CN112883725A - 一种文案生成方法、装置、电子设备、存储介质 - Google Patents
一种文案生成方法、装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN112883725A CN112883725A CN202011594584.1A CN202011594584A CN112883725A CN 112883725 A CN112883725 A CN 112883725A CN 202011594584 A CN202011594584 A CN 202011594584A CN 112883725 A CN112883725 A CN 112883725A
- Authority
- CN
- China
- Prior art keywords
- interest
- hot
- interest point
- user
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 30
- 238000007711 solidification Methods 0.000 claims description 27
- 230000008023 solidification Effects 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 20
- 239000012634 fragment Substances 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 17
- 239000008833 migu Substances 0.000 description 9
- 238000003058 natural language processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 239000003814 drug Substances 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000007635 classification algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 241000208367 Euonymus Species 0.000 description 2
- 206010026749 Mania Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000009193 crawling Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 240000007182 Ochroma pyramidale Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种文案生成方法、装置、电子设备以及存储介质,文案生成方法包括:利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息;获取文案的预设内容;根据所述预设内容基于所述兴趣热度信息生成文案。根据用户的兴趣点,从而形成贴合用户兴趣的文案,能够打动用户,吸引用户注意。
Description
技术领域
本发明涉及互联网文案技术领域,尤其是涉及一种文案生成方法、装置、电子设备、存储介质。
背景技术
多媒体文案的发展,基于传统方式千篇一律的软文方案在例如营销方面效果欠佳,受众用户往往无法被打动,文案无法引起用户注意,往往会被用户忽略,导致活动无法触达用户。
发明内容
本发明提供一种文案生成方法、装置、电子设备以及存储介质。根据用户的兴趣点,从而形成贴合用户兴趣的文案,能够打动用户,吸引用户注意。
为解决上述技术问题,本发明提供的第一个技术方案为:提供一种文案生成方法,包括:利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息;获取文案的预设内容;根据所述预设内容基于所述兴趣热度信息生成文案。
其中,方法还包括:获取兴趣点热词库以及热文摘要话术库;所述根据所述预设内容基于所述兴趣热度信息生成文案包括:根据所述预设内容、所述兴趣点热词库以及热文摘要话术库基于所述兴趣热度信息生成所述文案。
其中,所述利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息包括:基于互联网热点资讯信息获取若干兴趣点热词作为训练样本集,其中,所述兴趣点热词标注有兴趣点类型;利用标注有兴趣点类型的所述兴趣点热词进行训练以得到所述兴趣点预测模型,利用所述兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息。
其中,所述利用标注有兴趣点类型的所述兴趣点热词进行训练以得到所述兴趣点预测模型包括:对所述兴趣点热词进行处理,以得到对应的词向量集合;利用多个卷积神经网络分别对所述词向量集合进行处理,以得到多个第一处理结果;将所述多个第一处理结果进行拼接,以得到第二处理结果;利用深度神经网络对所述第二处理结果进行处理,以得到所述兴趣点热点词的预测兴趣点类型;利用标注的兴趣点类型以及所述预测兴趣点类型对兴趣点预测模型进行训练,以得到所述兴趣点预测模型。
其中,所述基于互联网热点资讯信息获取若干兴趣点热词作为训练样本集包括:对所述热点资讯信息进行分词,以得到分词碎片;对所述分词碎片进行拼接,以得到词库;统计所述词库中分词的出现频率、自由度、凝固度;若所述分词的出现频率大于频率阈值,所述自由度大于自由度阈值,以及所述凝固度大于凝固度阈值时,则所述分词为兴趣点热词。
其中,所述获取兴趣点热词库以及热文摘要话术库包括:基于互联网热点资讯信息获取若干兴趣点热词;利用自动摘要算法对所述兴趣点热词的原始文本进行要点提炼,并利用提炼的结果对所述兴趣点热词进行描述,以得到热文摘要;基于所述兴趣点热词生成所述兴趣点热词库;基于所述热文摘要生成所述热文摘要话术库。
其中,所述基于互联网热点资讯信息获取若干兴趣点热词包括:对所述互联网热点资讯信息进行清洗;基于清洗后的所述热点资讯信息获取若干兴趣点热词。
为解决上述技术问题,本发明提供的第二个技术方案为:提供一种文案生成装置,包括:兴趣热度信息模块,用于利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息;文案策略模块,用于获取文案的预设内容;文案生成模块,连接所述兴趣热度信息模块以及所述文案策略模块,用于根据所述预设内容基于所述兴趣热度信息生成文案。
其中,所述文案生成装置还包括:兴趣点热词库以及热文摘要话术库模块,用于获取兴趣点热词库以及热文摘要话术库;其中,所述文案生成模块进一步连接所述兴趣点热词库以及热文摘要话术库模块,根据所述预设内容、所述兴趣点热词库以及热文摘要话术库基于所述兴趣热度信息生成所述文案。
为解决上述技术问题,本发明提供的第三个技术方案为:提供一种电子设备,包括:存储器和处理器,其中,存储器存储有程序指令,处理器从存储器调取程序指令以执行上述任一项的文案生成方法。
为解决上述技术问题,本发明提供的第四个技术方案为:提供一种计算机可读存储介质,存储有程序文件,程序文件能够被执行以实现上述任一项的文案生成方法。
本发明的有益效果,区别于现有技术,本发明利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息;根据所述预设内容基于所述兴趣热度信息生成文案。根据用户的兴趣点,从而形成贴合用户兴趣的文案,能够打动用户,吸引用户注意。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图,其中:
图1为本发明文案生成方法的一实施例的流程示意图;
图2为本发明兴趣点预测模型的训练方法的一实施例的流程示意图;
图3为本发明获取兴趣点热词库以及热文摘要话术库的一实施例的流程示意图;
图4为本发明文案生成装置的第一实施例的结构示意图;
图5为本发明文案生成装置的第二实施例的流程示意图;
图6为本发明文案生成装置的第三实施例的流程示意图;
图7为本发明电子设备的一实施例的结构示意图;
图8为本发明计算机可读存储介质的一实施例的结构示意图。
具体实施方式
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的一部分实施例,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。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。
本发明中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个特征。本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果特定姿态发生改变时,则方向性指示也相应地随之改变。本申请实施例中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或组件。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
现有的一种基于AI和大数据的智能营销云服务平台,其能够解决营销平台服务策划新颖性不足以及针对性不强的问题。该方案包括:将企业的营销需求数据提供给策划人员,策划人员根据该数据制定营销文案,并对营销文案进行检索和查重,以确保文案的新颖性。但是该方法仍然依赖于策划人员的编辑,营销文案以及话术比较固定,并且无法根据营销对象兴趣爱好编辑文案。
本申请提供一种文案的生成方法,其根据用户的兴趣爱好自动生成对应的文案,尽可能的引起用户注意,打动用户。具体结合实施例以及附图对本申请进行说明。
请参见图1,为本发明提供的文案生成方法一实施例的流程示意图,包括:
步骤S11:利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息。
具体的,本案以营销活动中的营销话术文案为例进行说明,具体的,获取运营商或者运营企业的用户历史数据,具体包括用户的基本信息,用户的浏览记录,用户评论和回复记录以及用户办理或购买行为等多维数据作为用户的历史数据。例如,可以获取一些APP中用户的浏览记录,如百度浏览器、购物软件、视频软件中用户的浏览记录,将其作为历史数据。
在一具体实施例中,可以基于运营商或运营企业的DPI(Deep PacketInspection,深度报文检测)采用常规爬虫技术进行内容复现,进而获取到用户的浏览记录。
利用兴趣点预测模型根据用户的历史数据得到用户的兴趣热度信息。具体的,将用户的历史数据输入至兴趣点预测模型中,利用兴趣点预测模型根据用户的历史数据得到用户的兴趣热度信息。在一具体实施例中,兴趣点预测模型可以根据用户的历史数据对用户的兴趣点进行预测,进而得到用户的多个兴趣点以及兴趣热度,基于兴趣热度对多个兴趣点进行排序,以得到用户的兴趣热度信息。例如,若得到的用户的历史数据包括:“我不是药神、战狼、流浪地球、吴京、跑男、科比等”,则兴趣点预测模型能够得出用户的大范围兴趣点以及大范围兴趣点中的个体兴趣点以及对应的兴趣热度。在一实施例中,将大范围兴趣点记作一级兴趣点、大范围兴趣点中的个体兴趣点记作二级兴趣点。例如,得到用户的一级兴趣点为娱乐,二级兴趣点为电影、明星、综艺;其中,电影的兴趣热度为1055,明星的兴趣热度为617,综艺的兴趣热度为562。通过兴趣热度将兴趣点进行排序,进而得到用户的兴趣热度信息。进一步的,若历史数据为“我不是药神”,则该历史数据的类别为电影,进一步的,该历史数据的类别为娱乐;若历史数据为“科比”,则该历史数据的类别为NBA,进一步的,该历史数据的类别为体育。进一步的,在一实施例中,还可以进一步对得到的历史数据的类别进行效果评估,若分类准确,则得到该历史数据的类别,若分类错误,可以进一步将对应的历史数据再次送入兴趣点预测模型中进行预测。通过上述方法。利用兴趣点预测模型得到用户的兴趣热度信息。
在一具体实施例中,还可以进一步对用户的ID进行整理,进而使得兴趣点预测模型得到的兴趣热度信息与用户的ID匹配。
在一具体实施例中,利用兴趣点预测模型根据用户的历史数据得到用户的兴趣热度信息时,可以进一步对用户的历史数据进行清洗,剔除异常、空缺等无效数据。
在一具体实施例中,需要预先训练得到兴趣点预测模型。具体请结合图2,包括:
步骤S21:基于互联网热点资讯信息获取若干兴趣点热词作为训练样本集,其中,所述兴趣点热词标注有兴趣点类型。
具体的,基于互联网热点资讯信息获取若干兴趣点热词作为训练样本集,其中,所述兴趣点热词标注有兴趣点类型。具体的,可以利用开源的互联网爬虫技术基于Scrapy框架定制化开发互联网热门资讯爬虫程序,对开放的主流互联网门户及热门论坛等网站进行热门资讯爬取,获取互联网热点资讯信息。
具体的,在一实施例中,对热点资讯信息通过自然语言处理(Natural LanguageProcessing,NLP)算法进行分词,进而得到兴趣点热词。由于常规的分词算法对数据文本语句进行词汇分割时采用字库匹配切割,无法识别有效的长句子词汇进行分割,因此本方法对常规NLP分词算法进行改进,增加新词发现算法。
具体的,对热点资讯信息进行分词,以得到分词碎片;对分词碎片进行拼接,以得到词库;统计词库中分词的出现频率、自由度、凝固度;若分词的出现频率大于频率阈值,自由度大于自由度阈值,以及凝固度大于凝固度阈值时,则分词为兴趣点热词。
具体的,在对分词碎片进行拼接得到词库后,若词库中分词出现的频率大于频率阈值时,则进一步判断分词的自由度以及凝固度,若自由度大于自由度阈值,凝固度大于凝固度阈值时,则分词为兴趣点热词。其中,若词库中分词出现的频率小于频率阈值时,则将对应的分词剔除。若词库中分词的自由度小于自由度阈值,凝固度小于凝固度阈值时,则将对应的分词剔除。
在一实施例中,还可以进一步将得到的兴趣点热词加入至热点资讯信息中,以在下一次测试时,将其作为热点资讯信息,作为构建兴趣点预测模型的样本数据。
在一实施例中,还可以进一步对热点资讯信息进行数据清洗,剔除异常、空缺等无效数据。
本申请的方法,其能够识别长句子,并且对长句子的词汇进行分割得到分词,并根据分词的出现的频率、自由度以及凝固度进一步得到兴趣点热词。其能够保证兴趣点热词的准确性。
在一实施例中,若热点资讯信息为“我不是药神”“大笑背后的凄凉”,“面对人性与法律”,“该作何抉择”。利用现有的分词算法对其进行分词后得到的热词为:《/我/不是/药神/》/大笑/背后/的/凄凉/,/面对/人性/与/法律/,/该/作何/抉择。而利用本申请的方式对其进行分词后的兴趣点热词为:《/我不是药神/》/大笑/背后/的/凄凉/,/面对/人性/与/法律/,/该/作何/抉择。再例如,若热点资讯信息为:“从卖全球到买全球”!“外媒:中国双十一推动全球购物狂欢季”。利用现有的分词算法对其进行分词后得到的热词为:从/“/卖/全球/”/到/“/买/全球/”/!/外媒/:/中国/双十/一/推动/全球/购物/狂欢/季。而利用本申请的方式对其进行分词后的兴趣点热词为:从/“/卖全球/”/到/“/买全球/”/!/外媒/:/中国/双十一/推动/全球/购物/狂欢季。本申请的分词方法,能够结合语境,得到具有一定凝固度的兴趣点热词,例如“卖全球”、“买全球”等。
在得到若干兴趣点热词后,对若干兴趣点热词的兴趣点类型进行标注。
步骤S22:利用标注有兴趣点类型的所述兴趣点热词进行训练以得到所述兴趣点预测模型,利用所述兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息。
具体的,对所述兴趣点热词进行处理,以得到对应的词向量集合;例如可以利用Word2Vec算法对兴趣点热词进行处理,进而得到对应的词向量,所有词向量组成词向量组合。利用多个卷积神经网络分别对词向量集合进行处理,以得到多个第一处理结果;将多个第一处理结果进行拼接,以得到第二处理结果;利用深度神经网络对第二处理结果进行处理,以得到兴趣点热点词的预测兴趣点类型;利用标注的兴趣点类型以及所述预测兴趣点类型对兴趣点预测模型进行训练,以得到所述兴趣点预测模型。具体的,可以利用损失函数计算标注的兴趣点类型以及所述预测兴趣点类型之间的误差,根据误差对兴趣点预测模型进行训练,以调整兴趣点预测模型的参数,进而得到兴趣点预测模型。在一具体实施例中,可以利用标注有兴趣点类型的所述兴趣点热词对基于长文本分类算法的模型进行训练以得到所述兴趣点预测模型。具体的,长文本分类算法包括多个卷积神经网络层、能够将多个卷积神经网络层的输出进行拼接的拼接层以及对拼接结果进行处理的深度神经网络层。
步骤S12:获取文案的预设内容。
具体的,该文案的预设内容可以为【运营商/运营企业】的营销活动的预设内容,例如,文案的预设内容可以为:您可以下载并登陆“智慧生活”APP进入“咪咕”随时随地追剧,点击链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】。
步骤S13:根据所述预设内容基于所述兴趣热度信息生成文案。
在知道用户的兴趣热度信息以及具体的营销活动的预设内容后,根据预设内容基于兴趣热度信息生成文案。
例如,在一实施例中,获取的营销活动的预设内容为:您可以下载并登陆“智慧生活”APP进入“咪咕”随时随地追剧,点击链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】。用户的兴趣热度信息为娱乐,具体包括电视剧《北灵少年志之大主宰》、明星(王源、欧阳娜娜),则根据该兴趣热度信息以及营销活动的预设内容生成文案为:“《北灵少年志之大主宰》,王源、欧阳娜娜;您可以下载并登陆“智慧生活”APP进入“咪咕”随时随地追剧,并随时查看手机流量情况,点击链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】”。
在另一实施例中,还可以进一步获取获取兴趣点热词库以及热文摘要话术库;根据预设内容、所述兴趣点热词库以及热文摘要话术库基于所述兴趣热度信息生成所述文案。
例如,获取的兴趣点热词库和热文摘要话术库为:开年热播大剧《{tv_series}》,{actor}、{actress}邀您在爱恨缠绵间演绎上古奇幻与爱情。获取的营销活动的预设内容为:您可以下载并登陆“智慧生活”APP进入“咪咕”随时随地追剧,点击链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】。用户的兴趣热度信息为娱乐,具体包括电视剧《北灵少年志之大主宰》、明星(王源、欧阳娜娜),则根据预设内容、兴趣热度信息以及兴趣点热词库和热文摘要话术库生成文案为:“开年热播大剧《北灵少年志之大主宰》,王源、欧阳娜娜邀您在爱恨缠绵间演绎上古奇幻与爱情;您可以下载并登陆“智慧生活”APP进入“咪咕”随时随地追剧,并随时查看手机流量情况,点击链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】”。
再例如,在一实施例中,获取的用户对应的兴趣点热词库和热文摘要话术库为:新冠疫情,你我共同防护;复工在即,如何便捷查询“{trip}”,让您复工更加安全有保障。获取的关于营销活动的预设内容为:您可以下载并登陆“智慧生活”APP进入“抗疫专区”随时随地可以查看您的出行安全情况,点击下方链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】。用户的兴趣热度信息为出行,具体为个人行程证明例如健康二维码。则根据营销活动的预设内容、用户的兴趣热度信息以及兴趣点热词库和热文摘要话术库生成文案为:“新冠疫情,你我共同防护;复工在即,如何便捷查询“个人行程证明”,让您复工更加安全有保障;您可以下载并登陆“智慧生活”APP进入“抗疫专区”随时随地可以查看您的出行安全情况,点击下方链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】”。
在一具体实施例中,兴趣点热词库由大量的兴趣点热词组成,具体请结合图3,包括:
步骤S31:基于互联网热点资讯信息获取若干兴趣点热词。
具体的,可以利用开源的互联网爬虫技术基于Scrapy框架定制化开发互联网热门资讯爬虫程序,对开放的主流互联网门户及热门论坛等网站进行热门资讯爬取,获取最新热点资讯信息。
对热点资讯信息通过自然语言处理(Natural Language Processing,NLP)算法进行分词,进而得到兴趣点热词。由于常规的分词算法对数据文本语句进行词汇分割时采用字库匹配切割,无法识别有效的长句子词汇进行分割,因此本方法对常规NLP分词算法进行改进,增加新词发现算法。
具体的,对热点资讯信息进行分词,以得到分词碎片;对分词碎片进行拼接,以得到词库;统计词库中分词的出现频率、自由度、凝固度;若分词的出现频率大于频率阈值,自由度大于自由度阈值,以及凝固度大于凝固度阈值时,则分词为兴趣点热词。
具体的,在对分词碎片进行拼接得到词库后,若词库中分词出现的频率大于频率阈值时,则进一步判断分词的自由度以及凝固度,若自由度大于自由度阈值,凝固度大于凝固度阈值时,则分词为兴趣点热词。其中,若词库中分词出现的频率小于频率阈值时,则将对应的分词剔除。若词库中分词的自由度小于自由度阈值,凝固度小于凝固度阈值时,则将对应的分词剔除。
在一实施例中,还可以进一步对热点资讯信息进行数据清洗,剔除异常、空缺等无效数据。
本申请的方法,其能够识别长句子,并且对长句子的词汇进行分割得到分词,并根据分词的出现的频率、自由度以及凝固度进一步得到兴趣点热词。其能够保证兴趣点热词的准确性。
在一实施例中,若热点资讯信息为“我不是药神”“大笑背后的凄凉”,“面对人性与法律”,“该作何抉择”。利用现有的分词算法对其进行分词后得到的热词为:《/我/不是/药神/》/大笑/背后/的/凄凉/,/面对/人性/与/法律/,/该/作何/抉择。而利用本申请的方式对其进行分词后的兴趣点热词为:《/我不是药神/》/大笑/背后/的/凄凉/,/面对/人性/与/法律/,/该/作何/抉择。再例如,若热点资讯信息为:“从卖全球到买全球”!“外媒:中国双十一推动全球购物狂欢季”。利用现有的分词算法对其进行分词后得到的热词为:从/“/卖/全球/”/到/“/买/全球/”/!/外媒/:/中国/双十/一/推动/全球/购物/狂欢/季。而利用本申请的方式对其进行分词后的兴趣点热词为:从/“/卖全球/”/到/“/买全球/”/!/外媒/:/中国/双十一/推动/全球/购物/狂欢季。本申请的分词方法,能够结合语境,得到具有一定凝固度的兴趣点热词,例如“卖全球”、“买全球”等。
步骤S32:利用自动摘要算法对所述兴趣点热词的原始文本进行要点提炼,并利用提炼的结果对所述兴趣点热词进行描述,以得到热文摘要。
具体的,利用自动摘要算法对所述兴趣点热词的原始文本进行要点提炼,然后利用提炼的结果对所述兴趣点热词进行描述,使其构成可描述性的语句,以得到热文摘要,增强新词的表达能力。
步骤S33:基于所述兴趣点热词生成所述兴趣点热词库;基于所述热文摘要生成所述热文摘要话术库。
具体的,基于兴趣点热词生成兴趣点热词库,以及基于兴趣点热词以及对应的映射关系的自动摘要文本,生成热文摘要话术库。具体的,在对热点资讯信息进行自动摘要后得到自动摘要文本,利用你自动摘要文本对兴趣点热词进行描述,以得到摘要,生成热文摘要话术库。
例如,在一实施例中,若得到用户的兴趣热度信息为娱乐,具体为电影《伍佰》,则利用热点资讯信息对兴趣点热词进行描述,以得到摘要为:年度超燃催泪《{movie}》,追忆历史,直面生死。再例如,若得到用户的兴趣热度信息为体育,具体为足球,球星布莱斯维特,则利用热点资讯信息对兴趣点热词进行描述,以得到摘要为:巴萨新中锋{football}赛季精彩集锦。再例如,若得到用户的兴趣热度信息为财经,具体为证券基金,如长安汽车,则利用热点资讯信息对兴趣点热词进行描述,以得到摘要为:{stock}引流中国品牌上升突破,携手华为迈入新纪元。
具体的,在本申请的一实施例中,在生成文案后,进一步将生成的文案分发至至其他平台,以供用户查看。具体的,将可以进一步将智能文案生成装置与运营商/运营企业的营销平台(如短信、微信公众号、手机客户端APP等)进行打通,直接将生成的文案分发至平台。
本申请提供的文案生成方法,其可以对用户的兴趣点进行预测,可以查看用户在不同时间段兴趣点的变化情况,动态掌握和管理用户兴趣偏好。根据营销目标用户生成的内容,以及当前活动营销预设内容,同时对基于用户兴趣热度信息、兴趣点热词、营销策略话术的关联映射话术语句进行整合和迭代优化,形成具有完整表达意境的营销语句,从而能够实现基于用户兴趣点的个性化文案。进一步由运营商/运营企业依据营销活动范围或营销目标客户群,将文案导入目标用户。
本申请提供的文案生成方法,通过用户历史数据深度挖掘用户兴趣点,实现用户兴趣点预测,并基于互联网大数据技术以及改进的新词发现算法获取兴趣点热词库和热文摘要话术库。基于营销目标用户当前的兴趣热度信息、活动营销策略的预设内容以及兴趣点热词库和热文摘要话术库,自动生成符合目标用户兴趣点的智能文案,从而实现“千人千面”的个性化文案。并基于各分发平台向目标用户进行内容推送,吸引用户关注,提升用户触发(点击等)或宣传推广的效果。同时本方法中为了更加精准和有效挖掘目标用户兴趣热度信息,对用户浏览、回复、评论等文本内容采用创新的例如长文本分类算法进行处理。具体的,本申请的方法基于用户兴趣热度信息、兴趣点热词及热文摘要话术、活动营销的预设内容三者叠加关联而自动生成的智能文案,并符合当前用户的兴趣点,从而形成具有个性化的文案,提升营销效果。
请参见图4,为本发明提供的文案生成装置的一实施例的结构示意图。具体的,文案生成装置包括兴趣热度信息模块41、文案策略模块42以及文案生成模块43。
其中,兴趣热度信息模块41用于利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息。
具体的,在一实施例中,兴趣热度信息模块41还用于基于互联网热点资讯信息获取若干兴趣点热词作为训练样本集,其中,所述兴趣点热词标注有兴趣点类型;利用标注有兴趣点类型的所述兴趣点热词进行训练以得到所述兴趣点预测模型,利用所述兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息。
在一实施例中,兴趣热度信息模块41还用于对所述兴趣点热词进行处理,以得到对应的词向量集合;利用多个卷积神经网络分别对所述词向量集合进行处理,以得到多个第一处理结果;将所述多个第一处理结果进行拼接,以得到第二处理结果;利用深度神经网络对所述第二处理结果进行处理,以得到所述兴趣点热点词的预测兴趣点类型;利用标注的兴趣点类型以及所述预测兴趣点类型对兴趣点预测模型进行训练,以得到所述兴趣点预测模型。利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息。
其中,文案策略模块42用于获取文案的预设内容。
其中,文案生成模块43连接所述兴趣热度信息模块41以及所述文案策略模块42,用于根据所述预设内容基于所述兴趣热度信息生成文案。
在一实施例中,获取的营销活动的预设内容为:您可以下载并登陆“智慧生活”APP进入“咪咕”随时随地追剧,点击链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】。用户的兴趣热度信息为娱乐,具体包括电视剧《北灵少年志之大主宰》、明星(王源、欧阳娜娜),则根据该兴趣热度信息以及营销活动的预设内容生成文案为:“《北灵少年志之大主宰》,王源、欧阳娜娜;您可以下载并登陆“智慧生活”APP进入“咪咕”随时随地追剧,并随时查看手机流量情况,点击链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】”。
在另一实施例中,如图5所示,本申请的文案生成装置进一步包括:兴趣点热词库以及热文摘要话术库模块44。其中,兴趣点热词库以及热文摘要话术库模块44用于获取兴趣点热词库以及热文摘要话术库。
在一具体实施例中,兴趣点热词库以及热文摘要话术库模块44用于对所述热点资讯信息进行分词,以得到分词碎片;对所述分词碎片进行拼接,以得到词库;统计所述词库中分词的出现频率、自由度、凝固度;若所述分词的出现频率大于频率阈值,所述自由度大于自由度阈值,以及所述凝固度大于凝固度阈值时,则所述分词为兴趣点热词。
在一具体实施例中,兴趣点热词库以及热文摘要话术库模块44基于互联网热点资讯信息获取若干兴趣点热词;利用自动摘要算法对所述兴趣点热词的原始文本进行要点提炼,并利用提炼的结果对所述兴趣点热词进行描述,以得到热文摘要;基于所述兴趣点热词生成所述兴趣点热词库;基于所述热文摘要生成所述热文摘要话术库。
本实施例中,文案生成模块43进一步连接所述兴趣点热词库以及热文摘要话术库模块,根据所述预设内容、所述兴趣点热词库以及热文摘要话术库基于所述兴趣热度信息生成所述文案。
具体的,在一实施例中,获取的兴趣点热词库和热文摘要话术库为:开年热播大剧《{tv_series}》,{actor}、{actress}邀您在爱恨缠绵间演绎上古奇幻与爱情。获取的营销活动的预设内容为:您可以下载并登陆“智慧生活”APP进入“咪咕”随时随地追剧,点击链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】。用户的兴趣热度信息为娱乐,具体包括电视剧《北灵少年志之大主宰》、明星(王源、欧阳娜娜),则根据预设内容、兴趣热度信息以及兴趣点热词库和热文摘要话术库生成文案为:“开年热播大剧《北灵少年志之大主宰》,王源、欧阳娜娜邀您在爱恨缠绵间演绎上古奇幻与爱情;您可以下载并登陆“智慧生活”APP进入“咪咕”随时随地追剧,并随时查看手机流量情况,点击链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】”。
再例如,在一实施例中,获取的用户对应的兴趣点热词库和热文摘要话术库为:新冠疫情,你我共同防护;复工在即,如何便捷查询“{trip}”,让您复工更加安全有保障。获取的关于营销活动的预设内容为:您可以下载并登陆“智慧生活”APP进入“抗疫专区”随时随地可以查看您的出行安全情况,点击下方链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】。用户的兴趣热度信息为出行,具体为个人行程证明例如健康二维码。则根据营销活动的预设内容、用户的兴趣热度信息以及兴趣点热词库和热文摘要话术库生成文案为:“新冠疫情,你我共同防护;复工在即,如何便捷查询“个人行程证明”,让您复工更加安全有保障;您可以下载并登陆“智慧生活”APP进入“抗疫专区”随时随地可以查看您的出行安全情况,点击下方链接:http://app.fmcc.com.cn:6004/FNllms/download.jsp?cnid=1066_0001【运营商/运营企业】”。
请参见图6,本申请的文案生成装置进一步包括分发模块45,分发模块45连接所述文案生成模块,用于将所述文案分发至其他平台。
具体的,在一实施例中,文案生成模块43还可以对运营商/运营企业的所有用户/营销用户群进行管理;调用兴趣热度信息模块41的兴趣热度信息,可以查看用户在不同时间段兴趣点的变化情况,动态掌握和管理用户兴趣偏好,从而能够实现基于用户兴趣点生成贴合用户兴趣的个性化文案。例如,能够生成贴合用户兴趣的个性化营销话术,大概率能够打动用户,提高营销成功率。
在一实施例中,文案生成模块43还可以由运营商/运营企业依据营销活动范围或营销目标客户群,导入目标用户,进而可以显示和管理导入的目标用户的兴趣点。
在一实施例中,文案生成模块43还可以对上述智能生成营销话术文案进行管理和评价作用;由于前期自动生成营销语句存在表达意境偏差和不完整等问题,可以对前期生成的营销语句进行评价和修改,并作为评价样本,基于NLP算法对语句进行优化迭代,不断对评价值较低的语句进行优化,直至优化迭代到设定的评价阈值,得到最优的营销文案。
在一实施例中,分发模块45还可以进一步包括接口模块,接口模块主要对连接分发模块的各个外部设备进行管理,由于各平台对应的接口标准不同,为了集中管理和调用,单独构建接口模块,同时方便后续扩展开发。分发模块45将生成的营销话术文案发送至与接口模块通讯连接的各个平台,例如,APP、短信等。
本申请提供的文案生成装置,其能够根据用户的兴趣热度信息生成贴合用户的文案,例如营销活动文案,能够引起用户注意,提高营销效果。
请参见图7,为本发明电子设备的一实施例的结构示意图,电子设备包括相互连接的存储器202和处理器201。
存储器202用于存储实现上述任意一项方法的程序指令。
处理器201用于执行存储器202存储的程序指令。
其中,处理器201还可以称为CPU(Central Processing Unit,中央处理单元)。处理器201可能是一种集成电路芯片,具有信号的处理能力。处理器201还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器202可以为内存条、TF卡等,可以存储设备的电子设备中全部信息,包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器中。它根据控制器指定的位置存入和取出信息。有了存储器,电子设备才有记忆功能,才能保证正常工作。电子设备的存储器按用途存储器可分为主存储器(内存)和辅助存储器(外存),也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等,能长期保存信息。内存指主板上的存储部件,用来存放当前正在执行的数据和程序,但仅用于暂时存放程序和数据,关闭电源或断电,数据会丢失。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,系统服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。
请参阅图8,为本发明计算机可读存储介质的结构示意图。本申请的存储介质存储有能够实现上述所有方法的程序文件203,其中,该程序文件203可以以软件产品的形式存储在上述存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储装置包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
以上仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (11)
1.一种文案生成方法,其特征在于,包括:
利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息;
获取文案的预设内容;
根据所述预设内容基于所述兴趣热度信息生成文案。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取兴趣点热词库以及热文摘要话术库;
所述根据所述预设内容基于所述兴趣热度信息生成文案包括:
根据所述预设内容、所述兴趣点热词库以及热文摘要话术库基于所述兴趣热度信息生成所述文案。
3.根据权利要求1所述的方法,其特征在于,所述利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息包括:
基于互联网热点资讯信息获取若干兴趣点热词作为训练样本集,其中,所述兴趣点热词标注有兴趣点类型;
利用标注有兴趣点类型的所述兴趣点热词进行训练以得到所述兴趣点预测模型,利用所述兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息。
4.根据权利要求3所述的训练方法,其特征在于,所述利用标注有兴趣点类型的所述兴趣点热词进行训练以得到所述兴趣点预测模型包括:
对所述兴趣点热词进行处理,以得到对应的词向量集合;
利用多个卷积神经网络分别对所述词向量集合进行处理,以得到多个第一处理结果;
将所述多个第一处理结果进行拼接,以得到第二处理结果;
利用深度神经网络对所述第二处理结果进行处理,以得到所述兴趣点热点词的预测兴趣点类型;
利用标注的兴趣点类型以及所述预测兴趣点类型对兴趣点预测模型进行训练,以得到所述兴趣点预测模型。
5.根据权利要求3所述的训练方法,其特征在于,所述基于互联网热点资讯信息获取若干兴趣点热词作为训练样本集包括:
对所述热点资讯信息进行分词,以得到分词碎片;
对所述分词碎片进行拼接,以得到词库;
统计所述词库中分词的出现频率、自由度、凝固度;
若所述分词的出现频率大于频率阈值,所述自由度大于自由度阈值,以及所述凝固度大于凝固度阈值时,则所述分词为兴趣点热词。
6.根据权利要求2所述的方法,其特征在于,所述获取兴趣点热词库以及热文摘要话术库包括:
基于互联网热点资讯信息获取若干兴趣点热词;
利用自动摘要算法对所述兴趣点热词的原始文本进行要点提炼,并利用提炼的结果对所述兴趣点热词进行描述,以得到热文摘要;
基于所述兴趣点热词生成所述兴趣点热词库;基于所述热文摘要生成所述热文摘要话术库。
7.根据权利要求6所述的方法,其特征在于,所述基于互联网热点资讯信息获取若干兴趣点热词包括:
对所述互联网热点资讯信息进行清洗;
基于清洗后的所述热点资讯信息获取若干兴趣点热词。
8.一种文案生成装置,其特征在于,包括:
兴趣热度信息模块,用于利用兴趣点预测模型根据用户的历史数据预测用户的兴趣热度信息;
文案策略模块,用于获取文案的预设内容;
文案生成模块,连接所述兴趣热度信息模块以及所述文案策略模块,用于根据所述预设内容基于所述兴趣热度信息生成文案。
9.根据权利要求8所述的装置,其特征在于,还包括:
兴趣点热词库以及热文摘要话术库模块,用于获取兴趣点热词库以及热文摘要话术库;
其中,所述文案生成模块进一步连接所述兴趣点热词库以及热文摘要话术库模块,根据所述预设内容、所述兴趣点热词库以及热文摘要话术库基于所述兴趣热度信息生成所述文案。
10.一种电子设备,其特征在于,包括:存储器和处理器,其中,所述存储器存储有程序指令,所述处理器从所述存储器调取所述程序指令以执行如权利要求1~7任一项所述的文案生成方法。
11.一种计算机可读存储介质,其特征在于,存储有程序文件,所述程序文件能够被执行以实现如权利要求1~7任一项所述的文案生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594584.1A CN112883725A (zh) | 2020-12-29 | 2020-12-29 | 一种文案生成方法、装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594584.1A CN112883725A (zh) | 2020-12-29 | 2020-12-29 | 一种文案生成方法、装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112883725A true CN112883725A (zh) | 2021-06-01 |
Family
ID=76046056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011594584.1A Pending CN112883725A (zh) | 2020-12-29 | 2020-12-29 | 一种文案生成方法、装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883725A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642296A (zh) * | 2021-08-27 | 2021-11-12 | 杭州网易智企科技有限公司 | 文本生成方法、介质、装置和电子设备 |
CN117635190A (zh) * | 2023-11-27 | 2024-03-01 | 河北数港科技有限公司 | 一种日志数据分析方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7120865B1 (en) * | 1999-07-30 | 2006-10-10 | Microsoft Corporation | Methods for display, notification, and interaction with prioritized messages |
CN106951435A (zh) * | 2017-02-08 | 2017-07-14 | 广州神马移动信息科技有限公司 | 新闻推荐方法、设备及可编程设备 |
CN108038119A (zh) * | 2017-11-01 | 2018-05-15 | 平安科技(深圳)有限公司 | 利用新词发现投资标的的方法、装置及存储介质 |
CN108563753A (zh) * | 2018-04-16 | 2018-09-21 | 深圳壹账通智能科技有限公司 | 消息推送文案的生成方法、装置及计算机可读存储介质 |
WO2018176017A1 (en) * | 2017-03-24 | 2018-09-27 | Revealit Corporation | Method, system, and apparatus for identifying and revealing selected objects from video |
CN109614556A (zh) * | 2018-10-31 | 2019-04-12 | 拉卡拉支付股份有限公司 | 访问路径预测、信息推送方法及装置 |
CN110717029A (zh) * | 2019-10-15 | 2020-01-21 | 支付宝(杭州)信息技术有限公司 | 一种信息处理方法和系统 |
CN110852793A (zh) * | 2019-10-28 | 2020-02-28 | 北京深演智能科技股份有限公司 | 文案推荐方法及装置、电子设备 |
US20200082018A1 (en) * | 2018-09-06 | 2020-03-12 | Oath Inc. | Computerized system and method for interest profile generation and digital content dissemination based therefrom |
CN110889076A (zh) * | 2019-11-29 | 2020-03-17 | 北京达佳互联信息技术有限公司 | 评论信息发布方法、装置、客户端、服务器和系统 |
-
2020
- 2020-12-29 CN CN202011594584.1A patent/CN112883725A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7120865B1 (en) * | 1999-07-30 | 2006-10-10 | Microsoft Corporation | Methods for display, notification, and interaction with prioritized messages |
CN106951435A (zh) * | 2017-02-08 | 2017-07-14 | 广州神马移动信息科技有限公司 | 新闻推荐方法、设备及可编程设备 |
WO2018176017A1 (en) * | 2017-03-24 | 2018-09-27 | Revealit Corporation | Method, system, and apparatus for identifying and revealing selected objects from video |
CN108038119A (zh) * | 2017-11-01 | 2018-05-15 | 平安科技(深圳)有限公司 | 利用新词发现投资标的的方法、装置及存储介质 |
CN108563753A (zh) * | 2018-04-16 | 2018-09-21 | 深圳壹账通智能科技有限公司 | 消息推送文案的生成方法、装置及计算机可读存储介质 |
US20200082018A1 (en) * | 2018-09-06 | 2020-03-12 | Oath Inc. | Computerized system and method for interest profile generation and digital content dissemination based therefrom |
CN109614556A (zh) * | 2018-10-31 | 2019-04-12 | 拉卡拉支付股份有限公司 | 访问路径预测、信息推送方法及装置 |
CN110717029A (zh) * | 2019-10-15 | 2020-01-21 | 支付宝(杭州)信息技术有限公司 | 一种信息处理方法和系统 |
CN110852793A (zh) * | 2019-10-28 | 2020-02-28 | 北京深演智能科技股份有限公司 | 文案推荐方法及装置、电子设备 |
CN110889076A (zh) * | 2019-11-29 | 2020-03-17 | 北京达佳互联信息技术有限公司 | 评论信息发布方法、装置、客户端、服务器和系统 |
Non-Patent Citations (1)
Title |
---|
YOCHUM PHATPICHA等: "基于位置和开放链接数据的旅游推荐系统综述", 《智能系统学报》, vol. 15, no. 1, pages 25 - 32 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642296A (zh) * | 2021-08-27 | 2021-11-12 | 杭州网易智企科技有限公司 | 文本生成方法、介质、装置和电子设备 |
CN117635190A (zh) * | 2023-11-27 | 2024-03-01 | 河北数港科技有限公司 | 一种日志数据分析方法及系统 |
CN117635190B (zh) * | 2023-11-27 | 2024-05-14 | 河北数港科技有限公司 | 一种日志数据分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10162816B1 (en) | Computerized system and method for automatically transforming and providing domain specific chatbot responses | |
CN108369709B (zh) | 用于基于网络的广告数据业务时延减小的系统和方法 | |
CN106874492B (zh) | 搜索方法和装置 | |
CN107346496B (zh) | 目标用户定向方法及装置 | |
US20070255702A1 (en) | Search Engine | |
CN109325182B (zh) | 基于会话的信息推送方法、装置、计算机设备及存储介质 | |
KR20160057475A (ko) | 소셜 데이터를 능동적으로 획득하기 위한 시스템 및 방법 | |
CN101796515A (zh) | 查询统计提供器 | |
CN107545451B (zh) | 一种广告推送方法及装置 | |
CN110263248A (zh) | 一种信息推送方法、装置、存储介质和服务器 | |
Botchway et al. | A review of social media posts from UniCredit bank in Europe: a sentiment analysis approach | |
CN110275965A (zh) | 假新闻检测方法、电子装置及计算机可读存储介质 | |
CN110727761B (zh) | 对象信息获取方法、装置及电子设备 | |
CN109460503B (zh) | 答案输入方法、装置、存储介质及电子设备 | |
CN105518661A (zh) | 经由挖掘的超链接文本的片段来浏览图像 | |
CN104346396A (zh) | 一种即时通讯客户端的数据处理方法、装置、终端及系统 | |
CN110321469A (zh) | 在电子文档的文本中嵌入媒体内容项 | |
CN107688616A (zh) | 使实体的独特事实显现 | |
CN112883725A (zh) | 一种文案生成方法、装置、电子设备、存储介质 | |
CN106503907A (zh) | 一种业务评估信息确定方法以及服务器 | |
US20220308987A1 (en) | Debugging applications for delivery via an application delivery server | |
CN110399473B (zh) | 为用户问题确定答案的方法和装置 | |
CN110362662A (zh) | 数据处理方法、装置以及计算机可读存储介质 | |
CN110069769A (zh) | 应用标签生成方法、装置及存储设备 | |
CN108470289B (zh) | 基于电商购物平台的虚拟物品发放方法及设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240103 Address after: Room 1966, Floor 1, Building 8, No. 33, Guangshun Road, Changning District, Shanghai, 200000 Applicant after: IFLYTEK (Shanghai) Technology Co.,Ltd. Address before: Room 1850, 1 / F, building 8, 33 Guangshun Road, Changning District, Shanghai Applicant before: SHANGHAI XUNFEI RUIYUAN INFORMATION TECHNOLOGY CO.,LTD. |