应于评价内容不包含图片及视频,则直接将被评价对象对应的图片作为备选图片即可。
情况三:获取目标文章,根据目标文章获取目标文本,将目标文章所包含的图片以及参考图片库所存储的图片中的至少一种图片作为备选图片。
其中,根据目标文章获取目标文本,包括:将目标文章作为目标文本,或者将目标文章所包含的内容中的一部分作为目标文本。由于目标文章的多样性,可能会存在目标文章中不包含图片的情况。在此种情况下,便可从公开的参考图片库中获取存储的图片作为备选图片。示例性地,本实施例还可以获取目标文章的发布账号,从而得到该发布账号所发布的历史文章。之后,将历史文章中包含的图片或者各个历史文章中被重复使用的次数大于次数阈值的图片作为备选图片,本实施例不对次数阈值加以限定。
示例性地,在获取到多个备选图片之后,考虑到多个备选图片中部分备选图片可能不适用于作为封面图片,因而需要对不适用于作为封面图片的部分备选图片进行删除,得到更新后的备选图片。能够理解的是,此种情况下则需要从更新后的备选图片中确定出封面图片。
202,确定多个备选图片中各个备选图片与目标文本的相关性。
其中,通过确定各个图片与目标文本的相关性,便能够将相关性作为确定依据,从而在多个备选图片中确定出与目标文本相关性较强的备选图片作为封面图片。
在示例性实施例中,参见图3,确定多个备选图片中各个备选图片与目标文本的相关性,包括如下的过程2021-2023。
2021,获取目标文本的文本特征向量,将文本特征向量映射为第一特征向量。
示例性地,本实施例可调用第一模型及第一矩阵集,通过第一模型获取目标文本的文本特征向量,再通过第一矩阵集将文本特征向量映射为第一特征向量。本实施例中,可采用BERT(Bidirectional Encoder Representation from Transformers,变压器的双向编码表示)模型作为第一模型,通过BERT模型获取的文本特征向量为768维向量。本实施例不对第一模型及获取的文本特征向量的维度加以限定,根据经验或实际需要选择即可。
在获取到文本特征向量之后,还需要通过第一矩阵集对文本特征向量进行映射,从而得到第一特征向量。其中,第一矩阵集包括至少一个矩阵,一个矩阵也可以称为一个全连接层。每通过一个矩阵对文本特征向量进行一次映射,则相当于对文本特征向量所在的特征空间进行了一次转换。在经过第一矩阵集所包括的各个矩阵的映射之后,文本特征向量转化为第一特征向量。其中,本实施例不对第一矩阵集包括的矩阵数量以及第一特征向量的维度加以限定。示例性地,本实施例中第一矩阵集中包括的矩阵数量为两个,经过两个矩阵映射得到的第一特征向量为1024维向量。
2022,对于任一个备选图片,获取任一个备选图片的图片特征向量,将图片特征向量映射为第二特征向量。
其中,本实施例调用第二模型及第二矩阵集,通过第二模型将获取任一个备选图片的图片特征向量,通过第二矩阵集将图片特征向量映射为第二特征向量。示例性地,本实施例中采用深度卷积模型作为第二模型。示例性地,深度卷积模型包括ResNet(ResidualNetwork,残差网络)50模型,通过ResNet50模型获取的图片特征向量为2048维向量。另外,第二矩阵集包括至少一个矩阵,通过第二矩阵集所包括的各个矩阵可将第二模型输出的图片特征向量映射为第二特征向量。示例性地,本实施例中第二矩阵集中包括的矩阵数量为两个,第二特征向量为1024维向量。能够理解的是,对于第二模型、图片特征向量的维度、矩阵数量以及第二特征向量的维度,本实施例均不加以限定,根据经验或实际需要进行选择即可。
需要说明的是,映射得到的第一特征向量及第二特征向量位于同一特征空间。在该特征空间中,第一特征向量及第二特征向量不再有文本与图片的区分,因而才能进一步计算第一特征向量及第二特征向量之间的余弦相似度,详见步骤2023。
2023,对于任一个备选图片,确定第一特征向量与任一个备选图片的第二特征向量的余弦相似度,根据余弦相似度确定多个备选图片中各个备选图片与目标文本的相关性。
由于本实施例中第一特征向量与第二特征向量为相同维度的向量,因而可计算第一特征向量与第二特征向量之间的余弦相似度。余弦相似度与1的差值越小,则说明第一特征向量与第二特征向量越相似,从而说明目标文本与该第二特征向量对应的备选图片之间的相关性越强。相应地,余弦相似度与1的差值越大,则说明第一特征向量与第二特征向量越不相似,从而说明目标文本与该第二特征向量对应的备选图片之间的相关性越弱。可见,余弦相似度能够指示目标文本与备选图片之间的相关性。当然,本实施例不仅局限于根据余弦相似度确定目标文本与备选图片之间的相关性。除了余弦相似度以外,根据第一特征向量以及第二特征向量能够计算出的其他信息也可以用于确定目标文本与备选图片之间的相关性。
需要说明的是,上述2021-2023中应用到的第一矩阵集及第二矩阵集所包括的各个矩阵均通过训练得到。在开始训练之前,第一矩阵集及第二矩阵集所包括的矩阵中的参数可设置为默认参数。在训练过程中,将已标注类别的文本训练向量以及图片训练向量作为训练数据。
首次训练时,通过第一矩阵集所包括的矩阵将已标注类别的文本训练向量映射为第一训练向量,通过第二矩阵集所包括的矩阵将已标注类别的图片训练向量映射为第二训练向量,再计算第一训练向量与第二训练向量之间的欧式距离。其中,标注为相同类别的第一训练向量及第二训练向量之间的欧式距离也称为类内距离,而标注为不同类别的第一训练向量及第二训练向量之间的欧式距离也称为类间距离。在后续的训练过程中,需要对第一矩阵集及第二矩阵集所包括的矩阵中的参数进行调整,从而减小上述类内距离并增大上述类间距离。
在完成训练之后,第一矩阵集及第二矩阵集所包括的矩阵中的参数均为调整后的参数,此时可通过测试确定调整后的参数是否合格。其中,通过第一矩阵集所包括的矩阵中调整后的参数将已标注类别的文本测试向量映射为第一测试向量,通过第二矩阵集所包括的矩阵中调整后的参数将已标注类别的图片测试向量映射为第二测试向量。若标注为相同类别的第一测试向量与第二测试向量之间的类内距离小于第一距离,或者标注为不同类别的第一测试向量与第二测试向量之间的类间距离大于第二距离,则说明调整后的参数合格。之后,便可将合格的调整后的参数应用于上述2031-2033中的映射过程。
203,基于各个备选图片与目标文本的相关性,从多个备选图片中确定用于与目标文本关联显示的封面图片。
对于任一个备选图片,该任一个备选图片对应的余弦相似度越大,则说明该任一个备选图片与目标文本的相关性越强。该任一个备选图片对应的余弦相似度越小,则说明该任一个备选图片与目标文本的相关性越弱。可见,多个备选图片中余弦相似度最大的备选图片与目标文本的相关性最强,因而本实施例可将余弦相似度最大的备选图片确定为用于与目标文本关联显示的封面图片。
进一步地,除了将与目标文本的相关性作为封面图片的确定依据,本实施例还可以将备选图片的图片质量也作为封面图片的确定依据。在示例性实施例中,基于各个备选图片与目标文本的相关性,从多个备选图片中确定用于与目标文本关联显示的封面图片,包括:确定多个备选图片中各个备选图片的图片质量。根据各个备选图片与目标文本的相关性以及各个备选图片的图片质量,从多个备选图片中确定封面图片。
考虑到确定过程的简便性,本实施例可通过分值对各个备选图片与目标文本的相关性以及各个备选图片的图片质量进行量化。因此,在示例性实施例中,根据各个备选图片与目标文本的相关性以及各个备选图片的图片质量,从多个备选图片中确定封面图片,包括:对于任一个备选图片,确定任一个备选图片与目标文本的相关性对应的第一分值,确定任一个备选图片的图片质量对应的第二分值。将任一个备选图片对应的第一分值及第二分值的乘积作为任一个备选图片对应的第三分值。将多个备选图片中第三分值最大的备选图片作为封面图片。
示例性地,由于202中确定的第一特征向量与第二特征向量之间的余弦相似度能够指示出备选图片与目标文本之间的相关性,因而本实施例可将该余弦相似度作为第一分值。因此,第一分值的取值范围为[-1,1]。将备选图片i的第一分值表示为di,则di∈[-1,1]。
示例性地,上述202中通过第一矩阵集将文本特征向量映射为第一特征向量、通过第二矩阵集将图片特征向量映射为第二特征向量、确定第一特征向量与任一个备选图片的第二特征向量的余弦相似度以及将该余弦相似度作为第一分值的过程可通过第三模型执行。参见图4,在应用第三模型的过程中,将文本特征向量以及图片特征向量输入该第三模型,便能够获得该第三模型输出的第一分值。
另外,用于指示备选图片的图片质量的第二分值表示为qi,本实施例中第二分值的取值范围为[0,1],也就是qi∈[0,1]。对于任一个备选图片,该任一个备选图片对应的第二分值越大,则说明该任一个备选图片的图片质量越好。该任一个备选图片对应的第二分值越小,则说明该任一个备选图片的图片质量越差。
参见图4,本实施例可通过第四模型确定各个备选图片对应的第二分值。对于任一个备选图片,将2022中获取的该任一个备选图片的图片特征向量输入第四模型,便能够获得该第四模型输出的第二分值。示例性地,本实施例采用CNN(Convolutional NeuralNetworks,卷积神经网络)模型作为第四模型。
示例性地,对于任一个备选图片,本实施例可将该任一个备选图片对应的第一分值及第二分值的加权求和值作为该任一个备选图片对应的第三分值。除了加权求和的方式以外,本实施例还可将该任一个备选图片对应的第一分值与第二分值的乘积作为该任一个备选图片对应的第三分值,则第三分值按照如下的公式进行表示:
si=di×qi
其中,si为第三分值,di为第一分值,qi为第二分值。对于任一个备选图片,该任一个备选图片对应的第三分值越大,则说明该任一个备选图片与目标文本的相关性越强,且该任一个备选图片的图片质量越高。因此,可将第三分值最大的备选图片作为封面图片。
在按照201-203中说明的方法确定了封面图片之后,本实施例还可以将封面图片与目标文本进行关联显示。其中,目标文本不同,则进行关联显示的方式也有所不同。接下来,对201中的三种情况下进行关联显示的方式分别进行说明。
情况一:对于目标文本为检测到的输入文本的情况,在关联显示的过程中,对于任一个检索结果,将任一个检索结果的封面图片与任一个检索结果进行关联显示,得到任一个检索结果对应的关联显示组。之后,再将各个检索结果对应的关联显示组与输入文本进行关联显示。
根据201中的说明可知,任一个检索结果均具有对应的备选图片。从任一个检索结果对应的备选图片中确定出该任一个检索结果的封面图片之后,便能够关联显示封面图片以及检索结果,从而得到关联显示组。其中,本实施例不对封面图片以及检索结果的关联显示方式进行确定。示例性地,封面图片可显示在检索结果的左侧、右侧、上侧、下侧或其他方位,只要便于用户理解封面图片与检索结果之间存在关联即可。
例如,参见图5,输入文本为“小龙虾”,则检索结果为能够提供小龙虾的饭店。按照202及203中说明中的方法,可从该饭店的备选图片中确定与“小龙虾”的相关性较强且图片质量较好的备选图片作为封面图片。又例如,输入文本为“火锅”,则按照202及203中说明中的方法所确定出的封面图片与“火锅”的相关性较强且图片质量较好。参见图5可知,通过本申请实施例所提供的方法,能够使得封面图片与输入文本的相关性较强,不同的输入文本对应不同的封面图片。相关技术中提供的封面图片的选择方式可参见图6,在图6中,无论检测到怎样的输入文本均会显示默认的封面图片。由此可见,相比于相关技术中确定的封面图片,本实施例所确定的封面图片对于用户而言较为直观、有利于引起用户兴趣,因而确定方式比较灵活、确定效果较好。
在得到关联显示组之后,便可进一步将各个关联显示组与输入文本进行关联显示。示例性地,本实施例可在输入文本下方每行显示一个关联显示组,也可按照其他可行方式进行关联显示组的显示。
情况二:对于目标文本根据评价内容获取得到的情况,关联显示过程包括:对封面图片与评价内容进行关联显示。
其中,封面图片与评价内容关联显示的方式可参见情况一中封面图片与检索结果关联显示的方式,此处不再加以赘述。
情况三:对于目标文本根据目标文章获取得到的情况,本实施例可对封面图片及目标文章的部分参考内容进行关联显示。响应于检测到封面图片被选中,再显示目标文章。
示例性地,在按照202及203中说明的方法根据目标文章确定封面图片时,可从目标文章中提取关键词,再基于备选图片与该关键词的相关性确定封面图片。确定封面图片之后,用于与封面图片进行关联显示的部分参考内容包括但不限于目标文章的标题、摘要、节选以及关键词等等,本实施例不对部分参考内容加以限定。进行关联显示之后,响应于检测到封面图片被选中,则可进一步显示目标文章的全部内容。
综上所述,本实施例将与目标文本的相关性作为封面图片的确定依据,所确定的封面图片与目标文本的相关性较强、较为直观,确定效果较好。因此,更易于用户进行理解,不仅提高了点击率,而且提高了用户的使用体验。
另外,在相关性的基础上,本实施例还进一步将相关性与图片质量相结合,也就是与目标文本的相关性及图片质量共同作为封面图片的确定依据。因此,所确定出的封面图片不仅与目标文本的相关较强,而且图片质量更好,从而进一步提升了确定效果。
本申请实施例提供了一种确定封面图片的装置,参见图7,该装置包括:
获取模块701,用于获取目标文本以及多个备选图片;
第一确定模块702,用于确定多个备选图片中各个备选图片与目标文本的相关性;
第二确定模块703,用于基于各个备选图片与目标文本的相关性,从多个备选图片中确定用于与目标文本关联显示的封面图片。
在示例性实施例中,第二确定模块703,用于确定多个备选图片中各个备选图片的图片质量;根据各个备选图片与目标文本的相关性以及各个备选图片的图片质量,从多个备选图片中确定封面图片。
在示例性实施例中,第二确定模块703,用于对于任一个备选图片,确定任一个备选图片与目标文本的相关性对应的第一分值,确定任一个备选图片的图片质量对应的第二分值;将任一个备选图片对应的第一分值及第二分值的乘积作为任一个备选图片对应的第三分值;将多个备选图片中第三分值最大的备选图片作为封面图片。
在示例性实施例中,第一确定模块702,用于获取目标文本的文本特征向量,将文本特征向量映射为第一特征向量;对于任一个备选图片,获取任一个备选图片的图片特征向量,将图片特征向量映射为第二特征向量,第一特征向量及第二特征向量位于同一特征空间;对于任一个备选图片,确定第一特征向量与任一个备选图片的第二特征向量的余弦相似度,根据余弦相似度确定多个备选图片中各个备选图片与目标文本的相关性。
在示例性实施例中,获取模块701,用于显示文本输入框,获取通过文本输入框检测到的输入文本;基于输入文本获取至少一个检索结果,对于任一个检索结果,将任一个检索结果对应的图片作为任一个检索结果的备选图片;
装置还包括:第一显示模块,用于对于任一个检索结果,将任一个检索结果的封面图片与任一个检索结果进行关联显示,得到任一个检索结果对应的关联显示组;将各个检索结果对应的关联显示组与输入文本进行关联显示。
在示例性实施例中,获取模块701,用于获取评价内容,根据评价内容获取目标文本;将评价内容所包含的图片以及评价内容针对的被评价对象对应的图片中的至少一种图片作为备选图片;
装置还包括:第二显示模块,用于对封面图片与评价内容进行关联显示。
在示例性实施例中,获取模块701,用于获取目标文章,根据目标文章获取目标文本;将目标文章所包含的图片以及参考图片库所存储的图片中的至少一种图片作为备选图片;
装置还包括:第三显示模块,用于对封面图片及目标文章的部分参考内容进行关联显示;响应于检测到封面图片被选中,显示目标文章。
综上所述,本实施例将与目标文本的相关性作为封面图片的确定依据,所确定的封面图片与目标文本的相关性较强、较为直观,确定效果较好。因此,更易于用户进行理解,不仅提高了点击率,而且提高了用户的使用体验。
另外,在相关性的基础上,本实施例还进一步将相关性与图片质量相结合,也就是与目标文本的相关性及图片质量共同作为封面图片的确定依据。因此,所确定出的封面图片不仅与目标文本的相关较强,而且图片质量更好,从而进一步提升了确定效果。
需要说明的是,上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
参见图8,其示出了本申请实施例提供的一种电子设备800的结构示意图。该电子设备800可以是便携式移动电子设备,比如:智能手机、平板电脑、MP3播放器(MovingPicture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。电子设备800还可能被称为用户设备、便携式电子设备、膝上型电子设备、台式电子设备等其他名称。
通常,电子设备800包括有:处理器801和存储器802。
处理器801可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器801可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)所组成的群组中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(CentralProcessing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器801可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏805所需要显示的内容的渲染和绘制。一些实施例中,处理器801还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器802可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的确定封面图片的方法。
在一些实施例中,电子设备800还可选包括有:外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地,外围设备包括:射频电路804、显示屏805、摄像头806、音频电路807、定位组件808和电源809所组成的群组中的至少一种。
外围设备接口803可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中,处理器801、存储器802和外围设备接口803被集成在同一芯片或电路板上;在一些其他实施例中,处理器801、存储器802和外围设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路804用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路804包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它电子设备进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或Wi-Fi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路804还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏805用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏805是触摸显示屏时,显示屏805还具有采集在显示屏805的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器801进行处理。此时,显示屏805还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏805可以为一个,设置电子设备800的前面板;在另一些实施例中,显示屏805可以为至少两个,分别设置在电子设备800的不同表面或呈折叠设计;在再一些实施例中,显示屏805可以是柔性显示屏,设置在电子设备800的弯曲表面上或折叠面上。甚至,显示屏805还可以设置成非矩形的不规则图形,也即异形屏。显示屏805可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件806用于采集图像或视频。可选地,摄像头组件806包括前置摄像头和后置摄像头。通常,前置摄像头设置在电子设备的前面板,后置摄像头设置在电子设备的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件806还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路807可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器801进行处理,或者输入至射频电路804以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在电子设备800的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器801或射频电路804的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路807还可以包括耳机插孔。
定位组件808用于定位电子设备800的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件808可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源809用于为电子设备800中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,电子设备800还包括有一个或多个传感器810。该一个或多个传感器810包括但不限于:加速度传感器811、陀螺仪传感器812、压力传感器813、指纹传感器814、光学传感器815以及接近传感器816。
加速度传感器810可以检测以电子设备800建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器811可以用于检测重力加速度在三个坐标轴上的分量。处理器801可以根据加速度传感器811采集的重力加速度信号,控制显示屏805以横向视图或纵向视图进行用户界面的显示。加速度传感器811还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器812可以检测电子设备800的机体方向及转动角度,陀螺仪传感器812可以与加速度传感器811协同采集用户对电子设备800的3D动作。处理器801根据陀螺仪传感器812采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器813可以设置在电子设备800的侧边框和/或显示屏805的下层。当压力传感器813设置在电子设备800的侧边框时,可以检测用户对电子设备800的握持信号,由处理器801根据压力传感器813采集的握持信号进行左右手识别或快捷操作。当压力传感器813设置在显示屏805的下层时,由处理器801根据用户对显示屏805的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件所组成的群组中的至少一种。
指纹传感器814用于采集用户的指纹,由处理器801根据指纹传感器814采集到的指纹识别用户的身份,或者,由指纹传感器814根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器801授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器814可以被设置电子设备800的正面、背面或侧面。当电子设备800上设置有物理按键或厂商Logo时,指纹传感器814可以与物理按键或厂商Logo集成在一起。
光学传感器815用于采集环境光强度。在一个实施例中,处理器801可以根据光学传感器815采集的环境光强度,控制显示屏805的显示亮度。具体地,当环境光强度较高时,调高显示屏805的显示亮度;当环境光强度较低时,调低触示屏808的显示亮度。在另一个实施例中,处理器801还可以根据光学传感器815采集的环境光强度,动态调整摄像头组件806的拍摄参数。
接近传感器816,也称距离传感器,通常设置在电子设备800的前面板。接近传感器816用于采集用户与电子设备800的正面之间的距离。在一个实施例中,当接近传感器816检测到用户与电子设备800的正面之间的距离逐渐变小时,由处理器801控制显示屏805从亮屏状态切换为息屏状态;当接近传感器816检测到用户与电子设备800的正面之间的距离逐渐变大时,由处理器801控制显示屏805从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图8中示出的结构并不构成对电子设备800的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本申请实施例提供了一种电子设备,电子设备包括存储器及处理器;存储器中存储有至少一条指令,至少一条指令由处理器加载并执行,以实现本申请的任一种示例性实施例所提供的确定封面图片的方法。
本申请实施例提供了一种可读存储介质,可读存储介质中存储有至少一条指令,指令由处理器加载并执行以实现本申请的任一种示例性实施例所提供的确定封面图片的方法。
本申请实施例提供了一种计算机程序或计算机程序产品,计算机程序或计算机程序产品包括:计算机指令,计算机指令被计算机执行时,使得计算机实现本申请的任一种示例性实施例所提供的确定封面图片的方法。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种确定封面图片的方法,其特征在于,所述方法包括:
获取目标文本以及多个备选图片;
确定所述多个备选图片中各个备选图片与所述目标文本的相关性;
基于所述各个备选图片与所述目标文本的相关性,从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片。
2.根据权利要求1所述的方法,其特征在于,所述基于所述各个备选图片与所述目标文本的相关性,从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片,包括:
确定所述多个备选图片中各个备选图片的图片质量;
根据所述各个备选图片与所述目标文本的相关性以及所述各个备选图片的图片质量,从所述多个备选图片中确定所述封面图片。
3.根据权利要求2所述的方法,其特征在于,所述根据所述各个备选图片与所述目标文本的相关性以及所述各个备选图片的图片质量,从所述多个备选图片中确定所述封面图片,包括:
对于任一个备选图片,确定所述任一个备选图片与所述目标文本的相关性对应的第一分值,确定所述任一个备选图片的图片质量对应的第二分值;
将所述任一个备选图片对应的第一分值及第二分值的乘积作为所述任一个备选图片对应的第三分值;
将所述多个备选图片中第三分值最大的备选图片作为所述封面图片。
4.根据权利要求1-3任一所述的方法,其特征在于,所述确定所述多个备选图片中各个备选图片与所述目标文本的相关性,包括:
获取所述目标文本的文本特征向量,将所述文本特征向量映射为第一特征向量;
对于任一个备选图片,获取所述任一个备选图片的图片特征向量,将所述图片特征向量映射为第二特征向量,所述第一特征向量及所述第二特征向量位于同一特征空间;
对于任一个备选图片,确定所述第一特征向量与所述任一个备选图片的第二特征向量的余弦相似度,根据所述余弦相似度确定所述多个备选图片中各个备选图片与所述目标文本的相关性。
5.根据权利要求1-3任一所述的方法,其特征在于,所述获取目标文本以及多个备选图片,包括:
显示文本输入框,获取通过所述文本输入框检测到的输入文本;
基于所述输入文本获取至少一个检索结果,对于任一个检索结果,将所述任一个检索结果对应的图片作为所述任一个检索结果的备选图片;
所述从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片之后,所述方法还包括:
对于任一个检索结果,将所述任一个检索结果的封面图片与所述任一个检索结果进行关联显示,得到所述任一个检索结果对应的关联显示组;
将各个检索结果对应的关联显示组与所述输入文本进行关联显示。
6.根据权利要求1-3任一所述的方法,其特征在于,所述获取目标文本以及多个备选图片,包括:
获取评价内容,根据所述评价内容获取所述目标文本;
将所述评价内容所包含的图片以及所述评价内容针对的被评价对象对应的图片中的至少一种图片作为所述备选图片;
所述从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片之后,所述方法还包括:
对所述封面图片与所述评价内容进行关联显示。
7.根据权利要求1-3任一所述的方法,其特征在于,所述获取目标文本以及多个备选图片,包括:
获取目标文章,根据所述目标文章获取所述目标文本;
将所述目标文章所包含的图片以及参考图片库所存储的图片中的至少一种图片作为所述备选图片;
所述从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片之后,所述方法还包括:
对所述封面图片及所述目标文章的部分参考内容进行关联显示;
响应于检测到所述封面图片被选中,显示所述目标文章。
8.一种确定封面图片的装置,其特征在于,所述装置包括:
获取模块,用于获取目标文本以及多个备选图片;
第一确定模块,用于确定所述多个备选图片中各个备选图片与所述目标文本的相关性;
第二确定模块,用于基于所述各个备选图片与所述目标文本的相关性,从所述多个备选图片中确定用于与所述目标文本关联显示的封面图片。
9.一种电子设备,其特征在于,所述电子设备包括存储器及处理器;所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行,以实现权利要求1-7任一所述的确定封面图片的方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1-7任一所述的确定封面图片的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011062787.6A CN112231504A (zh) | 2020-09-30 | 2020-09-30 | 确定封面图片的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011062787.6A CN112231504A (zh) | 2020-09-30 | 2020-09-30 | 确定封面图片的方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112231504A true CN112231504A (zh) | 2021-01-15 |
Family
ID=74120158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011062787.6A Withdrawn CN112231504A (zh) | 2020-09-30 | 2020-09-30 | 确定封面图片的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112231504A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130275418A1 (en) * | 2012-04-17 | 2013-10-17 | Yahoo! Inc. | Method and system for updating a background picture of a web search results page for different search queries |
CN109271542A (zh) * | 2018-09-28 | 2019-01-25 | 百度在线网络技术(北京)有限公司 | 封面确定方法、装置、设备及可读存储介质 |
CN110457523A (zh) * | 2019-08-12 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 封面图片的选取方法、模型的训练方法、装置及介质 |
-
2020
- 2020-09-30 CN CN202011062787.6A patent/CN112231504A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130275418A1 (en) * | 2012-04-17 | 2013-10-17 | Yahoo! Inc. | Method and system for updating a background picture of a web search results page for different search queries |
CN109271542A (zh) * | 2018-09-28 | 2019-01-25 | 百度在线网络技术(北京)有限公司 | 封面确定方法、装置、设备及可读存储介质 |
CN110457523A (zh) * | 2019-08-12 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 封面图片的选取方法、模型的训练方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107885533B (zh) | 管理组件代码的方法及装置 | |
CN109922356B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN111127509B (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
CN110933468A (zh) | 播放方法、装置、电子设备及介质 | |
CN111753784A (zh) | 视频的特效处理方法、装置、终端及存储介质 | |
CN113763228A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110705614A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN110675473B (zh) | 生成gif动态图的方法、装置、电子设备及介质 | |
CN109547847B (zh) | 添加视频信息的方法、装置及计算机可读存储介质 | |
CN111192072A (zh) | 用户分群方法及装置、存储介质 | |
CN111857793A (zh) | 网络模型的训练方法、装置、设备及存储介质 | |
CN110853124B (zh) | 生成gif动态图的方法、装置、电子设备及介质 | |
CN111796990A (zh) | 资源显示方法、装置、终端及存储介质 | |
CN111327819A (zh) | 选择图像的方法、装置、电子设备及介质 | |
CN111611414A (zh) | 车辆检索方法、装置及存储介质 | |
CN114817709A (zh) | 排序方法、装置、设备及计算机可读存储介质 | |
CN109388732B (zh) | 音乐地图的生成和显示方法、装置及存储介质 | |
CN115221888A (zh) | 实体提及的识别方法、装置、设备及存储介质 | |
CN112100528A (zh) | 对搜索结果评分模型进行训练的方法、装置、设备、介质 | |
CN112487162A (zh) | 确定文本语义信息的方法、装置、设备以及存储介质 | |
CN113592874A (zh) | 图像显示方法、装置和计算机设备 | |
CN111369434A (zh) | 拼接视频封面生成的方法、装置、设备和存储介质 | |
CN112231504A (zh) | 确定封面图片的方法、装置、电子设备及存储介质 | |
CN112135256A (zh) | 移动轨迹的确定方法、装置、设备及可读存储介质 | |
CN109286769B (zh) | 音频识别方法、装置及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210115 |