CN112465555B - 一种广告信息推荐的方法及相关装置 - Google Patents
一种广告信息推荐的方法及相关装置 Download PDFInfo
- Publication number
- CN112465555B CN112465555B CN202011401741.2A CN202011401741A CN112465555B CN 112465555 B CN112465555 B CN 112465555B CN 202011401741 A CN202011401741 A CN 202011401741A CN 112465555 B CN112465555 B CN 112465555B
- Authority
- CN
- China
- Prior art keywords
- information
- advertisement
- user input
- candidate
- piece
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000013598 vector Substances 0.000 claims description 74
- 238000012545 processing Methods 0.000 claims description 25
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000008187 granular material Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0257—User requested
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种广告信息推荐的方法及相关装置,该方法包括:对用户输入信息进行语义理解,获得用户输入信息的意图信息和各个槽位信息;对用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,确定各个候选广告信息;向用户推荐各个候选广告信息。其中,广告描述信息仅仅是广告信息的简单描述,语义理解和语义匹配是较为轻量级的操作,且语义理解和语义匹配应用在即时通信场景中较为合适,从而使得该广告信息推荐的方法无需提供广告信息的关键词,不涉及重量级的操作,极其适用于即时通信场景。
Description
技术领域
本申请涉及数据分析处理技术领域,尤其涉及一种广告信息推荐的方法及相关装置。
背景技术
随着互联网技术的快速发展,在广告投放领域中,广告主无需提供广告对应的关键词,只需要提供广告对应的网站页面,广告推荐系统分析该网站页面得到结构化的信息,结合用户的搜索行为帮助广告主捕捉优质流量进行广告推荐。
首先,上述方法中网站页面的内容包括多种信息载体,网站页面的结构包括各类协议、页面跳转等;即,网站页面的内容和结构非常复杂,导致分析该网站页面得到结构化的信息严重依赖网站页面分析技术,是较为重量级的操作。
其次,上述方法中广告是指搜索广告、信息流广告等较为常见的广告形式;即,上述方法适用于搜索产品、信息流产品所对应的搜索场景、信息流场景,并不适用于目前用户使用频率较高的即时通信软件所对应的即时通信场景。
发明内容
有鉴于此,本申请提供一种广告信息推荐的方法及相关装置,无需提供广告信息的关键词,不涉及重量级的操作,极其适用于即时通信场景。
第一方面,本申请实施例提供了一种广告信息推荐的方法,应用于即时通信输入场景中,该方法包括:
对用户输入信息进行语义理解;
获得所述用户输入信息的意图信息和各个槽位信息;
对所述用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配;
确定各个候选广告信息;
向用户推荐各个所述候选广告信息。
可选的,所述方法还包括:
预先对所述广告库中每条所述广告信息的广告描述信息进行语义理解;
获得每条所述广告描述信息的意图信息和各个槽位信息;
将每条所述广告描述信息的意图信息、各个所述槽位信息与对应的广告描述信息、广告信息预先对应存储至所述广告库。
可选的,所述对所述用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,包括:
基于所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行匹配查找;
获得所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的每个槽位信息对应的广告描述信息集合;
基于所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的各个槽位信息对应的广告描述信息集合进行交集运算处理;
获得广告描述信息交集;
对应地,所述确定各个候选广告信息,具体为:
基于所述广告描述信息交集确定各个所述候选广告信息。
可选的,所述对所述用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,包括:
将所述用户输入信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得所述用户输入信息的语义向量;将每条所述广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得每条所述广告描述信息的语义向量;
基于所述用户输入信息的语义向量、每条所述广告描述信息的语义向量,获得每条所述广告描述信息的语义向量与所述用户输入信息的语义向量的相似度;
对应地,所述确定各个候选广告信息,具体为:
确定相似度大于等于预设相似度所对应的各条广告信息为各个所述候选广告信息。
可选的,在所述确定各个候选广告信息之后,还包括:
将所述用户输入信息的意图信息、各个槽位信息,以及每条所述候选广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义相似度模型;
获得每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度;
基于每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度,由高到低对各个所述候选广告信息进行排序;
获得各个所述候选广告信息的排列顺序;
对应地,所述向用户推荐各个所述候选广告信息,具体为:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
可选的,在所述确定各个候选广告信息之后,还包括:
将所述用户输入信息、每条所述候选广告信息以及用户画像信息输入预先训练的广告点击率预估模型;
获得每条所述候选广告信息的预估点击率;
基于每条所述候选广告信息的预估点击率,由高到低对各个所述候选广告信息进行排序;
获得各个所述候选广告信息的排列顺序;
对应地,所述向用户推荐各个所述候选广告信息,具体为:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
可选的,所述用户输入信息包括用户输入文本、用户输入语音或用户输入图像;
对应地,若所述用户输入信息为用户输入文本,所述对用户输入信息进行语义理解,具体为:
直接对所述用户输入文本进行语义理解;
若所述用户输入信息为用户输入语音,所述对用户输入信息进行语义理解,包括:
将所述用户输入语音转换为用户输入文本;
对所述用户输入文本进行语义理解;
若所述用户输入信息为用户输入图像,所述对用户输入信息进行语义理解,包括:
将所述用户输入图像转换为用户输入文本;
对所述用户输入文本进行语义理解。
第二方面,本申请实施例提供了一种广告信息推荐的装置,应用于即时通信输入场景中,该装置包括:
第一语义理解单元,用于对用户输入信息进行语义理解,获得所述用户输入信息的意图信息和各个槽位信息;
语义匹配单元,用于对所述用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,确定各个候选广告信息;
推荐单元,用于向用户推荐各个所述候选广告信息。
可选的,该装置还包括:
第二语义理解单元,用于预先对所述广告库中每条所述广告信息的广告描述信息进行语义理解,获得每条所述广告描述信息的意图信息和各个槽位信息;
存储单元,用于将每条所述广告描述信息的意图信息、各个所述槽位信息与对应的广告描述信息、广告信息预先对应存储至所述广告库。
可选的,所述语义匹配单元包括:
匹配查找子单元,用于基于所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行匹配查找,获得所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的每个槽位信息对应的广告描述信息集合;
交集运算处理子单元,用于基于所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的各个槽位信息对应的广告描述信息集合进行交集运算处理,获得广告描述信息交集;
第一确定子单元,用于基于所述广告描述信息交集确定各个所述候选广告信息。
可选的,所述语义匹配单元包括:
语义向量获得子单元,用于将所述用户输入信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得所述用户输入信息的语义向量;将每条所述广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得每条所述广告描述信息的语义向量;
相似度获得子单元,用于基于所述用户输入信息的语义向量、每条所述广告描述信息的语义向量,获得每条所述广告描述信息的语义向量与所述用户输入信息的语义向量的相似度;
第二确定子单元,用于确定相似度大于等于预设相似度所对应的各条广告信息为各个所述候选广告信息。
可选的,该装置还包括:
语义相似度获得单元,用于将所述用户输入信息的意图信息、各个槽位信息,以及每条所述候选广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义相似度模型,获得每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度;
第一排序单元,用于基于每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度,由高到低对各个所述候选广告信息进行排序,获得各个所述候选广告信息的排列顺序;
对应地,所述推荐单元具体用于:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
可选的,该装置还包括:
预估点击率获得单元,用于将所述用户输入信息、每条所述候选广告信息以及用户画像信息输入预先训练的广告点击率预估模型,获得每条所述候选广告信息的预估点击率;
第二排序单元,用于基于每条所述候选广告信息的预估点击率,由高到低对各个所述候选广告信息进行排序,获得各个所述候选广告信息的排列顺序;
对应地,所述推荐单元具体用于:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
可选的,所述用户输入信息包括用户输入文本、用户输入语音或用户输入图像;
对应地,若所述用户输入信息为用户输入文本,所述第一语义理解单元具体用于:
直接对用户输入文本进行语义理解,获得所述用户输入文本的语义信息;
若所述用户输入信息为用户输入语音,所述第一语义理解单元301包括:
第一转换子单元,用于将所述用户输入语音转换为用户输入文本;
第一语义理解子单元,用于对所述用户输入文本进行语义理解,获得所述用户输入语音的语义信息;
若所述用户输入信息为用户输入图像,所述第一语义理解单元301包括:
第二转换子单元,用于将所述用户输入图像转换为用户输入文本;
第二语义理解子单元,用于对所述用户输入文本进行语义理解,获得所述用户输入图像的语义信息。
第三方面,本申请实施例提供了一种用于广告信息推荐的装置,该装置包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
对用户输入信息进行语义理解;
获得所述用户输入信息的意图信息和各个槽位信息;
对所述用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配;
确定各个候选广告信息;
向用户推荐各个所述候选广告信息。
第四方面,本申请实施例提供了一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如上述第一方面中任一项所述的广告信息推荐的方法。
与现有技术相比,本申请至少具有以下优点:
采用本申请实施例的广告信息推荐的技术方案,首先,对用户输入信息进行语义理解,获得用户输入信息的意图信息和各个槽位信息;然后,对用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,确定各个候选广告信息;最后,向用户推荐各个候选广告信息。由此可见,只需要对用户输入信息和广告信息的广告描述信息进行语义理解,并通过语义匹配推荐与用户输入信息语义相关的广告信息;其中,广告描述信息仅仅是广告信息的简单描述,语义理解和语义匹配是较为轻量级的操作,且语义理解和语义匹配应用在即时通信场景中较为合适,从而使得该广告信息推荐的方法无需提供广告信息的关键词,不涉及重量级的操作,极其适用于即时通信场景。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,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它的附图。
图1为本申请实施例中一种应用场景所涉及的系统框架示意图;
图2为本申请实施例提供的一种广告信息推荐的方法的流程示意图;
图3为本申请实施例提供的一种广告信息推荐的装置的结构示意图;
图4为本申请实施例提供的一种用于广告信息推荐的装置的结构示意图;
图5为本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
目前,“无关键词广告推荐”是指分析广告主提供的广告对应的网站页面得到结构化的信息,结合用户的搜索行为帮助广告主捕捉优质流量进行广告推荐。但是,发明人经过研究发现,第一,该方法中网站页面的内容和结构非常复杂,导致分析该网站页面得到结构化的信息严重依赖网站页面分析技术,是较为重量级的操作;第二,方法中广告是指搜索广告、信息流广告等较为常见的广告形式,适用于搜索产品、信息流产品所对应的搜索场景、信息流场景,并不适用于目前用户使用频率较高的即时通信软件所对应的即时通信场景。
为了解决这一问题,在本申请实施例中,对用户输入信息进行语义理解,获得用户输入信息的意图信息和各个槽位信息;对用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,确定各个候选广告信息;向用户推荐各个候选广告信息。可见,只需要对用户输入信息和广告信息的广告描述信息进行语义理解,并通过语义匹配推荐与用户输入信息语义相关的广告信息;其中,广告描述信息仅仅是广告信息的简单描述,语义理解和语义匹配是较为轻量级的操作,且语义理解和语义匹配应用在即时通信场景中较为合适,从而使得该广告信息推荐的方法无需提供广告信息的关键词,不涉及重量级的操作,极其适用于即时通信场景。
举例来说,本申请实施例的场景之一,可以是应用到如图1所示的场景中,该场景包括即时通信软件101、广告推荐系统102和广告库103,其中,即时通信软件101与广告推荐系统102进行交互,广告推荐系统102与广告库103进行交互。即时通信软件101响应于用户输入操作,得到用户输入信息发送至广告推荐系统102,广告推荐系统采用本申请实施例提供的实施方式从广告库103获取广告信息,通过即时通信软件101推荐给用户。
可以理解的是,在上述应用场景中,虽然将本申请实施方式的动作描述由服务器101执行,但是,本申请在执行主体方面不受限制,只要执行了本申请实施方式所公开的动作即可。
可以理解的是,上述场景仅是本申请实施例提供的一个场景示例,本申请实施例并不限于此场景。
下面结合附图,通过实施例来详细说明本申请实施例中广告信息推荐的方法及相关装置的具体实现方式。
示例性方法
参见图2,示出了本申请实施例中一种广告信息推荐的方法的流程示意图。在本实施例中,应用于即时通信输入场景中,所述方法例如可以包括以下步骤:
步骤201:对用户输入信息进行语义理解,获得所述用户输入信息的意图信息和各个槽位信息。
由于无需广告主提供广告对应的关键词,只需要提供广告对应的网站页面,分析该网站页面即可进行广告推荐的方法,仅仅适用于搜索产品、信息流产品所对应的搜索场景、信息流场景,并不适用于目前用户使用频率较高的即时通信软件所对应的即时通信场景。因此,在本申请实施例中,考虑在即时通信软件所对应的即时通信场景中实现广告推荐,该即时通信场景中的用户输入信息可以反映用户实际需求;为了能够将符合用户实际需求的广告推荐给用户,首先需要对用户输入信息进行语义理解,以得到用户输入信息的语义信息。
其中,为了能够准确地了解用户输入信息所反映的用户实际需求,对用户输入信息进行语义理解所得到的用户输入信息的语义信息,既包括对用户输入信息进行意图预测所得到的用户输入信息的意图信息,也包括对用户输入信息进行槽位提取所得到的用户输入信息的各个槽位信息。其中,槽位信息是指是用户输入信息中用户表达的具体关键信息,作为一种示例,用户输入信息为用户输入文本“儿子3岁生日了,你准备给他买什么玩具?”,其各个槽位信息为“人群=儿子”、“年龄=3岁”、“商品类别=玩具”;当然,用户输入信息的各个槽位信息可能仅为一个槽位信息。
具体地,即时通信场景中用户输入方式通常是多模态输入方式,常见的用户输入方式例如可以包括文本输入方式、语音输入方式和图像输入方式等等,因此,用户输入信息可以是用户输入文本,也可以是用户输入语音,还可以是用户输入图像。基于此,当用户输入信息为用户输入文本,在执行步骤201时,可以直接对用户输入文本进行语义理解,以得到用户输入文本的语义信息;当户输入信息为用户输入语音或者用户输入图像,在执行步骤201时,无法直接对用户输入语音或者用户输入图像进行语义理解,需要先将用户输入语音或者用户输入图像转换为用户输入文本,再对转换后的用户输入文本进行语义理解,从而得到用户输入语音或者用户输入图像的语义信息。
即,在本申请实施例一种可选的实施方式中,所述用户输入信息包括用户输入文本或用户输入语音;对应地,若所述用户输入信息为用户输入文本,所述步骤201例如具体可以为:直接对用户输入文本进行语义理解,获得所述用户输入文本的语义信息。若所述用户输入信息为用户输入语音,所述步骤201例如可以包括以下步骤:
步骤A:将所述用户输入语音转换为用户输入文本。
步骤B:对所述用户输入文本进行语义理解,获得所述用户输入语音的语义信息。
若所述用户输入信息为用户输入图像,所述步骤201例如可以包括以下步骤:
步骤C:将所述用户输入图像转换为用户输入文本。
步骤D:对所述用户输入文本进行语义理解,获得所述用户输入图像的语义信息。
作为一种步骤201的示例,在即时通信场景中,用户输入信息为用户输入文本“儿子3岁生日了,你准备给他买什么玩具?”,对其进行语义理解所得到的语义信息包括意图信息“购买”和各个槽位信息“人群=儿子”、“年龄=3岁”、“商品类别=玩具”。
步骤202:对所述用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,确定各个候选广告信息。
由于无需广告主提供广告对应的关键词、广告创意,只需要提供广告对应的网站页面,分析该网站页面即可进行广告推荐的方法中,网站页面的内容和结构非常复杂,导致分析该网站页面得到结构化的信息严重依赖网站页面分析技术,是较为重量级的操作。因此,在本申请实施例中,考虑无需广告主提供广告对应的关键词,只需要提供广告的简单描述,即,广告信息的广告描述信息;针对广告描述信息而言,也是通过语义理解的方式得到该广告描述信息的语义信息;即,通过语义理解的方式得到该广告描述信息的意图信息、各个槽位信息。在此基础上,通过语义匹配的方式确定与步骤201中用户输入信息的语义相关的广告信息作为候选广告信息;其中,语义理解和语义匹配是较为轻量级的操作。
在本申请实施例中,广告库中存储有多条广告信息,每条广告信息具有对应的广告描述信息,为了避免每次执行步骤202时均需要对每条广告信息的广告描述信息进行语义理解,存在重复操作、浪费资源的问题;则还需要预先对每条广告信息的广告描述信息进行语义理解,以得到每条广告描述信息的语义信息,该语义信息同样包括意图信息和各个槽位信息;且还需要将每条广告描述信息的意图信息、各个槽位信息与对应的广告描述信息、广告信息预先对应存储至广告库,以便在执行步骤202时能够直接获取广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息。因此,在本申请实施例一种可选的实施方式中,例如还可以包括以下步骤:
步骤E:预先对所述广告库中每条所述广告信息的广告描述信息进行语义理解,获得每条所述广告描述信息的意图信息和各个槽位信息。
步骤F:将每条所述广告描述信息的意图信息、各个所述槽位信息与对应的广告描述信息、广告信息预先对应存储至所述广告库。
本申请实施例中,至少可以通过以下两种实施方式执行步骤202。
第一种可选的步骤202的实施方式中,为了确定与用户输入信息的语义相关的广告信息作为候选广告信息,在用户输入信息的意图信息、各个槽位信息表示用户输入信息的语义,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息表示各条广告信息的语义的基础上;广告信息的广告描述信息的意图信息、各个槽位信息与用户输入信息的意图信息、各个槽位信息重合越多,表示广告信息与用户输入信息两者的越相关。因此,首先,需要以用户输入信息的意图信息、每个槽位信息分别作为索引项,通过匹配查找的方式,分别得到与用户输入信息的意图信息相同、与用户输入信息的每个槽位信息相同的各个广告描述信息;即,用户输入信息的意图信息对应的广告描述信息集合和用户输入信息的每个槽位信息对应的广告描述信息集合;然后,需要计算上述各个广告描述信息集的交集作为广告描述信息交集;最后,将广告描述信息交集中各个广告描述信息对应的各个广告信息,确定为与用户输入信息的语义相关的广告信息,作为各个候选广告信息。
即,在本申请实施例一种可选的实施方式中,所述步骤202例如可以包括以下步骤:
步骤G:基于所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行匹配查找,获得所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的每个槽位信息对应的广告描述信息集合。
步骤H:基于所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的各个槽位信息对应的广告描述信息集合进行交集运算处理,获得广告描述信息交集。
步骤I:基于所述广告描述信息交集确定各个所述候选广告信息。
作为一种步骤G-步骤I的示例,在上述步骤201的示例的基础上,基于用户输入信息“儿子3岁生日了,你准备给他买什么玩具?”的意图信息“购买”、各个槽位信息“人群=儿子”、“年龄=3岁”、“商品类别=玩具”,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行匹配查找,获得意图信息“购买”对应的广告描述信息集合、槽位信息“人群=儿子”对应的广告描述信息集合、槽位信息“年龄=3岁”对应的广告描述信息集合、槽位信息“商品类别=玩具”对应的广告描述信息集合。然后,对上述四个广告描述信息集合进行交集运算处理,获得广告描述信息交集,并基于广告描述信息交集确定各个候选广告信息。
需要说明的是,若是上述四个广告描述信息集合进行交集运算处理,获得广告描述信息交集为空集,可以选择对上述四个广告描述信息集合中任意三个广告描述信息集合进行交集运算处理,获得新的广告描述信息交集;以此类推,直至广告描述信息交集不为空集。
第二种可选的步骤202的实施方式中,为了确定与用户输入信息的语义相关的广告信息作为候选广告信息,在用户输入信息的意图信息、各个槽位信息表示用户输入信息的语义,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息表示各条广告信息的广告描述信息的语义的基础上;可以将用户输入信息的意图信息、各个槽位信息编码成一个低维度的语义向量,作为用户输入信息的语义向量;将广告描述信息的意图信息、各个槽位信息编码成一个低维度的语义向量,作为广告描述信息的语义向量;广告描述信息的语义向量与用户输入信息的语义向量越相似,表示其对应的广告信息与用户输入信息两者的越相关。因此,首先,通过用户输入信息的意图信息、各个槽位信息,每条广告信息的广告描述信息的意图信息、各个槽位信息,利用预先训练的语义向量模型获得用户输入信息的语义向量、每条广告描述信息的语义向量;然后,计算每条广告描述信息的语义向量与用户输入信息的语义向量的相似度;最后,通过预先设定的表示相似度下限的预设相似度,筛选大于等于预设相似度的相似度所对应的各条广告信息作为各个候选广告信息。因此,在本申请实施例一种可选的实施方式中,所述步骤202例如可以包括以下步骤:
步骤J:将所述用户输入信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得所述用户输入信息的语义向量;将每条所述广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得每条所述广告描述信息的语义向量。
其中,预先训练的语义向量模型是采用现有技术方式得到的,在本申请实施例中不做具体限定。
步骤K:基于所述用户输入信息的语义向量、每条所述广告描述信息的语义向量,获得每条所述广告描述信息的语义向量与所述用户输入信息的语义向量的相似度。
步骤L:确定相似度大于等于预设相似度所对应的各条广告信息为各个所述候选广告信息。
作为一种步骤J-步骤L的示例,在上述步骤201的示例的基础上,将用户输入信息“儿子3岁生日了,你准备给他买什么玩具?”的意图信息“购买”、各个槽位信息“人群=儿子”、“年龄=3岁”、“商品类别=玩具”输入预先训练的语义向量模型,获得用户输入信息的语义向量,将每条广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得每条广告描述信息的语义向量;获得每条广告描述信息的语义向量与用户输入信息的语义向量的相似度,确定相似度大于等于预设相似度所对应的各条广告信息为各个候选广告信息。
在本申请实施例中,需要说明的是,在执行步骤K时,为了提高确定各个候选广告信息的速度,不需要计算每条广告信息的广告描述信息的语义向量与用户输入信息的语义向量的相似度,可以在用户输入信息的语义向量、每条广告信息的广告描述信息的语义向量的基础上,通过最邻近检索的方式,只需要计算一部分广告信息的广告描述信息的语义向量与用户输入信息的语义向量的相似度即可。
作为一种步骤202的示例,在上述步骤201的示例的基础上,各个候选广告信息可以为广告信息1的广告描述信息:“乐高大颗粒荒岛大冒险适用于3-4岁的男孩购买链接”对应的广告信息1,和广告信息2的广告描述信息:“乐高小颗粒迪士尼城堡适用于10岁以上的男孩、女孩购买链接”对应的广告信息2。
步骤203:向用户推荐各个所述候选广告信息。
在本申请实施例中,在步骤202确定各个候选广告信息后,由于各个候选广告信息表示与用户输入信息的语义相关的广告信息,为了在即时通信软件所对应的即时通信场景中,实现符合用户实际需求的广告推荐,需要将各个候选广告信息推荐给用户。
此外,在本申请实施例中,在执行步骤203向用户推荐各个候选广告信息时,还可以考虑各个候选广告信息的排列顺序,即,需要在执行步骤202之后,在执行步骤203之前,获得各个候选广告信息的排列顺序。具体,至少可以通过以下两种实施方式获得各个候选广告信息的排列顺序。
第一种可选的实施方式中,由于候选广告信息的广告描述信息的意图信息、各个槽位信息,与用户输入信息的意图信息、各个槽位信息越相似,表示候选广告信息与用户输入信息两者的越相关,其在各个候选广告信息的排列顺序中越靠前。因此,可以利用预先训练的语义相似度模型,计算每条候选广告信息的广告描述信息的意图信息、各个槽位信息,与用户输入信息的意图信息、各个槽位信息之间的相似度,作为每条候选广告信息的广告描述信息与用户输入信息的语义相似度;按照计算得到的语义相似度的高低,由高到低排序各个候选广告信息,从而得到各个候选广告信息的排列顺序。即,在本申请实施例一种可选的实施方式中,在所述步骤202与所述步骤203之间,例如还可以包括以下步骤:
步骤M:将所述用户输入信息的意图信息、各个槽位信息,以及每条所述候选广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义相似度模型,获得每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度。
其中,预先训练的语义相似度模型是采用现有技术方式得到的,在本申请实施例中不做具体限定。
步骤N:基于每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度,由高到低对各个所述候选广告信息进行排序,获得各个所述候选广告信息的排列顺序。
作为一种步骤M-步骤N的示例,在上述步骤202的示例的基础上,用户输入信息“儿子3岁生日了,你准备给他买什么玩具?”的意图信息“购买”、各个槽位信息“人群=儿子”、“年龄=3岁”、“商品类别=玩具”;各个候选广告信息中广告信息1的广告描述信息:“乐高大颗粒荒岛大冒险适用于3-4岁的男孩购买链接”的意图信息“购买”、各个槽位信息“品牌=乐高”、“年龄=3-4岁”、“玩具主题=荒岛大冒险”、“性别=男孩”;广告信息2的广告描述信息:“乐高小颗粒迪士尼城堡适用于10岁以上的男孩、女孩购买链接”的意图信息“购买”、各个槽位信息“品牌=乐高”、“年龄=10岁以上”、“玩具主题=荒岛大冒险”、“性别=男孩”、“性别=女孩”。利用预先训练的语义相似度模型,获得广告信息1的广告描述信息与用户输入信息的语义相似度a、广告信息2的广告描述信息与用户输入信息的语义相似度b;a>b,各个候选广告信息的排列顺序为广告信息1、广告信息2。
第二种可选的实施方式中,向用户推荐候选广告信息的目的是为了用户能够点击候选候选广告信息,则候选广告信息的点击率与反映用户实际需求的用户输入信息、以及反映用户自身画像的用户画像信息相关,可以基于此预估候选广告信息的点击率,作为候选广告信息的预估点击率;候选广告信息的预估点击率越高,其在各个候选广告信息的排列顺序中越靠前。因此,可以通过用户输入信息、每条候选广告信息以及用户画像信息,利用预先训练的广告点击率预估模型,预估每条候选广告信息的点击率,作为每条候选广告信息的预估点击率;按照预估得到的预估点击率的高低,由高到低排序各个候选广告信息,从而得到各个候选广告信息的排列顺序。即,在本申请实施例一种可选的实施方式中,在所述步骤202与所述步骤203之间,例如还可以包括以下步骤:
步骤O:将所述用户输入信息、每条所述候选广告信息以及用户画像信息输入预先训练的广告点击率预估模型,获得每条所述候选广告信息的预估点击率。
其中,预先训练的广告点击率预估模型是采用现有技术方式得到的,在本申请实施例中不做具体限定。
步骤P:基于每条所述候选广告信息的预估点击率,由高到低对各个所述候选广告信息进行排序,获得各个所述候选广告信息的排列顺序。
作为一种步骤O-步骤P的示例,在上述步骤202的示例的基础上,将用户输入信息“儿子3岁生日了,你准备给他买什么玩具?”、广告信息1的广告描述信息:“乐高大颗粒荒岛大冒险适用于3-4岁的男孩购买链接”对应的广告信息1以及用户画像信息输入预先训练的广告点击率预估模型,获得广告信息1的预估点击率c;将用户输入信息“儿子3岁生日了,你准备给他买什么玩具?”、广告信息2的广告描述信息:“乐高小颗粒迪士尼城堡适用于10岁以上的男孩、女孩购买链接”对应的广告信息2以及用户画像信息输入预先训练的广告点击率预估模型,获得广告信息2的预估点击率d;c>d,各个候选广告信息的排列顺序为广告信息1、广告信息2。
对应地,在按照上述第一种可选的实施方式或者第二种可选的实施方式获得各个候选广告信息的排列顺序后;在执行步骤203时,考虑到各个候选广告信息的排列顺序,既可以将各个候选广告信息按照该排列顺序全部推荐给用户;也可以按照各个候选广告信息的排列顺序,只选取排序靠前的N个候选广告信息作为目标广告信息推荐给用户,N为小于各个候选广告信息的总数量的正整数。即,在步骤K-步骤L或者步骤M-步骤L之后,所述步骤203例如具体可以为:按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
通过本实施例提供的各种实施方式,首先,对用户输入信息进行语义理解,获得用户输入信息的意图信息和各个槽位信息;然后,对用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,确定各个候选广告信息;最后,向用户推荐各个候选广告信息。由此可见,只需要对用户输入信息和广告信息的广告描述信息进行语义理解,并通过语义匹配推荐与用户输入信息语义相关的广告信息;其中,广告描述信息仅仅是广告信息的简单描述,语义理解和语义匹配是较为轻量级的操作,且语义理解和语义匹配应用在即时通信场景中较为合适,从而使得该广告信息推荐的方法无需提供广告信息的关键词,不涉及重量级的操作,极其适用于即时通信场景。
示例性装置
参见图3,示出了本申请实施例中一种广告信息推荐的装置的结构示意图。在本实施例中,应用于即时通信输入场景中,所述装置例如具体可以包括:
第一语义理解单元301,用于对用户输入信息进行语义理解,获得所述用户输入信息的意图信息和各个槽位信息;
语义匹配单元302,用于对所述用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,确定各个候选广告信息;
推荐单元303,用于向用户推荐各个所述候选广告信息。
在本申请实施例一种可选的实施方式中,所述装置还包括:
第二语义理解单元,用于预先对所述广告库中每条所述广告信息的广告描述信息进行语义理解,获得每条所述广告描述信息的意图信息和各个槽位信息;
存储单元,用于将每条所述广告描述信息的意图信息、各个所述槽位信息与对应的广告描述信息、广告信息预先对应存储至所述广告库。
在本申请实施例一种可选的实施方式中,所述语义匹配单元302包括:
匹配查找子单元,用于基于所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行匹配查找,获得所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的每个槽位信息对应的广告描述信息集合;
交集运算处理子单元,用于基于所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的各个槽位信息对应的广告描述信息集合进行交集运算处理,获得广告描述信息交集;
第一确定子单元,用于基于所述广告描述信息交集确定各个所述候选广告信息。
在本申请实施例一种可选的实施方式中,所述语义匹配单元302包括:
语义向量获得子单元,用于将所述用户输入信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得所述用户输入信息的语义向量;将每条所述广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得每条所述广告描述信息的语义向量;
相似度获得子单元,用于基于所述用户输入信息的语义向量、每条所述广告描述信息的语义向量,获得每条所述广告描述信息的语义向量与所述用户输入信息的语义向量的相似度;
第二确定子单元,用于确定相似度大于等于预设相似度所对应的各条广告信息为各个所述候选广告信息。
在本申请实施例一种可选的实施方式中,所述装置还包括:
语义相似度获得单元,用于将所述用户输入信息的意图信息、各个槽位信息,以及每条所述候选广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义相似度模型,获得每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度;
第一排序单元,用于基于每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度,由高到低对各个所述候选广告信息进行排序,获得各个所述候选广告信息的排列顺序;
对应地,所述推荐单元303具体用于:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
在本申请实施例一种可选的实施方式中,所述装置还包括:
预估点击率获得单元,用于将所述用户输入信息、每条所述候选广告信息以及用户画像信息输入预先训练的广告点击率预估模型,获得每条所述候选广告信息的预估点击率;
第二排序单元,用于基于每条所述候选广告信息的预估点击率,由高到低对各个所述候选广告信息进行排序,获得各个所述候选广告信息的排列顺序;
对应地,所述推荐单元303具体用于:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
在本申请实施例一种可选的实施方式中,所述用户输入信息包括用户输入文本、用户输入语音或用户输入图像;
对应地,若所述用户输入信息为用户输入文本,所述第一语义理解单元301具体用于:
直接对用户输入文本进行语义理解,获得所述用户输入文本的语义信息;
若所述用户输入信息为用户输入语音,所述第一语义理解单元301包括:
第一转换子单元,用于将所述用户输入语音转换为用户输入文本;
第一语义理解子单元,用于对所述用户输入文本进行语义理解,获得所述用户输入语音的语义信息;
若所述用户输入信息为用户输入图像,所述第一语义理解单元301包括:
第二转换子单元,用于将所述用户输入图像转换为用户输入文本;
第二语义理解子单元,用于对所述用户输入文本进行语义理解,获得所述用户输入图像的语义信息。
通过本实施例提供的各种实施方式,首先,对用户输入信息进行语义理解,获得用户输入信息的意图信息和各个槽位信息;然后,对用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,确定各个候选广告信息;最后,向用户推荐各个候选广告信息。由此可见,只需要对用户输入信息和广告信息的广告描述信息进行语义理解,并通过语义匹配推荐与用户输入信息语义相关的广告信息;其中,广告描述信息仅仅是广告信息的简单描述,语义理解和语义匹配是较为轻量级的操作,且语义理解和语义匹配应用在即时通信场景中较为合适,从而使得该广告信息推荐的方法无需提供广告信息的关键词、广告创意,不涉及重量级的操作,极其适用于即时通信场景。
图4是根据一示例性实施例示出的一种用于广告信息推荐的装置400的框图。例如,装置400可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图4,装置400可以包括以下一个或多个组件:处理组件402,存储器404,电源组件406,多媒体组件408,音频组件410,输入/输出(I/O)的接口412,传感器组件414,以及通信组件416。
处理组件402通常控制装置400的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件402可以包括一个或多个模块,便于处理组件402和其他组件之间的交互。例如,处理部件402可以包括多媒体模块,以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在设备400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统,一个或多个电源,及其他与为装置400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相互关联的持续时间和压力。在一些实施例中,多媒体组件408包括一个前置摄像头和/或后置摄像头。当设备400处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件410被配置为输出和/或输入音频信号。例如,音频组件410包括一个麦克风(MIC),当装置400处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中,音频组件410还包括一个扬声器,用于输出音频信号。
I/O接口412为处理组件402和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件414包括一个或多个传感器,用于为装置400提供各个方面的状态评估。例如,传感器组件414可以检测到设备400的打开/关闭状态,组件的相对定位,例如所述组件为装置400的显示器和小键盘,传感器组件414还可以检测装置400或装置400一个组件的位置改变,用户与装置400接触的存在或不存在,装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件414还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件416还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子组件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器404,上述指令可由装置400的处理器420执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种广告信息推荐的方法,所述方法包括:
在即时通信场景中对用户输入信息进行语义理解,获得所述用户输入信息的意图信息和各个槽位信息;
对所述用户输入信息的意图信息、各个槽位信息,以及广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,确定各个候选广告信息;
向用户推荐各个所述候选广告信息。
图5是本申请实施例中服务器的结构示意图。该服务器500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)522(例如,一个或一个以上处理器)和存储器532,一个或一个以上存储应用程序542或数据544的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器532和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器522可以设置为与存储介质530通信,在服务器500上执行存储介质530中的一系列指令操作。
服务器500还可以包括一个或一个以上电源526,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口558,一个或一个以上键盘556,和/或,一个或一个以上操作系统541,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
本说明书中各个实施例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部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,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申请的范围。
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。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、物品或者设备中还存在另外的相同要素。
以上所述,仅是本申请的较佳实施例而已,并非对本申请作任何形式上的限制。虽然本申请已以较佳实施例揭露如上,然而并非用以限定本申请。任何熟悉本领域的技术人员,在不脱离本申请技术方案范围情况下,都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本申请技术方案的内容,依据本申请的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本申请技术方案保护的范围内。
需要说明的是,本申请所涉及的用户相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
Claims (13)
1.一种广告信息推荐的方法,应用于即时通信输入场景中,其特征在于,包括:
预先对广告库中每条广告信息的广告描述信息进行语义理解,获得每条广告描述信息的意图信息和各个槽位信息;
将每条广告描述信息的意图信息、各个槽位信息与对应的广告描述信息、广告信息预先对应存储至所述广告库;
对用户输入信息进行语义理解;
获得所述用户输入信息的意图信息和各个槽位信息;
对所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配;
确定各个候选广告信息;
向用户推荐各个所述候选广告信息;
其中,所述对所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,包括:基于所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行匹配查找;获得所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的每个槽位信息对应的广告描述信息集合;基于所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的各个槽位信息对应的广告描述信息集合进行交集运算处理;获得广告描述信息交集;
对应地,所述确定各个候选广告信息,具体为:基于所述广告描述信息交集确定各个所述候选广告信息;
或者,所述对所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,包括:将所述用户输入信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得所述用户输入信息的语义向量;将每条所述广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得每条所述广告描述信息的语义向量;基于所述用户输入信息的语义向量、每条所述广告描述信息的语义向量,获得每条所述广告描述信息的语义向量与所述用户输入信息的语义向量的相似度;
对应地,所述确定各个候选广告信息,具体为:确定相似度大于等于预设相似度所对应的各条广告信息为各个所述候选广告信息。
2.根据权利要求1所述的方法,其特征在于,在所述确定各个候选广告信息之后,还包括:
将所述用户输入信息的意图信息、各个槽位信息,以及每条所述候选广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义相似度模型;
获得每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度;
基于每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度,由高到低对各个所述候选广告信息进行排序;
获得各个所述候选广告信息的排列顺序;
对应地,所述向用户推荐各个所述候选广告信息,具体为:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
3.根据权利要求1所述的方法,其特征在于,在所述确定各个候选广告信息之后,还包括:
将所述用户输入信息、每条所述候选广告信息以及用户画像信息输入预先训练的广告点击率预估模型;
获得每条所述候选广告信息的预估点击率;
基于每条所述候选广告信息的预估点击率,由高到低对各个所述候选广告信息进行排序;
获得各个所述候选广告信息的排列顺序;
对应地,所述向用户推荐各个所述候选广告信息,具体为:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
4.根据权利要求1所述的方法,其特征在于,所述用户输入信息包括用户输入文本、用户输入语音或用户输入图像;
对应地,若所述用户输入信息为用户输入文本,所述对用户输入信息进行语义理解,具体为:
直接对所述用户输入文本进行语义理解;
若所述用户输入信息为用户输入语音,所述对用户输入信息进行语义理解,包括:
将所述用户输入语音转换为用户输入文本;
对所述用户输入文本进行语义理解;
若所述用户输入信息为用户输入图像,所述对用户输入信息进行语义理解,包括:
将所述用户输入图像转换为用户输入文本;
对所述用户输入文本进行语义理解。
5.一种广告信息推荐的装置,其特征在于,应用于即时通信输入场景中,包括:
第二语义理解单元,用于预先对广告库中每条广告信息的广告描述信息进行语义理解,获得每条广告描述信息的意图信息和各个槽位信息;
存储单元,用于将每条广告描述信息的意图信息、各个槽位信息与对应的广告描述信息、广告信息预先对应存储至所述广告库;
第一语义理解单元,用于对用户输入信息进行语义理解,获得所述用户输入信息的意图信息和各个槽位信息;
语义匹配单元,用于对所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,确定各个候选广告信息;
推荐单元,用于向用户推荐各个所述候选广告信息;
其中,所述语义匹配单元包括:
匹配查找子单元,用于基于所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行匹配查找,获得所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的每个槽位信息对应的广告描述信息集合;
交集运算处理子单元,用于基于所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的各个槽位信息对应的广告描述信息集合进行交集运算处理,获得广告描述信息交集;
第一确定子单元,用于基于所述广告描述信息交集确定各个所述候选广告信息;
或者,所述语义匹配单元包括:
语义向量获得子单元,用于将所述用户输入信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得所述用户输入信息的语义向量;将每条所述广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得每条所述广告描述信息的语义向量;
相似度获得子单元,用于基于所述用户输入信息的语义向量、每条所述广告描述信息的语义向量,获得每条所述广告描述信息的语义向量与所述用户输入信息的语义向量的相似度;
第二确定子单元,用于确定相似度大于等于预设相似度所对应的各条广告信息为各个所述候选广告信息。
6.根据权利要求5所述的装置,其特征在于,该装置还包括:
语义相似度获得单元,用于将所述用户输入信息的意图信息、各个槽位信息,以及每条所述候选广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义相似度模型,获得每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度;
第一排序单元,用于基于每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度,由高到低对各个所述候选广告信息进行排序,获得各个所述候选广告信息的排列顺序;
对应地,所述推荐单元具体用于:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
7.根据权利要求5所述的装置,其特征在于,该装置还包括:
预估点击率获得单元,用于将所述用户输入信息、每条所述候选广告信息以及用户画像信息输入预先训练的广告点击率预估模型,获得每条所述候选广告信息的预估点击率;
第二排序单元,用于基于每条所述候选广告信息的预估点击率,由高到低对各个所述候选广告信息进行排序,获得各个所述候选广告信息的排列顺序;
对应地,所述推荐单元具体用于:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
8.根据权利要求5所述的装置,其特征在于,所述用户输入信息包括用户输入文本、用户输入语音或用户输入图像;
对应地,若所述用户输入信息为用户输入文本,所述第一语义理解单元具体用于:
直接对用户输入文本进行语义理解,获得所述用户输入文本的语义信息;
若所述用户输入信息为用户输入语音,所述第一语义理解单元301包括:
第一转换子单元,用于将所述用户输入语音转换为用户输入文本;
第一语义理解子单元,用于对所述用户输入文本进行语义理解,获得所述用户输入语音的语义信息;
若所述用户输入信息为用户输入图像,所述第一语义理解单元301包括:
第二转换子单元,用于将所述用户输入图像转换为用户输入文本;
第二语义理解子单元,用于对所述用户输入文本进行语义理解,获得所述用户输入图像的语义信息。
9.一种用于广告信息推荐的装置,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
预先对广告库中每条广告信息的广告描述信息进行语义理解,获得每条广告描述信息的意图信息和各个槽位信息;
将每条广告描述信息的意图信息、各个槽位信息与对应的广告描述信息、广告信息预先对应存储至所述广告库;
对用户输入信息进行语义理解;
获得所述用户输入信息的意图信息和各个槽位信息;
对所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配;
确定各个候选广告信息;
向用户推荐各个所述候选广告信息;
其中,所述对所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,包括:基于所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行匹配查找;获得所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的每个槽位信息对应的广告描述信息集合;基于所述用户输入信息的意图信息对应的广告描述信息集合、所述用户输入信息的各个槽位信息对应的广告描述信息集合进行交集运算处理;获得广告描述信息交集;
对应地,所述确定各个候选广告信息,具体为:基于所述广告描述信息交集确定各个所述候选广告信息;
或者,所述对所述用户输入信息的意图信息、各个槽位信息,以及所述广告库中各条广告信息的广告描述信息的意图信息、各个槽位信息进行语义匹配,包括:将所述用户输入信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得所述用户输入信息的语义向量;将每条所述广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义向量模型,获得每条所述广告描述信息的语义向量;基于所述用户输入信息的语义向量、每条所述广告描述信息的语义向量,获得每条所述广告描述信息的语义向量与所述用户输入信息的语义向量的相似度;
对应地,所述确定各个候选广告信息,具体为:确定相似度大于等于预设相似度所对应的各条广告信息为各个所述候选广告信息。
10.根据权利要求9所述的装置,其特征在于,所述装置还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
将所述用户输入信息的意图信息、各个槽位信息,以及每条所述候选广告信息的广告描述信息的意图信息、各个槽位信息输入预先训练的语义相似度模型;
获得每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度;
基于每条所述候选广告信息的广告描述信息与所述用户输入信息的语义相似度,由高到低对各个所述候选广告信息进行排序;
获得各个所述候选广告信息的排列顺序;
对应地,所述向用户推荐各个所述候选广告信息,具体为:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
11.根据权利要求9所述的装置,其特征在于,所述装置还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
将所述用户输入信息、每条所述候选广告信息以及用户画像信息输入预先训练的广告点击率预估模型;
获得每条所述候选广告信息的预估点击率;
基于每条所述候选广告信息的预估点击率,由高到低对各个所述候选广告信息进行排序;
获得各个所述候选广告信息的排列顺序;
对应地,所述向用户推荐各个所述候选广告信息,具体为:
按照各个所述候选广告信息的排列顺序,向所述用户推荐各个所述候选广告信息;或者,
基于各个所述候选广告信息的排列顺序,选取前N个候选广告信息作为目标广告信息,向所述用户推荐所述目标广告信息;N为正整数,N小于各个所述候选广告信息的总数量。
12.根据权利要求9所述的装置,其特征在于,所述用户输入信息包括用户输入文本、用户输入语音或用户输入图像;
对应地,若所述用户输入信息为用户输入文本,所述对用户输入信息进行语义理解,具体为:
直接对所述用户输入文本进行语义理解;
若所述用户输入信息为用户输入语音,所述对用户输入信息进行语义理解,包括:
将所述用户输入语音转换为用户输入文本;
对所述用户输入文本进行语义理解;
若所述用户输入信息为用户输入图像,所述对用户输入信息进行语义理解,包括:
将所述用户输入图像转换为用户输入文本;
对所述用户输入文本进行语义理解。
13.一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如权利要求1至4中任一项所述的广告信息推荐的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011401741.2A CN112465555B (zh) | 2020-12-04 | 2020-12-04 | 一种广告信息推荐的方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011401741.2A CN112465555B (zh) | 2020-12-04 | 2020-12-04 | 一种广告信息推荐的方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112465555A CN112465555A (zh) | 2021-03-09 |
CN112465555B true CN112465555B (zh) | 2024-05-14 |
Family
ID=74806120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011401741.2A Active CN112465555B (zh) | 2020-12-04 | 2020-12-04 | 一种广告信息推荐的方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465555B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399329A (zh) * | 2021-12-22 | 2022-04-26 | 江苏沪磁智能科技有限公司 | 一种数字广告交易投放方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871500A (zh) * | 2017-11-16 | 2018-04-03 | 百度在线网络技术(北京)有限公司 | 一种播放多媒体的方法和装置 |
CN108280689A (zh) * | 2018-01-30 | 2018-07-13 | 浙江省公众信息产业有限公司 | 基于搜索引擎的广告投放方法、装置以及搜索引擎系统 |
CN109087135A (zh) * | 2018-07-25 | 2018-12-25 | 百度在线网络技术(北京)有限公司 | 用户意图的挖掘方法及装置、计算机设备及可读介质 |
WO2019227560A1 (zh) * | 2018-05-29 | 2019-12-05 | 科大讯飞股份有限公司 | 信息推荐方法、装置、系统、设备及可读存储介质 |
CN110717017A (zh) * | 2019-10-17 | 2020-01-21 | 腾讯科技(深圳)有限公司 | 一种处理语料的方法 |
CN111310056A (zh) * | 2020-03-11 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置、设备及存储介质 |
WO2020143844A1 (zh) * | 2019-01-10 | 2020-07-16 | 深圳Tcl新技术有限公司 | 意图分析方法、装置、显示终端及计算机可读存储介质 |
CN111444428A (zh) * | 2020-03-27 | 2020-07-24 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 |
CN111597413A (zh) * | 2020-05-14 | 2020-08-28 | 上海携程商务有限公司 | 信息推送方法、系统、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090919B (zh) * | 2014-06-16 | 2017-04-19 | 华为技术有限公司 | 推荐广告的方法及广告推荐服务器 |
US20170140429A1 (en) * | 2015-11-12 | 2017-05-18 | Yahoo! Inc. | Method and system for providing advertisements based on semantic representations |
-
2020
- 2020-12-04 CN CN202011401741.2A patent/CN112465555B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871500A (zh) * | 2017-11-16 | 2018-04-03 | 百度在线网络技术(北京)有限公司 | 一种播放多媒体的方法和装置 |
CN108280689A (zh) * | 2018-01-30 | 2018-07-13 | 浙江省公众信息产业有限公司 | 基于搜索引擎的广告投放方法、装置以及搜索引擎系统 |
WO2019227560A1 (zh) * | 2018-05-29 | 2019-12-05 | 科大讯飞股份有限公司 | 信息推荐方法、装置、系统、设备及可读存储介质 |
CN109087135A (zh) * | 2018-07-25 | 2018-12-25 | 百度在线网络技术(北京)有限公司 | 用户意图的挖掘方法及装置、计算机设备及可读介质 |
WO2020143844A1 (zh) * | 2019-01-10 | 2020-07-16 | 深圳Tcl新技术有限公司 | 意图分析方法、装置、显示终端及计算机可读存储介质 |
CN110717017A (zh) * | 2019-10-17 | 2020-01-21 | 腾讯科技(深圳)有限公司 | 一种处理语料的方法 |
CN111310056A (zh) * | 2020-03-11 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置、设备及存储介质 |
CN111444428A (zh) * | 2020-03-27 | 2020-07-24 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 |
CN111597413A (zh) * | 2020-05-14 | 2020-08-28 | 上海携程商务有限公司 | 信息推送方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112465555A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3852044A1 (en) | Method and device for commenting on multimedia resource | |
CN108227950B (zh) | 一种输入方法和装置 | |
CN111638832A (zh) | 信息展示方法、装置、系统、电子设备及存储介质 | |
CN110598098A (zh) | 一种信息推荐方法、装置和用于信息推荐的装置 | |
CN110222256B (zh) | 一种信息推荐方法、装置和用于信息推荐的装置 | |
CN112508612B (zh) | 训练广告创意生成模型、生成广告创意的方法及相关装置 | |
CN106815291B (zh) | 搜索结果项展现方法、装置和用于搜索结果项展现的装置 | |
CN110764627B (zh) | 一种输入方法、装置和电子设备 | |
CN111369271A (zh) | 一种广告的排序方法、装置、电子设备及存储介质 | |
CN112068711A (zh) | 一种输入法的信息推荐方法、装置和电子设备 | |
CN107506441B (zh) | 一种数据排列方法、装置、电子设备以及存储介质 | |
CN110633391B (zh) | 一种信息搜索方法及装置 | |
CN108717403B (zh) | 一种处理方法、装置和用于处理的装置 | |
CN112465555B (zh) | 一种广告信息推荐的方法及相关装置 | |
CN112685641B (zh) | 一种信息处理方法及装置 | |
CN112784151B (zh) | 一种确定推荐信息的方法及相关装置 | |
CN111240497A (zh) | 一种通过输入法进行输入的方法、装置和电子设备 | |
CN111597431A (zh) | 一种推荐方法、装置和电子设备 | |
CN110110078B (zh) | 数据处理方法和装置、用于数据处理的装置 | |
CN111831132A (zh) | 一种信息推荐方法、装置和电子设备 | |
CN107301188B (zh) | 一种获取用户兴趣的方法及电子设备 | |
CN114493747A (zh) | 基于数据对象的互动方法及电子设备 | |
CN111382367B (zh) | 一种搜索结果排序方法和装置 | |
CN113409766A (zh) | 一种识别方法、装置、用于识别的装置及语音合成方法 | |
CN112363631A (zh) | 一种输入方法、装置及用于输入的装置 |
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 |