CN112307324A - 信息处理方法、装置、设备和介质 - Google Patents

信息处理方法、装置、设备和介质 Download PDF

Info

Publication number
CN112307324A
CN112307324A CN202010142665.1A CN202010142665A CN112307324A CN 112307324 A CN112307324 A CN 112307324A CN 202010142665 A CN202010142665 A CN 202010142665A CN 112307324 A CN112307324 A CN 112307324A
Authority
CN
China
Prior art keywords
information
target user
determining
pushed
reading
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.)
Granted
Application number
CN202010142665.1A
Other languages
English (en)
Other versions
CN112307324B (zh
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010142665.1A priority Critical patent/CN112307324B/zh
Publication of CN112307324A publication Critical patent/CN112307324A/zh
Application granted granted Critical
Publication of CN112307324B publication Critical patent/CN112307324B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本公开的实施例公开了信息处理方法、装置、设备和介质。该方法的一具体实施方式包括:通过获取预设时间段内目标用户的点读信息,其中,点读信息表征目标用户通过点读设备得到的图文信息;然后,基于点读信息,确定目标用户的兴趣特征;最后,基于兴趣特征,确定对应于目标用户的待推送信息,由此可以根据目标用户的点读信息,确定对应于目标用户的待推送信息,提高了信息推送的针对性,以及目标用户与待推送信息的匹配性。

Description

信息处理方法、装置、设备和介质
技术领域
本公开的实施例涉及计算机技术领域,具体涉及一种信息处理方法、装置、设备和介质。
背景技术
随着计算机技术的发展,人类正处于信息爆炸的时代。每个人每天会接触到不计其数的信息。为了使得人们更有效率地阅读信息,信息推送技术应运而生。所谓信息推送技术,就是通过一定的技术标准或协议,定期或不定期地向用户传送信息的一项技术。信息推送技术的目的是将合适的信息推送给合适的人。
发明内容
本公开提出了信息处理方法、装置、设备和介质。
第一方面,本公开的实施例提供了一种信息处理方法,该方法包括:获取预设时间段内目标用户的点读信息,其中,点读信息表征目标用户通过点读设备得到的图文信息;基于点读信息,确定目标用户的兴趣特征;基于兴趣特征,确定对应于目标用户的待推送信息。
在一些实施例中,上述基于点读信息,确定目标用户的兴趣特征,包括:基于点读信息,获取目标用户的阅读进度信息;根据阅读进度信息,确定目标用户的兴趣特征。
在一些实施例中,上述基于兴趣特征,确定对应于目标用户的待推送信息,包括:基于多个参照用户中的每个参照用户在获取与该参照用户对应的待推送信息后的反馈信息,确定对应于目标用户的待推送信息,其中,多个参照用户具有兴趣特征所表征的兴趣。
在一些实施例中,上述基于多个参照用户中的每个参照用户在获取与该参照用户对应的待推送信息后的反馈信息,确定对应于目标用户的待推送信息,包括:确定具有兴趣特征所表征的兴趣的多个参照用户;针对多个参照用户中的每个参照用户,获取该参照用户接收对应的待推送信息后的反馈信息;对反馈信息进行聚类,根据聚类结果,确定对应于目标用户的待推送信息。
在一些实施例中,上述对反馈信息进行聚类,根据聚类结果,确定对应于目标用户的待推送信息,包括:根据多个参照用户的参照用户信息,对反馈信息进行初始聚类,得到多个初始聚类集合;响应于参照用户信息与目标用户的目标用户信息相匹配,将多个初始聚类集合中与参照用户信息对应的初始聚类集合,确定为与目标用户信息对应的目标初始聚类集合;根据目标初始聚类集合中的各反馈信息的特征信息,对目标初始类别中的各反馈信息进行再次聚类,得到多个再次聚类集合;基于多个再次聚类集合,确定对应于目标用户的待推送信息。
在一些实施例中,上述基于多个再次聚类集合,确定对应于目标用户的待推送信息,包括:基于多个再次聚类集合,确定各再次聚类集合中浏览量大于预设数值的反馈信息;将浏览量大于预设数值的反馈信息确定为对应于目标用户的待推送信息。
在一些实施例中,上述方法还包括:获取目标用户所处环境的环境信息;基于环境信息,过滤对应于目标用户的待推送信息。
在一些实施例中,上述方法还包括:将待推送信息推送至对应于目标用户的终端设备。
第二方面,本公开的实施例提供了一种信息处理装置,其中,装置包括:获取单元,被配置成获取预设时间段内目标用户的点读信息,其中,点读信息表征目标用户通过点读设备得到的图文信息;兴趣确定单元,被配置成基于点读信息,确定目标用户的兴趣特征;信息确定单元,被配置成基于兴趣特征,确定对应于目标用户的待推送信息。
第三方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得该一个或多个处理器实现如上述信息处理方法中任一实施例的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述信息处理方法中任一实施例的方法。
本公开的实施例提供的信息处理方法、装置、设备和介质,通过获取预设时间段内目标用户的点读信息,其中,点读信息表征目标用户通过点读设备得到的图文信息;然后,基于点读信息,确定目标用户的兴趣特征;最后,基于兴趣特征,确定对应于目标用户的待推送信息,从而可以根据目标用户的点读信息,确定对应于目标用户的待推送信息,提高了信息推送的针对性,以及目标用户与待推送信息的匹配性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的信息处理方法的一个实施例的流程图;
图3是根据本公开的信息处理方法的一个应用场景的示意图;
图4是根据本公开的信息处理方法的又一个实施例的流程图;
图5是根据本公开的信息处理装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本公开,而非对本公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本公开相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的实施例的信息处理方法或信息处理装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送数据(例如点读信息)等。终端设备101、102、103上可以安装有各种客户端应用,例如视频播放软件、视频处理应用、新闻资讯类应用、图像处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有信息处理功能的各种电子设备,包括但不限于点读机、智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如基于终端设备101、102、103发送的点读信息,确定对应于目标用户的待推送信息。后台信息处理服务器可以对接收到的点读信息等数据进行分析等处理,从而生成确定对应于目标用户的待推送信息。可选的,后台信息处理服务器还可以将所生成的待推送信息反馈给终端设备,以供终端设备播放。作为示例,服务器105可以是云端服务器。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
还需要说明的是,本公开的实施例所提供的信息处理方法可以由服务器执行,也可以由终端设备执行,还可以由服务器和终端设备彼此配合执行。相应地,信息处理装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器中,也可以全部设置于终端设备中,还可以分别设置于服务器和终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。当信息处理方法运行于其上的电子设备不需要与其他电子设备进行数据传输时,该系统架构可以仅包括信息处理方法运行于其上的电子设备(例如服务器或终端设备)。
继续参考图2,示出了根据本公开的信息处理方法的一个实施例的流程200。该信息处理方法,包括以下步骤:
步骤201,获取预设时间段内目标用户的点读信息。
在本实施例中,信息处理方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从点读设备,或者本地获取点读信息。
其中,上述点读信息可以是目标用户通过点读设备得到的图文信息。点读设备可以是现有技术中任意的点读设备,从装置结构层面来讲,点读设备例如可以是智能点读机、点读笔、支持点读技术的终端设备等智能装置;从点读技术层面来说,点读设备可以是支持光学图像识别技术、数码语音技术、万点电磁感应定位系统、无线传感点击技术、机器视觉技术中一种或多种技术的点读设备。
在一些情况下,目标用户可以是学生,尤其是中小学生。学生是点读设备的主要使用群体。针对于学生群体,执行主体可以获取数量更多、内容更丰富的点读信息。
本实施例中,基于预设时间段采集的点读信息可以准确地反映目标用户在某段时间的关注点或兴趣点。其中,预设时间段可以是截止到当前时间的预设时间段。预设时间段可以根据实际情况具体设置,在此不做限定。
需要说明的是,本步骤的执行主体可以是终端设备,也可以是服务器。当终端设备具有点读信息获取功能时,本步骤的执行主体则可以是具有点读信息获取功能的终端设备;否则,本步骤的执行主体则可以是具有点读信息获取功能的服务器。
步骤202,基于点读信息,确定目标用户的兴趣特征。
在本实施例中,针对步骤201获取到的点读信息,上述执行主体可以进行特征提取,确定出目标用户的兴趣特征。上述兴趣特征可以包括点读频率、内容关键词、点读时间等信息,用于表征目标用户在预设时间段内具有的兴趣。
作为示例,上述执行主体可以将点读信息输入至预先训练的特征提取模型,从而获得与点读信息对应的兴趣特征。其中,上述特征提取模型可以表征点读信息与兴趣特征之间的对应关系,可以采用机器学习算法训练得到:首先,获取训练样本集。其中,训练样本集中的训练样本包括点读信息、兴趣特征。然后,采用极端梯度提升算法(XGBoost,eXtremeGradient Boosting),将训练样本中包括的点读信息作为输入,将与输入的点读信息相对应的兴趣特征作为期望输出,训练得到特征提取模型。
在本实施例的一些可选的实现方式中,执行主体可以首先基于点读信息,获取目标用户的阅读进度信息;然后,根据阅读进度信息,确定目标用户的兴趣特征。根据阅读进度信息可以进一步得到用户的阅读速度信息,根据阅读速度信息可以反映用户的兴趣点。例如,当目标用户阅读一本读物中的某篇章时,阅读速度较慢,说明目标用户对篇章比较感兴趣。
需要说明的是,本步骤的执行主体可以是终端设备,也可以是服务器。当终端设备具有兴趣特征提取功能时,本步骤的执行主体则可以是具有兴趣特征提取功能的终端设备;否则,本步骤的执行主体则可以是具有兴趣特征提取功能的服务器。
步骤203,基于兴趣特征,确定对应于目标用户的待推送信息。
在本实施例中,上述执行主体可以基于步骤202中所提取的兴趣特征,确定对应于目标用户的待推送信息。其中,待推送信息可以是任意类型的信息,例如文本信息、语音信息、视频信息等等。
作为示例,上述执行主体可以将兴趣特征输入至预先训练的待推送信息确定模型,从而获得与兴趣特征对应的待推送信息。其中,上述待推送信息确定模型可以表征兴趣特征与待推送信息之间的对应关系,可以采用机器学习算法训练得到:首先,获取训练样本集。其中,训练样本集中的训练样本包括兴趣特征、待推送信息。然后,采用极端梯度提升算法(XGBoost,eXtreme Gradient Boosting),将训练样本中包括的兴趣特征作为输入,将与输入的兴趣特征相对应的待推送信息作为期望输出,训练得到待推送信息确定模型。
需要说明的是,本步骤的执行主体可以是终端设备,也可以是服务器。当终端设备具有待推送信息确定功能时,本步骤的执行主体则可以是具有待推送信息确定功能的终端设备;否则,本步骤的执行主体则可以是具有待推送信息确定功能的服务器。
继续参见图3,图3是根据本实施例的信息处理方法的应用场景的一个示意图。在图3的应用场景中,目标用户301正在使用点读装置302。服务器303获取预设时间段(例如截止到当前时间10天)内目标用户301的点读信息,其中,点读信息表征目标用户301通过点读设备302得到的图文信息。本应用场景中,点读信息为目标用户301英语课本中的文本信息。然后,基于点读信息,服务器303确定目标用户301的兴趣特征;最后,基于兴趣特征,服务器303确定对应于目标用户301的待推送信息。本应用场景中,待推送信息为英语在线辅导的广告信息。
本公开的上述实施例提供的方法,通过获取预设时间段内目标用户的点读信息,其中,点读信息表征目标用户通过点读设备得到的图文信息;然后,基于点读信息,确定目标用户的兴趣特征;最后,基于兴趣特征,确定对应于目标用户的待推送信息,从而可以根据目标用户的点读信息,确定对应于目标用户的待推送信息,提高了信息推送的针对性,以及目标用户与待推送信息的匹配性。
在本实施例的一些可选的实现方式中,上述执行主体可以获取目标用户所处环境的环境信息;基于环境信息,过滤对应于目标用户的待推送信息。
可以理解,通过上述可选的实现方式得到的过滤后的待推送信息,与目标用户当前所处的环境相贴合,提升了用户的体验度。
在本实施例的一些可选的实现方式中,执行主体可以将待推送信息推送至对应于目标用户的终端设备。
进一步参考图4,其示出了信息处理方法的又一个实施例的流程400。该信息处理方法的流程400,包括以下步骤:
步骤401,获取预设时间段内目标用户的点读信息。
在本实施例中,步骤401与图2对应实施例中的步骤201基本一致,这里不再赘述。
步骤402,基于点读信息,确定目标用户的兴趣特征。
在本实施例中,步骤402与图2对应实施例中的步骤202基本一致,这里不再赘述。
步骤403,基于多个参照用户中的每个参照用户在获取与该参照用户对应的待推送信息后的反馈信息,确定对应于目标用户的待推送信息。
本实施例中,上述执行主体可以基于步骤402中所提取的兴趣特征,确定出多个参照用户,进一步根据参照用户的反馈信息,确定对应于目标用户的待推送信息。其中,多个参照用户均具有兴趣特征所表征的兴趣,也即,对应于每个参照用户的兴趣特征与目标用户的兴趣特征相匹配。反馈信息包括待推送信息,以及参照用户在获取待推送信息后,针对待推送信息所作出的任何表征参照用户意愿的信息。其中,表征参照用户意愿的信息例如可以是忽略待推送信息、阅读待推送信息、阅读时间、阅读次数等等。
具体的,执行主体可以首先确定具有兴趣特征所表征的兴趣的多个参照用户;针对多个参照用户中的每个参照用户,获取该参照用户接收对应的待推送信息后的反馈信息;对反馈信息进行聚类,根据聚类结果,确定对应于目标用户的待推送信息。
在本实施例的一些可选的实现方式中,执行主体可以首先根据多个参照用户的参照用户信息,对反馈信息进行初始聚类,得到多个初始聚类集合;然后,响应于参照用户信息与目标用户的目标用户信息相匹配,将多个初始聚类集合中与参照用户信息对应的初始聚类集合,确定为与目标用户信息对应的目标初始聚类集合;然后,根据目标初始聚类集合中的各反馈信息的特征信息,对目标初始类别中的各反馈信息进行再次聚类,得到多个再次聚类集合;最后,基于多个再次聚类集合,确定对应于目标用户的待推送信息。
进一步的,执行主体可以基于多个再次聚类集合,确定各再次聚类集合中浏览量大于预设数值的反馈信息;将浏览量大于预设数值的反馈信息确定为对应于目标用户的待推送信息。
需要说明的是,除上面所记载的内容外,本申请实施例还可以包括与图2对应的实施例相同或类似的特征、效果,在此不再赘述。
从本实施例中可以看出,与图2对应的实施例相比,本实施例中的信息处理方法的流程400具体说明了基于多个参照用户中的每个参照用户在获取与该参照用户对应的待推送信息后的反馈信息,确定对应于目标用户的待推送信息,其中,多个参照用户具有兴趣特征所表征的兴趣;进一步提高了信息推送的针对性,以及目标用户与待推送信息的匹配性。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种信息处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征,以及产生与图2所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的信息处理装置500包括:获取单元501、兴趣确定单元502和信息确定单元503。其中,获取单元501,被配置成获取预设时间段内目标用户的点读信息,其中,点读信息表征目标用户通过点读设备得到的图文信息;兴趣确定单元502,被配置成基于点读信息,确定目标用户的兴趣特征;信息确定单元503,被配置成基于兴趣特征,确定对应于目标用户的待推送信息。
在本实施例的一些可选的实现方式中,上述兴趣确定单元502,进一步被配置成:基于点读信息,获取目标用户的阅读进度信息;根据阅读进度信息,确定目标用户的兴趣特征。
在本实施例的一些可选的实现方式中,上述信息确定单元502,进一步被配置成:基于多个参照用户中的每个参照用户在获取与该参照用户对应的待推送信息后的反馈信息,确定对应于目标用户的待推送信息,其中,多个参照用户具有兴趣特征所表征的兴趣。
在本实施例的一些可选的实现方式中,上述信息确定单元502,进一步被配置成:确定具有兴趣特征所表征的兴趣的多个参照用户;针对多个参照用户中的每个参照用户,获取该参照用户接收对应的待推送信息后的反馈信息;对反馈信息进行聚类,根据聚类结果,确定对应于目标用户的待推送信息。
在本实施例的一些可选的实现方式中,上述信息确定单元502,进一步被配置成:根据多个参照用户的参照用户信息,对反馈信息进行初始聚类,得到多个初始聚类集合;响应于参照用户信息与目标用户的目标用户信息相匹配,将多个初始聚类集合中与参照用户信息对应的初始聚类集合,确定为与目标用户信息对应的目标初始聚类集合;根据目标初始聚类集合中的各反馈信息的特征信息,对目标初始类别中的各反馈信息进行再次聚类,得到多个再次聚类集合;基于多个再次聚类集合,确定对应于目标用户的待推送信息。
在本实施例的一些可选的实现方式中,上述信息确定单元502,进一步被配置成:基于多个再次聚类集合,确定各再次聚类集合中浏览量大于预设数值的反馈信息;将浏览量大于预设数值的反馈信息确定为对应于目标用户的待推送信息。
在本实施例的一些可选的实现方式中,上述装置还包括:过滤单元(图中未示出),被配置成:获取目标用户所处环境的环境信息;基于环境信息,过滤对应于目标用户的待推送信息。
在本实施例的一些可选的实现方式中,上述装置还包括:推送单元(图中未示出),被配置成:将待推送信息推送至对应于目标用户的终端设备。
本公开的上述实施例提供的装置,通过获取单元获取预设时间段内目标用户的点读信息,其中,点读信息表征目标用户通过点读设备得到的图文信息;然后,兴趣确定单元针对基于点读信息,确定目标用户的兴趣特征;最后,信息确定单元基于兴趣特征,确定对应于目标用户的待推送信息,提高了信息推送的针对性,以及目标用户与待推送信息的匹配性。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本公开的方法中限定的上述功能。
需要说明的是,本公开所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,所述程序设计语言包括面向目标的程序设计语言—诸如Python、Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操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。
根据本公开的一个或多个实施例,本公开提供了一种信息处理方法,该方法包括:获取预设时间段内目标用户的点读信息,其中,点读信息表征目标用户通过点读设备得到的图文信息;基于点读信息,确定目标用户的兴趣特征;基于兴趣特征,确定对应于目标用户的待推送信息。
根据本公开的一个或多个实施例,本公开提供的信息处理方法中,上述基于点读信息,确定目标用户的兴趣特征,包括:基于点读信息,获取目标用户的阅读进度信息;根据阅读进度信息,确定目标用户的兴趣特征。
根据本公开的一个或多个实施例,本公开提供的信息处理方法中,上述基于兴趣特征,确定对应于目标用户的待推送信息,包括:基于多个参照用户中的每个参照用户在获取与该参照用户对应的待推送信息后的反馈信息,确定对应于目标用户的待推送信息,其中,多个参照用户具有兴趣特征所表征的兴趣。
根据本公开的一个或多个实施例,本公开提供的信息处理方法中,上述基于多个参照用户中的每个参照用户在获取与该参照用户对应的待推送信息后的反馈信息,确定对应于目标用户的待推送信息,包括:确定具有兴趣特征所表征的兴趣的多个参照用户;针对多个参照用户中的每个参照用户,获取该参照用户接收对应的待推送信息后的反馈信息;对反馈信息进行聚类,根据聚类结果,确定对应于目标用户的待推送信息。
根据本公开的一个或多个实施例,本公开提供的信息处理方法中,上述对反馈信息进行聚类,根据聚类结果,确定对应于目标用户的待推送信息,包括:根据多个参照用户的参照用户信息,对反馈信息进行初始聚类,得到多个初始聚类集合;响应于参照用户信息与目标用户的目标用户信息相匹配,将多个初始聚类集合中与参照用户信息对应的初始聚类集合,确定为与目标用户信息对应的目标初始聚类集合;根据目标初始聚类集合中的各反馈信息的特征信息,对目标初始类别中的各反馈信息进行再次聚类,得到多个再次聚类集合;基于多个再次聚类集合,确定对应于目标用户的待推送信息。
根据本公开的一个或多个实施例,本公开提供的信息处理方法中,上述基于多个再次聚类集合,确定对应于目标用户的待推送信息,包括:基于多个再次聚类集合,确定各再次聚类集合中浏览量大于预设数值的反馈信息;将浏览量大于预设数值的反馈信息确定为对应于目标用户的待推送信息。
根据本公开的一个或多个实施例,本公开提供的信息处理方法中,还包括:获取目标用户所处环境的环境信息;基于环境信息,过滤对应于目标用户的待推送信息。
根据本公开的一个或多个实施例,本公开提供的信息处理方法中,还包括:将待推送信息推送至对应于目标用户的终端设备。
根据本公开的一个或多个实施例,本公开提供了一种信息处理装置,该装置包括:获取单元,被配置成获取预设时间段内目标用户的点读信息,其中,点读信息表征目标用户通过点读设备得到的图文信息;兴趣确定单元,被配置成基于点读信息,确定目标用户的兴趣特征;信息确定单元,被配置成基于兴趣特征,确定对应于目标用户的待推送信息。
根据本公开的一个或多个实施例,本公开提供的信息处理装置中,上述兴趣确定单元,进一步被配置成:基于点读信息,获取目标用户的阅读进度信息;根据阅读进度信息,确定目标用户的兴趣特征。
根据本公开的一个或多个实施例,本公开提供的信息处理装置中,上述信息确定单元,进一步被配置成:基于多个参照用户中的每个参照用户在获取与该参照用户对应的待推送信息后的反馈信息,确定对应于目标用户的待推送信息,其中,多个参照用户具有兴趣特征所表征的兴趣。
根据本公开的一个或多个实施例,本公开提供的信息处理装置中,上述信息确定单元,进一步被配置成:确定具有兴趣特征所表征的兴趣的多个参照用户;针对多个参照用户中的每个参照用户,获取该参照用户接收对应的待推送信息后的反馈信息;对反馈信息进行聚类,根据聚类结果,确定对应于目标用户的待推送信息。
根据本公开的一个或多个实施例,本公开提供的信息处理装置中,上述信息确定单元,进一步被配置成:根据多个参照用户的参照用户信息,对反馈信息进行初始聚类,得到多个初始聚类集合;响应于参照用户信息与目标用户的目标用户信息相匹配,将多个初始聚类集合中与参照用户信息对应的初始聚类集合,确定为与目标用户信息对应的目标初始聚类集合;根据目标初始聚类集合中的各反馈信息的特征信息,对目标初始类别中的各反馈信息进行再次聚类,得到多个再次聚类集合;基于多个再次聚类集合,确定对应于目标用户的待推送信息。
根据本公开的一个或多个实施例,本公开提供的信息处理装置中,上述信息确定单元,进一步被配置成:基于多个再次聚类集合,确定各再次聚类集合中浏览量大于预设数值的反馈信息;将浏览量大于预设数值的反馈信息确定为对应于目标用户的待推送信息。
根据本公开的一个或多个实施例,本公开提供的信息处理装置中,还包括:过滤单元,被配置成:获取目标用户所处环境的环境信息;基于环境信息,过滤对应于目标用户的待推送信息。
根据本公开的一个或多个实施例,本公开提供的信息处理装置中,还包括:推送单元,被配置成:将待推送信息推送至对应于目标用户的终端设备。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、兴趣确定单元和信息确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取预设时间段内目标用户的点读信息”的单元。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取预设时间段内目标用户的点读信息,其中,点读信息表征目标用户通过点读设备得到的图文信息;基于点读信息,确定目标用户的兴趣特征;基于兴趣特征,确定对应于目标用户的待推送信息。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离本公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (11)

1.一种信息处理方法,其中,所述方法包括:
获取预设时间段内目标用户的点读信息,其中,所述点读信息表征所述目标用户通过点读设备得到的图文信息;
基于所述点读信息,确定所述目标用户的兴趣特征;
基于所述兴趣特征,确定对应于所述目标用户的待推送信息。
2.根据权利要求1所述的方法,其中,所述基于所述点读信息,确定所述目标用户的兴趣特征,包括:
基于所述点读信息,获取所述目标用户的阅读进度信息;
根据所述阅读进度信息,确定所述目标用户的兴趣特征。
3.根据权利要求1所述的方法,其中,所述基于所述兴趣特征,确定对应于所述目标用户的待推送信息,包括:
基于多个参照用户中的每个参照用户在获取与该参照用户对应的待推送信息后的反馈信息,确定对应于所述目标用户的待推送信息,其中,所述多个参照用户具有所述兴趣特征所表征的兴趣。
4.根据权利要求3所述的方法,其中,所述基于多个参照用户中的每个参照用户在获取与该参照用户对应的待推送信息后的反馈信息,确定对应于所述目标用户的待推送信息,包括:
确定具有所述兴趣特征所表征的兴趣的所述多个参照用户;
针对多个参照用户中的每个参照用户,获取该参照用户接收对应的待推送信息后的反馈信息;
对反馈信息进行聚类,根据聚类结果,确定对应于所述目标用户的待推送信息。
5.根据权利要求4所述的方法,其中,所述对反馈信息进行聚类,根据聚类结果,确定对应于所述目标用户的待推送信息,包括:
根据所述多个参照用户的参照用户信息,对反馈信息进行初始聚类,得到多个初始聚类集合;
响应于参照用户信息与所述目标用户的目标用户信息相匹配,将所述多个初始聚类集合中与所述参照用户信息对应的初始聚类集合,确定为与所述目标用户信息对应的目标初始聚类集合;
根据所述目标初始聚类集合中的各反馈信息的特征信息,对所述目标初始类别中的各反馈信息进行再次聚类,得到多个再次聚类集合;
基于所述多个再次聚类集合,确定对应于所述目标用户的待推送信息。
6.根据权利要求5所述的方法,其中,所述基于所述多个再次聚类集合,确定对应于所述目标用户的待推送信息,包括:
基于所述多个再次聚类集合,确定各所述再次聚类集合中浏览量大于预设数值的反馈信息;
将浏览量大于预设数值的反馈信息确定为对应于所述目标用户的待推送信息。
7.根据权利要求1-6任一所述的方法,其中,所述方法还包括:
获取所述目标用户所处环境的环境信息;
基于所述环境信息,过滤对应于所述目标用户的待推送信息。
8.根据权利要求1-6任一所述的方法,其中,所述方法还包括:
将所述待推送信息推送至对应于所述目标用户的终端设备。
9.一种信息处理装置,其中,所述装置包括:
获取单元,被配置成获取预设时间段内目标用户的点读信息,其中,所述点读信息表征所述目标用户通过点读设备得到的图文信息;
兴趣确定单元,被配置成基于所述点读信息,确定所述目标用户的兴趣特征;
信息确定单元,被配置成基于所述兴趣特征,确定对应于所述目标用户的待推送信息。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
CN202010142665.1A 2020-03-04 2020-03-04 信息处理方法、装置、设备和介质 Active CN112307324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010142665.1A CN112307324B (zh) 2020-03-04 2020-03-04 信息处理方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010142665.1A CN112307324B (zh) 2020-03-04 2020-03-04 信息处理方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN112307324A true CN112307324A (zh) 2021-02-02
CN112307324B CN112307324B (zh) 2024-07-16

Family

ID=74336412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010142665.1A Active CN112307324B (zh) 2020-03-04 2020-03-04 信息处理方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN112307324B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113407040A (zh) * 2021-05-13 2021-09-17 北京搜狗科技发展有限公司 一种信息处理方法、装置和介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488233A (zh) * 2016-01-25 2016-04-13 广东顺德中山大学卡内基梅隆大学国际联合研究院 阅读信息推荐方法和系统
CN105677845A (zh) * 2016-01-06 2016-06-15 北京京东尚科信息技术有限公司 电子书籍的推送方法和装置
CN106611050A (zh) * 2016-12-22 2017-05-03 掌阅科技股份有限公司 电子书推荐方法、装置和服务器
CN107509116A (zh) * 2017-09-08 2017-12-22 咪咕互动娱乐有限公司 一种信息推送方法、装置及存储介质
CN108090162A (zh) * 2017-12-13 2018-05-29 北京百度网讯科技有限公司 基于人工智能的信息推送方法和装置
CN109033408A (zh) * 2018-08-03 2018-12-18 腾讯科技(深圳)有限公司 信息推送方法及装置、计算机可读存储介质、电子设备
CN109102371A (zh) * 2018-08-22 2018-12-28 平安科技(深圳)有限公司 商品推荐方法、装置、计算机设备及存储介质
CN109166017A (zh) * 2018-10-12 2019-01-08 平安科技(深圳)有限公司 基于重聚类的推送方法、装置、计算机设备及存储介质
CN109190023A (zh) * 2018-08-15 2019-01-11 深圳信息职业技术学院 协同推荐的方法、装置及终端设备
CN109241452A (zh) * 2018-11-19 2019-01-18 天津网之易创新科技有限公司 信息推荐方法及装置、存储介质和电子设备
CN110059250A (zh) * 2019-04-18 2019-07-26 广东小天才科技有限公司 信息推荐方法、装置、设备和存储介质
WO2019214336A1 (zh) * 2018-05-10 2019-11-14 苏州跃盟信息科技有限公司 一种内容推送方法、装置及机器可读存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109726334A (zh) * 2016-01-06 2019-05-07 北京京东尚科信息技术有限公司 电子书籍的推送方法和装置
CN105677845A (zh) * 2016-01-06 2016-06-15 北京京东尚科信息技术有限公司 电子书籍的推送方法和装置
CN105488233A (zh) * 2016-01-25 2016-04-13 广东顺德中山大学卡内基梅隆大学国际联合研究院 阅读信息推荐方法和系统
CN106611050A (zh) * 2016-12-22 2017-05-03 掌阅科技股份有限公司 电子书推荐方法、装置和服务器
CN107509116A (zh) * 2017-09-08 2017-12-22 咪咕互动娱乐有限公司 一种信息推送方法、装置及存储介质
CN108090162A (zh) * 2017-12-13 2018-05-29 北京百度网讯科技有限公司 基于人工智能的信息推送方法和装置
WO2019214336A1 (zh) * 2018-05-10 2019-11-14 苏州跃盟信息科技有限公司 一种内容推送方法、装置及机器可读存储介质
CN109033408A (zh) * 2018-08-03 2018-12-18 腾讯科技(深圳)有限公司 信息推送方法及装置、计算机可读存储介质、电子设备
CN109190023A (zh) * 2018-08-15 2019-01-11 深圳信息职业技术学院 协同推荐的方法、装置及终端设备
CN109102371A (zh) * 2018-08-22 2018-12-28 平安科技(深圳)有限公司 商品推荐方法、装置、计算机设备及存储介质
CN109166017A (zh) * 2018-10-12 2019-01-08 平安科技(深圳)有限公司 基于重聚类的推送方法、装置、计算机设备及存储介质
CN109241452A (zh) * 2018-11-19 2019-01-18 天津网之易创新科技有限公司 信息推荐方法及装置、存储介质和电子设备
CN110059250A (zh) * 2019-04-18 2019-07-26 广东小天才科技有限公司 信息推荐方法、装置、设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
宋梅青;: "大数据环境下用户兴趣的信息挖掘流程重构", 图书馆学研究, no. 23 *
郑鑫;张韧志;: "一种基于模糊C均值聚类的协同过滤推荐算法", 济南大学学报(自然科学版), no. 01 *
陶永才;李俊艳;石磊;卫琳;: "基于地理位置的个性化新闻混合推荐研究", 小型微型计算机系统, no. 05 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113407040A (zh) * 2021-05-13 2021-09-17 北京搜狗科技发展有限公司 一种信息处理方法、装置和介质

Also Published As

Publication number Publication date
CN112307324B (zh) 2024-07-16

Similar Documents

Publication Publication Date Title
CN109460513B (zh) 用于生成点击率预测模型的方法和装置
CN107679211B (zh) 用于推送信息的方法和装置
US11620321B2 (en) Artificial intelligence based method and apparatus for processing information
CN109522483B (zh) 用于推送信息的方法和装置
CN109976997B (zh) 测试方法和装置
CN109543058B (zh) 用于检测图像的方法、电子设备和计算机可读介质
CN107577807B (zh) 用于推送信息的方法和装置
US11758088B2 (en) Method and apparatus for aligning paragraph and video
CN111125574A (zh) 用于生成信息的方法和装置
CN109255037B (zh) 用于输出信息的方法和装置
CN110059172B (zh) 基于自然语言理解的推荐答案的方法和装置
CN109873756B (zh) 用于发送信息的方法和装置
CN107908662B (zh) 搜索系统的实现方法和实现装置
CN110825988A (zh) 一种信息展示方法、装置和电子设备
CN111897950A (zh) 用于生成信息的方法和装置
CN112182255A (zh) 用于存储媒体文件和用于检索媒体文件的方法和装置
CN108600329B (zh) 用于推送信息、展示信息的方法和设备
CN108509442B (zh) 搜索方法和装置、服务器以及计算机可读存储介质
CN111475722B (zh) 用于发送信息的方法和装置
CN112307324B (zh) 信息处理方法、装置、设备和介质
CN109472028B (zh) 用于生成信息的方法和装置
KR20210080561A (ko) 컨설팅 정보 처리 방법 및 장치
CN111125502B (zh) 用于生成信息的方法和装置
CN112148848A (zh) 一种问答处理方法及装置
CN111694932A (zh) 对话方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant