CN112395498A - 话题推荐方法、装置、电子设备及存储介质 - Google Patents
话题推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112395498A CN112395498A CN202011205448.9A CN202011205448A CN112395498A CN 112395498 A CN112395498 A CN 112395498A CN 202011205448 A CN202011205448 A CN 202011205448A CN 112395498 A CN112395498 A CN 112395498A
- Authority
- CN
- China
- Prior art keywords
- topic
- topics
- target user
- candidate
- published
- 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
- 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
- G06F16/35—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
- G06F16/90—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
- G06F16/9536—Search customisation based on social or collaborative filtering
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种话题推荐方法、装置、电子设备及存储介质,所述方法包括:获得目标用户的终端设备的多个已发布文本,每个已发布文本为所述目标用户针对一个话题而发布的文本;对所述多个已发布文本分别进行解析,从多个话题中确定所述目标用户的多个正向情感倾向话题;将包含所述目标用户的正向情感倾向话题的数量大于预设数量的话题类别,确定为向所述目标用户推荐的目标话题类别;将属于所述目标话题类别的话题推送给所述目标用户的终端设备。采用本公开的技术方案,可以提高向用户推荐话题的准确度。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种话题推荐方法、装置、设备及存储介质。
背景技术
随着互联网的普及,用户可以在互联网浏览并参与一些话题的讨论,例如,在微博中,用户可以参与到微博推荐的话题中,发表一些评论等内容,以与其他用户实现互动。实际中,为了提高用户参与话题讨论的活跃度,活跃社区氛围,一般服务端会主动推荐一些话题给用户,使用户可以根据推荐的话题参与到讨论。
相关技术中,在向用户推荐话题时,一般是根据话题的点击量来确定的,即将点击量较大的话题推荐给用户。一方面,此种推荐方式并不能满足用户对话题的个性化需求,向用户推荐的话题并不符合用户的预期,导致话题推荐的准确率较低。另一方面,其他点击量较小的话题,即不热门的话题始终不能得到推荐,从而形成了大量长尾话题,由此导致了网络资源的浪费。
发明内容
鉴于上述问题,本发明实施例提供一种话题推荐方法、装置、电子设备及存储介质,旨在解决相关技术中存在的网络社区资源的浪费、随着时间推移用户参与话题的活跃度反而降低的问题。
为了解决上述技术问题,本发明采取以下方案实现:
第一方面,本发明实施例提供一种话题推荐方法,包括:
获得目标用户的终端设备的多个已发布文本,每个已发布文本为所述目标用户针对一个话题而发布的文本;
对所述多个已发布文本分别进行解析,从多个话题中确定所述目标用户的多个正向情感倾向话题;
将包含所述目标用户的正向情感倾向话题的数量大于预设数量的话题类别,确定为向所述目标用户推荐的目标话题类别;
将属于所述目标话题类别的话题推送给所述目标用户的终端设备。
可选地,在将属于所述目标话题类别的话题推送给所述目标用户的终端设备之前,所述方法还包括:
获取属于所述目标话题类别的多个候选话题各自的用户行为数据,一个候选话题的用户行为数据为各个用户针对该候选话题所产生的行为数据;
根据所述多个候选话题各自的用户行为数据之间的大小关系,从所述多个候选话题中确定推送给所述目标用户的终端设备的话题。
可选地,获取所述目标话题类别包括的多个候选话题各自的用户行为数据,包括以下至少一者:
针对每个候选话题,统计各个用户针对该候选话题执行预设操作的行为数据,所述预设操作包括以下至少一者:浏览、回复、刷新;
针对每个候选话题,对各个用户针对该候选话题发布的文本进行解析,确定为正向情感倾向的文本的数量。
可选地,所述方法还包括:
根据所述多个候选话题各自的用户行为数据,确定所述目标用户分别对所述多个候选话题的参与频度;
根据所述多个候选话题各自的用户行为数据之间的大小关系,从所述多个候选话题中确定推送给所述目标用户的终端设备的话题,包括:
针对每个候选话题,根据所述目标用户对该候选话题的参与频度、该候选话题的用户行为数据以及两者各自的权重,确定该候选话题的推荐指数;
根据所述多个候选话题各自的推荐指数,确定推送给所述目标用户的终端设备的话题。
可选地,将属于所述目标话题类别的话题推送给所述目标用户的终端设备,包括:
将属于所述目标话题类别且未被所述目标用户评论的话题,推送给所述目标用户的终端设备。
可选地,对所述多个已发布文本分别进行解析,从所述多个话题中确定所述目标用户的多个正向情感倾向话题,包括:
对所述多个已发布文本中的每个已发布文本进行解析,得到所述多个已发布文本的情感倾向值;
从所述多个已发布文本中,确定对应的情感倾向值大于预设情感倾向值的已发布文本;
将应的情感倾向值大于预设情感倾向值的已发布文本所对应的话题确定为正向情感倾向话题。
可选地,对所述多个已发布文本中的每个已发布文本进行解析,得到所述多个已发布文本的情感倾向值,包括:
对所述多个已发布文本中的每个已发布文本,执行以下步骤:
对该已发布文本进行分词处理,得到分词列表;
将所述分词列表中的各个单词与预设情感字典中的各个携带情感倾向标签的单词比较,确定该已发布文本的情感倾向值。
第二方面,本发明实施例提供一种话题推荐装置,包括:
文本获得模块,用于获得目标用户的终端设备的多个已发布文本,每个已发布文本是所述目标用户针对一个话题而发布的文本;
话题筛选模块,用于对所述多个已发布文本分别进行解析,从多个话题中确定所述目标用户的多个正向情感倾向话题;
话题类别筛选模块,用于将包含所述目标用户的正向情感倾向话题的数量大于预设数量的话题类别,确定为向所述目标用户推荐的目标话题类别;
话题推送模块,用于将属于所述目标话题类别的话题推送给所述目标用户的终端设备。
可选地,所述装置还包括:
行为数据获得模块,用于获取属于所述目标话题类别的多个候选话题各自的用户行为数据,一个候选话题的用户行为数据为各个用户针对该候选话题所产生的行为数据;
话题筛选模块,用于根据所述多个候选话题各自的用户行为数据之间的大小关系,从所述多个候选话题中确定推送给所述目标用户的终端设备的话题。
可选地,所述行为数据获得模块至少包括以下一个单元:
第一获得单元,用于针对所述目标话题类别包括的每个话题,统计各个用户针对该话题执行预设操作的数据,所述预设操作包括以下至少一者:浏览、回复、刷新;
第二获得单元,用于针对所述目标话题类别包括的每个话题,对各个用户针对该话题发布的文本进行解析,确定对应的情感倾向,并统计情感倾向为正向的文本的数量。
可选地,所述装置还包括:
频度确定模块,用于根据所述多个候选话题各自的用户行为数据,确定所述目标用户对所述多个候选话题的参与频度;
所述话题筛选模块,包括:
推荐指数确定单元,用于针对每个候选话题,根据所述目标用户对该候选话题的参与频度、该候选话题的用户行为数据以及两者各自的权重,确定该候选话题的推荐指数;
第二筛选单元,用于根据所述多个候选话题各自的推荐指数,确定推送给所述目标用户的终端设备的话题。
可选地,所述话题推送模块,具体用于将属于所述目标话题类别且未被所述目标用户评论的话题,推送给所述目标用户的终端设备。
可选地,所述话题确定模块,包括:
情感倾向值确定单元,用于对所述多个已发布文本中的每个已发布文本进行解析,得到所述多个已发布文本的情感倾向值;
文本确定单元,用于从所述多个已发布文本中,确定对应的情感倾向值大于预设情感倾向值的已发布文本;
话题确定单元,用于将应的情感倾向值大于预设情感倾向值的已发布文本所对应的话题确定为正向情感倾向话题。
可选地,所述情感倾向值确定单元,用于对所述多个已发布文本中的每个已发布文本,执行以下步骤:
对该已发布文本进行分词处理,得到分词列表;
将所述分词列表中的各个单词与预设情感字典中的各个携带情感倾向标签的单词比较,确定该已发布文本的情感倾向值。
第三方面,本发明实施例提供一种电子设备,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,所述计算机程序被所述处理器执行时实现如第一方面所述的话题推荐方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权第一方面所述的话题推荐方法的步骤。
在本发明实施例中,可以对目标用户发布的多个已发布文本分别进行解析,确定目标用户针对多个话题的情感倾向,其中,每个已发布文本是目标用户针对一个话题而发布的文本,并根据多个话题的情感倾向,从多个话题中确定目标用户的多个正向情感倾向话题;继而从包含正向情感倾向话题的数量大于预设数量的话题类别中确定向目标用户推荐的话题。
由于可以根据目标用户对话题发布的文本确定目标用户对该话题的情感倾向,该情感倾向可以反映用户对话题的偏好,这样,便可以得到目标用户对该话题所属的话题类别的偏好,进而可以向用户推荐被用户正向偏好的目标话题类别中的话题。
可见,一方面,本发明在推荐话题时,注重用户对话题的偏好,实现了针对每个用户进行个性化的话题推荐,使得推荐给用户的话题与用户的个性化需求相匹配,从而提高了话题推荐的准确度。另一方面,相比于按照话题的点击量推荐话题的方式,本发明由于将情感正向倾向的话题,即用户偏好的话题推荐给用户,实际中,不同的用户可能偏好不同的话题,因此,使得每个话题都有机会被推荐给用户,从而避免了长尾话题的产生,充分利用了网络资源。
此外,又由于随着时间的推移,用户参与话题的数量增多,则产生了大量的发布文本,因此,通过对大量的发布文本的分析,可以更加准确地得到用户正向情感倾向的话题,进而更加提高了给用户推荐话题的准确度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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是本发明实施例中的一种话题推荐方法的步骤流程图;
图2是本发明实施例中的又一种话题推荐方法的步骤流程图;
图3是本发明实施例中的一种的话题推荐方法中确定推送给所述目标用户的终端设备的话题的步骤流程图;
图4是本发明实施例中的一种话题推荐装置的结构示意图;
图5是本发明实施例中的一种服务器的硬件结构示意图。
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作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。
鉴于上述技术问题,申请人提出了如下技术构思:根据用户对话题发布的文本确定用户对该话题的情感倾向,进而得到用户对该话题所属类别的喜好程度,从而将用户喜好的,也就是将正向情感倾向较多的话题类别中的话题推荐给用户。
本发明实施例中一种话题推荐方法可以应用于服务器中,参照图1,示出了本发明实施例中一种话题推荐方法的步骤流程图,如图1所示,该话题推荐方法具体可以包括以下步骤:
步骤S101:获得目标用户的终端设备的多个已发布文本,每个已发布文本是所述目标用户针对一个话题而发布的文本。
本实施例中,该目标用户是指需要被推荐话题的单个用户,话题是指网络社区推出的一些话题,例如,一些时事话题或一些生活类话题等。目标用户对一个话题发布的文本可以是指该目标用户对一个话题发布的评论,该文本中可以包括文字内容。实际中,目标用户针对一个话题可以发布一个或多个文本,则对一个话题而言,可以获得针对该话题的多个已发布文本。
具体实现中,可以根据目标用户的用户ID从一个话题下包括的所有已发布文本中筛选出该用户ID对应的已发布文本,该用户ID对应的已发布文本即为目标用户的终端设备的发布文本。
步骤S102:对所述多个已发布文本分别进行解析,从多个话题中确定所述目标用户的多个正向情感倾向话题。
本实施例中,对每一个话题,可以将目标用户针对该话题所发布的文本进行解析,从而得到目标用户针对该话题的情感倾向。在对该话题所发布的文本有多条时,可以分别对每条已发布文本进行解析,从而统计多条已发布文本的解析结果,确定该话题的情感倾向。
其中,情感倾向可以表征目标用户对该话题所持的态度,具体而言,即是指目标用户对该话题是偏赞同的态度还是偏反驳的态度。实际中,目标用户对该话题偏赞同,则表示目标用户对话题相对比较喜好,即为正向情感倾向,若目标用户对该话题偏反驳,则表示目标用户对该话题相对比较排斥,即为负向情感倾向。
实际中,可以对每个话题的已发布文本进行关键词的分析,即分析已发布文本中的一些关键词,通过关键词语的分析,可以确定出目标用户对该话题是否是正向情感倾向,例如,已发布文本中的关键词有“赞同”,则表示用户对该话题是正向情感倾向,该话题即为正向情感倾向话题。
当然,随着用户对话题所发布的文本越来越多,用户参与的话题的数量越来越多,则获得的目标用户对话题的情感倾向越准确。具体地,当一个话题具有多个已发布内容时,可以对多个已发布内容的情感倾向进行统计,得到为正向情感倾向的内容占已发布内容总数量的比重,根据比重确定该话题最终的情感倾向。例如,一个话题有10个已发布内容,其中,有8个已发布内容均为正向情感倾向,则可以得到该话题是正向情感倾向,若由3个已发布内容均为正向情感倾向,则可以得到该话题是负向情感倾向。
通过对多个话题中的每个话题各自的已发布文本进行分析,可以确定该话题是否为正向情感倾向话题,进而确定出多个正向情感倾向话题。
步骤S103:将包含所述目标用户的正向情感倾向话题的数量大于预设数量的话题类别,确定为向所述目标用户推荐的目标话题类别。
本实施例中,每个话题都有所属的话题类别,则目标用户对多个话题进行了评论时,即表示用户参与了多个话题类别。其中,一个话题类别下可以包括多个话题,例如,话题类别是川渝美食,则该话题类别下可以包括多个话题,例如:回锅肉话题、麻婆豆腐话题等。
实际中,目标用户所评论的一个或多个话题可以均属于一个话题类别,则在得到多个正向情感倾向话题,可以确定每个正向情感倾向话题所属的话题类别,进而可以统计确定出的每个话题类别所包括的正向情感倾向话题的数量,当正向情感倾向话题的数量达到预设数量时,表征该话题类别是目标用户偏好的话题类别。
可以理解的是,当一个话题类别中包括越多数量的正向情感倾向话题时,表征目标用户对该话题类别中的其他话题持正向情感倾向的概率越高,也就是确定出的目标话题类别所包括的多个话题中,目标用户对这些话题具有偏正面的评价的概率更高。
步骤S1014:将属于所述目标话题类别的话题推送给所述目标用户的终端设备。
本发明实施例中,由于目标话题类别所包括的话题是目标用户持正面态度概率较高的话题,即大概率是目标用户喜好的话题,将这些话题推送给目标用户时,更能吸引目标用户参与到这类话题,从而提高目标用户对话题的活跃度。
实际中,由于目标话题类别是目标用户喜好的话题类别,则该目标话题类别中的任一话题都可以推荐给目标用户,这样,即使点击量较小的话题也有机会被推荐给目标用户,避免了只将点击量大的话题推荐给目标用户时,点击量小的话题形成长尾话题,从而有效利用了网络社区的话题资源。
当然,在一些实施方式中,为了提高目标用户对话题的参与程度,可以将目标话题类别中的未被目标用户所评论的一个或多个话题推送给目标用户的终端设备,这样,便可以使得未被目标用户评论且被目标用户偏好的一些话题推荐给目标用户,提高推送给目标用户的话题的多样性,以增强话题对目标用户的吸引力,从而提高目标用户参与话题的活跃度。
相比于相关技术,本发明实施例具有以下优点:
(1)由于根据目标用户对话题发布的文本确定目标用户对该话题的情感倾向,该情感倾向可以反映准确反映用户对话题的偏好,则将情感正向倾向的话题,即用户偏好的话题推荐给用户。可见,本发明在推荐话题时,注重用户对话题的偏好,实现了针对每个用户进行个性化的话题推荐,使得推荐给用户的话题与用户的个性化需求相匹配,从而提高了话题推荐的准确度。
(2)相比于按照话题的点击量推荐话题的方式,本发明由于将情感正向倾向的话题,即用户偏好的话题推荐给用户,而不同的用户,其偏好并不相同,因此使得每个话题都有机会被推荐给用户,从而避免了长尾话题的产生,充分利用了网络资源。
(3)由于本发明实施例是根据用户的已发布文本判定用户对话题的情感倾向,随着时间的推移,用户参与话题的数量增多,则产生了大量的发布文本,因此,通过对大量的发布文本的分析,可以更加准确地得到用户正向情感倾向的话题,进而更加提高了给用户推荐话题的准确度。
参照图2所示,示出了本发明一实施例中的又一话题推荐方法的步骤流程图,具体包括以下步骤:
步骤S201:获得目标用户的终端设备的多个已发布文本,每个已发布文本是所述目标用户针对一个话题而发布的文本。
本步骤S201的过程与步骤S101的过程类似,相关之处参见步骤S101即可,在此不再赘述。
步骤S202:对所述多个已发布文本分别进行解析,确定所述目标用户针对多个话题的情感倾向值。
本实施例中,在对所述多个已发布文本中的每个已发布文本,可以按照以下步骤进行解析:
步骤S2021:对该已发布文本进行分词处理,得到分词列表。
本实施例中,可以使用jieba(结巴)分词工具对已发布文本中的文本进行分词处理,得到分词列表。其中,为了能使后续的情感倾向更为准确,避免双重否定词带来的情感倾向误导,可以将分词列表中的否定词过滤掉,从而得到新的分词列表。
步骤S2022:将所述分词列表中的各个单词与预设情感字典中的各个携带情感倾向标签的单词比较,确定该已发布文本的情感倾向值。
本实施例中,预设情感字典可以预先存储到内存中,实际中,预设情感字典可以包括:情感字典、停用字字典、副词和否定词字典。则上述字典中所包括的单词均具有情感倾向标签,一个单词的情感倾向标签可以是表征该单词是偏正面的情感还是偏负面的情感,例如,情感倾向标签是1,则表征该单词是偏正面的情感,例如,“欣喜”则表示偏正面的情感。
具体实施时,则可以将分词列表中的各个单词与上述各个字典中的单词进行比较,统计各个单词的比较结果,进而确定已发布文本的情感倾向值。
步骤S203:从所述多个已发布文本中,确定对应的情感倾向值大于预设情感倾向值的已发布文本。
步骤S204:将对应的情感倾向值大于预设情感倾向值的已发布文本所对应的话题确定为正向情感倾向话题。
其中,在该已发布文本的情感倾向值大于等于预设情感倾向值时,确定所述目标用户针对多个话题的情感倾向为正向,则可以将该话题确定为正向情感倾向话题;在该已发布文本的情感倾向值小于所述预设情感倾向值时,确定所述目标用户针对多个话题的情感倾向为负向,则不将该话题确定为正向情感倾向话题。
实际中,预设情感倾向值可以根据实际情况进行设定,例如,将预设情感倾向值设为0,则情感倾向值大于0,表示用户对该话题是持正面的态度,则情感倾向确定为正向。反之,则将情感倾向确定为负向。
步骤S205:将包含所述目标用户的正向情感倾向话题的数量大于预设数量的话题类别,确定为向所述目标用户推荐的目标话题类别。
在本实施例中,可以对所述目标用户针对属于同一话题类别的各个正向情感倾向话题的数量进行统计,确定所述目标用户针对所述话题类别的喜好程度;进而,按照话题类别的喜好程度从高到低的顺序,筛选出向所述目标用户推荐的目标话题类别。
本实施例中,话题类别的喜好程度可以是目标用户针对该话题类别下已评论的各话题的综合情感倾向所确定的,一个话题类别的喜好程度可以反映目标用户对该话题的偏好程度。
实际中,可以采用喜好值来衡量话题类别的喜好程度,其中,该喜好值可以初始化为一个预设值,例如,喜好值的初始化值为零。则在对一个话题的已发布文本进行解析确定该话题的情感倾向时,若确定出该话题的情感倾向为正向情感倾向,则增加该话题类别的喜好值,若确定出该话题的情感倾向为负向,则减小该话题类别的喜好值。以此类推,直到该话题类别下被目标用户所评论的各个话题的情感倾向确定完为止,从而得到该话题类别的最终的喜好值,即喜好程度。
在得到每个话题类别的喜好程度后,便可以按照喜好程度从高到低的顺序,从多个话题类别中筛选出一个或多个目标话题类别。
步骤S206:获取属于所述目标话题类别的多个候选话题的用户行为数据,一个候选话题的用户行为数据为各个用户针对该候选话题所产生的行为数据。
其中,候选话题可以包括该话题类别下的正向情感倾向话题以及其他目标用户未评论的话题。其中,在获取多个候选话题的用户行为数据时,可以针对所述目标话题类别包括的每个候选话题,统计各个用户针对该候选话题执行预设操作的数据,和/或,针对所述目标话题类别包括的每个候选话题,对各个用户针对该候选话题发布的文本进行解析,确定对应的情感倾向,并统计情感倾向为正向的文本的数量。
其中,所述预设操作包括以下至少一者:浏览、回复、刷新。
在筛选出目标话题类别后,可以从目标话题类别中的各个候选话题中筛选出向目标用户推荐的话题。其中,可以随机筛选出一个向目标用户推荐的话题,当然,也可以根据各个候选话题的行为数据筛选出一个向目标用户推荐的话题,以增加筛选出的话题对目标用户的吸引力,从而提高目标用户参与该话题的活跃度。
在本实施例中,一个候选话题的行为数据可以表征各个用户对该话题的参与情况。具体地,行为数据可以是各个用户对该候选话题执行预设操作的数据,或,各个用户针对该候选话题发布的文本进行解析后得到的情感倾向为正向的文本的数量,或者是上述二者兼得。
实际中,针对一个候选话题,若其情感倾向为正向的文本的数量越多,则表征对该候选话题持正面态度的用户越多,则该候选话题能引起更多人的共鸣,从而该候选话题可以被推荐给其他更多的用户,获得更高的活跃度。
步骤S207:根据所述多个候选话题的用户行为数据之间的大小关系,从所述多个候选话题中确定推送给所述目标用户的终端设备的话题。
本实施例中,针对每个候选话题,可以采用用户行为数据对各个用户对该候选话题的参与情况进行量化,由于目标话题类别下的各个候选话题均具有用户行为数据,则可以根据用户行为数据的大小,确定推送给所述目标用户的终端设备的话题。实际中,可以将行为数据较大的一个或多个候选话题推荐给目标用户。
在本实施例的一种具体实施方式中,在获得了目标话题类别包括的多个候选话题的用户行为数据的情况下,可以根据所述目标用户对属于所述目标话题类别的各个候选话题的用户行为数据,确定所述目标用户对属于所述目标话题类别的各个候选话题的参与频度。
其中,目标用户对候选话题的参与频度可以根据用户对该候选话题的点击量确定,点击量越高则参与频度越高,实际中,目标用户对该候选话题进行了点击,并不代表目标用户对该候选话题进行了评论,因此,点击量可以认为是目标用户浏览了该候选话题的次数。
相应地,参照图3所示,示出了确定推送给所述目标用户的终端设备的话题的步骤流程图,如图3所示,在根据所述目标话题类别包括的多个候选话题的用户行为数据之间的大小关系,从所述多个候选话题中确定推送给所述目标用户的终端设备的话题时,可以包括以下步骤:
步骤S2071:针对每个候选话题,根据所述目标用户对属于该候选话题的参与频度、该候选话题的用户行为数据以及两者各自的权重,确定该候选话题的推荐指数。
本实施例中,推荐指数可以由目标用户对候选话题的点击频度以及该候选话题的用户行为数据综合确定,推荐指数可以表征该候选话题向目标用户推荐的概率,推荐指数越大,则该候选话题向目标用户推荐的概率越大。实际中,可以预设调节权重,通过调节权重调节一个候选话题的参与频度和用户行为数据各自占据的比重,参与频度和用户行为数据各自占据的比重即为各自的权重。设置不同的调节权重,便可以使得参与频度和用户行为数据各自占据的比重不同,进而调节向目标用户所推荐的话题符合目标用户的偏好的程度。
具体实现时,假设调节权重为w,参与频度为m,用户行为数据为k,话题的推荐指数为S,则S=k*w+m*(1-w),其中,w为0-1之间的值。由此可知,在w为大于0.5的值时,便可以将目标用户较偏好的话题推荐给目标用户,在w为小于0.5的值时,便可以将目标用户点击频度较高的话题给目标用户。
步骤S2072:根据所述多个候选话题各自的推荐指数,确定推送给所述目标用户的终端设备的话题。
本实施例中,可以按照各推荐指数从高到低的顺序,从属于目标话题类别的各个候选话题中筛选出推荐指数较高的一个或多个候选话题,将该筛选出的一个或多个候选话题推荐给目标用户。
本实施例中,由于在从属于目标话题类别的多个候选话题中筛选向目标用户推荐的话题时,可以根据各个候选话题的用户行为数据和目标用户对各候选话题的点击频度确定,进而在考虑到目标用户对候选话题的正向情感倾向的基础上,又将各个用户(可以不同于目标用户)对候选话题的情感倾向、各个用户对候选话题的点击量和目标用户对候选话题的点击量考虑在内,综合上述多个因素,使得向目标用户推荐的话题既是目标用户喜好的话题,又是被大多数其他用户所关注和喜好的话题。此种情况下,在目标用户参与到该话题时,便可以与更多的用户互动,从而提高该话题的活跃度。
实际中,在将属于目标话题类别的话题推送给所述目标用户的终端设备时,可以将属于目标话题类别且未被目标用户评论的话题,推送给目标用户的终端设备。这样,便可以使得未被目标用户评论、且被目标用户和大多数用户偏好的一些话题推荐给目标用户,提高推送给目标用户的话题的多样性,以增强话题对目标用户的吸引力,从而提高目标用户参与话题的活跃度。
下面,以向目标用户陈某某推荐话题为例,对本发明实施例的过程进行简单阐述:
首先,通过分析陈某某对话题发表的评论内容,获取到陈某某对该话题的情感倾向,正向表示用户认同该话题,则该话题的情感倾向为正向的文本的数量增加一,同时标记用户对该话题分类的喜好程度增加一,负向表示用户不认同该话题,则该话题的情感倾向为正向的文本的数量减一,同时标记用户对该话题分类的喜好程度减一,如此,得到陈某某的正向情感倾向的话题。
在需要给陈某某推荐话题时,根据陈某某对应的话题分类所包括的正向情感倾向的话题的数量,取出喜好程度较高的前N个话题分类,再从这N个话题分类中,取出每个话题分类下情感倾向为正向的文本的数量最多的一个话题,且该话题用户没有发表过评论,从而获得了N个待推荐话题。
对于这N个待推荐话题,根据每个待推荐话题的情感倾向为正向的文本的数量k、陈某某参与该话题分类的频度为m,k的权重为w,则可以根据k*w+m*(1-w)公式来计算出每个待推荐话题最终的话题推荐指数,根据话题推荐指数排序,将最高推荐指数的话题推荐给陈某某。
参照图4,示出了本发明实施例的一种话题推荐装置的结构示意图,如图4所示,所述装置可以应用于服务器,具体可以包括以下模块:
文本获得模块401,用于获得目标用户的终端设备的多个已发布文本,每个已发布文本是所述目标用户针对一个话题而发布的文本;
话题筛选模块402,用于对所述多个已发布文本分别进行解析,从多个话题中确定所述目标用户的多个正向情感倾向话题;
话题类别筛选模块403,用于将包含所述目标用户的正向情感倾向话题的数量大于预设数量的话题类别,确定为向所述目标用户推荐的目标话题类别;
话题推送模块404,用于将属于所述目标话题类别的话题推送给所述目标用户的终端设备。
可选地,所述装置还包括:
行为数据获得模块,用于获取属于所述目标话题类别的多个候选话题各自的用户行为数据,一个候选话题的用户行为数据为各个用户针对该候选话题所产生的行为数据;
所述话题筛选模块,具体用于根据所述多个候选话题各自的用户行为数据之间的大小关系,从所述多个候选话题中确定推送给所述目标用户的终端设备的话题。
可选地,所述行为数据获得模块至少包括以下一个单元:
第一获得单元,用于针对所述目标话题类别包括的每个话题,统计各个用户针对该话题执行预设操作的数据,所述预设操作包括以下至少一者:浏览、回复、刷新;
第二获得单元,用于针对所述目标话题类别包括的每个话题,对各个用户针对该话题发布的文本进行解析,确定对应的情感倾向,并统计情感倾向为正向的文本的数量。
可选地,所述装置还包括:
频度确定模块,用于根据所述多个候选话题各自的用户行为数据,确定所述目标用户对所述多个候选话题的参与频度;
所述话题筛选模块,包括:
推荐指数确定单元,用于针对每个候选话题,根据所述目标用户对该候选话题的参与频度、该候选话题的用户行为数据以及两者各自的权重,确定该候选话题的推荐指数;
第二筛选单元,用于根据所述多个候选话题各自的推荐指数,确定推送给所述目标用户的终端设备的话题。
可选地,所述话题推送模块404,具体用于将属于所述目标话题类别且未被所述目标用户评论的话题,推送给所述目标用户的终端设备。
可选地,所述话题确定模块402,包括:
情感倾向值确定单元,用于对所述多个已发布文本中的每个已发布文本进行解析,得到所述多个已发布文本的情感倾向值;
文本确定单元,用于从所述多个已发布文本中,确定对应的情感倾向值大于预设情感倾向值的已发布文本;
话题确定单元,用于将应的情感倾向值大于预设情感倾向值的已发布文本所对应的话题确定为正向情感倾向话题。
可选地,所述情感倾向值确定单元,用于对所述多个已发布文本中的每个已发布文本,执行以下步骤:
对该已发布文本进行分词处理,得到分词列表;
将所述分词列表中的各个单词与预设情感字典中的各个携带情感倾向标签的单词比较,确定该已发布文本的情感倾向值。
参照图5所示,图5为实现本发明各个实施例的一种服务器500的结构示意图,该服务器500可以包括话题推荐装置51及数据库52,还可以包括网络接口54和数据接口53等。在所述数据库52中可以存储有网络社区所发布的多个话题以及各个用户对每个话题所发布的评论,所述话题推荐装置51可以用于执行所述话题推荐方法。具体而言,该话题推荐装置51可以是软件和硬件相结合的装置,该硬件可以包括物理键,该物理键可以用于提供返回、确认等功能,该软件中包括应用程序;其中,该话题推荐装置51可以通过软件和硬件与数据库52相互配合,以实现上述实施例所述的话题推荐方法。
本发明实施例还提供了一种电子设备,包括:处理器,存储器,存储在存储器上并可在处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述话题推荐方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述话题推荐方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述的计算机可读存储介质,如只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(RandomAccessMemory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
本领域普通技术人员可以意识到,结合本发明实施例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、或者计算机软件和电子硬件的结合来实现。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。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、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。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,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,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,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。另一点,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,可以是电性,机械或其它的形式。
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,也可以两个或两个以上单元集成在一个单元中。
所述功能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取存储介质中。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。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、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,可轻易想到变化或替换,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 (16)
1.一种话题推荐方法,其特征在于,包括:
获得目标用户的终端设备的多个已发布文本,每个已发布文本为所述目标用户针对一个话题而发布的文本;
对所述多个已发布文本分别进行解析,从多个话题中确定所述目标用户的多个正向情感倾向话题;
将包含所述目标用户的正向情感倾向话题的数量大于预设数量的话题类别,确定为向所述目标用户推荐的目标话题类别;
将属于所述目标话题类别的话题推送给所述目标用户的终端设备。
2.根据权利要求1所述的方法,其特征在于,在将属于所述目标话题类别的话题推送给所述目标用户的终端设备之前,所述方法还包括:
获取属于所述目标话题类别的多个候选话题各自的用户行为数据,一个候选话题的用户行为数据为各个用户针对该候选话题所产生的行为数据;
根据所述多个候选话题各自的用户行为数据之间的大小关系,从所述多个候选话题中确定推送给所述目标用户的终端设备的话题。
3.根据权利要求2所述的方法,其特征在于,获取所述目标话题类别包括的多个候选话题各自的用户行为数据,包括以下至少一者:
针对每个候选话题,统计各个用户针对该候选话题执行预设操作的行为数据,所述预设操作包括以下至少一者:浏览、回复、刷新;
针对每个候选话题,对各个用户针对该候选话题发布的文本进行解析,确定为正向情感倾向的文本的数量。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述多个候选话题各自的用户行为数据,确定所述目标用户分别对所述多个候选话题的参与频度;
根据所述多个候选话题各自的用户行为数据之间的大小关系,从所述多个候选话题中确定推送给所述目标用户的终端设备的话题,包括:
针对每个候选话题,根据所述目标用户对该候选话题的参与频度、该候选话题的用户行为数据以及两者各自的权重,确定该候选话题的推荐指数;
根据所述多个候选话题各自的推荐指数,确定推送给所述目标用户的终端设备的话题。
5.根据利要权求1-4任一所述的方法,其特征在于,将属于所述目标话题类别的话题推送给所述目标用户的终端设备,包括:
将属于所述目标话题类别且未被所述目标用户评论的话题,推送给所述目标用户的终端设备。
6.根据权利要求1-4任一所述的方法,其特征在于,对所述多个已发布文本分别进行解析,从所述多个话题中确定所述目标用户的多个正向情感倾向话题,包括:
对所述多个已发布文本中的每个已发布文本进行解析,得到所述多个已发布文本的情感倾向值;
从所述多个已发布文本中,确定对应的情感倾向值大于预设情感倾向值的已发布文本;
将对应的情感倾向值大于预设情感倾向值的已发布文本所对应的话题确定为正向情感倾向话题。
7.根据权利要求6所述的方法,其特征在于,对所述多个已发布文本中的每个已发布文本进行解析,得到所述多个已发布文本的情感倾向值,包括:
对所述多个已发布文本中的每个已发布文本,执行以下步骤:
对该已发布文本进行分词处理,得到分词列表;
将所述分词列表中的各个单词与预设情感字典中的各个携带情感倾向标签的单词比较,确定该已发布文本的情感倾向值。
8.一种话题推荐装置,其特征在于,包括:
文本获得模块,用于获得目标用户的终端设备的多个已发布文本,每个已发布文本是所述目标用户针对一个话题而发布的文本;
话题筛选模块,用于对所述多个已发布文本分别进行解析,从多个话题中确定所述目标用户的多个正向情感倾向话题;
话题类别筛选模块,用于将包含所述目标用户的正向情感倾向话题的数量大于预设数量的话题类别,确定为向所述目标用户推荐的目标话题类别;
话题推送模块,用于将属于所述目标话题类别的话题推送给所述目标用户的终端设备。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
行为数据获得模块,用于获取属于所述目标话题类别的多个候选话题各自的用户行为数据,一个候选话题的用户行为数据为各个用户针对该候选话题所产生的行为数据;
话题筛选模块,用于根据所述多个候选话题各自的用户行为数据之间的大小关系,从所述多个候选话题中确定推送给所述目标用户的终端设备的话题。
10.根据权利要求9所述的装置,其特征在于,所述行为数据获得模块至少包括以下一个单元:
第一获得单元,用于针对所述目标话题类别包括的每个话题,统计各个用户针对该话题执行预设操作的数据,所述预设操作包括以下至少一者:浏览、回复、刷新;
第二获得单元,用于针对所述目标话题类别包括的每个话题,对各个用户针对该话题发布的文本进行解析,确定对应的情感倾向,并统计情感倾向为正向的文本的数量。
11.根据权利要求9所述的装置,其特征在于,所述装置还包括:
频度确定模块,用于根据所述多个候选话题各自的用户行为数据,确定所述目标用户对所述多个候选话题的参与频度;
所述话题筛选模块,包括:
推荐指数确定单元,用于针对每个候选话题,根据所述目标用户对该候选话题的参与频度、该候选话题的用户行为数据以及两者各自的权重,确定该候选话题的推荐指数;
第二筛选单元,用于根据所述多个候选话题各自的推荐指数,确定推送给所述目标用户的终端设备的话题。
12.根据权利要求8-11任一所述的装置,其特征在于,所述话题推送模块,具体用于将属于所述目标话题类别且未被所述目标用户评论的话题,推送给所述目标用户的终端设备。
13.根据权利要求8-11任一所述的装置,其特征在于,所述话题确定模块,包括:
情感倾向值确定单元,用于对所述多个已发布文本中的每个已发布文本进行解析,得到所述多个已发布文本的情感倾向值;
文本确定单元,用于从所述多个已发布文本中,确定对应的情感倾向值大于预设情感倾向值的已发布文本;
话题确定单元,用于将应的情感倾向值大于预设情感倾向值的已发布文本所对应的话题确定为正向情感倾向话题。
14.根据权利要求8-11任一所述的装置,其特征在于,所述情感倾向值确定单元,用于对所述多个已发布文本中的每个已发布文本,执行以下步骤:
对该已发布文本进行分词处理,得到分词列表;
将所述分词列表中的各个单词与预设情感字典中的各个携带情感倾向标签的单词比较,确定该已发布文本的情感倾向值。
15.一种电子设备,其特征在于,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,所述计算机程序被所述处理器执行时实现如权利要求1-7任一所述的话题推荐方法的步骤。
16.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7任一所述的话题推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205448.9A CN112395498A (zh) | 2020-11-02 | 2020-11-02 | 话题推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205448.9A CN112395498A (zh) | 2020-11-02 | 2020-11-02 | 话题推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112395498A true CN112395498A (zh) | 2021-02-23 |
Family
ID=74598992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011205448.9A Pending CN112395498A (zh) | 2020-11-02 | 2020-11-02 | 话题推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112395498A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120179751A1 (en) * | 2011-01-06 | 2012-07-12 | International Business Machines Corporation | Computer system and method for sentiment-based recommendations of discussion topics in social media |
CN103886090A (zh) * | 2014-03-31 | 2014-06-25 | 北京搜狗科技发展有限公司 | 基于用户喜好的内容推荐方法及装置 |
US20170097989A1 (en) * | 2014-06-06 | 2017-04-06 | Hewlett Packard Enterprise Development Lp | Topic recommendation |
CN108388674A (zh) * | 2018-03-26 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
US20180307680A1 (en) * | 2015-12-29 | 2018-10-25 | Guangzhou Shenma Mobile Information Technology Co., Ltd. | Keyword recommendation method and system based on latent dirichlet allocation model |
CN111198960A (zh) * | 2019-12-27 | 2020-05-26 | 五八有限公司 | 用户画像数据的确定方法、装置、电子设备及存储介质 |
CN111262953A (zh) * | 2016-12-26 | 2020-06-09 | 北京五八信息技术有限公司 | 一种实时推送信息的方法和装置 |
CN111310058A (zh) * | 2020-03-27 | 2020-06-19 | 北京百度网讯科技有限公司 | 资讯主题的推荐方法、装置、终端及存储介质 |
CN111783468A (zh) * | 2020-06-28 | 2020-10-16 | 百度在线网络技术(北京)有限公司 | 文本处理方法、装置、设备和介质 |
-
2020
- 2020-11-02 CN CN202011205448.9A patent/CN112395498A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120179751A1 (en) * | 2011-01-06 | 2012-07-12 | International Business Machines Corporation | Computer system and method for sentiment-based recommendations of discussion topics in social media |
CN103886090A (zh) * | 2014-03-31 | 2014-06-25 | 北京搜狗科技发展有限公司 | 基于用户喜好的内容推荐方法及装置 |
US20170097989A1 (en) * | 2014-06-06 | 2017-04-06 | Hewlett Packard Enterprise Development Lp | Topic recommendation |
US20180307680A1 (en) * | 2015-12-29 | 2018-10-25 | Guangzhou Shenma Mobile Information Technology Co., Ltd. | Keyword recommendation method and system based on latent dirichlet allocation model |
CN111262953A (zh) * | 2016-12-26 | 2020-06-09 | 北京五八信息技术有限公司 | 一种实时推送信息的方法和装置 |
CN108388674A (zh) * | 2018-03-26 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN111198960A (zh) * | 2019-12-27 | 2020-05-26 | 五八有限公司 | 用户画像数据的确定方法、装置、电子设备及存储介质 |
CN111310058A (zh) * | 2020-03-27 | 2020-06-19 | 北京百度网讯科技有限公司 | 资讯主题的推荐方法、装置、终端及存储介质 |
CN111783468A (zh) * | 2020-06-28 | 2020-10-16 | 百度在线网络技术(北京)有限公司 | 文本处理方法、装置、设备和介质 |
Non-Patent Citations (1)
Title |
---|
黄丽;石松芳;: "基于用户关注度的个性化推荐系统研究", 软件导刊, no. 05, pages 90 - 92 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107291780B (zh) | 一种用户评论信息展示方法和装置 | |
Teso et al. | Application of text mining techniques to the analysis of discourse in eWOM communications from a gender perspective | |
US9582569B2 (en) | Targeted content distribution based on a strength metric | |
Robinson et al. | Textual factors in online product reviews: a foundation for a more influential approach to opinion mining | |
CN110888990B (zh) | 文本推荐方法、装置、设备及介质 | |
KR20160057475A (ko) | 소셜 데이터를 능동적으로 획득하기 위한 시스템 및 방법 | |
CN107146112B (zh) | 一种移动互联网广告投放方法 | |
JP5615857B2 (ja) | 分析装置、分析方法及び分析プログラム | |
CN103473036B (zh) | 一种输入法皮肤推送方法及系统 | |
CN113360622B (zh) | 用户对话信息的处理方法、装置及计算机设备 | |
JP2011222004A (ja) | 情報ストリーム中の興味深いコンテンツを推奨するためのシステムおよび方法 | |
WO2012100067A1 (en) | Analyzing and applying data related to customer interactions with social media | |
US10002187B2 (en) | Method and system for performing topic creation for social data | |
Alahmadi et al. | Twitter-based recommender system to address cold-start: A genetic algorithm based trust modelling and probabilistic sentiment analysis | |
CN110334356A (zh) | 文章质量的确定方法、文章筛选方法、以及相应的装置 | |
CN111177538A (zh) | 一种基于无监督权值计算的用户兴趣标签构建方法 | |
CN104077417A (zh) | 社交网络中的人物标签推荐方法和系统 | |
CN110175264A (zh) | 视频用户画像的构建方法、服务器及计算机可读存储介质 | |
Wu et al. | Micro-blog in China: identify influential users and automatically classify posts on Sina micro-blog | |
US9996529B2 (en) | Method and system for generating dynamic themes for social data | |
CN113934941A (zh) | 一种基于多维度信息的用户推荐系统及方法 | |
CN115577316A (zh) | 一种基于多模态数据融合的用户人格预测方法与应用 | |
KR101652433B1 (ko) | Sns 문서에서 추출된 토픽을 기반으로 파악된 감정에 따른 개인화 광고 제공 방법 | |
KR101727686B1 (ko) | 시맨틱 엔티티 토픽 추출 방법 | |
Ashraf et al. | Personalized news recommendation based on multi-agent framework using social media preferences |
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 |