CN112541120A - 推荐评论生成方法、装置、设备、介质和计算机程序产品 - Google Patents

Abstract

本公开提供了一种推荐评论生成方法、装置、设备、介质和计算机程序产品，涉及人工智能技术领域，具体涉及大数据和智能推荐技术领域。实现方案为：根据待评论媒体的标签，离线生成待评论媒体的语料素材库；响应于接收到表明用户参与媒体互动的指令，在线执行如下步骤：根据用户特征和语料素材库中的语料素材的使用记录，从语料素材库中筛选出语料素材列表；从语料素材列表中抽取语料素材，作为推荐评论的推荐语料素材；至少部分地基于推荐语料素材生成推荐评论。

Description

推荐评论生成方法、装置、设备、介质和计算机程序产品

技术领域

本公开涉及人工智能技术领域，具体涉及大数据和智能推荐技术领域。具体地，本公开提供了一种推荐评论生成方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

随着互联网的发展，越来越多的用户选择在多媒体平台上观看或收听媒体(例如，视频或音频)。目前，用户可以以多种形式参与媒体互动，例如，点赞、收藏、发表评论、发送弹幕等。

现有的互动形式可以分为以下两种：

1)无评论内容的互动(例如，点赞或收藏)，对于无评论内容的互动，用户操作成本低，但是互动氛围感较弱；

2)有评论内容的互动(例如，发表评论或发送弹幕)，对于有评论内容的互动，互动氛围感较强，但是用户操作成本高。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种推荐评论生成方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种推荐评论生成方法，包括：根据待评论媒体的标签，离线生成待评论媒体的语料素材库；响应于接收到表明用户参与媒体互动的指令，在线执行如下步骤：根据用户特征和语料素材库中的语料素材的使用记录，从语料素材库中筛选出语料素材列表；从语料素材列表中抽取语料素材，作为推荐评论的推荐语料素材；至少部分地基于推荐语料素材生成推荐评论。

根据本公开的另一方面，提供了一种推荐评论生成装置，包括：离线生成模块，被配置为根据待评论媒体的标签，离线生成待评论媒体的语料素材库；在线生成模块，被配置为响应于接收到表明用户参与媒体互动的指令，在线执行如下步骤：根据用户特征和语料素材库中的语料素材的使用记录，从语料素材库中筛选出语料素材列表；从语料素材列表中抽取语料素材，作为推荐评论的推荐语料素材；至少部分地基于推荐语料素材生成推荐评论。

根据本公开的又一方面，提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上的计算机程序，其中，处理器被配置为执行计算机程序以实现如本公开中所述的方法的步骤。

根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如本公开中所述的方法。

根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序被处理器执行时实现如本公开中所述的方法的步骤。

根据本公开的一个或多个实施例，可以降低用户参与互动的操作成本、确保了互动氛围感较强。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的推荐评论生成方法的流程图；

图3示出了根据本公开的实施例的在图2的方法中在线生成推荐评论的示例过程的流程图；

图4示出了根据本公开的实施例的在图2的方法中离线生成待评论媒体的语料素材库的示例过程的流程图；

图5示出了根据本公开的实施例的在图4的过程中筛选出总语料素材库中与待评论媒体匹配的语料素材的示例操作的流程图；

图6示出了根据本公开的实施例的在图2的方法中离线生成待评论媒体的语料素材库的另一示例过程的流程图；

图7示出了根据本公开的实施例的在图2的方法中在线生成推荐评论的示例过程的流程图；

图8A-8D示出了根据本公开的实施例的在生成推荐评论的过程中在客户端处显示的用户界面的示意图；

图9示出了根据本公开的实施例的推荐评论生成装置的结构框图；

图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

为解决现有技术中的上述问题，本公开基于大数据技术中的用户画像技术，建立用户的多个特征标签，实现从多个方面描绘用户(例如，性别、年龄段、职业、学历、兴趣爱好、收入状况、工作状况、常驻地点等)，使得可以基于用户特征为其生成个性化定制的推荐评论，并提供了以下智能推荐的技术方案。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行对待评论媒体生成推荐评论的方法的一个或多个服务或软件应用。将理解的是，这不是限制性的，在某些实施例中，客户端设备101、102、103、104、105和106可以具有足够的存储和计算资源以至于它们也能够执行对待评论媒体生成推荐评论的方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来对所观看或收听的媒体进行评论，例如，利用所生成的推荐评论来参与该媒体的互动。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如Microsoft Windows、AppleiOS、类UNIX操作系统、Linux或类Linux操作系统(例如Google Chrome OS)；或包括各种移动操作系统，例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

根据本公开的示例性实施例，本公开提供了一种推荐评论生成方法，包括：根据待评论媒体的标签，离线生成待评论媒体的语料素材库；响应于接收到表明用户参与媒体互动的指令，在线执行如下步骤：根据用户特征和语料素材库中的语料素材的使用记录，从语料素材库中筛选出语料素材列表；从语料素材列表中抽取语料素材，作为推荐评论的推荐语料素材；至少部分地基于推荐语料素材生成推荐评论。

图2示出了根据本公开的实施例的推荐评论生成方法200的流程图。

在步骤S201中，根据待评论媒体的标签，离线生成待评论媒体的语料素材库。

根据一些实施例，待评论媒体可以是视频，例如，影视剧、电影、生活视频等；根据另一些实施例，待评论媒体可以是音频，例如，歌曲、有声书等。根据一些实施例，待评论媒体可以具有各种时长长度，例如，待评论媒体可以是时长小于等于5分钟的短时长媒体、时长大于30分钟的长时长媒体或时长在5-30分钟范围内的中等时长媒体。

根据一些实施例，待评论媒体的标签的类型可以是媒体类型。根据一些实施例，类型为媒体类型的标签可以是基于媒体内容理解而生成的标签，例如，对于某一歌曲，可以通过其旋律判断其属于流行音乐，并相应地为该歌曲添加“流行音乐”的标签。根据另一些实施例，类型为媒体类型的标签也可以是人为设定的标签，例如，用户在上传媒体时选择的标签，或者，媒体库管理方在审核媒体时选择的标签。

根据另一些实施例，待评论媒体的标签的类型可以是媒体语义。根据一些实施例，可以基于媒体的声音信息进行语义分析，例如，对于某一歌手选秀比赛的视频，可以从该视频中提取主持人对歌手的介绍词、歌手所演唱的歌曲的歌词，从而生成标签(例如，“新秀”、“北京人”、“滚滚长江东逝水”、“浪花淘尽英雄”、“是非成败转头空”等)。根据另一些实施例，可以基于媒体的文字信息(例如，歌词、字幕等)进行语义分析，例如，可以识别用户在视频画面中添加的字幕，从而生成标签(例如，“相亲相爱一家人”、“我家宠物”等)。

根据一些实施例，可以对待评论媒体的全部内容进行语义分析，例如，对于短时长视频，对其全部时长的内容进行语义分析以尽可能地挖掘其信息。根据另一些实施例，可以对待评论媒体的部分时长的内容进行语义分析，例如，对于长时长或者中等时长的媒体，可以抽取其中的关键片段进行分析(例如，对于影视剧，仅分析其开头、结尾等关键片段)。

根据一些实施例，根据待评论媒体的标签而生成待评论媒体的语料素材库包括：根据待评论媒体的标签，筛选出总语料素材库中与待评论媒体匹配的语料素材；或者，根据已匹配到的语料素材，进一步生成待评论媒体的语料素材。

根据一些实施例，离线生成待评论媒体的语料素材库包括：预先在服务器端(例如，图1中的服务器120)为媒体库中的媒体生成语料素材库。

在步骤S203中，响应于接收到表明用户参与媒体互动的指令，在线生成推荐评论。

根据一些实施例，用户可以在客户端(例如，图1中的客户端设备101、102、103、104、105或106)输入参加媒体互动的指令(例如，用户点击客户端界面上的“一键评论”按钮)，而客户端将该表明用户参与媒体互动的指令发送到服务器(例如，图1中的服务器120)。

根据一些实施例，如图3所示，响应于接收到表明用户参与媒体互动的指令，在线生成推荐评论(步骤S203)包括：响应于接收到表明用户参与媒体互动的指令，根据用户特征和语料素材库中的语料素材的使用记录，从语料素材库中筛选出语料素材列表(步骤S301)；从语料素材列表中抽取语料素材，作为推荐评论的推荐语料素材(步骤S303)；至少部分地基于推荐语料素材生成推荐评论(步骤S305)。

根据一些实施例，用户特征可以是根据用户的操作历史所生成的用户画像的特征。根据另一些实施例，用户特征可以是根据用户所填写的个人资料所提取的特征。根据一些实施例，用户特征可以包括年龄、性别和职业等特征。

根据一些实施例，待评论媒体的语料素材库中的语料素材的使用记录可以是每条语料素材被用于生成针对该待评论媒体的评论的历史记录，例如，每条语料素材最后一次被用于生成评论的时间。

根据一些实施例，在根据用户特征和语料素材库中的语料素材的使用记录，从语料素材库中筛选出语料素材列表的过程中，可以筛选出与用户特征较为匹配且最近未被使用的语料素材，使得最终生成的推荐评论更符合用户特征，且避免了短时间内出现大量相同或相似的评论，确保为用户提供个性化定制的推荐评论。

根据一些实施例，从语料素材列表中抽取语料素材可以是从语料素材列表中随机抽取一条语料素材。

根据一些实施例，至少部分地基于推荐语料素材生成推荐评论可以是直接将推荐语料素材作为推荐的文本评论。根据另一些实施例，至少部分地基于推荐语料素材生成推荐评论可以是基于推荐语料素材和其他类型的素材而生成推荐评论，例如，基于推荐语料素材和图像素材生成推荐的图文评论。

在本公开所提供的推荐评论生成方法中，由于为用户生成个性化定制的推荐评论，在降低用户参与互动的操作成本的同时，也确保了互动氛围感较强；由于离线生成待评论媒体的语料素材库，而在在线生成推荐评论的过程中仅需要从已生成的语料素材库中选取语料素材，从而降低了在线生成推荐评论的在线计算量，也缩短了开发周期。

根据一些实施例，根据待评论媒体的标签，离线生成待评论媒体的语料素材库包括：根据待评论媒体的标签，筛选出总语料素材库中与待评论媒体匹配的语料素材；将筛选出的语料素材加入待评论媒体的语料素材库。

图4示出了根据本公开的实施例的在图2的方法中离线生成待评论媒体的语料素材库(步骤S201)的示例过程的流程图。

在步骤S401中，根据待评论媒体的标签，筛选出总语料素材库中与待评论媒体匹配的语料素材。

根据一些实施例，根据待评论媒体的标签，筛选出总语料素材库中与待评论媒体匹配的语料素材包括：对于总语料素材库中的每条语料素材：计算该语料素材与待评论媒体的每个标签的匹配度；对待评论媒体的所有标签对应的匹配度进行加权计算，得到该语料素材与待评论媒体的匹配度，其中，待评论媒体的标签的权重取决于该标签的类型；根据总语料素材库中的各条语料素材与待评论媒体各自的匹配度，选择各条语料素材的子集作为与待评论媒体匹配的语料素材。

根据一些实施例，可以预先生成总语料素材库，例如，可以收集经典古诗词、现代诗歌，并且提取每首诗词或诗歌中的片段，作为总语料素材库中的语料素材。

图5示出了根据本公开的实施例的在图4的过程中筛选出总语料素材库中与待评论媒体匹配的语料素材(步骤S401)的示例操作的流程图。

在步骤S501中，计算该语料素材与待评论媒体的每个标签的匹配度。

根据一些实施例，可以通过预先设定的模型(例如，神经网络模型)来计算语料素材与待评论媒体的某条标签的匹配度。

在步骤S503中，对待评论媒体的所有标签对应的匹配度进行加权计算，得到该语料素材与待评论媒体的匹配度。

根据一些实施例，在对待评论媒体的所有标签对应的匹配度进行的加权计算中，待评论媒体的标签的权重取决于该标签的类型。例如，可以将较重要的类型的标签的权重设置得较大，而将较不重要的类型的标签的权重设置得较小。

根据一些实施例，类型为媒体类型的标签具有第一权重，类型为媒体语义的标签具有第二权重，其中，第一权重大于第二权重，例如，类型为媒体类型的标签的权重可以是类型为媒体语义的标签的权重的10倍。

在步骤S505中，根据总语料素材库中的各条语料素材与待评论媒体各自的匹配度，选择各条语料素材的子集作为与待评论媒体匹配的语料素材。

根据一些实施例，根据总语料素材库中的各条语料素材与待评论媒体各自的匹配度，选择各条语料素材的子集作为与待评论媒体匹配的语料素材，包括：确定总语料素材库中匹配度大于匹配度阈值的语料素材的数量；响应于匹配度大于匹配度阈值的语料素材的数量大于预定数目，从匹配度大于匹配度阈值的语料素材中选择匹配度靠前的预定数目个语料素材，作为与待评论媒体匹配的语料素材。

根据另一些实施例，根据总语料素材库中的各条语料素材与待评论媒体各自的匹配度，选择各条语料素材的子集作为与待评论媒体匹配的语料素材，还包括：响应于匹配度大于匹配度阈值的语料素材的数量小于或等于预定数目，选择全部匹配度大于匹配度阈值的语料素材，作为与待评论媒体匹配的语料素材。

在步骤S403中，将筛选出的语料素材加入待评论媒体的语料素材库。

根据另一些实施例，根据待评论媒体的标签，离线生成待评论媒体的语料素材库包括：根据待评论媒体的标签，筛选出总语料素材库中与待评论媒体匹配的语料素材；对于每条筛选出的语料素材，将该语料素材作为待评论媒体的对应语料素材的第一部分，并且根据该语料素材生成待评论媒体的对应语料素材的第二部分；将所有对应语料素材加入待评论媒体的语料素材库。

图6示出了根据本公开的实施例的在图2的方法中离线生成待评论媒体的语料素材库(步骤S201)的另一示例过程的流程图。

在步骤S601中，根据待评论媒体的标签，筛选出总语料素材库中与待评论媒体匹配的语料素材。根据一些实施例，步骤S601可以实施为与上文参考图4所描述的步骤S401类似。

在步骤S603中，对于每条筛选出的语料素材，将该语料素材作为待评论媒体的对应语料素材的第一部分，并且根据该语料素材生成待评论媒体的对应语料素材的第二部分。

例如，对于筛选出的语料素材“系舟无奈北风何，遣闷还应一放歌。”，将其作为待评论媒体的对应语料素材的第一部分，并且基于该语料素材生成“世事纷纷何足较，人生扰扰不须多。”，作为待评论媒体的对应语料素材的第二部分，相应地，所生成地完整的待评论媒体的对应语料素材为“系舟无奈北风何，遣梦还应一放歌。世事纷纷何足较，人生扰扰不须多。”。

根据一些实施例，通过预先训练的神经网络模型，基于待评论媒体的对应语料素材的第一部分而生成待评论媒体的对应语料素材的第二部分。

在步骤S605中，将筛选出的语料素材加入待评论媒体的语料素材库。

在参考图5所描述的根据待评论媒体的标签离线生成待评论媒体的语料素材库的方法中，由于待评论媒体的语料素材的第一部分来自于与其匹配的总语料库中的语料素材，而第二部分是基于该总语料库中的语料素材所生成的，因此，既保证了待评论媒体的语料素材与该视频的关联性，又保证了待评论媒体的语料素材的原创性。

根据一些实施例，根据待评论媒体的标签，离线生成待评论媒体的语料素材库，还包括：响应于确定待评论媒体的语料素材库中的语料素材的第二部分不符合预定要求，将该语料素材从待评论媒体的语料素材库中移除。通过审核所生成的待评论媒体的语料素材的第二部分，提高了待评论媒体的语料素材的可靠性。

根据一些实施例，根据用户特征和语料素材库中的语料素材的使用记录，从语料素材库中筛选出语料素材列表，包括：按照用户特征，从待评论媒体的语料素材库中初步筛选出符合用户特征的语料素材；对于初步筛选出的语料素材，舍弃在过去时间段内已使用过的预定舍弃数目的语料素材，并且，保留初步筛选出的语料素材中的剩余语料素材作为语料素材列表。

根据一些实施例，按照语料素材最后一次被用于生成该待评论媒体的评论的时间对语料素材库中的语料素材进行排序，其中，某一语料素材最后一次被使用时间越接近目前时间，则该语料素材排的越靠前，在完成排序后，舍弃前预定舍弃数目的语料素材。

根据一些实施例，预定舍弃数目取决于初步筛选出的语料素材的数量，例如，预定舍弃数目为初步筛选出的语料素材的数量的一半。

根据一些实施例，推荐评论生成方法还包括：根据用户特征和用于待评论媒体的图像素材的使用记录，从图像素材库中筛选出图像素材列表；从图像素材列表中抽取图像素材，作为推荐评论的推荐图像素材，其中，至少部分地基于推荐语料素材生成推荐评论包括：基于推荐语料素材和推荐图像素材，生成推荐评论的图文素材。

图7示出了根据本公开的实施例的在图2的方法中在线生成推荐评论(步骤S203)的示例过程的流程图。

在步骤S701中，响应于接收到表明用户参与媒体互动的指令，根据用户特征和语料素材库中的语料素材的使用记录，从语料素材库中筛选出语料素材列表。根据一些实施例，步骤S701例如可以被实施为与图3中的步骤S301类似。

在步骤S703中，根据用户特征和用于待评论媒体的图像素材的使用记录，从图像素材库中筛选出图像素材列表。

根据一些实施例，与上面对筛选语料素材列表类似，按照用户特征，从图像素材库中初步筛选出符合用户特征的图像素材；对于初步筛选出的图像素材，舍弃使用时间靠近目前时间的预定舍弃数目的图像素材，并且，保留初步筛选出的图像素材中的剩余图像素材作为图像素材列表。

在步骤S705中，从语料素材列表中抽取语料素材，作为推荐评论的推荐语料素材。根据一些实施例，步骤S705例如可以被实施为与图3中的步骤S303类似。

在步骤S707中，从图像素材列表中抽取图像素材，作为推荐评论的推荐图像素材。

在步骤S709中，基于推荐语料素材和推荐图像素材，生成推荐评论的图文素材。

在实际应用中，用户可能对初次生成的推荐评论不满意，而希望重新生成推荐评论，例如，用户可以选择完全重新生成推荐评论(即，更换语料素材和图像素材)，或者用户可以部分更新推荐评论，例如，更换语料素材或图像素材；用户还可以对推荐评论中的语料素材进行编辑。

根据一些实施例，推荐评论生成方法还包括：响应于接收到重新生成推荐评论的指令，从语料素材列表和图像素材列表分别重新抽取推荐语料素材和推荐图像素材；基于重新抽取的推荐语料素材和推荐图像素材，重新生成推荐评论的图文素材。

根据一些实施例，推荐评论生成方法还包括：响应于接收到重新抽取语料素材的指令，从语料素材列表中重新抽取推荐语料素材；并且基于重新抽取的推荐语料素材和原有的推荐图像素材生成推荐评论的图文素材。

根据一些实施例，推荐评论生成方法还包括：响应于接收到重新抽取图像素材的指令，从图像素材列表中重新抽取推荐图像素材；并且基于原有的推荐语料素材和重新抽取的推荐图像素材生成推荐图文素材。

根据一些实施例，推荐评论生成方法还包括：响应于接收到修改语料素材的指令，生成修改后的语料素材；响应于确定修改后的语料素材符合预定要求，基于修改后的语料素材和原有的推荐图像素材生成修改后的图文素材。

图8A-8D示出了根据本公开的实施例的生成推荐评论的显示示意图。

当用户在观看或收听某一媒体时，如图8A所示，客户端(例如，图1中的设备101、102、103、104、105或106)的显示界面800包括待评论媒体内容801和评论版块802，其中，评论版块802包括已有评论区域8021和用户评论输入区域8022。当用户希望生成推荐评论时，点击用户评论输入区域8022中的“一键评论”按钮，此时，客户端向服务器(例如，图1中的服务器120)发送表明用户参与媒体互动的指令。

在服务器生成推荐评论后，将该推荐评论发送到客户端，供客户审阅。此时，如图8B所示，除了待评论媒体内容801，客户端的显示界面800还包括预生成推荐评论803，其中，预生成推荐评论803包括推荐评论内容，例如，用户头像8031、评论基本信息8032(例如，用户ID、评论发布时间)、推荐语料素材8033，还包括供客户选择是否发布该推荐评论的按钮，例如，确认发布按钮8034、取消发布按钮8035。根据一些实施例，当推荐评论为图文评论时，可以将如参考图7所描述的所抽取的推荐图片素材作为推荐评论的背景图片；根据另一些实施例，当推荐评论为文字评论时，不为推荐评论设置背景图片。

在用户选择发布该推荐评论后，用户可以看到已发布的评论。此时，如图8C所示，除了待评论媒体内容801，客户端的显示界面800还包括已发布评论804、用户评论输入区域805。已发布评论804包括预生成推荐评论中的评论内容，例如，用户头像8041、评论基本信息8042(例如，用户ID、评论发布时间)、推荐语料素材8043等。用户还可以通过用户评论输入区域805继续输入用户原创评论。

在用户选择发布该推荐评论后，还可以基于推荐评论生成具有媒体链接信息的推荐图片，供用户分享到社交媒体上。此时，如图8D所示，客户端的显示界面800包括已发布评论804和与该评论相关联的媒体的信息806。与图8C类似，已发布评论804包括用户头像8041、评论基本信息8042(例如，用户ID、评论发布时间)、推荐语料素材8043等。与该评论相关联的媒体的信息806包括媒体链接信息8061(例如，二维码)、媒体标题信息8062。

图9示出了根据本公开的实施例的推荐评论生成装置900的结构框图。

根据一些实施例，如图9所示，推荐评论生成装置900包括离线生成模块901和在线生成模块902。离线生成模块901被配置为根据待评论媒体的标签，离线生成待评论媒体的语料素材库。在线生成模块902被配置为响应于接收到表明用户参与媒体互动的指令，在线执行如下步骤：根据用户特征和语料素材库中的语料素材的使用记录，从语料素材库中筛选出语料素材列表；从语料素材列表中抽取语料素材，作为推荐评论的推荐语料素材；至少部分地基于推荐语料素材生成推荐评论。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图10，现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向设备1000输入信息的任何类型的设备，输入单元1006可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1007可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如方法200及其各种变型。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM1003并由计算单元1001执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (19)

1.一种推荐评论生成方法，包括：

根据待评论媒体的标签，离线生成所述待评论媒体的语料素材库；

响应于接收到表明用户参与媒体互动的指令，在线执行如下步骤：

根据用户特征和所述语料素材库中的语料素材的使用记录，从所述语料素材库中筛选出语料素材列表；

从所述语料素材列表中抽取语料素材，作为所述推荐评论的推荐语料素材；

至少部分地基于所述推荐语料素材生成所述推荐评论。

2.如权利要求1所述的推荐评论生成方法，其中，所述根据待评论媒体的标签，离线生成所述待评论媒体的语料素材库，包括：

根据所述待评论媒体的标签，筛选出总语料素材库中与所述待评论媒体匹配的语料素材；

将筛选出的所述语料素材加入所述待评论媒体的语料素材库。

3.如权利要求1所述的推荐评论生成方法，其中，所述根据待评论媒体的标签，离线生成所述待评论媒体的语料素材库，包括：

根据所述待评论媒体的标签，筛选出总语料素材库中与所述待评论媒体匹配的语料素材；

对于每条筛选出的语料素材，将该语料素材作为所述待评论媒体的对应语料素材的第一部分，并且根据该语料素材生成所述待评论媒体的对应语料素材的第二部分；

将所有对应语料素材加入所述待评论媒体的语料素材库。

4.如权利要求3所述的推荐评论生成方法，其中，所述根据待评论媒体的标签，离线生成所述待评论媒体的语料素材库，还包括：

响应于确定所述待评论媒体的语料素材库中的语料素材的第二部分不符合预定要求，将该语料素材从所述待评论媒体的语料素材库中移除。

5.如权利要求2或3所述的推荐评论生成方法，其中，所述根据所述待评论媒体的标签，筛选出总语料素材库中与所述待评论媒体匹配的语料素材包括：

对于所述总语料素材库中的每条语料素材：

计算该语料素材与所述待评论媒体的每个标签的匹配度；

对所述待评论媒体的所有标签对应的匹配度进行加权计算，得到该语料素材与所述待评论媒体的匹配度，其中，所述待评论媒体的标签的权重取决于该标签的类型；

根据所述总语料素材库中的各条语料素材与所述待评论媒体各自的匹配度，选择所述各条语料素材的子集作为与所述待评论媒体匹配的语料素材。

6.如权利要求5所述的推荐评论生成方法，其中，类型为媒体类型的标签具有第一权重，类型为媒体语义的标签具有第二权重，其中，第一权重大于第二权重。

7.如权利要求5所述的推荐评论生成方法，其中，所述根据所述总语料素材库中的各条语料素材与所述待评论媒体各自的匹配度，选择所述各条语料素材的子集作为与所述待评论媒体匹配的语料素材，包括：

确定所述总语料素材库中匹配度大于匹配度阈值的语料素材的数量；

响应于所述匹配度大于匹配度阈值的语料素材的数量大于预定数目，从所述匹配度大于匹配度阈值的语料素材中选择所述匹配度靠前的预定数目个语料素材，作为与所述待评论媒体匹配的语料素材。

8.如权利要求5所述的推荐评论生成方法，其中，所述根据所述总语料素材库中的各条语料素材与所述待评论媒体各自的匹配度，选择所述各条语料素材的子集作为与所述待评论媒体匹配的语料素材，还包括：

响应于所述匹配度大于匹配度阈值的语料素材的数量小于或等于所述预定数目，选择全部所述匹配度大于匹配度阈值的语料素材，作为与所述待评论媒体匹配的语料素材。

9.如权利要求1-4中任一项所述的推荐评论生成方法，其中，所述根据用户特征和所述语料素材库中的语料素材的使用记录，从所述语料素材库中筛选出语料素材列表，包括：

按照所述用户特征，从所述待评论媒体的语料素材库中初步筛选出符合所述用户特征的语料素材；

对于初步筛选出的所述语料素材，舍弃在过去时间段内已使用过的预定舍弃数目的语料素材，并且，保留初步筛选出的所述语料素材中的剩余语料素材作为所述语料素材列表。

10.如权利要求9所述的推荐评论生成方法，其中，预定舍弃数目取决于所述初步筛选出的语料素材的数量。

11.如权利要求9所述的推荐评论生成方法，还包括：

根据所述用户特征和用于所述待评论媒体的图像素材的使用记录，从图像素材库中筛选出图像素材列表；

从所述图像素材列表中抽取图像素材，作为所述推荐评论的推荐图像素材，

其中，所述至少部分地基于所述推荐语料素材生成所述推荐评论包括：

基于所述推荐语料素材和所述推荐图像素材，生成所述推荐评论的图文素材。

12.如权利要求11所述的推荐评论生成方法，还包括：

响应于接收到重新生成推荐评论的指令，从所述语料素材列表和所述图像素材列表分别重新抽取所述推荐语料素材和所述推荐图像素材；

基于重新抽取的所述推荐语料素材和所述推荐图像素材，重新生成所述推荐评论的图文素材。

13.如权利要求11所述的推荐评论生成方法，还包括：

响应于接收到重新抽取语料素材的指令，从所述语料素材列表中重新抽取所述推荐语料素材；并且

基于重新抽取的所述推荐语料素材和原有的所述推荐图像素材生成所述推荐评论的图文素材。

14.如权利要求11所述的推荐评论生成方法，还包括：

响应于接收到重新抽取图像素材的指令，从所述图像素材列表中重新抽取所述推荐图像素材；并且

基于原有的所述推荐语料素材和重新抽取的所述推荐图像素材生成所述推荐图文素材。

15.如权利要求11所述的推荐评论生成方法，还包括：

响应于接收到修改所述语料素材的指令，生成修改后的所述语料素材；

响应于确定所述修改后的语料素材符合预定要求，基于所述修改后的语料素材和原有的推荐图像素材生成修改后的图文素材。

16.一种推荐评论生成装置，包括：

离线生成模块，被配置为根据待评论媒体的标签，离线生成所述待评论媒体的语料素材库；

在线生成模块，被配置为响应于接收到表明用户参与媒体互动的指令，在线执行如下步骤：

根据用户特征和所述语料素材库中的语料素材的使用记录，从所述语料素材库中筛选出语料素材列表；

从所述语料素材列表中抽取语料素材，作为所述推荐评论的推荐语料素材；

至少部分地基于所述推荐语料素材生成所述推荐评论。

17.一种计算机设备，包括：

存储器、处理器以及存储在所述存储器上的计算机程序，

其中，所述处理器被配置为执行所述计算机程序以实现权利要求1-15中任一项所述的方法的步骤。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-15中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1-15中任一项所述的方法的步骤。

Images