CN112308644A - 一种描述信息的处理方法及装置 - Google Patents
一种描述信息的处理方法及装置 Download PDFInfo
- Publication number
- CN112308644A CN112308644A CN201910708572.8A CN201910708572A CN112308644A CN 112308644 A CN112308644 A CN 112308644A CN 201910708572 A CN201910708572 A CN 201910708572A CN 112308644 A CN112308644 A CN 112308644A
- Authority
- CN
- China
- Prior art keywords
- information
- description information
- real
- rate
- feedback 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供了一种描述信息的处理方法及装置。在本申请中,获取对象的第一描述信息;预测对第一描述信息的预估反馈信息;获取对第一描述信息的真实反馈信息;根据预估反馈信息和真实反馈信息优化第一描述信息。真实反馈信息包括在历史过程中广大用户对第一描述信息的实际的反馈,结合真实反馈信息和预估反馈信息可以优化第一描述信息,以使优化后的第一描述信息可以满足广大用户的期望,进而可以提高优化后的第一描述信息的效用。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种描述信息的处理方法及装置。
背景技术
当前,越来越多的用户选择在电商平台上购买商品,当一个用户在电商平台上搜索到感兴趣的商品时,有时候可能会将该商品分享给好友,例如,将该商品的链接分享给好友,之后该好友就可以根据该链接进入到该商品的详情页中,以浏览并购买该商品。
然而,好友得到的只有该商品的链接,好友往往并不知道该用户分享给自己的是什么商品,在这种不知情的情况下,好友可能就不会点击该链接来进入到该商品的详情页中,如此导致此次分享是一次失败的分享,既浪费了网络资源也没达到分享的目的。
为了避免这种情况发生,在向好友分享该商品的链接时,同时还可以向好友分享该商品的描述信息,描述信息可以简要描述商品的品牌、适用的性别、哪一年的款式、售卖价格、优惠信息以及商品的图片等。
如此,好友不仅会得到该商品的链接,还会得到该商品的描述信息,好友根据该商品的描述信息可以获知该商品的相关情况,如果对该商品感兴趣,则好友可以点击该链接以进入到该商品的详情页中。
其中,该商品的描述信息可以是事先根据该商品的属性信息获取到的。例如,事先可以训练描述信息生成模型,如此,可以将该商品的属性信息输入至预先训练好的描述信息生成模型中,得到描述信息生成模型输出的该商品的描述信息。
然而,训练描述信息生成模型时使用的样本数据往往有限,且模型的结构和模型中包括的参数种类和数量都是固定的,从而导致使用描述信息生成模型获取到的该商品的描述信息相对于该商品的客观上具备的真实属性可能并不全面或者并不准确。
发明内容
为解决上述技术问题,本申请实施例示出了一种描述信息的处理方法及装置。
第一方面,本申请实施例示出了一种描述信息的处理方法,所述方法包括:
获取对象的第一描述信息;
预测对所述第一描述信息的预估反馈信息;以及,获取对所述第一描述信息的真实反馈信息;
至少根据所述预估反馈信息和所述真实反馈信息优化所述第一描述信息。
在一个可选的实现方式中,所述预测对所述第一描述信息的预估反馈信息,包括:
获取所述第一描述信息的特征信息;
根据所述特征信息预测所述预估反馈信息。
在一个可选的实现方式中,所述特征信息包括以下中的至少一种:
所述第一描述信息的语义通顺度;所述第一描述信息与所述对象的属性之间的相关性;所述第一描述信息中去重复后的词汇的数量与所述第一描述信息中包括的词汇的数量之间的比值;所述第一描述信息与流行度最高的预设数量个检索词汇之间的重合度;以及,所述第一描述信息与点击率最高的预设数量个描述信息之间的相似度。
在一个可选的实现方式中,所述获取所述第一描述信息的特征信息,包括:
获取所述第一描述信息被应用的场景;
在对所述第一描述信息的多种特征信息中,获取所述第一描述信息的、适用于所述场景的至少一种特征信息。
在一个可选的实现方式中,所述在对所述第一描述信息的多种特征信息中,获取所述第一描述信息的、适用于所述场景的至少一种特征信息,包括:
在被应用的场景与特征信息的种类之间的映射关系中,查找与所述被应用的场景相对应的种类;
获取所述第一描述信息的所述种类的特征信息。
在一个可选的实现方式中,所述根据所述特征信息预测所述预估反馈信息,包括:
将所述特征信息输入预估模型中,得到所述预估模型输出的预估点击通过率和/或预估回流率;
其中,所述预估点击通过率包括所述第一描述信息在被展示后的可能被点击的次数与所述第一描述信息被展示的次数之间的比值,所述预估回流率包括所述第一描述信息在被分享后的可能被点击的次数与所述第一描述信息被分享的次数之间的比值;
根据预估点击通过率和/或预估回流率获取所述预估反馈信息。
在一个可选的实现方式中,所述方法还包括:
获取多个数据集合,每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率;
使用每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率对模型进行训练,直至所述模型中的权重均收敛,得到所述预估模型。
在一个可选的实现方式中,所述根据所述真实反馈信息和所述预估反馈信息优化所述第一描述信息,包括:
根据所述预估反馈信息和所述真实反馈信息优化用于生成所述第一描述信息的生成模型;
使用优化后的生成模型生成所述对象的第二描述信息;
使用第二描述信息替换第一描述信息。
在一个可选的实现方式中,所述根据所述预估反馈信息和所述真实反馈信息优化用于生成所述第一描述信息的生成模型,包括:
获取所述真实反馈信息与所述预估反馈信息之间的差异信息;
根据所述差异信息优化所述生成模型中的参数。
在一个可选的实现方式中,所述获取对所述第一描述信息的真实反馈信息,包括:
获取所述第一描述信息的真实点击通过率和/或真实回流率;
其中,所述真实点击通过率包括所述第一描述信息在被展示后的实际被点击的次数与所述第一描述信息被展示的次数之间的比值,所述真实回流率包括所述第一描述信息在被分享后的实际被点击的次数与所述第一描述信息被分享的次数之间的比值;
根据所述真实点击通过率和/或所述真实回流率获取所述真实反馈信息。
在一个可选的实现方式中,所述获取对所述第一描述信息的真实反馈信息,包括:
获取所述第一描述信息被应用的场景;
在对所述第一描述信息的多种真实反馈信息中,获取对所述第一描述信息的、适用于所述场景的至少一种真实反馈信息。
在一个可选的实现方式中,所述在所述第一描述信息的多种真实反馈信息中,获取对所述第一描述信息的、适用于所述场景的至少一种真实反馈信息,包括:
在被应用的场景与真实反馈信息的种类之间的映射关系中,查找与所述被应用的场景相对应的种类;
获取对所述第一描述信息的所述种类的真实反馈信息。
第二方面,本申请实施例示出了一种描述信息的处理装置,包括:
第一获取模块,用于获取对象的第一描述信息;
预测模块,用于预测对所述第一描述信息的预估反馈信息;
第二获取模块,用于获取对所述第一描述信息的真实反馈信息;
优化模块,用于至少根据所述预估反馈信息和所述真实反馈信息优化所述第一描述信息。
在一个可选的实现方式中,所述预测模块包括:
第一获取单元,用于获取所述第一描述信息的特征信息;
预测单元,用于根据所述特征信息预测所述预估反馈信息。
在一个可选的实现方式中,所述特征信息包括以下中的至少一种:
所述第一描述信息的语义通顺度;所述第一描述信息与所述对象的属性之间的相关性;所述第一描述信息中去重复后的词汇的数量与所述第一描述信息中包括的词汇的数量之间的比值;所述第一描述信息与流行度最高的预设数量个检索词汇之间的重合度;以及,所述第一描述信息与点击率最高的预设数量个描述信息之间的相似度。
在一个可选的实现方式中,所述第一获取单元包括:
第一获取子单元,用于获取所述第一描述信息被应用的场景;
第二获取子单元,用于在对所述第一描述信息的多种特征信息中,获取所述第一描述信息的、适用于所述场景的至少一种特征信息。
在一个可选的实现方式中,所述第二获取子单元具体用于:在被应用的场景与特征信息的种类之间的映射关系中,查找与所述被应用的场景相对应的种类;获取所述第一描述信息的所述种类的特征信息。
在一个可选的实现方式中,所述预测单元包括:
输入子单元,用于将所述特征信息输入预估模型中,得到所述预估模型输出的预估点击通过率和/或预估回流率;
其中,所述预估点击通过率包括所述第一描述信息在被展示后的可能被点击的次数与所述第一描述信息被展示的次数之间的比值,所述预估回流率包括所述第一描述信息在被分享后的可能被点击的次数与所述第一描述信息被分享的次数之间的比值;
第三获取子单元,用于根据预估点击通过率和/或预估回流率获取所述预估反馈信息。
在一个可选的实现方式中,所述预测单元还包括:
第四获取子单元,用于获取多个数据集合,每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率;
训练子单元,用于使用每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率对模型进行训练,直至所述模型中的权重均收敛,得到所述预估模型。
在一个可选的实现方式中,所述优化模块包括:
优化单元,用于根据所述预估反馈信息和所述真实反馈信息优化用于生成所述第一描述信息的生成模型;
生成单元,用于使用优化后的生成模型生成所述对象的第二描述信息;
替换单元,用于使用第二描述信息替换第一描述信息。
在一个可选的实现方式中,所述优化单元包括:
第五获取子单元,用于获取所述真实反馈信息与所述预估反馈信息之间的差异信息;
优化子单元,用于根据所述差异信息优化所述生成模型中的参数。
在一个可选的实现方式中,所述第二获取模块包括:
第二获取单元,用于获取所述第一描述信息的真实点击通过率和/或真实回流率;
其中,所述真实点击通过率包括所述第一描述信息在被展示后的实际被点击的次数与所述第一描述信息被展示的次数之间的比值,所述真实回流率包括所述第一描述信息在被分享后的实际被点击的次数与所述第一描述信息被分享的次数之间的比值;
第三获取单元,用于根据所述真实点击通过率和/或所述真实回流率获取所述真实反馈信息。
在一个可选的实现方式中,所述第二获取模块包括:
第四获取单元,用于获取所述第一描述信息被应用的场景;
第五获取单元,用于在对所述第一描述信息的多种真实反馈信息中,获取对所述第一描述信息的、适用于所述场景的至少一种真实反馈信息。
在一个可选的实现方式中,所述第五获取单元包括:
查找子单元,用于在被应用的场景与真实反馈信息的种类之间的映射关系中,查找与所述被应用的场景相对应的种类;
第六获取子单元,用于获取对所述第一描述信息的所述种类的真实反馈信息。
第三方面,本申请实施例示出了一种电子设备,所述电子设备包括:
处理器;和
存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如第一方面所述的描述信息的处理方法。
第四方面,本申请实施例示出了一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如第一方面所述的描述信息的处理方法。
与现有技术相比,本申请实施例包括以下优点:
在本申请中,获取对象的第一描述信息;预测对第一描述信息的预估反馈信息;获取对第一描述信息的真实反馈信息;根据预估反馈信息和真实反馈信息优化第一描述信息。真实反馈信息包括在历史过程中广大用户对第一描述信息的实际的反馈,结合真实反馈信息和预估反馈信息可以优化第一描述信息,以使优化后的第一描述信息可以满足广大用户的期望,进而可以提高优化后的第一描述信息的效用。
附图说明
图1是根据一示例性实施例示出的一种描述信息的处理方法的流程图。
图2是根据一示例性实施例示出的一种描述信息的处理方法的流程图。
图3是根据一示例性实施例示出的一种描述信息的处理装置的框图。
图4是根据一示例性实施例示出的一种描述信息的处理装置的框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
图1是根据一示例性实施例示出的一种描述信息的处理方法的流程图,如图1所示,该方法用于电子设备中,电子设备包括终端或服务器等,该方法包括以下步骤。
在步骤S101中,获取对象的第一描述信息;
在本申请中,对象包括商品、广告以及文章等。第一描述信息用于简要描述对象的属性信息等,例如,假设该对象为一款鞋子,鞋子的描述信息可以简要描述鞋子的品牌、适用的性别、哪一年的款式、售卖价格、优惠信息以及鞋子的图片等。
其中,该对象的第一描述信息可以是事先根据该对象的属性信息获取到的。例如,事先可以训练描述信息生成模型,其中,可以获取多个数据集合,每一个数据集合中包括样本对象的属性信息以及样本对象的标注描述信息;使用每一个数据集合中包括的样本对象的属性信息以及样本对象的标注描述信息对模型进行训练,直至该模型中的权重均收敛,得到描述信息生成模型。然后,将该对象的属性信息输入至描述信息生成模型中,得到描述信息生成模型输出的该对象的第一描述信息。
然而,训练描述信息生成模型时使用的样本数据往往有限,且模型的结构和模型中包括的参数种类和数量都是固定的,从而导致使用描述信息生成模型获取到的该对象的第一描述信息相对于该对象的客观上具备的真实属性可能并不全面或者并不准确。
如果该对象的第一描述信息不全面或并不准确,则该对象的第一描述信息往往无法满足广大用户的期望,导致对象的第一描述信息的效用较低。
因此,为了解决这个问题,在本申请中,可以先获取该对象的第一描述信息,然后通过之后步骤S102~步骤S104的流程来优化第一描述信息,以使优化后的第一描述信息可以满足广大用户的期望,进而可以提高优化后的第一描述信息的效用。
在步骤S102中,预测对第一描述信息的预估反馈信息;
预估反馈信息并不是广大用户对第一描述信息的真实反馈信息,而是根据第一描述信息中的相关特征来预测广大用户对第一描述信息的一种可能的反馈信息,是一个虚拟的反馈信息。
在本申请中,在根据描述信息生成模型得到该对象的第一描述信息之后,就可以预测对第一描述信息的预估反馈信息。
在本申请一个实施例中,本步骤可以通过如下流程实现,包括:
1021、获取第一描述信息的特征信息;
在本申请中,第一描述信息的特征信息至少包括:
第一描述信息的语义通顺度;第一描述信息与该对象的真实的属性信息之间的相关性;第一描述信息中去重复后的词汇的数量与第一描述信息中包括的词汇的数量之间的比值;第一描述信息与流行度最高的预设数量个检索词汇之间的重合度;以及,第一描述信息与点击率最高的预设数量个描述信息之间的相似度。上述仅仅是对第一描述信息的特征信息的示例性举例,第一描述信息的特征信息还可以包括其他内容,本申请对此不加以限定。
在一个示例中,可以使用现有技术中的LM(Language Model,语言模型)来获取第一描述信息的语义通顺度。例如,将第一描述信息输入LM中,得到LM输出的第一描述信息的语义通顺度。当然,也可以通过其他方式获取第一描述信息的语义通顺度,本申请对具体方法不做限定。
在另一个示例中,可以对第一描述信息解析,得到第一描述信息所描述的该对象的第一属性信息,以及,得到第一描述信息所描述的对象的第一属性信息的总数量,然后获取该对象的在客观上所具备的所有真实的第二属性信息,对于任意一个第一属性信息,可以在多个第二属性信息中查找是否存在该第一属性信息,如果存在该第一属性信息,则可以确定该第一属性信息正确,如果不存在该第一属性信息,则确定该第一属性信息不正确,对于其他每一个第一属性信息,同样执行上述的操作;然后统计正确的第一属性信息的数量,之后计算正确的第一属性信息的数量与总数量之间的比值,并作为第一描述信息与该对象的真实的属性信息之间的相关性。
在另一个示例中,可以对第一描述信息分词,得到多个词汇,统计多个词汇的总数量,在多个词汇中,检测是否存在语义相同或者相似的至少两个词汇,如果存在语义相同或者相似的至少两个词汇,则在语义相同或者相似的至少两个词汇中去重复,只保留语义相同或者相似的至少两个词汇中的一个词汇;例如,假设第一描述信息为“这款鞋子很漂亮、穿着舒服、颜色很美”,“很美”和“很漂亮”输入语义相似的词汇,因此,保留“很美”和“很漂亮”中的一个即可。
在去重复之后,统计剩余的词汇的数量,计算该数量与第一描述信息中包括的词汇的总数量之间的比值。
在又一个示例中,广大用户可以在电子设备所属的平台上输入检索词汇来检索信息,电子设备可以获取广大用户在检索信息时所使用过的每一个检索词汇的流行度,例如,统计检索词汇被使用过的次数,并作为检索词汇作为流行度,然后选取流行度最高的预设数量个检索词汇,预设数量包括100个、500个或者1000个等等。
然后对第一描述信息分词,得到第一描述信息中包括的多个词汇,对于任意一个词汇,在流行度最高的预设数量个检索词汇中查找是否存在与该词汇的语义相同或相似的检索词汇,如果存在与该词汇的语义相同或相似的检索词汇,则标记该词汇。对于其他每一个词汇,同样执行上述操作。
然后统计被标记的词汇的数量,计算该数量与预设数量之间的比值,并作为第一描述信息与流行度最高的预设数量个检索词汇之间的重合度。
在又一个示例中,在获取第一描述信息与点击率最高的预设数量个描述信息之间的相似度时,如果预设数量为1,可以直接计算第一描述信息与点击率最高的描述信息之间的相似度,本申请对计算相似度的方法不做限定。
如果预设数量大于2时,可以分别计算第一描述信息与点击率最高的每一个描述信息之间的相似度,然后对计算得到的至少两个相似度进行加权计算,得到最终的相似度。
在一个实施例中,在特征信息包括多种的情况下,在获取第一描述信息的特征信息时,具体选择哪几种特征信息,可以根据第一描述信息被应用的场景来决定,场景包括:淘口令场景以及淘宝SEO(淘宝搜索引擎优化)等。
如此,在本步骤中,可以获取第一描述信息被应用的场景;获取对第一描述信息的、适用于该场景的至少一种特征信息。
在本申请中,不同的场景适用的特征信息的组合不同,对于任意一种第一描述信息可能被应用的场景,事先可以确定适用于该场景的至少一个特征信息的种类,然后将该场景与适用于该场景的至少一个特征信息的种类组成对应表项,并存储在被应用的场景与特征信息的种类之间的映射关系中。
如此,可以在被应用的场景与特征信息的种类之间的映射关系中,查找与第一描述信息被应用的场景相对应的种类,然后获取第一描述信息的该种类的特征信息。
1022、根据该特征信息预测预估反馈信息。
在本申请中,事先可以获取多个数据集合,每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率;点击通过率包括第一描述信息在被展示后的被点击的次数与第一描述信息被展示的次数之间的比值,回流率包括第一描述信息在被分享后的被点击的次数与第一描述信息被分享的次数之间的比值;使用每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率对模型进行训练,直至模型中的权重均收敛,得到预估模型。
如此,在本步骤中,可以将特征信息输入预估模型中,得到预估模型输出的预估点击通过率和/或预估回流率,其中,所述预估点击通过率包括所述第一描述信息在被展示后的可能被点击的次数与所述第一描述信息被展示的次数之间的比值,所述预估回流率包括所述第一描述信息在被分享后的可能被点击的次数与所述第一描述信息被分享的次数之间的比值;然后根据预估点击通过率和/或预估回流率获取预估反馈信息,例如,将预估点击通过率和/或预估回流率作为预估反馈信息。
在本申请中,在向一个用户推送该对象的链接时,可以同时向用户推送该对象的描述信息,用户往往可以根据该对象的描述信息来来了解该对象,如果对该对象感兴趣,则可以点击该链接进入到该对象的详情页中。在本申请中,该链接被点击即可视为该对象的描述信息被点击。因此,第一描述信息被点击的次数可以通过与第一描述信息同时被推送的该对象的链接被点击的次数得到,例如,将与第一描述信息同时被推送的该对象的链接被点击的次数作为第一描述信息被点击的次数。
在步骤S103中,获取对第一描述信息的真实反馈信息;
真实反馈信息包括广大用户对第一描述信息的真实点击通过率和/或真实回流率,真实反馈信息是实际统计得到的。
第一描述信息的真实反馈信息可以是在得到该对象的第一描述信息之且应用第一描述信息之后的预设时间段内,对线上的真实情况统计得到的。
在本申请中,可以获取第一描述信息的真实点击通过率和/或真实回流率;其中,真实点击通过率包括第一描述信息在被展示后的实际被点击的次数与第一描述信息被展示的次数之间的比值,真实回流率包括第一描述信息在被分享后的实际被点击的次数与第一描述信息被分享的次数之间的比值,然后可以根据真实点击通过率和/或真实回流率获取真实反馈信息,例如,将真实点击通过率和/或真实回流率作为真实反馈信息。
例如,每当曝光一次第一描述信息之后,就可以更新第一描述信息的曝光次数,如果在曝光第一描述信息之后,第一描述信息被用户点击了,则更新第一描述信息被点击的次数,在预设时间段结束之后,可以计算届时的被点击的次数与届时的被曝光的次数之间的比值,并作为真实点击通过率。
再例如,每当第一描述信息被分享一次之后,就可以更新第一描述信息的被分享的次数,如果在第一描述信息被分享之后,第一描述信息被接收第一描述信息的用户点击了,则更新第一描述信息被点击的次数,在预设时间段结束之后,可以计算届时的被点击的次数与届时的被分享的次数之间的比值,并作为真实回流率。
在一个实施例中,在真实反馈信息包括多种的情况下,在获取第一描述信息的真实反馈信息时,具体选择哪几种真实反馈信息,可以根据第一描述信息被应用的场景来决定,场景包括:淘口令场景以及淘宝SEO等。
如此,在本步骤中,可以获取第一描述信息被应用的场景;在对第一描述信息的多种真实反馈信息中,可以获取对第一描述信息的、适用于该场景的至少一种真实反馈信息。
在本申请中,不同的场景适用的真实反馈信息的组合不同,对于任意一种第一描述信息可能会被应用的场景,事先可以确定适用于该场景的至少一个真实反馈信息的种类,然后将该场景与适用于该场景的至少一个真实反馈信息的种类组成对应表项,并存储在被应用的场景与真实反馈信息的种类之间的映射关系中。
如此,可以在被应用的场景与真实反馈信息的种类之间的映射关系中,查找与第一描述信息被应用的场景相对应的种类,然后获取对第一描述信息的该种类的真实反馈信息。
在步骤S104中,至少根据预估反馈信息和真实反馈信息优化第一描述信息。
本步骤可以通过如下流程实现,包括:
1041、根据预估反馈信息和真实反馈信息优化用于生成第一描述信息的生成模型;
其中,可以获取真实反馈信息与预估反馈信息之间的差异信息;例如,计算真实反馈信息与预估反馈信息之间比值或差值,并作为该差异信息。然后根据差异信息优化生成模型中的参数,本申请对具体的优化方法不做限定。
如此,根据广大用户真实的线上反馈来优化生成模型,以使优化后的生成模型能够更贴合广大用户的真实期望,以使基于优化后的生成模型获取到的优化后的第一描述信息可以满足广大用户的期望,进而可以提高优化后的第一描述信息的效用。
在一个示例中,预估反馈信息包括预估点击通过率,真实反馈信息包括真实点击通过率,则可以计算真实点击通过率与预估点击通过率之间的差值或比值,并作为真实反馈信息与预估反馈信息之间的差异信息。
在另一个示例中,预估反馈信息包括预估回流率,真实反馈信息包括真实回流率,则可以计算真实回流率与预估回流率之间的差值或比值,并作为真实反馈信息与预估反馈信息之间的差异信息。
在又一个示例中,预估反馈信息包括预估点击通过率和预估回流率,真实反馈信息包括真实点击通过率和真实回流率,则可以计算真实点击通过率与预估点击通过率之间的第一差值或第一比值,以及计算真实回流率与预估回流率之间的第二差值或第二比值,对第一差值和第二差值进行加权运算,将运算结果作为真实反馈信息与预估反馈信息之间的差异信息。或者,对第一比值和第二比值进行加权运算,将运算结果作为真实反馈信息与预估反馈信息之间的差异信息。
1042、使用优化后的生成模型生成对象的第二描述信息;
例如,将对象的属性信息输入优化后的生成模型中,得到优化后的生成模型输出的该对象的第二描述信息。
1043、使用第二描述信息替换第一描述信息。
如此,之后就可以使用对象的第二描述信息。
在本申请中,获取对象的第一描述信息;预测对第一描述信息的预估反馈信息;获取对第一描述信息的真实反馈信息;根据预估反馈信息和真实反馈信息优化第一描述信息。真实反馈信息包括在历史过程中广大用户对第一描述信息的实际的反馈,结合真实反馈信息和预估反馈信息可以优化第一描述信息,以使优化后的第一描述信息可以满足广大用户的期望,进而可以提高优化后的第一描述信息的效用。
以一个例子对本申请进行举例说明,但不作为对本申请保护范围的限制,参见图2,将该对象的属性信息输入至描述信息生成模型中,得到描述信息生成模型输出的该对象的第一描述信息。
然后获取第一描述信息的语义通顺度,第一描述信息与该对象的真实的属性信息之间的相关性,第一描述信息中去重复后的词汇的数量与第一描述信息中包括的词汇的数量之间的比值,第一描述信息与流行度最高的预设数量个检索词汇之间的重合度,以及,第一描述信息与点击率最高的预设数量个描述信息之间的相似度等。
再至少根据该语义通顺度、该相关性、该比值、该重合度以及该相似度预测预估点击通过率和/或预估回流率。
使用线上系统统计真实点击通过率和/或真实回流率。
然后根据预估点击通过率和/或预估回流率,以及,真实点击通过率和/或真实回流率优化用描述信息生成模型,使用优化后的描述信息生成模型优化该对象的第一描述信息。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作并不一定是本申请所必须的。
图3是根据一示例性实施例示出的一种描述信息的处理装置的框图,如图3所示,该装置包括:
第一获取模块11,用于获取对象的第一描述信息;
预测模块12,用于预测对所述第一描述信息的预估反馈信息;
第二获取模块13,用于获取对所述第一描述信息的真实反馈信息;
优化模块14,用于至少根据所述预估反馈信息和所述真实反馈信息优化所述第一描述信息。
在一个可选的实现方式中,所述预测模块12包括:
第一获取单元,用于获取所述第一描述信息的特征信息;
预测单元,用于根据所述特征信息预测所述预估反馈信息。
在一个可选的实现方式中,所述特征信息包括以下中的至少一种:
所述第一描述信息的语义通顺度;所述第一描述信息与所述对象的属性之间的相关性;所述第一描述信息中去重复后的词汇的数量与所述第一描述信息中包括的词汇的数量之间的比值;所述第一描述信息与流行度最高的预设数量个检索词汇之间的重合度;以及,所述第一描述信息与点击率最高的预设数量个描述信息之间的相似度。
在一个可选的实现方式中,所述第一获取单元包括:
第一获取子单元,用于获取所述第一描述信息被应用的场景;
第二获取子单元,用于在对所述第一描述信息的多种特征信息中,获取所述第一描述信息的、适用于所述场景的至少一种特征信息。
在一个可选的实现方式中,所述第二获取子单元具体用于:在被应用的场景与特征信息的种类之间的映射关系中,查找与所述被应用的场景相对应的种类;获取所述第一描述信息的所述种类的特征信息。
在一个可选的实现方式中,所述预测单元包括:
输入子单元,用于将所述特征信息输入预估模型中,得到所述预估模型输出的预估点击通过率和/或预估回流率;
其中,所述预估点击通过率包括所述第一描述信息在被展示后的可能被点击的次数与所述第一描述信息被展示的次数之间的比值,所述预估回流率包括所述第一描述信息在被分享后的可能被点击的次数与所述第一描述信息被分享的次数之间的比值;
第三获取子单元,用于根据预估点击通过率和/或预估回流率获取所述预估反馈信息。
在一个可选的实现方式中,所述预测单元还包括:
第四获取子单元,用于获取多个数据集合,每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率;
训练子单元,用于使用每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率对模型进行训练,直至所述模型中的权重均收敛,得到所述预估模型。
在一个可选的实现方式中,所述优化模块包括:
优化单元,用于根据所述预估反馈信息和所述真实反馈信息优化用于生成所述第一描述信息的生成模型;
生成单元,用于使用优化后的生成模型生成所述对象的第二描述信息;
替换单元,用于使用第二描述信息替换第一描述信息。
在一个可选的实现方式中,所述优化单元包括:
第五获取子单元,用于获取所述真实反馈信息与所述预估反馈信息之间的差异信息;
优化子单元,用于根据所述差异信息优化所述生成模型中的参数。
在一个可选的实现方式中,所述第二获取模块包括:
第二获取单元,用于获取所述第一描述信息的真实点击通过率和/或真实回流率;
其中,所述真实点击通过率包括所述第一描述信息在被展示后的实际被点击的次数与所述第一描述信息被展示的次数之间的比值,所述真实回流率包括所述第一描述信息在被分享后的实际被点击的次数与所述第一描述信息被分享的次数之间的比值;
第三获取单元,用于根据所述真实点击通过率和/或所述真实回流率获取所述真实反馈信息。
在一个可选的实现方式中,所述第二获取模块包括:
第四获取单元,用于获取所述第一描述信息被应用的场景;
第五获取单元,用于在对所述第一描述信息的多种真实反馈信息中,获取对所述第一描述信息的、适用于所述场景的至少一种真实反馈信息。
在一个可选的实现方式中,所述第五获取单元包括:
查找子单元,用于在被应用的场景与真实反馈信息的种类之间的映射关系中,查找与所述被应用的场景相对应的种类;
第六获取子单元,用于获取对所述第一描述信息的所述种类的真实反馈信息。
在本申请中,获取对象的第一描述信息;预测对第一描述信息的预估反馈信息;获取对第一描述信息的真实反馈信息;根据预估反馈信息和真实反馈信息优化第一描述信息。真实反馈信息包括在历史过程中广大用户对第一描述信息的实际的反馈,结合真实反馈信息和预估反馈信息可以优化第一描述信息,以使优化后的第一描述信息可以满足广大用户的期望,进而可以提高优化后的第一描述信息的效用。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。
本申请实施例提供了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得电子设备执行如上述实施例中一个或多个所述的描述信息的处理方法。本申请实施例中,所述电子设备包括服务器、网关、子设备等,子设备为物联网设备等设备。
本公开的实施例可被实现为使用任意适当的硬件,固件,软件,或及其任意组合进行想要的配置的装置,该装置可包括服务器(集群)、终端设备如IoT设备等电子设备。
图4示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置1300。
对于一个实施例,图4示出了示例性装置1300,该装置具有一个或多个处理器1302、被耦合到(一个或多个)处理器1302中的至少一个的控制模块(芯片组)1304、被耦合到控制模块1304的存储器1306、被耦合到控制模块1304的非易失性存储器(NVM)/存储设备1308、被耦合到控制模块1304的一个或多个输入/输出设备1310,以及被耦合到控制模块1306的网络接口1312。
处理器1302可包括一个或多个单核或多核处理器,处理器1302可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中,装置1300能够作为本申请实施例中所述网关或控制器等服务器设备。
在一些实施例中,装置1300可包括具有指令1314的一个或多个计算机可读介质(例如,存储器1306或NVM/存储设备1308)以及与该一个或多个计算机可读介质相合并被配置为执行指令1314以实现模块从而执行本公开中所述的动作的一个或多个处理器1302。
对于一个实施例,控制模块1304可包括任意适当的接口控制器,以向(一个或多个)处理器1302中的至少一个和/或与控制模块1304通信的任意适当的设备或组件提供任意适当的接口。
控制模块1304可包括存储器控制器模块,以向存储器1306提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器1306可被用于例如为装置1300加载和存储数据和/或指令1314。对于一个实施例,存储器1306可包括任意适当的易失性存储器,例如,适当的DRAM。在一些实施例中,存储器1306可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,控制模块1304可包括一个或多个输入/输出控制器,以向NVM/存储设备1308及(一个或多个)输入/输出设备1310提供接口。
例如,NVM/存储设备1308可被用于存储数据和/或指令1314。NVM/存储设备1308可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备1308可包括在物理上作为装置1300被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备1308可通过网络经由(一个或多个)输入/输出设备1310进行访问。
(一个或多个)输入/输出设备1310可为装置1300提供接口以与任意其他适当的设备通信,输入/输出设备1310可以包括通信组件、音频组件、传感器组件等。网络接口1312可为装置1300提供接口以通过一个或多个网络通信,装置1300可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信,例如接入基于通信标准的无线网络,如WiFi、2G、3G、4G、5G等,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器(例如,存储器控制器模块)的逻辑封装在一起。对于一个实施例,(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例,(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中,装置1300可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,装置1300可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,装置1300包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
本申请实施例提供了一种电子设备,包括:一个或多个处理器;和,其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述处理器执行如本申请实施例中一个或多个所述的描述信息的处理方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种描述信息的处理方法装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (24)
1.一种描述信息的处理方法,其特征在于,包括:
获取对象的第一描述信息;
预测对所述第一描述信息的预估反馈信息;以及,获取对所述第一描述信息的真实反馈信息;
至少根据所述预估反馈信息和所述真实反馈信息优化所述第一描述信息。
2.根据权利要求1所述的方法,其特征在于,所述预测对所述第一描述信息的预估反馈信息,包括:
获取所述第一描述信息的特征信息;
根据所述特征信息预测所述预估反馈信息。
3.根据权利要求2所述的方法,其特征在于,所述特征信息包括以下中的至少一种:
所述第一描述信息的语义通顺度;所述第一描述信息与所述对象的属性之间的相关性;所述第一描述信息中去重复后的词汇的数量与所述第一描述信息中包括的词汇的数量之间的比值;所述第一描述信息与流行度最高的预设数量个检索词汇之间的重合度;以及,所述第一描述信息与点击率最高的预设数量个描述信息之间的相似度。
4.根据权利要求3所述的方法,其特征在于,所述获取所述第一描述信息的特征信息,包括:
获取所述第一描述信息被应用的场景;
在对所述第一描述信息的多种特征信息中,获取所述第一描述信息的、适用于所述场景的至少一种特征信息。
5.根据权利要求4所述的方法,其特征在于,所述在对所述第一描述信息的多种特征信息中,获取所述第一描述信息的、适用于所述场景的至少一种特征信息,包括:
在被应用的场景与特征信息的种类之间的映射关系中,查找与所述被应用的场景相对应的种类;
获取所述第一描述信息的所述种类的特征信息。
6.根据权利要求2所述的方法,其特征在于,所述根据所述特征信息预测所述预估反馈信息,包括:
将所述特征信息输入预估模型中,得到所述预估模型输出的预估点击通过率和/或预估回流率;
其中,所述预估点击通过率包括所述第一描述信息在被展示后的可能被点击的次数与所述第一描述信息被展示的次数之间的比值,所述预估回流率包括所述第一描述信息在被分享后的可能被点击的次数与所述第一描述信息被分享的次数之间的比值;
根据预估点击通过率和/或预估回流率获取所述预估反馈信息。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
获取多个数据集合,每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率;
使用每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率对模型进行训练,直至所述模型中的权重均收敛,得到所述预估模型。
8.根据权利要求1所述的方法,其特征在于,所述根据所述真实反馈信息和所述预估反馈信息优化所述第一描述信息,包括:
根据所述预估反馈信息和所述真实反馈信息优化用于生成所述第一描述信息的生成模型;
使用优化后的生成模型生成所述对象的第二描述信息;
使用第二描述信息替换第一描述信息。
9.根据权利要求8所述的方法,其特征在于,所述根据所述预估反馈信息和所述真实反馈信息优化用于生成所述第一描述信息的生成模型,包括:
获取所述真实反馈信息与所述预估反馈信息之间的差异信息;
根据所述差异信息优化所述生成模型中的参数。
10.根据权利要求1所述的方法,其特征在于,所述获取对所述第一描述信息的真实反馈信息,包括:
获取所述第一描述信息的真实点击通过率和/或真实回流率;
其中,所述真实点击通过率包括所述第一描述信息在被展示后的实际被点击的次数与所述第一描述信息被展示的次数之间的比值,所述真实回流率包括所述第一描述信息在被分享后的实际被点击的次数与所述第一描述信息被分享的次数之间的比值;
根据所述真实点击通过率和/或所述真实回流率获取所述真实反馈信息。
11.根据权利要求1所述的方法,其特征在于,所述获取对所述第一描述信息的真实反馈信息,包括:
获取所述第一描述信息被应用的场景;
在对所述第一描述信息的多种真实反馈信息中,获取对所述第一描述信息的、适用于所述场景的至少一种真实反馈信息。
12.根据权利要求11所述的方法,其特征在于,所述在所述第一描述信息的多种真实反馈信息中,获取对所述第一描述信息的、适用于所述场景的至少一种真实反馈信息,包括:
在被应用的场景与真实反馈信息的种类之间的映射关系中,查找与所述被应用的场景相对应的种类;
获取对所述第一描述信息的所述种类的真实反馈信息。
13.一种描述信息的处理装置,其特征在于,包括:
第一获取模块,用于获取对象的第一描述信息;
预测模块,用于预测对所述第一描述信息的预估反馈信息;
第二获取模块,用于获取对所述第一描述信息的真实反馈信息;
优化模块,用于至少根据所述预估反馈信息和所述真实反馈信息优化所述第一描述信息。
14.根据权利要求13所述的装置,其特征在于,所述预测模块包括:
第一获取单元,用于获取所述第一描述信息的特征信息;
预测单元,用于根据所述特征信息预测所述预估反馈信息。
15.根据权利要求14所述的装置,其特征在于,所述特征信息包括以下中的至少一种:
所述第一描述信息的语义通顺度;所述第一描述信息与所述对象的属性之间的相关性;所述第一描述信息中去重复后的词汇的数量与所述第一描述信息中包括的词汇的数量之间的比值;所述第一描述信息与流行度最高的预设数量个检索词汇之间的重合度;以及,所述第一描述信息与点击率最高的预设数量个描述信息之间的相似度。
16.根据权利要求15所述的装置,其特征在于,所述第一获取单元包括:
第一获取子单元,用于获取所述第一描述信息被应用的场景;
第二获取子单元,用于在对所述第一描述信息的多种特征信息中,获取所述第一描述信息的、适用于所述场景的至少一种特征信息。
17.根据权利要求16所述的装置,其特征在于,所述第二获取子单元具体用于:在被应用的场景与特征信息的种类之间的映射关系中,查找与所述被应用的场景相对应的种类;获取所述第一描述信息的所述种类的特征信息。
18.根据权利要求14所述的装置,其特征在于,所述预测单元包括:
输入子单元,用于将所述特征信息输入预估模型中,得到所述预估模型输出的预估点击通过率和/或预估回流率;
其中,所述预估点击通过率包括所述第一描述信息在被展示后的可能被点击的次数与所述第一描述信息被展示的次数之间的比值,所述预估回流率包括所述第一描述信息在被分享后的可能被点击的次数与所述第一描述信息被分享的次数之间的比值;
第三获取子单元,用于根据预估点击通过率和/或预估回流率获取所述预估反馈信息。
19.根据权利要求18所述的装置,其特征在于,所述预测单元还包括:
第四获取子单元,用于获取多个数据集合,每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率;
训练子单元,用于使用每一个数据集合中包括样本对象的样本特征信息以及样本对象的标注点击通过率和/或标注回流率对模型进行训练,直至所述模型中的权重均收敛,得到所述预估模型。
20.根据权利要求13所述的装置,其特征在于,所述优化模块包括:
优化单元,用于根据所述预估反馈信息和所述真实反馈信息优化用于生成所述第一描述信息的生成模型;
生成单元,用于使用优化后的生成模型生成所述对象的第二描述信息;
替换单元,用于使用第二描述信息替换第一描述信息。
21.根据权利要求20所述的装置,其特征在于,所述优化单元包括:
第五获取子单元,用于获取所述真实反馈信息与所述预估反馈信息之间的差异信息;
优化子单元,用于根据所述差异信息优化所述生成模型中的参数。
22.根据权利要求13所述的装置,其特征在于,所述第二获取模块包括:
第二获取单元,用于获取所述第一描述信息的真实点击通过率和/或真实回流率;
其中,所述真实点击通过率包括所述第一描述信息在被展示后的实际被点击的次数与所述第一描述信息被展示的次数之间的比值,所述真实回流率包括所述第一描述信息在被分享后的实际被点击的次数与所述第一描述信息被分享的次数之间的比值;
第三获取单元,用于根据所述真实点击通过率和/或所述真实回流率获取所述真实反馈信息。
23.根据权利要求13所述的装置,其特征在于,所述第二获取模块包括:
第四获取单元,用于获取所述第一描述信息被应用的场景;
第五获取单元,用于在对所述第一描述信息的多种真实反馈信息中,获取对所述第一描述信息的、适用于所述场景的至少一种真实反馈信息。
24.根据权利要求23所述的装置,其特征在于,所述第五获取单元包括:
查找子单元,用于在被应用的场景与真实反馈信息的种类之间的映射关系中,查找与所述被应用的场景相对应的种类;
第六获取子单元,用于获取对所述第一描述信息的所述种类的真实反馈信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910708572.8A CN112308644A (zh) | 2019-08-01 | 2019-08-01 | 一种描述信息的处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910708572.8A CN112308644A (zh) | 2019-08-01 | 2019-08-01 | 一种描述信息的处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112308644A true CN112308644A (zh) | 2021-02-02 |
Family
ID=74485427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910708572.8A Pending CN112308644A (zh) | 2019-08-01 | 2019-08-01 | 一种描述信息的处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308644A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114328798A (zh) * | 2021-11-09 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 搜索文本的处理方法、装置、设备、存储介质和程序产品 |
CN115329722A (zh) * | 2022-10-17 | 2022-11-11 | 山东亿云信息技术有限公司 | 一种遥感影像地物标注的要素自动处理系统及方法 |
-
2019
- 2019-08-01 CN CN201910708572.8A patent/CN112308644A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114328798A (zh) * | 2021-11-09 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 搜索文本的处理方法、装置、设备、存储介质和程序产品 |
CN114328798B (zh) * | 2021-11-09 | 2024-02-23 | 腾讯科技(深圳)有限公司 | 搜索文本的处理方法、装置、设备、存储介质和程序产品 |
CN115329722A (zh) * | 2022-10-17 | 2022-11-11 | 山东亿云信息技术有限公司 | 一种遥感影像地物标注的要素自动处理系统及方法 |
CN115329722B (zh) * | 2022-10-17 | 2023-01-24 | 山东亿云信息技术有限公司 | 一种遥感影像地物标注的要素自动处理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210027160A1 (en) | End-to-end deep collaborative filtering | |
US10699321B2 (en) | Global vector recommendations based on implicit interaction and profile data | |
CN105989004B (zh) | 一种信息投放的预处理方法和装置 | |
US20190018900A1 (en) | Method and Apparatus for Displaying Search Results | |
WO2017035970A1 (zh) | 信息推送的方法和装置 | |
US20180101576A1 (en) | Content Recommendation and Display | |
CN106156244B (zh) | 一种信息搜索导航方法及装置 | |
US20190340199A1 (en) | Methods and Systems for Identifying, Selecting, and Presenting Media-Content Items Related to a Common Story | |
US20210056458A1 (en) | Predicting a persona class based on overlap-agnostic machine learning models for distributing persona-based digital content | |
US9183312B2 (en) | Image display within web search results | |
CN107704560B (zh) | 一种信息推荐的方法、装置及设备 | |
CN114896454B (zh) | 一种基于标签分析的短视频数据推荐方法及系统 | |
WO2017114198A1 (zh) | 一种数据处理方法和装置 | |
CN107623862B (zh) | 多媒体信息推送控制方法、装置及服务器 | |
CN111695960A (zh) | 一种对象推荐系统、方法、电子设备及存储介质 | |
JP6203304B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US20210117816A1 (en) | Selecting attributes by progressive sampling to generate digital predictive models | |
TW201828200A (zh) | 一種資料處理方法和裝置 | |
CN114168843A (zh) | 搜索词推荐方法、设备及存储介质 | |
CN112308644A (zh) | 一种描述信息的处理方法及装置 | |
CN114417146A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN112445909A (zh) | 商品检索方法及装置 | |
CN110796505B (zh) | 一种业务对象推荐方法以及装置 | |
CN111143546A (zh) | 一种获得推荐语的方法、装置及电子设备 | |
KR102372432B1 (ko) | 클릭 및 노출 정보를 활용한 추천 콘텐츠 제공 방법, 장치 및 시스템 |
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 |