CN112699307A - 一种信息的生成方法及装置 - Google Patents
一种信息的生成方法及装置 Download PDFInfo
- Publication number
- CN112699307A CN112699307A CN202110037562.3A CN202110037562A CN112699307A CN 112699307 A CN112699307 A CN 112699307A CN 202110037562 A CN202110037562 A CN 202110037562A CN 112699307 A CN112699307 A CN 112699307A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- target
- specified
- sample
- 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
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书公开了一种信息的生成方法及装置,当确定向用户推荐目标时,可获取用户的行为信息、目标的信息,在预设的各场景中,根据用户当前所处的环境信息、行为信息以及目标的信息中的至少一种以及各场景的属性信息,确定若干个场景作为指定场景,根据环境信息、行为信息以及目标的信息中的至少一种,针对各指定场景,通过该指定场景对应的生成模板,生成向用户推荐目标的推荐信息并展示。由于用户浏览到的推荐信息中兼具了用户喜好与目标的特色,相对于现有的推荐信息,本说明书生成的推荐信息对用户更加具有吸引力,可有效地辅助用户进行决策。
Description
技术领域
本说明书涉及互联网技术领域,尤其涉及一种信息的生成方法及装置。
背景技术
目前,在线上到线下(Online To Offline,O2O)模式中,用户在互联网平台上可基于各商户的信息,确定目标商户,获取目标商户提供的产品或服务。
通常,互联网平台向用户展示的商户的信息中包括推荐理由,推荐理由,顾名思义,即向用户推荐商户的理由,用于辅助用户作出决策。现有的推荐理由的生成方式,是在商户对应的用户原创内容(User Generated Content,UGC)中,筛选出候选推荐理由,然后通过提取候选推荐理由的特征等方式,在各候选推荐理由中,确定优质推荐理由。
由于上述生成的推荐理由来源于UGC中,而UGC是用户在历史上对商户的评论等内容,另外,每个用户浏览到的商户的推荐理由相同,因此,推荐理由对用户的吸引力不高,无法有效地辅助用户当前进行决策。
发明内容
本说明书实施例提供一种信息的生成方法及装置,以部分解决现有技术存在的上述问题。
本说明书实施例采用下述技术方案:
本说明书提供的一种信息的生成方法,所述方法包括:
监控用户的操作,当根据所述用户的操作,确定向所述用户推荐目标时,获取所述用户在过去指定时长内的行为信息、所述目标的信息;
在预设的各场景中,根据所述用户当前所处的环境信息、所述行为信息以及所述目标的信息中的至少一种以及各场景的属性信息,确定若干个场景作为指定场景;
根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,针对各指定场景,通过该指定场景对应的生成模板,生成向所述用户推荐所述目标的推荐信息并展示。
可选地,所述目标的信息包括所述目标的特色信息;
在预设的各场景中,根据所述用户当前所处的环境信息、所述行为信息以及所述目标的信息中的至少一种以及各场景的属性信息,确定若干个场景作为指定场景,具体包括:
针对各场景,将所述环境信息、所述行为信息以及所述特色信息中的至少一种与该场景的属性信息进行匹配;
当匹配结果为一致时,确定该场景为所述指定场景。
可选地,根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,针对各指定场景,通过该指定场景对应的生成模板,生成向所述用户推荐所述目标的推荐信息,具体包括:
针对各指定场景,根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,在该指定场景对应的各生成模板中,选择指定生成模板;
将所述环境信息、所述行为信息以及所述目标的信息中的至少一种添加至所述指定生成模板中,得到所述推荐信息。
可选地,所述环境信息包括天气信息、当前时间信息;
根据所述环境信息,在该指定场景对应的各生成模板中,选择指定生成模板,具体包括:
根据预设的天气类型,确定所述天气信息对应的天气类型作为指定天气类型,并且,根据预先划分的各时间区间,确定所述当前时间信息所在的时间区间作为指定时间区间;
在该指定场景对应的各生成模板中,确定所述指定天气类型对应的生成模板,和/或所述指定时间区间对应的生成模板作为所述指定生成模板。
可选地,通过该指定场景对应的生成模板,生成向所述用户推荐所述目标的推荐信息,具体包括:
将所述环境信息、所述行为信息以及所述目标的信息中的至少一种添加至该指定场景对应的生成模板中,得到中间信息;
在所述中间信息中,确定若干个候选词汇;
针对每个候选词汇,获取该候选词汇对应的图形符号,并将该候选词汇对应的图形符号添加到所述中间信息中,得到所述推荐信息。
可选地,展示向所述用户推荐所述目标的推荐信息,具体包括:
将当前状态信息以及所述当前状态信息对应的各推荐信息输入预先训练的分发模型,通过所述分发模型,在各推荐信息中,确定指定推荐信息,其中,所述当前状态信息包括所述环境信息、所述行为信息以及所述目标的信息;
向所述用户展示所述指定推荐信息。
可选地,预先训练所述分发模型,具体包括:
获取样本用户对应的样本状态信息以及所述样本状态信息对应的各样本推荐信息;
将所述样本状态信息以及各样本推荐信息输入待训练的分发模型,得到所述待训练的分发模型在各样本推荐信息中选择的样本推荐信息,作为指定样本推荐信息;
根据所述样本用户的操作,确定所述指定样本推荐信息的奖励;
以所述奖励最大化为训练目标,对所述待训练的分发模型进行训练。
可选地,根据所述样本用户的操作,确定所述指定样本推荐信息的奖励,具体包括:
确定展示所述指定样本推荐信息对应的样本目标的页面;
在所述页面中,确定包含所述样本目标的目标列表;
监控所述样本用户的操作,若所述样本用户点击所述目标列表中至少一个目标,则确定所述指定样本推荐信息的奖励。
本说明书提供一种信息的生成装置,所述装置包括:
监控模块,用于监控用户的操作,当根据所述用户的操作,确定向所述用户推荐目标时,获取所述用户在过去指定时长内的行为信息、所述目标的信息;
确定模块,用于在预设的各场景中,根据所述用户当前所处的环境信息、所述行为信息以及所述目标的信息中的至少一种以及各场景的属性信息,确定若干个场景作为指定场景;
生成模块,用于根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,针对各指定场景,通过该指定场景对应的生成模板,生成向所述用户推荐所述目标的推荐信息并展示。
本说明书提供的一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述内容提供的信息的生成方法。
本说明书提供的一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述内容提供的信息的生成方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
本说明书可监控用户的操作,当根据用户的操作,确定向用户推荐目标时,可获取用户在过去指定时长内的行为信息、目标的信息,在预设的各场景中,根据用户当前所处的环境信息、行为信息以及目标的信息中的至少一种以及各场景的属性信息,确定若干个场景作为指定场景,根据环境信息、行为信息以及目标的信息中的至少一种,针对各指定场景,通过该指定场景对应的生成模板,生成向用户推荐目标的推荐信息并展示。
在本说明书中,每个用户浏览到的推荐信息不完全相同,并且,每个用户浏览到的推荐信息均是基于该用户的行为信息、目标的信息以及用户所处环境的信息等生成的,推荐信息中兼具了用户喜好与目标的特色,相对于现有的采用UGC中的内容作为推荐信息,本说明书生成的推荐信息对用户更加具有吸引力,可有效地辅助用户进行决策。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书实施例提供的一种信息的生成方法流程图;
图2为本说明书实施例提供的一种训练分发模型的方法流程图;
图3为本说明书实施例提供的一种页面展示示意图;
图4为本说明书实施例提供的一种信息的生成装置的结构示意图;
图5为本说明书实施例提供的实现信息的生成方法的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本说明书保护的范围。
目前,在O2O模式中,用户可在互联网平台上查看各商户或者各种产品的信息,尤其是当用户打开互联网平台时,互联网平台的首页中可向用户展示推荐的商户或产品,或者,当用户在互联网平台上进行搜索时,互联网平台的搜索页面中可向用户展示匹配用户搜索词语的商户或产品。故,本说明书中,目标可包括各商户或者各产品,或者其他商品、服务的提供者。
并且,互联网平台可向用户展示目标对应的推荐信息,即,向用户推荐目标时显示给用户的信息,用户可基于推荐信息进行决策,例如,是否查看目标的信息或者针对目标生成订单等决策。因此,本说明书中,推荐信息可包括推荐理由,推荐理由一般为一句话文本,除了推荐理由之外,推荐信息还可以是其他的信息,并且,推荐信息可以是词语、短句、段落等,只要是向用户推荐目标时显示给用户的信息,可起到辅助用户进行决策的作用即可。
因此,本说明书可适用于多种应用场景,例如,电子商务应用场景、出行应用场景等。在电子商务应用场景中,可生成各商户或各产品的推荐信息,以使用户基于推荐信息对各商户或各产品对应的页面进行点击。在出行应用场景中,可生成各地点、各服务或者诸如司机等各服务提供者的推荐信息,以使用户基于推荐信息选择地点、服务或者服务推荐者。当然,本说明书还可适用于其他应用场景,实际上,对于任意涉及向用户推荐目标的应用场景,均可使用本说明书提供的信息的生成方法以生成向用户推荐目标的推荐信息。
为便于描述,以下以推荐信息为推荐理由为例,进行说明。
现有的推荐理由的生成方式,在向用户推荐商户时,首先,获取商户对应的UGC,然后,在UGC中筛选出候选推荐理由,之后,通过提取候选推荐理由的特征等方式,在各候选推荐理由中,确定若干个优质推荐理由,由若干个优质推荐理由组成推荐理由集合,在推荐理由集合中选择一个优质推荐理由进行展示。
考虑到UGC是用户在历史上对商户的评论等信息,而且,推荐理由集合中的各优质推荐理由可能来源于多个UGC,并且,是不同用户创作的UGC,因此,推荐理由可能较好地向用户展示了商户的特点信息,但是,推荐理由并没有从当前用户的角度出发,匹配当前用户所处的场景,从而使得推荐理由对当前用户的吸引力不高,无法有效地辅助用户进行决策,导致用户对商户的点击率较低。
因此,本说明书提供一种信息的生成方法,以部分地解决上述内容存在的问题。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的一种信息的生成方法流程图,具体可包括以下步骤:
S100:监控用户的操作,当根据所述用户的操作,确定向所述用户推荐目标时,获取所述用户在过去指定时长内的行为信息、所述目标的信息。
在本说明书中,用户可通过终端访问互联网平台,其中,终端可安装有客户端,用户通过打开客户端访问互联网平台,终端还可安装有浏览器,用户打开浏览器后,根据互联网平台的地址信息,访问互联网平台。故,本说明书提供的信息的生成方法可在电子设备上执行,电子设备可包括用户的终端、互联网平台,尤其是互联网平台的服务器,其中,服务器可以是单独的一台设备或者是多台设备组成的分布式服务器,本说明书对此不做限制。
当用户访问互联网平台时,可监控用户的操作,用户的操作可包括点击、输入信息等,响应于用户的操作,可进行页面的跳转,尤其是跳转至包含目标的信息的页面。例如,用户输入搜索关键词进行搜索,响应于用户的操作,可从当前展示的页面跳转至搜索关键词对应的搜索页面,搜索页面中包含搜索关键词对应的目标。
不同的应用场景对应的目标不同,在电子商务应用场景中,目标可以是商户,也可以是产品等,在出行应用场景中,目标可以是地点、服务或服务提供者。为便于描述,本说明书以目标为商户为例进行说明。
响应于用户的操作,互联网平台向用户展示的页面中,包括至少一个目标的信息,例如,互联网平台的首页、基于用户的操作跳转后的搜索页面等。目标的信息可包括目标的名称、评分等信息。另外,互联网平台向用户展示的页面中还可包括目标列表,目标列表中包括多个目标,针对每个目标,可获取该目标的信息、用户的行为信息,基于获取的信息,生成向用户推荐该目标的推荐信息。
在确定向用户推荐的目标之后,可获取目标的信息,以及用户的行为信息。
沿用上例,目标为商户时,目标的信息可包括不同维度的信息,例如,目标的热度维度、目标对应的UGC维度、用户对目标的认可维度、其他维度等。其中,目标的热度维度可包括目标的实时搜索信息(例如,目标在实时搜索排行榜中的次序、搜索目标的用户数量等)、目标为热门目标或冷门目标等;目标对应的UGC维度可包括目标对应的UGC信息;用户对目标的认可维度可包括当前用户对目标的搜索/浏览/收藏/购买的信息、目标在历史上被搜索/浏览/收藏/购买的信息、目标对应的评价信息;其他维度可包括目标的设立时长等信息。当然,上述只是示例性的列举目标的信息,目标的信息还可包括其他的信息,例如,与用户当前所在位置之间的距离等,又如,目标可提供的产品的信息等,本说明书对目标的信息不做限制。
在获取用户的行为信息时,可获取用户在指定时长内的行为信息,指定时长可以是预先设置的,例如,一周等,也可以是预先设置的历史时刻到当前时刻的时长,历史时刻可以是用户首次访问互联网平台的时刻等。
在本说明书中,可以监控用户的操作,从而基于监控到的信息,确定用户在过去指定时长内的行为信息,也可以获取用户日志,从用户日志中获取用户的行为信息。
其中,用户的行为信息可包括当前用户的浏览操作、输入操作等,也可以是其他用户的行为信息,其他用户可以是浏览过目标的用户,也可以是与当前用户存在相同属性信息的用户,例如,其他用户与当前用户的人群属性均为白领属性。
并且,根据用户的行为信息,可确定用户的用户画像。具体的,可根据用户浏览目标的次数、时长等信息,确定用户的用户喜好,沿用上例,根据用户的行为信息,可确定用户浏览某一种菜品的次数大于预设的次数阈值、或者浏览时长大于预设的时长阈值,则可确定用户的菜品偏好。另外,针对每个用户,还可根据该用户的行为信息,确定该用户对应的知识图谱,从而根据各用户对应的知识图谱,确定与当前用户存在相同属性信息的其他用户,用户的属性信息可包括人群属性、物品联系属性等。
此外,本说明书还可获取用户当前所处的环境信息,其中,环境信息可包括天气信息、当前时间信息、用户所在的地理位置等信息。
S102:在预设的各场景中,根据所述用户当前所处的环境信息、所述行为信息以及所述目标的信息中的至少一种以及各场景的属性信息,确定若干个场景作为指定场景。
在获取用户的行为信息、目标的信息等之后,可基于用户的行为信息、目标的信息、环境信息中的一种或多种,在预先设置的各场景中,选择出至少一个场景作为指定场景。
首先,本说明书可预先设置多种场景,各场景之间相互独立,每种场景的属性信息不同。
在设置场景时,可参考各维度的目标信息、各维度的用户行为信息等,并且,每种场景的属性信息可由目标的信息、用户的行为信息、环境信息中的一种或多种确定。
另外,由于本说明书可适用于多种应用场景,每种应用场景均可对应设置多种场景,各应用场景中对应的场景可以完全一致,即,存在同一场景适用于至少两种应用场景。
然后,针对各场景,将环境信息、行为信息以及目标的信息中的至少一种与该场景的属性信息进行匹配,当匹配结果为一致时,确定该场景为指定场景。
具体的,目标的信息可包括目标的特色信息,例如,目标提供的产品的特色信息、目标自身的特色信息等。在本说明书中,针对不同的场景,可设置不同的规则,基于预设的规则,在各场景中,选择至少一种场景作为指定场景。例如,可将环境信息、行为信息以及目标的信息中的一种或多种组合,与各场景的属性信息进行匹配。不同的场景的属性信息不同,在环境信息、行为信息以及目标的信息中,与该场景的属性信息进行匹配的信息也不同。另外,本说明书还可提供无需与上述环境信息、行为信息以及目标的信息进行匹配的场景。
针对各场景,当该场景对应的匹配结果一致时,或者,该场景满足预设的条件时,可确定该场景为指定场景。
沿用上例,表1为本说明书实施例提供的场景信息列表。各场景的信息可如表1所示。
表1
表1提供了每种场景的场景类型、场景的属性信息以及选择该场景作为指定场景的规则。表1中的部分场景可适用于不同的应用场景,例如天气类型、时间类型、符号类型等场景。
如表1所示,针对天气类型等场景,可将环境信息与该场景的属性信息进行匹配,即,环境信息中包括天气信息等信息,则由于天气类型的场景的属性信息为不同的天气信息,二者匹配结果为一致,均为天气信息,则可确定天气类型的场景为指定场景。针对偏好类型等场景,可将用户的行为信息与该场景的属性信息进行匹配,即,行为信息中包括菜品偏好等信息,则由于偏好类型场景的属性信息为用户的菜品偏好,则可确定偏好类型的场景为指定场景。针对时长类型的场景,当目标的信息中包括目标的存活年份时,由于时长类型的场景的属性信息为商户存活年份,二者匹配结果一致,则可确定时长类型的场景为指定场景。除了单独将环境信息、行为信息以及目标的信息中的一种与场景的属性信息进行匹配之外,还可在环境信息、行为信息以及目标信息中选择两种或两种以上的组合得到的信息与场景的属性信息进行匹配,根据匹配结果,确定判断场景是否为指定场景。例如,以行为信息与目标的信息组合为例,根据行为信息与目标的信息,可确定用户对目标的搜索/浏览/收藏/购买的数量,对于用户认可类型的场景,由于用户认可类型的场景的属性信息为用户对商户的搜索/浏览/收藏/购买的数量,因此,可判断行为信息与目标的信息组合后得到的信息与用户认可类型的场景的属性信息匹配一致,则可将用户认可类型的场景作为指定场景。
上述只是以表1中的某些场景为例进行说明,实际上,当场景的属性信息与获取的信息或信息组合匹配结果为一致时,即可将场景作为指定场景。
S104:根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,针对各指定场景,通过该指定场景对应的生成模板,生成向所述用户推荐所述目标的推荐信息并展示。
在预设的各场景中确定若干个指定场景之后,可将环境信息、用户的行为信息以及目标的信息中的一种或多种添加至各指定场景对应的生成模板,生成向用户推荐目标的推荐信息,在各推荐信息中,选择推荐信息进行展示。
首先,针对各指定场景,可根据环境信息、行为信息以及目标的信息中的至少一种,在该指定场景对应的各生成模板中,选择指定生成模板。
具体的,针对各指定场景,该指定场景可对应至少一种生成模板,由于该指定场景对应的属性信息可包括多种类型,每种类型的属性信息均可对应一种或多种生成模板,例如,指定场景为天气类型的场景,属性信息为不同的天气信息,由于天气信息可以包括多种天气类型,例如,高温天气类型、低温天气类型等,每种天气类型均可对应一种或多种生成模板,以低温天气类型为例,低温天气类型对应的生成模板可以包括生成模板1(天气一天比一天冷,没事总想吃点(菜系类型))和生成模板2(天气的寒冷阻挡不了挨饿的你,尝尝(菜品类型))等。
因此,根据环境信息、行为信息以及目标的信息中的至少一种,可确定与该指定场景的属性信息匹配一致的信息的类型,在于该指定场景的属性信息匹配一致的信息的类型对应的各生成模板中,选择一种或多种生成模板作为指定生成模板。
在选择指定生成模板时,可在各生成模板中随机选择若干个生成模板作为指定生成模板,也可以针对每个生成模板,根据该生成模板中空缺位置对应的信息类型,判断场景信息、行为信息以及目标的信息中是否包含该信息类型对应的信息,若判断结果为包含,则选择该生成模板作为指定生成模板,否则,可不选则该生成模板。
以根据环境信息确定指定生成模板为例,环境信息可包括天气信息、当前时间信息,根据预设的天气类型,可确定天气信息对应的天气类型作为指定天气类型,并且,根据预先划分的各时间区间,可确定当前时间信息所在的时间区间作为指定时间区间,在该指定场景对应的各生成模板中,确定指定天气类型对应的生成模板、指定时间区间对应的生成模板中的至少一个作为指定生成模板。
例如,根据环境信息,用户当前访问互联网平台时的气温为0度,可确定指定天气类型为低温天气类型,并且,用户当前访问互联网平台的时间为12点,在预先划分的11点至13点时间区间中,指定场景对应的各生成模板中,确定低温天气类型和/或11点至13点时间区间对应的生成模板作为指定生成模板。
当然,根据行为信息、目标的信息以及环境信息与各信息之间的组合信息等,同样可确定指定生成模板,上述只是以环境信息确定指定生成模板为例进行的说明。
然后,将环境信息、行为信息以及目标的信息中的至少一种添加至指定生成模板中,得到推荐信息。
在确定指定生成模板之后,可根据指定生成模板中空缺位置对应的信息类型,在环境信息、行为信息以及目标的信息中,确定空缺位置对应的信息类型的信息,并将确定的信息添加至指定生成模板中,得到推荐信息。
另外,指定生成模板中可包含多个空缺位置,可在每个空缺位置均添加信息,也可选择需要添加信息的空缺位置,将信息添加至选择的空缺位置。
此外,进一步增加对用户的吸引力,可在推荐信息中增加图形符号,其中,图形符号可包括绘文字。具体的,可将环境信息、行为信息以及目标的信息中的至少一种添加至该指定场景对应的生成模板中,得到中间信息,在中间信息中,确定若干个候选词汇,针对每个候选词汇,获取该候选词汇对应的图形符号,并将该候选词汇对应的图形符号添加到中间信息中,得到推荐信息。另外,还可获取候选词汇与图形符号之间的对应关系,在环境信息、行为信息以及目标的信息中,确定各候选词汇,在将环境信息、行为信息以及目标的信息添加至指定生成模板时,若添加的信息中包括候选词汇,可根据候选词汇与图形符号之间的对应关系,将候选词汇与候选词汇对应的图形符号同时添加至指定生成模板中,得到推荐信息。
因此,本说明书中可预先获取候选词汇与图形符号之间的对应关系,关于候选词汇与图形符号之间的关系的确定,本说明书不作限制。
之后,将当前状态信息以及当前状态信息对应的各推荐信息输入预先训练的分发模型,通过分发模型,在各推荐信息中,确定指定推荐信息,其中,当前状态信息包括环境信息、行为信息以及目标的信息。
由于每个指定场景对应若干个指定生成模板,通过每个指定生成模板可得到一个推荐信息,因此,本说明书可得到由若干个推荐信息组成的推荐信息集合,向用户展示推荐信息时,可从推荐信息集合中选择推荐信息进行展示。
因此,可在推荐信息集合中随机选择推荐信息进行展示,或者,可根据用户当前的搜索关键词,在各推荐信息中,确定与搜索关键词匹配的推荐信息进行展示。
在一种优选的实施例中,可通过机器学习模型,在各推荐信息中确定指定推荐信息。即,将环境信息、行为信息以及目标的信息以及各推荐信息输入预先训练的分发模型,通过分发模型,确定指定推荐信息。其中,分发模型为机器学习的一种,可以是神经网络模型、强化学习模型等。
因此,本说明书提供一种预先训练分发模型的方法,图2为本说明书实施例提供的一种训练分发模型的方法流程图,具体可包括以下步骤:
S200:获取样本用户对应的样本状态信息以及所述样本状态信息对应的各样本推荐信息。
S202:将所述样本状态信息以及各样本推荐信息输入待训练的分发模型,得到所述待训练的分发模型在各样本推荐信息中选择的样本推荐信息,作为指定样本推荐信息。
S204:根据所述样本用户的操作,确定所述指定样本推荐信息的奖励。
S206:以所述奖励最大化为训练目标,对所述待训练的分发模型进行训练。
在本说明书中,可获取若干个样本用户的信息,针对每个样本用户,可确定该样本用户对应的样本状态信息以及样本状态信息对应的若干个样本推荐信息。其中,样本用户对应的样本状态信息可包括样本用户的行为信息、样本用户所处的环境信息以及为样本用户推荐的各样本目标的信息,根据样本用户对应的样本状态信息,确定若干个样本推荐信息的过程可参考上述步骤S100-步骤S104中的相关内容。
将各样本用户对应的样本状态信息以及各样本推荐信息输入待训练的分发模型,通过待训练的分发模型确定指定样本推荐信息,在本说明书中,分发模型可以为强化学习模型,也可以是基于强化学习思想的机器学习模型,例如,深度强化学习模型、Deep QNetwork、深度确定性策略梯度模型(Deep Deterministic Policy Gradient,DDPG)等。
由于待训练的分发模型确定指定样本推荐信息后,通过样本用户的终端可向样本用户展示指定样本推荐信息。这里需要说明的是,针对每个样本用户,通过待训练的分发模型,可确定每个样本目标对应的指定样本推荐信息,因此,可通过该样本用户的终端,向该样本用户展示为该样本用户推荐的每个样本目标对应的指定样本推荐信息,一般而言,为该样本用户推荐的各样本目标的信息展示在同一页面上,也即,可确定展示指定样本推荐信息对应的样本目标的页面,在页面中,可确定包含各样本目标的目标列表。
本说明书可监控各样本用户的操作,若样本用户点击目标列表中至少一个目标,则可确定指定样本推荐信息的奖励。也即,若样本用户的操作为在当前页面中点击样本目标列表中的一个样本目标,即,样本用户查看至少一个样本目标,则可根据样本用户的操作,给予正反馈,即,给予正向奖励,反之,若样本用户的操作为从当前页面跳转至其他页面,即,样本用户未查看任一样本目标,则可根据样本用户的操作,给予负反馈,即,给予反向奖励(或,可称为惩罚)。
进一步地,在本说明书中,由于页面中可包括目标列表,当样本用户点击目标列表中的一个样本目标时,则可确定目标列表中的每个样本目标对应的指定样本推荐信息均为正向奖励。反之,当样本用户未查看目标列表中的任一样本目标时,则可确定目标列表中的每个样本目标对应的指定样本推荐信息均为反向奖励。
基于此,可以为各样本用户推荐的各样本目标对应的指定样本推荐信息的整体奖励最大化为训练目标,训练待训练的分发模型。
当然,本说明书中,针对各样本目标,还可根据该样本目标对应的指定样本推荐信息的奖励,通过Q网络等方式,确定该样本目标对应的指定样本推荐信息的信息价值,然后,以各样本用户推荐的各样本目标对应的指定样本推荐信息的信息价值最大化为训练目标,训练待训练的分发模型。
因此,可基于各样本用户的信息,确定经验回放样本,根据经验回放样本训练待训练的分发模型。具体的训练方式,可参考现有的内容。
最后,向用户展示指定推荐信息。
在通过训练完成的分发模型确定指定推荐信息后,可通过用户的终端为用户展示目标对应的指定推荐信息,以辅助用户作出决策。实际上,由于搜索页面、互联网平台首页等页面中包括若干个目标,因此,针对每个目标,均可生成为用户推荐该目标的推荐信息,因此,页面中可展示每个目标的指定推荐信息。
图3为本说明书实施例提供的一种页面展示示意图。在图3中,用户通过终端输入搜索关键词,基于搜索关键词,为用户展示包含三个商户的搜索页面,并且,针对每个商户,向用户展示推荐该商户的指定推荐信息。例如,针对A商户,指定推荐信息为“当前页面口味分最高的一家店,去尝尝”,针对B商户,指定推荐信息为“这家店环境很好且服务超棒,白领都喜欢”,针对C商户,指定推荐信息为“吃完热热的火锅,喝杯冰饮怎么样”。而对于任意商户,该商户对应的指定推荐信息均为基于用户的信息、商户的信息以及用户当前所处的环境信息确定出的对用户吸引力较高的推荐信息。
基于上述内容提供的信息的生成方法,本说明书实施例还对应提供一种信息的生成装置的结构示意图,如图4所示。
图4为本说明书实施例提供的一种信息的生成装置的结构示意图,所述装置包括:
监控模块401,用于监控用户的操作,当根据所述用户的操作,确定向所述用户推荐目标时,获取所述用户在过去指定时长内的行为信息、所述目标的信息;
确定模块402,用于在预设的各场景中,根据所述用户当前所处的环境信息、所述行为信息以及所述目标的信息中的至少一种以及各场景的属性信息,确定若干个场景作为指定场景;
生成模块403,用于根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,针对各指定场景,通过该指定场景对应的生成模板,生成向所述用户推荐所述目标的推荐信息并展示。
在本说明书中,每个用户浏览到的推荐信息不完全相同,并且,每个用户浏览到的推荐信息均是基于该用户的行为信息、目标的信息以及用户所处环境的信息等生成的,推荐信息中兼具了用户喜好与目标的特色,相对于现有的采用UGC中的内容作为推荐信息,本说明书生成的推荐信息对用户更加具有吸引力,可有效地辅助用户进行决策。
可选地,所述目标的信息包括所述目标的特色信息;
所述确定模块402具体用于,针对各场景,将所述环境信息、所述行为信息以及所述特色信息中的至少一种与该场景的属性信息进行匹配;当匹配结果为一致时,确定该场景为所述指定场景。
可选地,所述生成模块403具体用于,针对各指定场景,根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,在该指定场景对应的各生成模板中,选择指定生成模板;将所述环境信息、所述行为信息以及所述目标的信息中的至少一种添加至所述指定生成模板中,得到所述推荐信息。
可选地,所述环境信息包括天气信息、当前时间信息;
所述生成模块403具体用于,根据预设的天气类型,确定所述天气信息对应的天气类型作为指定天气类型,并且,根据预先划分的各时间区间,确定所述当前时间信息所在的时间区间作为指定时间区间;在该指定场景对应的各生成模板中,确定所述指定天气类型对应的生成模板,和/或所述指定时间区间对应的生成模板作为所述指定生成模板。
可选地,所述生成模块403具体用于,将所述环境信息、所述行为信息以及所述目标的信息中的至少一种添加至该指定场景对应的生成模板中,得到中间信息;在所述中间信息中,确定若干个候选词汇;针对每个候选词汇,获取该候选词汇对应的图形符号,并将该候选词汇对应的图形符号添加到所述中间信息中,得到所述推荐信息。
可选地,所述生成模块403具体用于,将当前状态信息以及所述当前状态信息对应的各推荐信息输入预先训练的分发模型,通过所述分发模型,在各推荐信息中,确定指定推荐信息,其中,所述当前状态信息包括所述环境信息、所述行为信息以及所述目标的信息;向所述用户展示所述指定推荐信息。
可选地,所述装置还包括训练模块404;
所述训练模块404具体用于,获取样本用户对应的样本状态信息以及所述样本状态信息对应的各样本推荐信息;将所述样本状态信息以及各样本推荐信息输入待训练的分发模型,得到所述待训练的分发模型在各样本推荐信息中选择的样本推荐信息,作为指定样本推荐信息;根据所述样本用户的操作,确定所述指定样本推荐信息的奖励;以所述奖励最大化为训练目标,对所述待训练的分发模型进行训练。
可选地,所述训练模块404具体用于,确定展示所述指定样本推荐信息对应的样本目标的页面;在所述页面中,确定包含所述样本目标的目标列表;监控所述样本用户的操作,若所述样本用户点击所述目标列表中至少一个目标,则确定所述指定样本推荐信息的奖励。
本说明书实施例还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述内容提供的信息的生成方法。
基于上述内容提供的信息的生成方法,本说明书实施例还提出了图5所示的电子设备的示意结构图。如图5,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述内容提供的信息的生成方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书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,本说明书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。
本说明书是参照根据本说明书实施例的方法、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设备上,使得在计算机或其他可编程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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书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,本说明书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。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,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。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (11)
1.一种信息的生成方法,其特征在于,所述方法包括:
监控用户的操作,当根据所述用户的操作,确定向所述用户推荐目标时,获取所述用户在过去指定时长内的行为信息、所述目标的信息;
在预设的各场景中,根据所述用户当前所处的环境信息、所述行为信息以及所述目标的信息中的至少一种以及各场景的属性信息,确定若干个场景作为指定场景;
根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,针对各指定场景,通过该指定场景对应的生成模板,生成向所述用户推荐所述目标的推荐信息并展示。
2.如权利要求1所述的方法,其特征在于,所述目标的信息包括所述目标的特色信息;
在预设的各场景中,根据所述用户当前所处的环境信息、所述行为信息以及所述目标的信息中的至少一种以及各场景的属性信息,确定若干个场景作为指定场景,具体包括:
针对各场景,将所述环境信息、所述行为信息以及所述特色信息中的至少一种与该场景的属性信息进行匹配;
当匹配结果为一致时,确定该场景为所述指定场景。
3.如权利要求1所述的方法,其特征在于,根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,针对各指定场景,通过该指定场景对应的生成模板,生成向所述用户推荐所述目标的推荐信息,具体包括:
针对各指定场景,根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,在该指定场景对应的各生成模板中,选择指定生成模板;
将所述环境信息、所述行为信息以及所述目标的信息中的至少一种添加至所述指定生成模板中,得到所述推荐信息。
4.如权利要求3所述的方法,其特征在于,所述环境信息包括天气信息、当前时间信息;
根据所述环境信息,在该指定场景对应的各生成模板中,选择指定生成模板,具体包括:
根据预设的天气类型,确定所述天气信息对应的天气类型作为指定天气类型,并且,根据预先划分的各时间区间,确定所述当前时间信息所在的时间区间作为指定时间区间;
在该指定场景对应的各生成模板中,确定所述指定天气类型对应的生成模板,和/或所述指定时间区间对应的生成模板作为所述指定生成模板。
5.如权利要求1所述的方法,其特征在于,通过该指定场景对应的生成模板,生成向所述用户推荐所述目标的推荐信息,具体包括:
将所述环境信息、所述行为信息以及所述目标的信息中的至少一种添加至该指定场景对应的生成模板中,得到中间信息;
在所述中间信息中,确定若干个候选词汇;
针对每个候选词汇,获取该候选词汇对应的图形符号,并将该候选词汇对应的图形符号添加到所述中间信息中,得到所述推荐信息。
6.如权利要求1所述的方法,其特征在于,展示向所述用户推荐所述目标的推荐信息,具体包括:
将当前状态信息以及所述当前状态信息对应的各推荐信息输入预先训练的分发模型,通过所述分发模型,在各推荐信息中,确定指定推荐信息,其中,所述当前状态信息包括所述环境信息、所述行为信息以及所述目标的信息;
向所述用户展示所述指定推荐信息。
7.如权利要求6所述的方法,其特征在于,预先训练所述分发模型,具体包括:
获取样本用户对应的样本状态信息以及所述样本状态信息对应的各样本推荐信息;
将所述样本状态信息以及各样本推荐信息输入待训练的分发模型,得到所述待训练的分发模型在各样本推荐信息中选择的样本推荐信息,作为指定样本推荐信息;
根据所述样本用户的操作,确定所述指定样本推荐信息的奖励;
以所述奖励最大化为训练目标,对所述待训练的分发模型进行训练。
8.如权利要求7所述的方法,其特征在于,根据所述样本用户的操作,确定所述指定样本推荐信息的奖励,具体包括:
确定展示所述指定样本推荐信息对应的样本目标的页面;
在所述页面中,确定包含所述样本目标的目标列表;
监控所述样本用户的操作,若所述样本用户点击所述目标列表中至少一个目标,则确定所述指定样本推荐信息的奖励。
9.一种信息的生成装置,其特征在于,所述装置包括:
监控模块,用于监控用户的操作,当根据所述用户的操作,确定向所述用户推荐目标时,获取所述用户在过去指定时长内的行为信息、所述目标的信息;
确定模块,用于在预设的各场景中,根据所述用户当前所处的环境信息、所述行为信息以及所述目标的信息中的至少一种以及各场景的属性信息,确定若干个场景作为指定场景;
生成模块,用于根据所述环境信息、所述行为信息以及所述目标的信息中的至少一种,针对各指定场景,通过该指定场景对应的生成模板,生成向所述用户推荐所述目标的推荐信息并展示。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1-8任一所述的方法。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110037562.3A CN112699307A (zh) | 2021-01-12 | 2021-01-12 | 一种信息的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110037562.3A CN112699307A (zh) | 2021-01-12 | 2021-01-12 | 一种信息的生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112699307A true CN112699307A (zh) | 2021-04-23 |
Family
ID=75514122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110037562.3A Pending CN112699307A (zh) | 2021-01-12 | 2021-01-12 | 一种信息的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112699307A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806567A (zh) * | 2021-09-17 | 2021-12-17 | 北京达佳互联信息技术有限公司 | 搜索词的推荐方法及装置 |
CN116628349A (zh) * | 2023-07-25 | 2023-08-22 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备、存储介质及程序产品 |
-
2021
- 2021-01-12 CN CN202110037562.3A patent/CN112699307A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806567A (zh) * | 2021-09-17 | 2021-12-17 | 北京达佳互联信息技术有限公司 | 搜索词的推荐方法及装置 |
CN113806567B (zh) * | 2021-09-17 | 2024-01-02 | 北京达佳互联信息技术有限公司 | 搜索词的推荐方法及装置 |
CN116628349A (zh) * | 2023-07-25 | 2023-08-22 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备、存储介质及程序产品 |
CN116628349B (zh) * | 2023-07-25 | 2023-12-19 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10706450B1 (en) | Artificial intelligence system for generating intent-aware recommendations | |
US9900358B1 (en) | Organizing a stream of content | |
CN113837804A (zh) | 一种信息推荐的方法、装置及设备 | |
CN108829808B (zh) | 一种页面个性化排序方法、装置及电子设备 | |
US20140195506A1 (en) | System and method for generating suggestions by a search engine in response to search queries | |
WO2016169016A1 (en) | Method and system for presenting search result in search result card | |
CN114202370A (zh) | 一种信息推荐方法和装置 | |
CN113688313A (zh) | 一种预测模型的训练方法、信息推送的方法及装置 | |
US20170357698A1 (en) | Navigating an electronic item database via user intention | |
CN108519997B (zh) | 相关内容的推荐方法及装置 | |
CN110599307A (zh) | 一种商品推荐的方法及装置 | |
CN112699307A (zh) | 一种信息的生成方法及装置 | |
CN112559869A (zh) | 一种评论信息的显示方法、装置、电子设备及存储介质 | |
CN112733024A (zh) | 一种信息推荐的方法及装置 | |
CN111222931A (zh) | 一种产品推荐方法及系统 | |
CN113704513A (zh) | 一种模型训练的方法、信息展示的方法以及装置 | |
CN108694211B (zh) | 应用分发方法及装置 | |
CN111737595A (zh) | 一种候选词推荐方法、词库排序模型训练方法及装置 | |
CN111191132A (zh) | 一种信息推荐方法、装置及电子设备 | |
US10997254B1 (en) | 1307458USCON1 search engine optimization in social question and answer systems | |
CN113641894A (zh) | 一种信息推荐的方法及装置 | |
CN113343095A (zh) | 一种模型训练以及信息推荐方法及装置 | |
Van Looy | Search engine optimization | |
CN112256963A (zh) | 新闻推荐方法、装置、媒体服务器及可读存储介质 | |
CN111639269A (zh) | 一种地点推荐方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |