CN112632277A - 一种目标内容对象的资源处理方法和装置 - Google Patents

一种目标内容对象的资源处理方法和装置 Download PDF

Info

Publication number
CN112632277A
CN112632277A CN202011477734.0A CN202011477734A CN112632277A CN 112632277 A CN112632277 A CN 112632277A CN 202011477734 A CN202011477734 A CN 202011477734A CN 112632277 A CN112632277 A CN 112632277A
Authority
CN
China
Prior art keywords
text
emotion
resource
text information
score
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
Application number
CN202011477734.0A
Other languages
English (en)
Other versions
CN112632277B (zh
Inventor
廖露阳
彭飞
邓竹立
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wu Ba Tongcheng Information Technology Co ltd
Original Assignee
Wu Ba Tongcheng Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wu Ba Tongcheng Information Technology Co ltd filed Critical Wu Ba Tongcheng Information Technology Co ltd
Priority to CN202011477734.0A priority Critical patent/CN112632277B/zh
Publication of CN112632277A publication Critical patent/CN112632277A/zh
Application granted granted Critical
Publication of CN112632277B publication Critical patent/CN112632277B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0217—Discounts or incentives, e.g. coupons or rebates involving input on products or services in exchange for incentives or rewards
    • G06Q30/0218—Discounts or incentives, e.g. coupons or rebates involving input on products or services in exchange for incentives or rewards based on score

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例提供了一种目标内容对象的资源处理方法及装置，通过获取用户的文本信息，并对文本信息进行情感分析，生成情感分析矩阵，接着获取针对目标内容对象的原始资源对象，以及原始资源对象对应的至少一个资源关键词，通过情感分析矩阵对原始资源对象对应的资源关键词进行打分，获得针对原始资源对象的目标分值，然后提取目标分值在TopN的原始资源对象作为目标对象的目标资源对象，从而通过结合用户发文中的情感倾向，对应用程序的任务活动所对应的资源对象进行设置，实现任务活动的资源配置个性化处理，满足不同用户的需求，以及能够提升用户对资源对象的喜好程度，提升用户对应用程序活动内容的参与度。

Description

一种目标内容对象的资源处理方法和装置
技术领域
本发明涉及数据处理技术领域，特别是涉及一种目标内容对象的资源处理方法和一种目标内容对象的资源处理装置。
背景技术
随着应用程序开发技术的发展，应用程序可以为用户提供越来越多不同的功能，例如，在应用程序中设置不同类型的任务活动，当用户完成对应的活动内容时，给予用户一定的奖励，从而提供用户的参与度以及对用户的粘性。然而，对于任务活动的奖励资源配置，过于单一，无法满足不同用户的需求，大大降低了用户的参与度与用户体验。
发明内容
本发明实施例是提供一种目标内容对象的资源处理方法、装置、电子设备以及计算机可读存储介质，以解决或部分解决现有技术中应用程序中内容对象的资源配置过于单一，无法满足不同用户需求的问题。
本发明实施例公开了一种目标内容对象的资源处理方法，包括：
获取用户发布的文本信息；
对所述文本信息进行情感分析，生成情感分析矩阵；
获取针对所述目标内容对象的原始资源对象，以及所述原始资源对象对应的至少一个资源关键词；
根据所述情感分析矩阵对所述资源关键词进行打分，获得针对所述原始资源对象的目标分值；
提取目标分值在TopN的原始资源对象作为所述目标内容对象的目标资源对象。
可选地，所述对所述文本信息进行情感分析，生成情感分析矩阵，包括：
对所述文本信息进行文本分析，获得针对所述文本信息的情感倾向信息，以及所述文本信息对应的至少一个文本关键词；
根据所述情感倾向信息与至少一个所述文本关键词，生成情感分析矩阵。
可选地，所述对所述文本信息进行文本分析，获得针对所述文本信息的情感倾向信息，以及所述文本信息对应的至少一个文本关键词，包括：
对所述文本信息进行分词，获得多个单词；
将所述多个单词与预设关键词集合进行匹配，获得与所述文本信息对应的至少一个文本关键词；
对所述多个单词进行情感分析，获得所述文本信息的情感倾向信息。
可选地，所述将所述多个单词与预设关键词集合进行匹配，获得与所述文本信息对应的至少一个文本关键词，包括：
选取存在于预设关键词集合的单词，作为候选关键词；
获取所述候选关键词在所述文本信息中的出现次数；
按照所述出现次数对所述候选关键词进行排序，并选取前TopM的候选关可选地，所述对所述多个单词进行情感分析，获得所述文本信息的情感倾向信息，包括：
采用预设字典数据集对各个所述单词进行归类，获得各个所述单词对应的单词类型；
按照所述单词类型对所述文本信息对应的单词进行打分，获得所述文本信息的文本情感分值；
若文本情感分值为正数，则判定文本信息为正向情感文本；
若文本情感分值为负数，则判定文本信息为负向情感文本。
可选地，所述根据所述情感倾向信息与至少一个所述文本关键词，生成情感分析矩阵，包括：
若文本信息为正向情感文本，则为正向情感文本所对应的第一文本关键词配置第一分值；
若文本信息为负向情感文本，则为负向情感文本所对应的第二文本关键词配置第二分值；
采用各个所述第一文本关键词和所述第一文本关键词对应的第一分值，以及各个所述第二文本关键词和所述第二文本关键词对应的第二分值，生成情感分析矩阵。
可选地，所述根据所述情感分析矩阵对所述资源关键词进行打分，获得针对所述原始资源对象的目标分值，包括：
将所述资源关键词与所述情感分析矩阵进行匹配，获得各个所述资源关键词的词语情感分值；
获取所述原始资源对象的原始分值；
采用所述原始资源对象的原始分值与所述原始资源对象对应的各个资源关键词的词语情感分值，计算所述原始资源对象的目标分值。
本发明实施例还公开了一种目标内容对象的资源处理装置，包括：
文本信息获取模块，用于获取用户发布的文本信息；
文本信息分析模块，用于对所述文本信息进行情感分析，生成情感分析矩阵；
信息获取模块，用于获取针对所述目标内容对象的原始资源对象，以及所述原始资源对象对应的至少一个资源关键词；
目标分值确定模块，用于根据所述情感分析矩阵对所述资源关键词进行打分，获得针对所述原始资源对象的目标分值；
目标资源对象确定模块，用于提取目标分值在TopN的原始资源对象作为所述目标内容对象的目标资源对象。
可选地，所述文本信息分析模块包括：
文本分析子模块，用于对所述文本信息进行文本分析，获得针对所述文本信息的情感倾向信息，以及所述文本信息对应的至少一个文本关键词；
情感分析矩阵生成子模块，用于根据所述情感倾向信息与至少一个所述文本关键词，生成情感分析矩阵。
可选地，所述文本分析子模块具体用于：
对所述文本信息进行分词，获得多个单词；
将所述多个单词与预设关键词集合进行匹配，获得与所述文本信息对应的至少一个文本关键词；
对所述多个单词进行情感分析，获得所述文本信息的情感倾向信息。
可选地，所述文本分析子模块具体用于：
选取存在于预设关键词集合的单词，作为候选关键词；
获取所述候选关键词在所述文本信息中的出现次数；
按照所述出现次数对所述候选关键词进行排序，并选取前TopM的候选关键词作为与所述文本信息匹配的文本关键词。
可选地，所述文本分析子模块具体用于：
采用预设字典数据集对各个所述单词进行归类，获得各个所述单词对应的单词类型；
按照所述单词类型对所述文本信息对应的单词进行打分，获得所述文本信息的文本情感分值；
若文本情感分值为正数，则判定文本信息为正向情感文本；
若文本情感分值为负数，则判定文本信息为负向情感文本。
可选地，所述情感分析矩阵生成子模块具体用于：
若文本信息为正向情感文本，则为正向情感文本所对应的第一文本关键词配置第一分值；
若文本信息为负向情感文本，则为负向情感文本所对应的第二文本关键词配置第二分值；
采用各个所述第一文本关键词和所述第一文本关键词对应的第一分值，以及各个所述第二文本关键词和所述第二文本关键词对应的第二分值，生成情感分析矩阵。
可选地，所述目标分值确定模块具体用于：
将所述资源关键词与所述情感分析矩阵进行匹配，获得各个所述资源关键词的词语情感分值；
获取所述原始资源对象的原始分值；
采用所述原始资源对象的原始分值与所述原始资源对象对应的各个资源关键词的词语情感分值，计算所述原始资源对象的目标分值。
本发明实施例还公开了一种电子设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如上所述的方法。
本发明实施例还公开了一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如上所述的方法。
本发明实施例包括以下优点：
在本发明实施例中，通过获取用户的文本信息，并对文本信息进行情感分析，生成情感分析矩阵，接着获取针对目标内容对象的原始资源对象，以及原始资源对象对应的至少一个资源关键词，通过情感分析矩阵对原始资源对象对应的资源关键词进行打分，获得针对原始资源对象的目标分值，然后提取目标分值在TopN的原始资源对象作为目标对象的目标资源对象，从而通过结合用户发文中的情感倾向，对应用程序的任务活动所对应的资源对象进行设置，实现任务活动的资源配置个性化处理，满足不同用户的需求，以及能够提升用户对资源对象的喜好程度，提升用户对应用程序活动内容的参与度。
附图说明
图1是本发明实施例提供的一种目标内容对象的资源处理方法的步骤流程图；
图2是本发明实施例提供的另一种目标内容对象的资源处理方法的步骤流程图；
图3是本发明实施例提供的情感分析示意图；
图4是本发明实施例提供的另一种目标内容对象的资源处理方法的流程示意图；
图5是本发明实施例提供的一种目标内容对象的资源处理装置的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
文本情感分析是自然语言处理(Natural Language Processing，NLP)方法中的一种应用，是指通过对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。而情感倾向分析又属于情感分析中的一种，其可以对文本进行褒义、贬义、中性的判断，从而得到文本的情感倾向。
内容对象：应用程序中提供的任务活动，当用户完成对应的活动内容时，给予用户一定的礼物奖励，内容对象可以包括游戏关卡、视频、页面等等，则当内容对象为游戏关卡时，用户通过某一游戏关卡，可以为用户分配一定的奖品；当内容对象为视频时，用户浏览一定数量的视频，或浏览一定时长的视频，可以为用户分配一定的奖品；当内容对象为页面时，用户浏览一定数量的页面，或浏览一定时长的页面，可以为用户分配一定的奖品等等。
关卡奖励：在游戏中可以设置多个不同的关卡，当用户通关某一个关卡时，可以获得该关卡对应的关卡奖励，随着游戏关卡进度的推进，所获得的关卡奖励还可以越丰厚，例如，关卡奖励可以包括优惠券、购物卡等。
奖励所限范围：每个奖励存在对应的使用范围，例如一些优惠券只能在特定商品上使用，或者是在某种场合下使用等等。
正向评分：指对用户发布的话题或回帖内容，经过文本情感分析之后得出的结论是褒义语义，则理解为用户对这个话题或回帖是正向情感倾向的。相应地，负向评分，指对用户发布的话题或回帖内容，经过文本情感分析之后得出的结论为贬义语义，则理解为用户对这个话题或回帖是负向情感倾向的。
关键词集合：包含了一些核心服务的关键词数据集，如“找工作”、“找保姆”、“保洁”等关键词构成的数据集。
情感分析矩阵：是指基于文本情感分析之后，得到用户情感倾向结果，并基于该结果对该文本所包含的关键词进行评分，由这些评分数据构建起用户对一些关键词的评分记录。
文本关键词提取：针对一段文本提取至少一个能够体现该文本所含主要服务的关键词。
作为一种示例，在一些应用程序中，可以通过小游戏为用户提供消遣娱乐的服务，并在用户通关相应的游戏关卡时，给予用户一定的游戏奖励，一方面能够增强用户粘性，另一方面可以提生用户参与游戏的热情。在游戏中可以设置不同的游戏关卡，每个游戏关卡对应不同的关卡奖励，然而，对所有用户而言，每个关卡对应的关卡奖励都是相同的，无法实现个性化的配置，对于某个关卡奖励来说，某些用户喜欢，而某些用户并不需要，从而容易导致不喜欢游戏关卡对应的关卡奖励的用户，继续参与游戏的热情会降低，从而影响用户参与的热度。
对此，本发明实施例的核心发明点之一在于通过获取用户历史发布的文本信息，并对文本信息进行情感分析，生成情感分析矩阵，在配置游戏关卡的关卡奖励时，通过情感分析矩阵对每个原始奖励进行排序，然后根据排序结果生成针对目标用户的关卡礼物，使得游戏关卡的奖励能够根据不同用户进行个性化的处理，可以满足不同用户的需求，以及能够提升用户对关卡奖励的喜好程度，提升用户对游戏的参与热情。
需要说明的是，在本发明中，以对内容对象为游戏关卡为例进行示例性说明，可以理解的是，内容对象还可以是应用程序中其他类型的任务活动，例如视频、页面、弹幕等内容，本发明对此不作限制。
具体的，参照图1，示出了本发明实施例提供的一种目标内容对象的资源处理方法的步骤流程图，具体可以包括如下步骤：
步骤101，获取用户发布的文本信息；
在具体实现中，可以通过获取目标用户历史发布的文本信息，其中，文本信息可以包括目标用户发布的历史帖子或回复帖子的历史回复内容等等。
步骤102，对所述文本信息进行情感分析，生成情感分析矩阵；
目标用户在应用程序中发布的相关文本内容，可以包含了用户的相关情感倾向，则可以通过对用户历史发布的文本信息进行情感倾向分析，得到用户情感倾向结果，并基于该结果对该文本所包含的关键词进行评分，由这些评分数据构建起用户对一些关键词的评分记录，以便通过该情感分析矩阵对游戏关卡的奖励进行情感分析处理，确定不同奖励与用户之间的情感匹配程度，实现对游戏奖励的个性化配置。
步骤103，获取针对所述目标内容对象的原始资源对象，以及所述原始资源对象对应的至少一个资源关键词；
在资源库中，可以包括不同的原始资源对象，不同的原始资源对象可以对应不用的资源关键词，例如原始资源对象可以为原始虚拟奖品。其中，资源关键词可以为根据原始虚拟奖品的使用范围进行确定的关键词，例如原始虚拟奖品可以为优惠券，其使用范围可以为在保洁服务中消费满100减20，则资源关键词可以包括“保洁”、“满100减20”等；原始奖励为购物卡，其使用范围可以为购买计算机产品时抵扣100，则资源关键词可以包括“计算机产品”、“抵扣”、“100”等等，本发明对此不作限制。
步骤104，根据所述情感分析矩阵对所述资源关键词进行打分，获得针对所述原始资源对象的目标分值；
在为目标用户设计游戏关卡奖励的过程中，可以通过与目标用户对应的情感分析矩阵对每个原始虚拟奖品所对应的每个资源关键词进行打分，得到每个资源关键词对应的情感分值之后，计算针对原始虚拟奖品的目标分值，例如，原始虚拟奖品A包括资源关键词①、资源关键词②、资源关键词③，则可以通过情感分析矩阵分别对资源关键词①、资源关键词②、资源关键词③得到情感分值Ⅰ、情感分值Ⅱ以及情感分值Ⅲ，接着再通过情感分值Ⅰ、情感分值Ⅱ以及情感分值Ⅲ计算原始奖励A的目标分值，从而通过对原始虚拟奖品所对应的资源关键词进行情感分析，实现对原始虚拟奖品的情感分析，以便确定目标用户更加喜好的虚拟奖品，实现对游戏奖励的个性化配置。
步骤105，提取目标分值在TopN的原始资源对象作为所述目标内容对象的目标资源对象。
在具体实现中，若目标内容对象为应用程序中的游戏关卡，则目标资源对象可以为针对游戏关卡的关卡奖励，则经过情感分析后，每个原始虚拟奖品均对应一个目标分值，则可以按照目标分值由高到低的方式，对奖励库中所有的原始虚拟奖品进行排序，并提取排序在前的TopN的原始虚拟奖品作为游戏关卡的关卡奖励。其中，N可以为游戏关卡的关卡数量，例如，若N为5，则按照由高到低的顺序，提取前5个原始虚拟奖品依次作为游戏关卡的关卡奖励；若N为10，则按照由高到低的顺序，提取前10个原始虚拟奖品依次作为游戏关卡的关卡奖励等等，从而通过结合用户发文中的情感倾向，对游戏关卡的奖励信息进行设置，使得游戏关卡的奖励能够进行个性化的处理，可以满足不同用户的需求，以及能够提升用户对关卡奖励的喜好程度，提升用户对游戏的参与热情。
通过获取用户的文本信息，并对文本信息进行情感分析，生成情感分析矩阵，接着获取针对目标内容对象的原始资源对象，以及原始资源对象对应的至少一个资源关键词，通过情感分析矩阵对原始资源对象对应的资源关键词进行打分，获得针对原始资源对象的目标分值，然后提取目标分值在TopN的原始资源对象作为目标对象的目标资源对象，从而通过结合用户发文中的情感倾向，对应用程序的任务活动所对应的资源对象进行设置，实现任务活动的资源配置个性化处理，满足不同用户的需求，以及能够提升用户对资源对象的喜好程度，提升用户对应用程序活动内容的参与度。
参照图2，示出了本发明实施例提供的另一种目标内容对象的资源处理方法的步骤流程图，具体可以包括如下步骤：
步骤201，获取用户发布的文本信息；
在具体实现中，可以通过获取目标用户历史发布的文本信息，其中，文本信息可以包括目标用户发布的历史帖子或回复帖子的历史回复内容等等。
步骤202，对所述文本信息进行文本分析，获得针对所述文本信息的情感倾向信息，以及所述文本信息对应的至少一个文本关键词；
在本发明实施例中，得到目标用户历史发布的文本信息之后，可以对文本信息进行文本分析，获得针对文本信息的情感倾向信息，以及文本信息对应的至少一个文本关键词。
在具体实现中，可以先对文本信息进行分词，获得多个单词，接着将多个单词与预设关键词集合进行匹配，获得与文本信息对应的至少一个文本关键词，然后对多个单词进行情感分析，获得文本信息的情感倾向信息。其中，情感倾向信息可以用于表示用户发布的文本属于何种类型的文本，例如正向情感文本，或负向情感文本等等。
在进行文本关键词的选取过程中，可以先选取存在于预设关键词集合的单词，作为候选关键词，接着获取候选关键词在文本信息中的出现次数，然后按照出现次数对候选关键词进行排序，并选取前TopM的候选关键词作为与文本信息匹配的文本关键词。其中，预设关键词集合可以包括应用程序能够提供的服务功能进行设置的单词，例如可以为“找工作”、“找保姆”、“保洁”等关键词组成的数据集合。
在进行文本的情感倾向分析过程中，可以采用预设字典数据集对各个单词进行归类，获得各个单词对应的单词类型，接着按照单词类型对文本信息对应的单词进行打分，获得文本信息的文本情感分值，若文本情感分值为正数，则判定文本信息为正向情感文本；若文本情感分值为负数，则判定文本信息为负向情感文本。可选地，预设字典数据集可以包括情感字典、停用词字典、副词字典以及否定词字典等等，从而通过不同的字典数据集对文本对应的单词进行单词类型归类，识别出各个单词的单词类型，以便进行情感分析。
在一种示例中，参考图3，示出了本发明实施例提供的情感分析示意图，在对文本的情感分析过程中，首先可以配置字典数据集，字典数据集包括：情感字典、停用字字典、副词和否定词字典等等，接着对各个字典数据集进行初始化，读入终端内存，分别存入到情感字典数组、停用字典数组、副词数组和否定词字典数组；在获取了用户历史发布的帖子或回帖的评论内容等，对相关的文本进行分词处理，得到原始分词列表wordsList，将原始分词列表wordsList否定词过滤得到新的分词列表WordsList，然后根据不同的字典数据，对新的wordsList进行划分，得到情感词列表、停用字列表以及副词列表，然后基于情感词列表、停用字列表以及副词列表计算得到输入语句的整体情感得分，如果得分为正则为正向评论，如果得分为负，则为负向评论，例如，文本中每出现一个情感词，则记一分，每出现一个停用字或副词，则记负一分，从而通过统计文本出现的情感词、停用字以及副词的出现次数，利用次数*分值，可以得到文本所对应的总情感分值，进而判断出文本属于正向情感文本，还是负向情感文本，实现对文本的情感分析。
在对文本进行关键词的提取过程中，可以先对文本进行分词，得到多个单词之后，获取预设关键词集合，然后遍历关键词集合，查询文本所对应的单词是否出现在关键词集合中，若存在，则获取将该单词作为候选关键词，并获取该候选关键词在文本中的出现次数。在循环遍历完关键词集合后，可以得到与用户发布的文本信息对应的一组候选关键词集合，接着可以按照候选关键词在文本中的出现次数，按照出现次数由高到低进行排序，并获取前TopM个关键词，作为该文本信息对应的文本关键词。可选地，M可以作为调优参数，开发人员可以根据实际需求对M反复进行调优，直至满足实际需求，本发明对此不作限制。
步骤203，根据所述情感倾向信息与至少一个所述文本关键词，生成情感分析矩阵；
在本发明实施例中，通过对目标用户历史发布的文本信息进行情感分析与关键词提取后，可以得到目标用户发布的不同文本信息所对应的情感倾向信息，以及各个文本信息所对应的文本关键词，接着可以基于两者生成与目标用户对应的情感分析矩阵，以便根据该矩阵对关卡奖励进行情感分析，实现游戏奖励的个性化配置。
在具体实现中，对于同一个用户的不同文本信息，可以包括正向情感文本以及负向情感文本，若文本信息为正向情感文本，则为正向情感文本所对应的第一文本关键词配置第一分值；若文本信息为负向情感文本，则为负向情感文本所对应的第二文本关键词配置第二分值，然后采用各个第一文本关键词和第一文本关键词对应的第一分值，以及各个第二文本关键词和第二文本关键词对应的第二分值，生成情感分析矩阵。
在一种示例中，假设目标用户历史发布的文本信息包括文本一、文本二以及文本三，其中，文本一包括关键词①、关键词②以及关键词③，文本二包括关键词④、关键词⑤、关键词⑥以及关键词⑦，文本三包括关键词⑧、关键词⑨等，并且，文本一与文本二属于正向情感文本，文本三属于负向情感文本，则对于文本一与文本二所对应的关键词①、关键词②、关键词③、关键词④、关键词⑤、关键词⑥以及关键词⑦评分加一，对于文本三所对应的关键词⑧、关键词⑨减一，如下表所示：
关键词①+1 关键词②+1 关键词③+1
关键词④+1 关键词⑤+1 关键词⑥+1
关键词⑦+1 关键词⑧-1 关键词⑨-1
表1
通过文本所对应的情感倾向以及文本的文本关键词，可以得到与目标用户匹配的情感分析矩阵，以便根据该矩阵对关卡奖励进行情感分析，实现游戏奖励的个性化配置。
步骤204，获取针对所述目标内容对象的原始资源对象，以及所述原始资源对象对应的至少一个资源关键词；
在游戏奖励库中，可以包括不同的原始虚拟奖品(即原始资源对象)，不同的原始虚拟奖品可以对应不用的资源关键词。其中，资源关键词可以为根据奖励的使用范围进行确定的关键词，例如原始虚拟奖品可以为优惠券，其使用范围可以为在保洁服务中消费满100减20，则资源关键词可以包括“保洁”、“满100减20”等；原始虚拟奖品为购物卡，其使用范围可以为购买计算机产品时抵扣100，则资源关键词可以包括“计算机产品”、“抵扣”、“100”等等，本发明对此不作限制。
步骤205，根据所述情感分析矩阵对所述资源关键词进行打分，获得针对所述原始资源对象的目标分值；
在为目标用户设计关卡奖励的过程中，可以将原始虚拟奖品所对应的所有资源关键词与情感分析矩阵进行匹配，获得各个资源关键词的词语情感分值，接着获取原始虚拟奖品的原始分值，然后采用原始虚拟奖品的原始分值与原始虚拟奖品对应的各个资源关键词的词语情感分值，计算原始虚拟奖品的目标分值。
在一种示例中，在为目标用户配置游戏关卡的关卡奖励的过程中，可以先基于原始虚拟奖品的奖品价值分别设置原始分值，假设原始分值为m，共有10个原始虚拟奖品，奖品价值分别为10、9、8、7…1，那么原始分值可以同样设置为10、9、8、7…1。接着可以遍历奖励库中所有的原始虚拟奖品，获取各个原始虚拟奖品对应的资源关键词，例如原始虚拟奖品一可以对应关键词a、关键词b、关键词c；原始虚拟奖品二可以对应关键词d、关键词e；原始虚拟奖品三可以对应关键词f、关键词g以及关键词h等等。
在得到原始虚拟奖品所对应的资源关键词后，可以分别将原始虚拟奖品对应的资源关键词与目标用户对应的情感分析矩阵进行匹配，若匹配成功，则记录对应的情感分值，然后计算同一个原始虚拟奖品所对应的总情感分值，以便得到各个资源关键词所对应的情感平均分值，例如，原始虚拟奖品一所对应的关键词a、关键词b、关键词c分别对应+1、+1以及-1，则可以得到原始虚拟奖品一所有情感分值的均值为0.33；原始虚拟奖品二所对应的关键词d、关键词e分别对应+1以及+1，则可以得到原始虚拟奖品二所有情感分值的均值为1；原始虚拟奖品三所对应的关键词f、关键词g以及关键词h分别对应-1、-1以及+1，则可以得到原始虚拟奖品三所有情感分值的均值为-0.33等等。可选地，若是原始虚拟奖品的资源关键词与情感分析矩阵匹配失败，表示情感分析矩阵中并不存在对应的关键词，则记该资源关键词的情感分值为0，表示该资源关键词不携带任何用户情感倾向。
通过目标用户所对应的情感分析矩阵得到各个原始虚拟奖品所对应的情感分值之后，可以获取针对情感分值的权重系数w，并通过下述公式计算各个原始虚拟奖品所对应的目标分值：
score＝m*(1-w)+n*w
其中，m为原始虚拟奖品的原始分值，n为原始虚拟奖品的情感分值，通过结合原始分值与情感分值对原始虚拟奖品进行分值的计算，以便结合用户历史发文中的情感倾向，对游戏关卡的奖励重新进行配置。
步骤206，提取目标分值在TopN的原始资源对象作为所述目标内容对象的目标资源对象。
在具体实现中，经过情感分析后，每个原始虚拟奖品均对应一个目标分值，则可以按照目标分值由高到低的方式，对奖励库中所有的原始虚拟奖品进行排序，并提取排序在前的TopN的原始虚拟奖品作为游戏关卡的关卡奖励(即目标资源对象)。
在一种示例中，通过计算出的每个原始虚拟奖品的目标分值，对奖励库中所有的原始虚拟奖品按照目标分值由高到低进行排序，取前Top K个原始虚拟奖品(其中，K为游戏关卡的数量)作为游戏关卡的关卡奖励，包括可以将奖品价值最大的原始虚拟奖品作为最后一个游戏关卡的关卡奖励，并依次进行奖励配置，从而通过结合用户发文中的情感倾向，对游戏关卡的奖励信息进行设置，使得游戏关卡的奖励能够进行个性化的处理，可以满足不同用户的需求，以及能够提升用户对关卡奖励的喜好程度，提升用户对游戏的参与热情。
需要说明的是，本发明实施例包括但不限于上述示例，可以理解的是，本领域技术人员在本发明的思想指导下，还可以根据实际需要进行设置，本发明对此不作限制。
通过获取用户的文本信息，并对文本信息进行情感分析，生成情感分析矩阵，接着获取针对目标内容对象的原始资源对象，以及原始资源对象对应的至少一个资源关键词，通过情感分析矩阵对原始资源对象对应的资源关键词进行打分，获得针对原始资源对象的目标分值，然后提取目标分值在TopN的原始资源对象作为目标对象的目标资源对象，从而通过结合用户发文中的情感倾向，对应用程序的任务活动所对应的资源对象进行设置，实现任务活动的资源配置个性化处理，满足不同用户的需求，以及能够提升用户对资源对象的喜好程度，提升用户对应用程序活动内容的参与度。
为了便于本领域技术人员更好地理解本发明实施例的技术方案，下面通过一个示例进行说明。
参考图4，示出了本发明实施例提供的一种目标内容对象的资源处理方法的流程示意图，针对目标用户，可以对用户发表话题或回帖时，记录对应的文本内容，并对内容进行情感分析，维护与用户对应的关键词情感评分矩阵，具体的，可以先获取用户发表的内容，并基于文本情感分析得到发表内容的情感倾向，提取发表内容的关键词，并基于情感倾向和关键词，维护与用户对应的关键词情感评分矩阵。
在为用户设计关卡礼物时，可以先获取所有关卡礼物列表，计算每个礼物的初始排序得分，并提取每个礼物所属的关键词列表，接着根据关键词，查询用户对应的关键词情感评分矩阵，计算用户对该礼物的情感评分，然后根据初始排序得分、情感评分计算出礼物最终的排序评分，并按照最终排序评分，对所有的礼物进行排序，选取前Top K个用户对应的游戏关卡的关卡礼物，从而通过结合用户发文中的情感倾向，对游戏关卡的奖励信息进行设置，使得游戏关卡的奖励能够进行个性化的处理，可以满足不同用户的需求，以及能够提升用户对关卡奖励的喜好程度，提升用户对游戏的参与热情。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图5，示出了本发明实施例提供的一种目标内容对象的资源处理装置的结构框图，具体可以包括如下模块：
文本信息获取模块501，用于获取用户发布的文本信息；
文本信息分析模块502，用于对所述文本信息进行情感分析，生成情感分析矩阵；
信息获取模块503，用于获取针对所述目标内容对象的原始资源对象，以及所述原始资源对象对应的至少一个资源关键词；
目标分值确定模块504，用于根据所述情感分析矩阵对所述资源关键词进行打分，获得针对所述原始资源对象的目标分值；
目标资源对象确定模块505，用于提取目标分值在TopN的原始资源对象作为所述目标内容对象的目标资源对象。
在本发明的一种可选实施例中，所述文本信息分析模块502包括：
文本分析子模块，用于对所述文本信息进行文本分析，获得针对所述文本信息的情感倾向信息，以及所述文本信息对应的至少一个文本关键词；
情感分析矩阵生成子模块，用于根据所述情感倾向信息与至少一个所述文本关键词，生成情感分析矩阵。
在本发明的一种可选实施例中，所述文本分析子模块具体用于：
对所述文本信息进行分词，获得多个单词；
将所述多个单词与预设关键词集合进行匹配，获得与所述文本信息对应的至少一个文本关键词；
对所述多个单词进行情感分析，获得所述文本信息的情感倾向信息。
在本发明的一种可选实施例中，所述文本分析子模块具体用于：
选取存在于预设关键词集合的单词，作为候选关键词；
获取所述候选关键词在所述文本信息中的出现次数；
按照所述出现次数对所述候选关键词进行排序，并选取前TopM的候选关键词作为与所述文本信息匹配的文本关键词。
在本发明的一种可选实施例中，所述文本分析子模块具体用于：
采用预设字典数据集对各个所述单词进行归类，获得各个所述单词对应的单词类型；
按照所述单词类型对所述文本信息对应的单词进行打分，获得所述文本信息的文本情感分值；
若文本情感分值为正数，则判定文本信息为正向情感文本；
若文本情感分值为负数，则判定文本信息为负向情感文本。
在本发明的一种可选实施例中，所述情感分析矩阵生成子模块具体用于：
若文本信息为正向情感文本，则为正向情感文本所对应的第一文本关键词配置第一分值；
若文本信息为负向情感文本，则为负向情感文本所对应的第二文本关键词配置第二分值；
采用各个所述第一文本关键词和所述第一文本关键词对应的第一分值，以及各个所述第二文本关键词和所述第二文本关键词对应的第二分值，生成情感分析矩阵。
在本发明的一种可选实施例中，所述目标分值确定模块504具体用于：
将所述资源关键词与所述情感分析矩阵进行匹配，获得各个所述资源关键词的词语情感分值；
获取所述原始资源对象的原始分值；
采用所述原始资源对象的原始分值与所述原始资源对象对应的各个资源关键词的词语情感分值，计算所述原始资源对象的目标分值。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种电子设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行本发明实施例所述的方法。
本发明实施例还提供了一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行本发明实施例所述的方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种目标内容对象的资源处理方法和一种目标内容对象的资源处理装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种目标内容对象的资源处理方法，其特征在于，包括：
获取用户发布的文本信息；
对所述文本信息进行情感分析，生成情感分析矩阵；
获取针对所述目标内容对象的原始资源对象，以及所述原始资源对象对应的至少一个资源关键词；
根据所述情感分析矩阵对所述资源关键词进行打分，获得针对所述原始资源对象的目标分值；
提取目标分值在TopN的原始资源对象作为所述目标内容对象的目标资源对象。
2.根据权利要求1所述的方法，其特征在于，所述对所述文本信息进行情感分析，生成情感分析矩阵，包括：
对所述文本信息进行文本分析，获得针对所述文本信息的情感倾向信息，以及所述文本信息对应的至少一个文本关键词；
根据所述情感倾向信息与至少一个所述文本关键词，生成情感分析矩阵。
3.根据权利要求2所述的方法，其特征在于，所述对所述文本信息进行文本分析，获得针对所述文本信息的情感倾向信息，以及所述文本信息对应的至少一个文本关键词，包括：
对所述文本信息进行分词，获得多个单词；
将所述多个单词与预设关键词集合进行匹配，获得与所述文本信息对应的至少一个文本关键词；
对所述多个单词进行情感分析，获得所述文本信息的情感倾向信息。
4.根据权利要求3所述的方法，其特征在于，所述将所述多个单词与预设关键词集合进行匹配，获得与所述文本信息对应的至少一个文本关键词，包括：
选取存在于预设关键词集合的单词，作为候选关键词；
获取所述候选关键词在所述文本信息中的出现次数；
按照所述出现次数对所述候选关键词进行排序，并选取前TopM的候选关键词作为与所述文本信息匹配的文本关键词。
5.根据权利要求3或4所述的方法，其特征在于，所述对所述多个单词进行情感分析，获得所述文本信息的情感倾向信息，包括：
采用预设字典数据集对各个所述单词进行归类，获得各个所述单词对应的单词类型；
按照所述单词类型对所述文本信息对应的单词进行打分，获得所述文本信息的文本情感分值；
若文本情感分值为正数，则判定文本信息为正向情感文本；
若文本情感分值为负数，则判定文本信息为负向情感文本。
6.根据权利要求5所述的方法，其特征在于，所述根据所述情感倾向信息与至少一个所述文本关键词，生成情感分析矩阵，包括：
若文本信息为正向情感文本，则为正向情感文本所对应的第一文本关键词配置第一分值；
若文本信息为负向情感文本，则为负向情感文本所对应的第二文本关键词配置第二分值；
采用各个所述第一文本关键词和所述第一文本关键词对应的第一分值，以及各个所述第二文本关键词和所述第二文本关键词对应的第二分值，生成情感分析矩阵。
7.根据权利要求1所述的方法，其特征在于，所述根据所述情感分析矩阵对所述资源关键词进行打分，获得针对所述原始资源对象的目标分值，包括：
将所述资源关键词与所述情感分析矩阵进行匹配，获得各个所述资源关键词的词语情感分值；
获取所述原始资源对象的原始分值；
采用所述原始资源对象的原始分值与所述原始资源对象对应的各个资源关键词的词语情感分值，计算所述原始资源对象的目标分值。
8.一种目标内容对象的资源处理装置，其特征在于，包括：
文本信息获取模块，用于获取用户发布的文本信息；
文本信息分析模块，用于对所述文本信息进行情感分析，生成情感分析矩阵；
信息获取模块，用于获取针对所述目标内容对象的原始资源对象，以及所述原始资源对象对应的至少一个资源关键词；
目标分值确定模块，用于根据所述情感分析矩阵对所述资源关键词进行打分，获得针对所述原始资源对象的目标分值；
目标资源对象确定模块，用于提取目标分值在TopN的原始资源对象作为所述目标内容对象的目标资源对象。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1-7任一项所述的方法。
CN202011477734.0A 2020-12-15 2020-12-15 一种目标内容对象的资源处理方法和装置 Active CN112632277B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011477734.0A CN112632277B (zh) 2020-12-15 2020-12-15 一种目标内容对象的资源处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011477734.0A CN112632277B (zh) 2020-12-15 2020-12-15 一种目标内容对象的资源处理方法和装置

Publications (2)

Publication Number Publication Date
CN112632277A true CN112632277A (zh) 2021-04-09
CN112632277B CN112632277B (zh) 2023-04-07

Family

ID=75313509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011477734.0A Active CN112632277B (zh) 2020-12-15 2020-12-15 一种目标内容对象的资源处理方法和装置

Country Status (1)

Country Link
CN (1) CN112632277B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113656810A (zh) * 2021-07-16 2021-11-16 五八同城信息技术有限公司 应用程序加密方法、装置、电子设备及存储介质
CN114733195A (zh) * 2022-04-07 2022-07-12 平安科技（深圳）有限公司 基于双边适配的游戏资源配置方法、装置、设备及介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235818A (zh) * 2013-04-27 2013-08-07 北京百度网讯科技有限公司 一种基于网页情感倾向性的信息推送方法和装置
CN104063427A (zh) * 2014-06-06 2014-09-24 北京搜狗科技发展有限公司 一种基于语义理解的表情输入方法和装置
CN105893344A (zh) * 2016-03-28 2016-08-24 北京京东尚科信息技术有限公司 基于用户语义情感分析的应答方法和装置
US20180060358A1 (en) * 2016-08-24 2018-03-01 Baidu Usa Llc Method and system for selecting images based on user contextual information in response to search queries
CN108737859A (zh) * 2018-05-07 2018-11-02 华东师范大学 基于弹幕的视频推荐方法和装置
CN108874992A (zh) * 2018-06-12 2018-11-23 深圳华讯网络科技有限公司 舆情分析方法、系统、计算机设备和存储介质
CN109214008A (zh) * 2018-09-28 2019-01-15 珠海中科先进技术研究院有限公司 一种基于关键词提取的情感分析方法及系统
CN109522412A (zh) * 2018-11-14 2019-03-26 北京神州泰岳软件股份有限公司 文本情感分析方法、装置及介质
CN109727092A (zh) * 2018-12-15 2019-05-07 深圳壹账通智能科技有限公司 基于ai的产品推荐方法、装置、计算机设备及存储介质
CN111460107A (zh) * 2019-01-21 2020-07-28 北京京东尚科信息技术有限公司 一种应答方法和应答系统
CN111950273A (zh) * 2020-07-31 2020-11-17 南京莱斯网信技术研究院有限公司 基于情感信息抽取分析的网络舆情突发事件自动识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235818A (zh) * 2013-04-27 2013-08-07 北京百度网讯科技有限公司 一种基于网页情感倾向性的信息推送方法和装置
CN104063427A (zh) * 2014-06-06 2014-09-24 北京搜狗科技发展有限公司 一种基于语义理解的表情输入方法和装置
CN105893344A (zh) * 2016-03-28 2016-08-24 北京京东尚科信息技术有限公司 基于用户语义情感分析的应答方法和装置
US20180060358A1 (en) * 2016-08-24 2018-03-01 Baidu Usa Llc Method and system for selecting images based on user contextual information in response to search queries
CN108737859A (zh) * 2018-05-07 2018-11-02 华东师范大学 基于弹幕的视频推荐方法和装置
CN108874992A (zh) * 2018-06-12 2018-11-23 深圳华讯网络科技有限公司 舆情分析方法、系统、计算机设备和存储介质
CN109214008A (zh) * 2018-09-28 2019-01-15 珠海中科先进技术研究院有限公司 一种基于关键词提取的情感分析方法及系统
CN109522412A (zh) * 2018-11-14 2019-03-26 北京神州泰岳软件股份有限公司 文本情感分析方法、装置及介质
CN109727092A (zh) * 2018-12-15 2019-05-07 深圳壹账通智能科技有限公司 基于ai的产品推荐方法、装置、计算机设备及存储介质
CN111460107A (zh) * 2019-01-21 2020-07-28 北京京东尚科信息技术有限公司 一种应答方法和应答系统
CN111950273A (zh) * 2020-07-31 2020-11-17 南京莱斯网信技术研究院有限公司 基于情感信息抽取分析的网络舆情突发事件自动识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113656810A (zh) * 2021-07-16 2021-11-16 五八同城信息技术有限公司 应用程序加密方法、装置、电子设备及存储介质
CN114733195A (zh) * 2022-04-07 2022-07-12 平安科技（深圳）有限公司 基于双边适配的游戏资源配置方法、装置、设备及介质

Also Published As

Publication number Publication date
CN112632277B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN106649818B (zh) 应用搜索意图的识别方法、装置、应用搜索方法和服务器
Fauzi Random forest approach fo sentiment analysis in indonesian
Omar et al. Multi-label arabic text classification in online social networks
CN108073568B (zh) 关键词提取方法和装置
KR101737887B1 (ko) 크로스 미디어 분석에 기반한 소셜 미디어 텍스트의 주제 카테고리 자동 분류 방법 및 그 장치
CN109325146B (zh) 一种视频推荐方法、装置、存储介质和服务器
EP2581843B1 (en) Bigram Suggestions
CN103425635B (zh) 一种答案推荐方法和装置
Halvani et al. On the usefulness of compression models for authorship verification
CN111538828B (zh) 文本情感分析方法、装置、计算机装置及可读存储介质
Ginting et al. Hate speech detection on twitter using multinomial logistic regression classification method
CN102089805A (zh) 用于概念映射的系统和方法
CN108021545B (zh) 一种司法文书的案由提取方法及装置
CN110134777B (zh) 问题去重方法、装置、电子设备和计算机可读存储介质
CN111368038A (zh) 一种关键词的提取方法、装置、计算机设备和存储介质
Zin et al. The effects of pre-processing strategies in sentiment analysis of online movie reviews
Di Gangi et al. Effectiveness of data-driven induction of semantic spaces and traditional classifiers for sarcasm detection
O'Brien Machine learning for detection of fake news
Jurgens et al. Event detection in blogs using temporal random indexing
CN114020876A (zh) 文本的关键词提取方法、装置、设备及存储介质
JP2006318398A (ja) ベクトル生成方法及び装置及び情報分類方法及び装置及びプログラム及びプログラムを格納したコンピュータ読み取り可能な記憶媒体
CN112632277B (zh) 一种目标内容对象的资源处理方法和装置
Pokou et al. Authorship Attribution using Variable Length Part-of-Speech Patterns.
Tahir et al. FNG-IE: an improved graph-based method for keyword extraction from scholarly big-data
CN108415959B (zh) 一种文本分类方法及装置

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