CN112328876A - 基于知识图谱的电子卡片生成推送方法、装置 - Google Patents
基于知识图谱的电子卡片生成推送方法、装置 Download PDFInfo
- Publication number
- CN112328876A CN112328876A CN202011209904.7A CN202011209904A CN112328876A CN 112328876 A CN112328876 A CN 112328876A CN 202011209904 A CN202011209904 A CN 202011209904A CN 112328876 A CN112328876 A CN 112328876A
- Authority
- CN
- China
- Prior art keywords
- card
- information
- mining
- data
- knowledge
- 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
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了基于知识图谱的电子卡片生成推送方法、装置、计算机设备及存储介质。方法包括:根据挖掘配置信息对数据挖掘程序进行配置并进一步获取挖掘数据信息,对挖掘数据信息进行结构化处理生成关联知识网并添加至知识图谱中,对知识图谱中主体的数据仅聚合得到卡片内容集并根据场景模板库生成与卡片内容集相匹配的卡片集合,根据提问信息获取卡片集合中相匹配的一个目标卡片进行推送。本发明基于知识图谱技术,属于大数据处理领域,可对挖掘数据信息进行结构化处理得到知识图谱,基于知识图谱中主体的数据及场景模板库生成卡片集合,可大幅提高生成电子卡片的效率,通过匹配获取卡片集合中与提问信息相匹配的目标卡片以提高推送的精确性。
Description
技术领域
本发明涉及大数据处理技术领域,属于智慧城市中生成电子卡片并推送至用户终端的应用场景,尤其涉及一种基于知识图谱的电子卡片生成推送方法、装置。
背景技术
随着互联网技术的发展,卡片式的交互方式正在广泛传播,越来越多的人采用终端设备获取来自互联网的电子卡片进行阅读以学习其中的知识,这种碎片化的知识获取方式无需占用用户大量时间。企业可编辑生成与企业业务相关的电子卡片并推送至用户终端,然而现有的电子卡片生成方法均是通过开发人员手动编辑卡片中的内容,并经过对内容的渲染生成相应卡片,这一过程中需占用开发人员大量的时间,导致无法高效率地生成卡片;且采用人工方式编辑生成卡片,难以采用统一标准编辑得到高质量的电子卡片进而导致无法对电子卡片进行针对性推送,导致电子卡片进行推送的效果较差。因此,现有技术方法中存在无法高效生成电子卡片并进行精准推送的问题。
发明内容
本发明实施例提供了一种基于知识图谱的电子卡片生成推送方法、装置、计算机设备及存储介质,旨在解决现有技术方法所存在的无法高效生成电子卡片并进行精准推送的问题。
第一方面,本发明实施例提供了一种基于知识图谱的电子卡片生成推送方法,其包括:
接收管理员所输入的挖掘配置信息,根据所述挖掘配置信息对预存的数据挖掘程序进行配置得到完成配置的数据挖掘程序;
执行所述数据挖掘程序获取与所述挖掘配置信息相匹配的挖掘数据信息;
根据预置的结构化处理规则对所述挖掘数据信息进行结构化处理生成关联知识网并添加所述关联知识网至预存的知识图谱中;
根据预置的主题场景信息对所述知识图谱中主体的数据进行聚合处理得到与所述主题场景信息相匹配的卡片内容集;
根据预存的场景模板库及所述卡片内容集生成与所述卡片内容集相匹配的卡片集合;
若接收到来自所述用户终端的提问信息,根据预置的卡片推荐规则从所述卡片集合中获取与所述提问信息相匹配的目标卡片并将所述目标卡片推送至所述用户终端。
第二方面,本发明实施例提供了一种基于知识图谱的电子卡片生成推送装置,其包括:
数据挖掘程序配置单元,用于接收管理员所输入的挖掘配置信息,根据所述挖掘配置信息对预存的数据挖掘程序进行配置得到完成配置的数据挖掘程序;
挖掘数据信息获取单元,用于执行所述数据挖掘程序获取与所述挖掘配置信息相匹配的挖掘数据信息;
结构化处理单元,用于根据预置的结构化处理规则对所述挖掘数据信息进行结构化处理生成关联知识网并添加所述关联知识网至预存的知识图谱中;
卡片内容集获取单元,用于根据预置的主题场景信息对所述知识图谱中主体的数据进行聚合处理得到与所述主题场景信息相匹配的卡片内容集;
卡片集合获取单元,用于根据预存的场景模板库及所述卡片内容集生成与所述卡片内容集相匹配的卡片集合;
目标卡片推送单元,用于若接收到来自所述用户终端的提问信息,根据预置的卡片推荐规则从所述卡片集合中获取与所述提问信息相匹配的目标卡片并将所述目标卡片推送至所述用户终端。
第三方面,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的基于知识图谱的电子卡片生成推送方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于知识图谱的电子卡片生成推送方法。
本发明实施例提供了一种基于知识图谱的电子卡片生成推送方法、装置、计算机设备及存储介质。根据管理员所输入的挖掘配置信息对数据挖掘程序进行配置并进一步获取挖掘数据信息,对挖掘数据信息进行结构化处理生成关联知识网并添加至知识图谱中,对知识图谱中主体的数据仅聚合得到卡片内容集并根据场景模板库生成与卡片内容集相匹配的卡片集合,根据提问信息获取卡片集合中相匹配的一个目标卡片进行推送。通过上述方法,可对挖掘数据信息进行结构化处理得到知识图谱,基于知识图谱中主体的数据及场景模板库生成卡片集合,可大幅提高生成电子卡片的效率,通过匹配获取卡片集合中与提问信息相匹配的目标卡片以提高推送的精确性。
附图说明
为了更清楚地说明本发明实施例技术方案,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,下面描述中的附图是本发明的一些实施例,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为本发明实施例提供的基于知识图谱的电子卡片生成推送方法的流程示意图;
图2为本发明实施例提供的基于知识图谱的电子卡片生成推送方法的应用场景示意图;
图3为本发明实施例提供的基于知识图谱的电子卡片生成推送方法的子流程示意图;
图4为本发明实施例提供的基于知识图谱的电子卡片生成推送方法的另一子流程示意图;
图5为本发明实施例提供的基于知识图谱的电子卡片生成推送方法的另一子流程示意图;
图6为本发明实施例提供的基于知识图谱的电子卡片生成推送方法的另一子流程示意图;
图7为本发明实施例提供的基于知识图谱的电子卡片生成推送方法的另一子流程示意图;
图8为本发明实施例提供的基于知识图谱的电子卡片生成推送装置的示意性框图;
图9为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1及图2,图1是本发明实施例提供的基于知识图谱的电子卡片生成推送方法的流程示意图,图2为本发明实施例提供的基于知识图谱的电子卡片生成推送方法的应用场景示意图;该基于知识图谱的电子卡片生成推送方法应用于管理服务器10中,该方法通过安装于管理服务器10中的应用软件进行执行,管理服务器10与至少一台用户终端20通过网络连接实现数据信息的传输,管理服务器10即是用于执行基于知识图谱的电子卡片生成推送方法以生成电子卡片并推送至用户终端的服务器端,管理服务器可以是企业服务器,则管理服务器的使用者即为企业的管理员,用户终端20即是与管理服务器10进行网络连接以接收目标卡片并进行显示的终端设备,例如台式电脑、笔记本电脑、平板电脑或手机等。图2中仅仅示意出管理服务器10与一台用户终端20进行信息传输,在实际应用中,该管理服务器10也可同时与多台用户终端20建立通信连接以实现数据信息的传输。如图1所示,该方法包括步骤S110~S160。
S110、接收管理员所输入的挖掘配置信息,根据所述挖掘配置信息对预存的数据挖掘程序进行配置得到完成配置的数据挖掘程序。
接收所输入的挖掘配置信息,根据所述挖掘配置信息对预存的数据挖掘程序进行配置得到完成配置的数据挖掘程序。所述挖掘配置信息包括挖掘关键字信息、时间信息及挖掘地址集合。挖掘配置信息可以是管理服务器的管理员所输入的用于对数据挖掘程序进行参数配置的配置信息,数据挖掘程序即为管理服务器中预存的计算机程序,可根据完成参数配置的数据挖掘程序对与挖掘配置信息对应的指定数据信息进行挖掘。
S120、执行所述数据挖掘程序获取与所述挖掘配置信息相匹配的挖掘数据信息。
通过执行完成参数配置的数据挖掘程序即可获取对应的挖掘数据信息,所得到的挖掘数据信息中包含多条以文字形式进行记载的数据。具体的,根据数据挖掘程序中配置的挖掘地址参数获取与挖掘地址参数对应的文字信息,所挖掘地址为互联网地址信息,则获取与互联网地址信息对应网页中的文字信息,若挖掘地址为文件的存储地址,则获取与文件的存储地址对应文件中的文字信息;根据数据挖掘程序中配置的关键字参数及时间参数对所得到的文字信息进行筛选,获取满足关键字参数及时间参数的文字信息作为与挖掘配置信息相匹配的挖掘数据信息。
S130、根据预置的结构化处理规则对所述挖掘数据信息进行结构化处理生成关联知识网并添加所述关联知识网至预存的知识图谱中。
根据预置的结构化处理规则对所述挖掘数据信息进行结构化处理生成关联知识网并添加所述关联知识网至预存的知识图谱中。所述结构化处理规则包括主体关键字信息、标签分类模型。可根据结构化处理规则将挖掘数据信息进行结构化处理,并生成关联知识网后添加至知识图谱中,其中,结构化处理规则即为对挖掘数据信息进行结构拆分以生成互相关联的关联知识网的具体规则,关联知识网以网络形式对数据进行记录,并可体现各数据之间的关联关系,知识图谱即为管理服务器中预存的用于记载关联知识网的智能图谱。
S140、根据预置的主题场景信息对所述知识图谱中主体的数据进行聚合处理得到与所述主题场景信息相匹配的卡片内容集。
具体的,主题场景信息中包含多个场景主题,每一场景主题对应客户进行业务办理过程中的一个具体的应用场景中的一个特定主题,场景主题包含至少一个主题关键字,可根据场景主题的主题关键字获取知识图谱中相匹配的主体的数据,并进行聚合得到与每一场景主题相匹配的卡片内容,则所得到的卡片内容集中包含多个卡片内容,每一卡片内容中包含至少一个主体的数据。
S150、根据预存的场景模板库及所述卡片内容集生成与所述卡片内容集相匹配的卡片集合。
场景模板库中包含多个场景模板,每一场景模板均为一个特定的应用场景对应的页面显示框架,也即是场景模板中不包含文字内容,但可包含水印、边框、场景图片等可供显示的框架内容。可获取场景模板库中与卡片内容相匹配的场景模板,并将卡片内容填充至场景模板中以渲染生成电子卡片,所有电子卡片组合形成一个卡片集合。
S160、若接收到来自所述用户终端的提问信息,根据预置的卡片推荐规则从所述卡片集合中获取与所述提问信息相匹配的目标卡片并将所述目标卡片推送至所述用户终端。
若接收到来自用户终端的提问信息,获取与所述卡片集合中与所述提问信息相匹配的一个目标卡片并推送至所述用户终端。所述卡片推荐规则包括推荐条件及目标卡片获取规则。具体的,用户通过用户终端与管理服务器中的智能客服系统进行智能问答,则在智能问答过程中用户可通过用户终端提出提问信息以供智能客服系统进行解答,在此过程中可根据用户的提问信息获取用户可能感兴趣的电子标签并进行推送;还可以是两个用户终端均与管理服务器建立网络连接以进行人工问答,一个用户终端的使用者为客户,另一用户终端的使用者为企业员工,则客户可通过其使用的用户终端提出提问信息,企业员工进行相应解答。具体的,可根据卡片推荐规则获取与提问信息相匹配的一个目标卡片推送至用户终端,其中,卡片推荐规则包括推荐条件及目标卡片获取规则。
在本发明实施例所提供的基于知识图谱的电子卡片生成推送方法中,根据管理员所输入的挖掘配置信息对数据挖掘程序进行配置并进一步获取挖掘数据信息,对挖掘数据信息进行结构化处理生成关联知识网并添加至知识图谱中,对知识图谱中主体的数据仅聚合得到卡片内容集并根据场景模板库生成与卡片内容集相匹配的卡片集合,根据提问信息获取卡片集合中相匹配的一个目标卡片进行推送。通过上述方法,可对挖掘数据信息进行结构化处理得到知识图谱,基于知识图谱中主体的数据及场景模板库生成卡片集合,可大幅提高生成电子卡片的效率,通过匹配获取卡片集合中与提问信息相匹配的目标卡片以提高推送的精确性。
在一实施例中,如图3所示,步骤S110包括子步骤S111、S112和S113。
S111、按照所述挖掘关键字信息配置所述数据挖掘程序中的关键字参数;S112、按照所述时间信息配置所述数据挖掘程序中的时间参数;S113、按照所述挖掘地址集合配置所述数据挖掘程序中的挖掘地址参数。
具体的,挖掘关键字信息中包含多个挖掘关键字,可通过挖掘关键字获取与之相匹配的数据信息,例如挖掘关键字信息可以包括“保险条款”、“法律条款”。时间信息可以是对数据信息进行挖掘的时间段,为确保所挖掘得到的数据信息的时效性,可通过时间信息对数据的存储时间进行限定,以获取存储时间与时间信息相匹配的数据信息,例如时间信息可以是2019年-2020年。挖掘地址集合中包含多个挖掘地址,挖掘地址可以是互联网地址信息或文件的存储地址,挖掘地址集合可用于对进行数据信息挖掘的数据源范围进行限定,也即是所挖掘得到的数据信息均包含与挖掘地址集合所限定的数据源范围内,挖掘地址均可采用URL(Uniform Resource Locator,统一资源定位符)格式进行表示,例如,互联网地址信息可以是最高人民法院官方网站、百科信息网站等网站所对应的互联网协议地址,文件的存储地址可以存储于管理服务器中的文件的具体存储位置,例如,文件可以是企业内部规则制度、企业合同文件等。具体的,数据挖掘程序中可供配置的参数包括关键字参数、时间参数及挖掘地址参数,可根据挖掘关键字信息对关键字参数进行配置、根据时间信息对时间参数进行配置、根据挖掘地址集合对挖掘地址参数进行配置,得到完成配置的数据挖掘程序。
在一实施例中,如图4所示,步骤S130包括子步骤S131、S132和S133。
S131、从所述挖掘数据信息中查找与所述主体关键字信息匹配的信息得到所述挖掘数据信息中每一条数据对应的主体。
从所述挖掘数据信息中查找与所述主体关键字信息匹配的信息得到所述挖掘数据信息中每一条数据对应的主体。主体关键字信息中包含多个主体关键字,可通过主体关键字与挖掘数据信息中的数据进行匹配,以获取数据中与主体关键字相匹配的主体。例如,主体关键字可以是投保人权益、保单贷款等。若数据中包含某一主体关键字,则将该主体关键字作为与该数据对应的主体,则该数据包含的内容为对一个主体进行解释的说明信息;若数据中包含多个主体关键字,则将多个主体关键字对应的主体均作为该数据的主体,则该数据包含的内容为对多个主体之间的关联关系进行限定的信息。
S132、将包含单个主体的所述数据输入所述标签分类模型进行分类以获取每一所述主体的分类标签。
标签分类模型即为基于神经网络构建得到的分类模型,具体的,可根据标签分类模型中的字符向量表获取与每一条数据对应的数据特征信息,将所得到的数据特征信息输入标签分类模型中的长短期记忆网络得到记忆网络输出信息,将记忆网络输入信息输入标签分类模型中的权重层及神经网络计算进行计算,得到与神经网络中每一输出节点对应的匹配概率,获取匹配概率大于匹配概率阈值的输出节点对应的节点标签作为与所输入数据对应的分类标签,获取与每一主体相关联的数据的分类标签作为该主体的分类标签。
具体的,字符向量表中包含每一字符对应的一个1×M维的向量,该1×M维的向量可用于对字符的特征进行量化,1×M维的向量中包含M个特征值,每一特征值可采用整数或小数进行表示,则可将一条数据中的每一字符均对应转换成一个1×M维的向量,其中M为正整数,对1×M维向量进行组合得到与一条数据对应的N×M维的向量,若数据中的字符数大于N,则截取前N个字符并对应转换成N个1×M维的向量,若数据中字符数小于N,则将不足的字符采用空字符进行补齐后对应转换得到N个1×M维的向量。计算某一数据对应的数据特征信息的记忆网络输出信息可包含以下五个步骤,①计算遗忘门输出信息:f(t)=σ(Wf×h(t_1)+Uf×X(t)+bf),其中f(t)为遗忘门参数值,0≤f(t)≤1;σ为激活函数计算符号,σ可具体表示为f(x)=(e^x-e^(-x))/(e^x+e^(-x)),则将Wf×h(t_1)+Uf×X(t)+bf的计算结果作为x输入激活函数σ即可计算得到f(t);Wf、Uf及bf均为本细胞中公式的参数值;h(t_1)为上一细胞的输出门信息;X(t)为该数据特征信息中输入当前细胞的1×M维的向量,若当前细胞为长短期记忆网络中的第一个细胞,则h(t_1)为零。②计算输入门信息:i(t)=σ(Wi×h(t_1)+Ui×X(t)+bi);a(t)=tanh(Wa×h(t-1)+Ua×X(t)+ba),其中i(t)为输入门参数值,0≤i(t)≤1;Wi、Ui、bi、Wa、Ua及ba均为本细胞中公式的参数值,a(t)为所计算得到的输入门向量值,a(t)为一个1×M维的向量。③更新细胞记忆信息:C(t)=C(t_1)⊙f(t)+i(t)⊙a(t),C为每一次计算过程所累计的细胞记忆信息,C(t)为当前细胞所输出的细胞记忆信息,C(t_1)为上一细胞所输出的细胞记忆信息,⊙为向量运算符,C(t_1)⊙f(t)的计算过程为将向量C(t_1)中每一维度值分别与f(t)相乘,所计算的得到的向量维度与向量C(t_1)中的维度相同。④计算输出门信息:o(t)=σ(Wo×h(t_1)+Uo×X(t)+bo);h(t)=o(t)⊙tanh(C(t)),o(t)为输出门参数值,0≤o(t)≤1;Wo、Uo及bo均为本细胞中公式的参数值,h(t)为本细胞的输出门信息,h(t)为一个1×M维的向量。⑤计算当前细胞的输出信息:y(t)=σ(V×h(t)+c),V及c均为本细胞中公式的参数值。每一个细胞均计算得到一个输出信息,综合N个细胞的输出信息即可得到一条数据特征信息的记忆网络输出信息,一条数据特征信息的记忆网络输出信息为一个1×N维的向量。权重层中所包含权重值的数量与N相等,将一条数据特征信息的记忆网络输出信息与权重层进行相乘,即可得到附加权重值的记忆网络输出信息并输入神经网络,其中,神经网络中包含N个输入节点及多个输出节点,每一输入节点均与该记忆网络输出信息中的一个向量维度值对应,输入节点与输出节点之间包含全连接层,输入节点与全连接层之间设置有第一公式组,输出节点与全连接层之间设置有第二公式组。其中,第一公式组包含所有输入节点至所有特征单元的公式,第一公式组中的公式均以输入节点值作为输入值、特征单元值作为输出值,第二公式组包含所有输出节点至所有特征单元的公式,第二公式组中的公式均以特征单元值作为输入值、输出节点值作为输出值,神经网络中所包含的每一公式中均拥有对应的参数值。每一输出节点均对应一个节点标签,输出节点值也即是该数据特征信息与节点标签之间的匹配概率,获取该数据特征信息与每一节点标签之间的匹配概率,并判断每一匹配概率是否大于匹配概率阈值,获取大于匹配概率阈值的输出节点对应的节点标签作为与所输入数据对应的分类标签,则与一条数据对应的分类标签可以是多个,获取与每一主体相关联的数据的分类标签作为该主体的分类标签,则与某一主体对她的分类标签可以是多个。例如,分类标签可以是法条解释、产品说明、健康知识等。
S133、按照所述分类标签对所述主体进行归类以生成包含所有所述主体的关联知识网并添加至所述知识图谱中进行存储。
按照所述分类标签对所述主体进行归类以生成包含所有所述主体的关联知识网并添加至所述知识图谱中进行存储。根据主体的分类标签可对主体进行归类,包含相同分类标签的主体为互相关联的主体,可生成与每一主体对应的主体节点,相关联的主体之间采用连接线进行连接,将每一主体对应的数据存储至该主体的主体节点中,则可得到对应的一张关联知识网。更具体的,还可将包含多个主体的数据作为关联关系的限定信息,对关联知识网中的主体节点之间的关联关系进行进一步限定,例如,某一包含A、B、C三个主体的数据为“A包括B和C”,则可在A和B所对应的两个主体节点之间增加用于表示从属关系的连接线,以进一步限定A和B的关联关系。
在一实施例中,如图5所示,步骤S140包括子步骤S141、S142和S143。
S141、将所述主题场景信息中每一场景主题对应的主题关键字与所述知识图谱中的主体进行匹配,以获取与每一场景主题相匹配的主体;S142、获取与每一所述场景主题相匹配的主体的数据并按照预存的组合排序规则对每一所述场景主题对应的数据进行组合排序处理得到卡片内容;S143、获取与每一所述场景主题相匹配的卡片内容作为所述卡片内容集。
将场景主题的主题关键字与主体的名称进行匹配,以获取知识图谱中与一个场景主题相匹配的一个或多个主体,将与该场景主题相匹配的主体的数据进行组合排序处理得到卡片内容,具体的,可根据组合排序规则对一个场景主题包含的数据进行对应排序组合生成相应卡片内容。例如,根据数据的重要性对一个主体对应的多条数据进行排序,根据主体之间的从属关系对一个场景主题的多个主体的数据进行排序组合后得到相应的卡片内容。一个场景主题可对应得到一张卡片内容,则可将生成的多张卡片内容进行组合得到卡片内容集合。
在一实施例中,如图6所示,步骤S150包括子步骤S151、S152和S153。
S151、将所述卡片内容集中卡片内容对应的应用场景与所述场景模板库中的场景模板进行匹配,以获取与每一所述卡片内容相匹配的场景模板;S152、将每一所述卡片内容填充至与所述卡片内容相匹配的场景模板中得到电子卡片;S153、获取与所述电子卡片的主体相关联的分类标签作为所述电子卡片的卡片标签信息。
具体的,根据卡片内容对应的应用场景获取与该应用场景相匹配的一个场景模板,并将卡片内容所包含的文字信息填充至该场景模板,即可生成对应的一张电子卡片,还可获取与所生成的电子卡片中对应主体相关联的分类标签作为该电子卡片的卡片标签信息,卡片标签信息可用于体现与电子卡片相关联的特征。
在一实施例中,如图7所示,步骤S160包括子步骤S161、S162和S1624。
S161、从所述卡片集合中获取与所述提问信息中的应用场景信息相匹配的电子卡片。
从所述卡片集合中获取与所述提问信息中的应用场景信息相匹配的电子卡片。具体的,每一提问信息均是在特定应用场景下进行的,则来自用户终端的提问信息包含相应的应用场景信息,可根据应用场景信息及每一电子卡片的应用场景,获取与应用场景信息相匹配的电子卡片。
S162、判断所述电子卡片是否满足所述推荐条件。
判断所述电子卡片是否满足所述推荐条件。具体的,推荐条件可以是提问信息中是否包含与某一电子卡片对应的一个主体的名称或提问信息中是否包含与某一电子卡片对应的卡片标签信息相匹配,可采用关键字匹配的方式获取提问信息与电子卡片对应的卡片标签信息的匹配度,例如S=V/R,V为提问信息与该电子卡片的卡片标签信息相匹配的字符数,R为卡片标签信息的字符总数;并判断匹配度是否大于匹配度阈值,以得到提问信息是否与某一电子卡片对应的卡片标签信息相匹配,若提问信息满足推荐条件,则触发相应的推荐操作。
在一实施例中,如图7所示,步骤S163之前还包括步骤S1621、S1622和S1623。
S1621、若所述用户终端的使用者为登录用户,判断所述登录用户是否为企业员工;S1622、若所述登录用户为企业员工,获取与所述电子卡片的主体相关联的内部参考信息添加至所述电子卡片中;S1623、若所述登录用户不为企业员工,获取与所述电子卡片的主体相关联的外部参考信息添加至所述电子卡片中。
具体的,两个用户终端均与管理服务器建立网络连接以进行人工问答,一个用户终端的使用者为客户,企业员工也可通过其使用的用户终端提出提问信息,客户进行相应答复。电子卡片中的信息还可根据用户的登录权限进行分类,例如,将电子卡片中包含的信息分别分为普通信息、内部参考信息及外部参考信息,在生成基础的电子卡片时仅使用普通信息,若用户终端的使用者为未登录用户,则直接将与所述应用场景信息相匹配的仅包含普通信息的电子卡片进行使用;若用户终端的使用者为登录用户,则对用户终端的登录用户是否为企业员工进行判断,若登录用户为企业员工,则将内部参考信息添加至与所述应用场景信息相匹配的电子卡片中;若登录用户不为企业员工,则将外部参考消息添加至与所述应用场景信息相匹配的电子卡片中。
S163、若满足所述推荐条件,从所述电子卡片中获取符合所述目标卡片获取规则的目标卡片并将所述目标卡片推送至所述用户终端。
若满足所述推荐条件,从所述电子卡片中获取符合所述目标卡片获取规则的目标卡片并将所述目标卡片推送至所述用户终端。具体的,可根据目标卡片规则获取与该应用场景信息对应的一张电子卡片作为目标电子卡片,并向用户终端进行推送,可大幅提升电子卡片推送的精确性。目标卡片获取规则可以是,获取提问信息中包含与电子卡片对应的一个主体的名称的电子卡片,并获取每一电子卡片的卡片标签与提问信息的匹配度,获取其中匹配度最高的一个电子卡片作为目标电子卡片。
本申请中的技术方法可应用于智慧政务/智慧城管/智慧社区/智慧医疗/智慧教育等包含生成电子卡片并推送至用户终端的应用场景中,从而推动智慧城市的建设。
本发明实施例还提供一种基于知识图谱的电子卡片生成推送装置,该基于知识图谱的电子卡片生成推送装置用于执行前述基于知识图谱的电子卡片生成推送方法的任一实施例。具体地,请参阅图8,图8是本发明实施例提供的基于知识图谱的电子卡片生成推送装置的示意性框图。该基于知识图谱的电子卡片生成推送装置可以配置于管理服务器10中。
如图8所示,基于知识图谱的电子卡片生成推送装置100包括数据挖掘程序配置单元110、挖掘数据信息获取单元120、结构化处理单元130、卡片内容集获取单元140、卡片集合获取单元150和目标卡片推送单元160。
数据挖掘程序配置单元110,用于接收管理员所输入的挖掘配置信息,根据所述挖掘配置信息对预存的数据挖掘程序进行配置得到完成配置的数据挖掘程序。
在一实施例中,所述数据挖掘程序配置单元110包括子单元:关键字参数配置单元、时间参数配置单元及挖掘地址参数配置单元。
关键字参数配置单元,用于按照所述挖掘关键字信息配置所述数据挖掘程序中的关键字参数;时间参数配置单元,用于按照所述时间信息配置所述数据挖掘程序中的时间参数;挖掘地址参数配置单元,用于按照所述挖掘地址集合配置所述数据挖掘程序中的挖掘地址参数。
挖掘数据信息获取单元120,用于执行所述数据挖掘程序获取与所述挖掘配置信息相匹配的挖掘数据信息。
结构化处理单元130,用于根据预置的结构化处理规则对所述挖掘数据信息进行结构化处理生成关联知识网并添加所述关联知识网至预存的知识图谱中。
在一实施例中,所述结构化处理单元130包括子单元:主体匹配单元、主体分类标签获取单元及关联知识网生成单元。
主体匹配单元,用于从所述挖掘数据信息中查找与所述主体关键字信息匹配的信息得到所述挖掘数据信息中每一条数据对应的主体;主体分类标签获取单元,用于将包含单个主体的所述数据输入所述标签分类模型进行分类以获取每一所述主体的分类标签;关联知识网生成单元,用于按照所述分类标签对所述主体进行归类以生成包含所有所述主体的关联知识网并添加至所述知识图谱中进行存储。
卡片内容集获取单元140,用于根据预置的主题场景信息对所述知识图谱中主体的数据进行聚合处理得到与所述主题场景信息相匹配的卡片内容集。
在一实施例中,所述卡片内容集获取单元140包括子单元:场景主题匹配单元、卡片内容获取单元及卡片内容集确定单元。
场景主题匹配单元,用于将所述主题场景信息中每一场景主题对应的主题关键字与所述知识图谱中的主体进行匹配,以获取与每一场景主题相匹配的主体;卡片内容获取单元,用于获取与每一所述场景主题相匹配的主体的数据并按照预存的组合排序规则对每一所述场景主题对应的数据进行组合排序处理得到卡片内容;卡片内容集确定单元,用于获取与每一所述场景主题相匹配的卡片内容作为所述卡片内容集。
卡片集合获取单元150,用于根据预存的场景模板库及所述卡片内容集生成与所述卡片内容集相匹配的卡片集合。
在一实施例中,所述卡片集合获取单元150包括子单元:场景模板匹配单元、卡片内容填充单元及卡片标签信息获取单元。
场景模板匹配单元,用于将所述卡片内容集中卡片内容对应的应用场景与所述场景模板库中的场景模板进行匹配,以获取与每一所述卡片内容相匹配的场景模板;卡片内容填充单元,用于将每一所述卡片内容填充至与所述卡片内容相匹配的场景模板中得到电子卡片;卡片标签信息获取单元,用于获取与所述电子卡片的主体相关联的分类标签作为所述电子卡片的卡片标签信息。
目标卡片推送单元160,用于若接收到来自所述用户终端的提问信息,根据预置的卡片推荐规则从所述卡片集合中获取与所述提问信息相匹配的目标卡片并将所述目标卡片推送至所述用户终端。
在一实施例中,所述目标卡片推送单元160包括子单元:应用场景匹配单元、推荐条件判断单元及目标卡片获取单元。
应用场景匹配单元,用于从所述卡片集合中获取与所述提问信息中的应用场景信息相匹配的电子卡片;推荐条件判断单元,用于判断所述电子卡片是否满足所述推荐条件;目标卡片获取单元,用于若满足所述推荐条件,从所述电子卡片中获取符合所述目标卡片获取规则的目标卡片并将所述目标卡片推送至所述用户终端。
在一实施例中,所述目标卡片推送单元160包括还子单元:登录判断单元、内部参考消息添加单元及外部参考消息添加单元。
登录判断单元,用于若所述用户终端的使用者为登录用户,判断所述登录用户是否为企业员工;内部参考消息添加单元,用于若所述登录用户为企业员工,获取与所述电子卡片的主体相关联的内部参考信息添加至所述电子卡片中;外部参考消息添加单元,用于若所述登录用户不为企业员工,获取与所述电子卡片的主体相关联的外部参考信息添加至所述电子卡片中。
在本发明实施例所提供的基于知识图谱的电子卡片生成推送装置应用上述基于知识图谱的电子卡片生成推送方法,根据管理员所输入的挖掘配置信息对数据挖掘程序进行配置并进一步获取挖掘数据信息,对挖掘数据信息进行结构化处理生成关联知识网并添加至知识图谱中,对知识图谱中主体的数据仅聚合得到卡片内容集并根据场景模板库生成与卡片内容集相匹配的卡片集合,根据提问信息获取卡片集合中相匹配的一个目标卡片进行推送。通过上述方法,可对挖掘数据信息进行结构化处理得到知识图谱,基于知识图谱中主体的数据及场景模板库生成卡片集合,可大幅提高生成电子卡片的效率,通过匹配获取卡片集合中与提问信息相匹配的目标卡片以提高推送的精确性。
上述基于知识图谱的电子卡片生成推送装置可以实现为计算机程序的形式,该计算机程序可以在如图9所示的计算机设备上运行。
请参阅图9,图9是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行基于知识图谱的电子卡片生成推送方法以生成电子卡片并推送至用户终端的管理服务器10。
参阅图9,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行基于知识图谱的电子卡片生成推送方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行基于知识图谱的电子卡片生成推送方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图9中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现上述的基于知识图谱的电子卡片生成推送方法中对应的功能。
本领域技术人员可以理解,图9中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图9所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现上述的基于知识图谱的电子卡片生成推送方法中所包含的步骤。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于知识图谱的电子卡片生成推送方法,应用于管理服务器中,所述管理服务器与至少一台用户终端通过网络连接实现数据信息的传输,其特征在于,所述方法包括:
接收管理员所输入的挖掘配置信息,根据所述挖掘配置信息对预存的数据挖掘程序进行配置得到完成配置的数据挖掘程序;
执行所述数据挖掘程序获取与所述挖掘配置信息相匹配的挖掘数据信息;
根据预置的结构化处理规则对所述挖掘数据信息进行结构化处理生成关联知识网并添加所述关联知识网至预存的知识图谱中;
根据预置的主题场景信息对所述知识图谱中主体的数据进行聚合处理得到与所述主题场景信息相匹配的卡片内容集;
根据预存的场景模板库及所述卡片内容集生成与所述卡片内容集相匹配的卡片集合;
若接收到来自所述用户终端的提问信息,根据预置的卡片推荐规则从所述卡片集合中获取与所述提问信息相匹配的目标卡片并将所述目标卡片推送至所述用户终端。
2.根据权利要求1所述的基于知识图谱的电子卡片生成推送方法,其特征在于,所述挖掘配置信息包括挖掘关键字信息、时间信息及挖掘地址集合,所述根据所述挖掘配置信息对预存的数据挖掘程序进行配置得到完成配置的数据挖掘程序,包括:
按照所述挖掘关键字信息配置所述数据挖掘程序中的关键字参数;
按照所述时间信息配置所述数据挖掘程序中的时间参数;
按照所述挖掘地址集合配置所述数据挖掘程序中的挖掘地址参数。
3.根据权利要求1所述的基于知识图谱的电子卡片生成推送方法,其特征在于,所述结构化处理规则包括主体关键字信息、标签分类模型,所述根据预置的结构化处理规则对所述挖掘数据信息进行结构化处理生成关联知识网并添加所述关联知识网至预存的知识图谱中,包括:
从所述挖掘数据信息中查找与所述主体关键字信息匹配的信息得到所述挖掘数据信息中每一条数据对应的主体;
将包含单个主体的所述数据输入所述标签分类模型进行分类以获取每一所述主体的分类标签;
按照所述分类标签对所述主体进行归类以生成包含所有所述主体的关联知识网并添加至所述知识图谱中进行存储。
4.根据权利要求1所述的基于知识图谱的电子卡片生成推送方法,其特征在于,所述根据预置的主题场景信息对所述知识图谱中主体的数据进行聚合处理得到与所述主题场景信息相匹配的卡片内容集,包括:
将所述主题场景信息中每一场景主题对应的主题关键字与所述知识图谱中的主体进行匹配,以获取与每一场景主题相匹配的主体;
获取与每一所述场景主题相匹配的主体的数据并按照预存的组合排序规则对每一所述场景主题对应的数据进行组合排序处理得到卡片内容;
获取与每一所述场景主题相匹配的卡片内容作为所述卡片内容集。
5.根据权利要求1所述的基于知识图谱的电子卡片生成推送方法,其特征在于,所述根据预存的场景模板库及所述卡片内容集生成与所述卡片内容集相匹配的卡片集合,包括:
将所述卡片内容集中卡片内容对应的应用场景与所述场景模板库中的场景模板进行匹配,以获取与每一所述卡片内容相匹配的场景模板;
将每一所述卡片内容填充至与所述卡片内容相匹配的场景模板中得到电子卡片;
获取与所述电子卡片的主体相关联的分类标签作为所述电子卡片的卡片标签信息。
6.根据权利要求1所述的基于知识图谱的电子卡片生成推送方法,其特征在于,所述卡片推荐规则包括推荐条件及目标卡片获取规则,所述根据预置的卡片推荐规则从所述卡片集合中获取与所述提问信息相匹配的目标卡片并将所述目标卡片推送至所述用户终端,包括:
从所述卡片集合中获取与所述提问信息中的应用场景信息相匹配的电子卡片;
判断所述电子卡片是否满足所述推荐条件;
若满足所述推荐条件,从所述电子卡片中获取符合所述目标卡片获取规则的目标卡片并将所述目标卡片推送至所述用户终端。
7.根据权利要求6所述的基于知识图谱的电子卡片生成推送方法,其特征在于,所述从所述电子卡片中获取符合所述目标卡片获取规则的目标卡片并将所述目标卡片推送至所述用户终端之前,还包括:
若所述用户终端的使用者为登录用户,判断所述登录用户是否为企业员工;
若所述登录用户为企业员工,获取与所述电子卡片的主体相关联的内部参考信息添加至所述电子卡片中;
若所述登录用户不为企业员工,获取与所述电子卡片的主体相关联的外部参考信息添加至所述电子卡片中。
8.一种基于知识图谱的电子卡片生成推送装置,其特征在于,包括:
数据挖掘程序配置单元,用于接收管理员所输入的挖掘配置信息,根据所述挖掘配置信息对预存的数据挖掘程序进行配置得到完成配置的数据挖掘程序;
挖掘数据信息获取单元,用于执行所述数据挖掘程序获取与所述挖掘配置信息相匹配的挖掘数据信息;
结构化处理单元,用于根据预置的结构化处理规则对所述挖掘数据信息进行结构化处理生成关联知识网并添加所述关联知识网至预存的知识图谱中;
卡片内容集获取单元,用于根据预置的主题场景信息对所述知识图谱中主体的数据进行聚合处理得到与所述主题场景信息相匹配的卡片内容集;
卡片集合获取单元,用于根据预存的场景模板库及所述卡片内容集生成与所述卡片内容集相匹配的卡片集合;
目标卡片推送单元,用于若接收到来自所述用户终端的提问信息,根据预置的卡片推荐规则从所述卡片集合中获取与所述提问信息相匹配的目标卡片并将所述目标卡片推送至所述用户终端。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于知识图谱的电子卡片生成推送方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于知识图谱的电子卡片生成推送方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011209904.7A CN112328876B (zh) | 2020-11-03 | 2020-11-03 | 基于知识图谱的电子卡片生成推送方法、装置 |
PCT/CN2021/091386 WO2022095382A1 (zh) | 2020-11-03 | 2021-04-30 | 基于知识图谱的电子卡片生成推送方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011209904.7A CN112328876B (zh) | 2020-11-03 | 2020-11-03 | 基于知识图谱的电子卡片生成推送方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112328876A true CN112328876A (zh) | 2021-02-05 |
CN112328876B CN112328876B (zh) | 2023-08-11 |
Family
ID=74323494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011209904.7A Active CN112328876B (zh) | 2020-11-03 | 2020-11-03 | 基于知识图谱的电子卡片生成推送方法、装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112328876B (zh) |
WO (1) | WO2022095382A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112905612A (zh) * | 2021-02-07 | 2021-06-04 | 北京机电工程研究所 | 知识卡片的构建方法及装置 |
WO2022095382A1 (zh) * | 2020-11-03 | 2022-05-12 | 平安科技(深圳)有限公司 | 基于知识图谱的电子卡片生成推送方法、装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116401460B (zh) * | 2023-04-23 | 2024-04-05 | 中航信移动科技有限公司 | 一种提高信息推送准确性的方法、存储介质及电子设备 |
CN116610745B (zh) * | 2023-06-08 | 2023-12-26 | 深圳市巨灵数字有限公司 | 应用数字孪生技术的ai场景信息推送处理方法及系统 |
CN118132681A (zh) * | 2024-04-30 | 2024-06-04 | 支付宝(杭州)信息技术有限公司 | 医疗知识图谱查询中对多个查询结果的排序方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8949250B1 (en) * | 2013-12-19 | 2015-02-03 | Facebook, Inc. | Generating recommended search queries on online social networks |
US20160055246A1 (en) * | 2014-08-21 | 2016-02-25 | Google Inc. | Providing automatic actions for mobile onscreen content |
CN107358315A (zh) * | 2017-06-26 | 2017-11-17 | 深圳市金立通信设备有限公司 | 一种信息预测方法及终端 |
WO2018036239A1 (zh) * | 2016-08-24 | 2018-03-01 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
CN109033358A (zh) * | 2018-07-26 | 2018-12-18 | 李辰洋 | 新闻聚合与智能实体关联的方法 |
CN109948151A (zh) * | 2019-03-05 | 2019-06-28 | 苏州思必驰信息科技有限公司 | 构建语音助手的方法 |
CN109981775A (zh) * | 2019-03-26 | 2019-07-05 | 北京博瑞彤芸文化传播股份有限公司 | 一种用于信息推送的电子卡生成方法 |
CN110543574A (zh) * | 2019-08-30 | 2019-12-06 | 北京百度网讯科技有限公司 | 一种知识图谱的构建方法、装置、设备及介质 |
CN110727782A (zh) * | 2019-10-22 | 2020-01-24 | 苏州思必驰信息科技有限公司 | 问答语料生成方法及系统 |
CN111753098A (zh) * | 2020-06-23 | 2020-10-09 | 陕西师范大学 | 一种基于跨媒体动态知识图谱的教学方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7533095B2 (en) * | 2005-04-19 | 2009-05-12 | International Business Machines Corporation | Data mining within a message handling system |
CN104933147A (zh) * | 2015-06-19 | 2015-09-23 | 上海卓悠网络科技有限公司 | 智能卡片信息推送、显示方法、装置及系统 |
CN112328876B (zh) * | 2020-11-03 | 2023-08-11 | 平安科技(深圳)有限公司 | 基于知识图谱的电子卡片生成推送方法、装置 |
-
2020
- 2020-11-03 CN CN202011209904.7A patent/CN112328876B/zh active Active
-
2021
- 2021-04-30 WO PCT/CN2021/091386 patent/WO2022095382A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8949250B1 (en) * | 2013-12-19 | 2015-02-03 | Facebook, Inc. | Generating recommended search queries on online social networks |
US20160055246A1 (en) * | 2014-08-21 | 2016-02-25 | Google Inc. | Providing automatic actions for mobile onscreen content |
WO2018036239A1 (zh) * | 2016-08-24 | 2018-03-01 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
CN107358315A (zh) * | 2017-06-26 | 2017-11-17 | 深圳市金立通信设备有限公司 | 一种信息预测方法及终端 |
CN109033358A (zh) * | 2018-07-26 | 2018-12-18 | 李辰洋 | 新闻聚合与智能实体关联的方法 |
CN109948151A (zh) * | 2019-03-05 | 2019-06-28 | 苏州思必驰信息科技有限公司 | 构建语音助手的方法 |
CN109981775A (zh) * | 2019-03-26 | 2019-07-05 | 北京博瑞彤芸文化传播股份有限公司 | 一种用于信息推送的电子卡生成方法 |
CN110543574A (zh) * | 2019-08-30 | 2019-12-06 | 北京百度网讯科技有限公司 | 一种知识图谱的构建方法、装置、设备及介质 |
CN110727782A (zh) * | 2019-10-22 | 2020-01-24 | 苏州思必驰信息科技有限公司 | 问答语料生成方法及系统 |
CN111753098A (zh) * | 2020-06-23 | 2020-10-09 | 陕西师范大学 | 一种基于跨媒体动态知识图谱的教学方法及系统 |
Non-Patent Citations (1)
Title |
---|
QI HUANG ET AL: "FKG.js: A Plug-in Based on Freebase for a Knowledge Card Service", 《IEEE XPLORE》, pages 1 - 4 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022095382A1 (zh) * | 2020-11-03 | 2022-05-12 | 平安科技(深圳)有限公司 | 基于知识图谱的电子卡片生成推送方法、装置 |
CN112905612A (zh) * | 2021-02-07 | 2021-06-04 | 北京机电工程研究所 | 知识卡片的构建方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112328876B (zh) | 2023-08-11 |
WO2022095382A1 (zh) | 2022-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112328876B (zh) | 基于知识图谱的电子卡片生成推送方法、装置 | |
Serafino et al. | True scale-free networks hidden by finite size effects | |
CN112868004B (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
CN109033408B (zh) | 信息推送方法及装置、计算机可读存储介质、电子设备 | |
CN112328741B (zh) | 基于人工智能的智能关联答复方法、装置、计算机设备 | |
CN107871166B (zh) | 针对机器学习的特征处理方法及特征处理系统 | |
CN106874253A (zh) | 识别敏感信息的方法及装置 | |
CN111694926A (zh) | 基于场景动态配置的交互处理方法、装置、计算机设备 | |
CN113268971B (zh) | 演示报告智能生成方法、装置、计算机设备及存储介质 | |
CN114036398A (zh) | 内容推荐和排序模型训练方法、装置、设备以及存储介质 | |
CN112765364A (zh) | 群聊会话排序方法、装置、存储介质和电子设备 | |
CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
CN110058992B (zh) | 一种文案模板效果反馈方法、装置及电子设备 | |
CN111104590A (zh) | 信息推荐方法、装置、介质及电子设备 | |
CN113392200A (zh) | 基于用户学习行为的推荐方法及装置 | |
CN113992668B (zh) | 基于多并发的信息实时传输方法、装置、设备及介质 | |
CN116303937A (zh) | 回复方法、装置、电子设备及可读存储介质 | |
CN113010664B (zh) | 一种数据处理方法、装置及计算机设备 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN114064872A (zh) | 对话数据信息的智能存储方法、装置、设备及介质 | |
CN109947830B (zh) | 用于输出信息的方法和装置 | |
CN110929175A (zh) | 对用户评价进行评估的方法、装置、系统及介质 | |
US20230214679A1 (en) | Extracting and classifying entities from digital content items | |
US20240046292A1 (en) | Intelligent prediction of lead conversion | |
CN117349126B (zh) | 一种基于大数据的实时信息网络日志分析方法及系统 |
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 |