CN112989020A - 信息处理方法、装置和计算机可读存储介质 - Google Patents
信息处理方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112989020A CN112989020A CN201911300523.7A CN201911300523A CN112989020A CN 112989020 A CN112989020 A CN 112989020A CN 201911300523 A CN201911300523 A CN 201911300523A CN 112989020 A CN112989020 A CN 112989020A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- evaluation
- evaluation information
- feature
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 43
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 180
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000012163 sequencing technique Methods 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000006399 behavior Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种信息处理方法、装置和计算机可读存储介质,涉及计算机技术领域。本公开的方法包括:根据用户搜索内容的关键词获取多条评价信息;根据用户的用户画像信息和评价信息的特征信息,预测用户对各条评价信息的偏好值;按照用户对各条评价信息的偏好值由大到小进行排序,并显示给用户。
Description
技术领域
本公开涉及计算机技术领域,特别涉及一种信息处理方法、装置和计算机可读存储介质。
背景技术
随着互联网的发展,网购已经成为人们日常生活中必不可少的一种购物方式。因此,诞生了多个大型电商平台。人们在这些平台网购的过程中,不能像在线下店铺那样,通过实物接触来感受商品的品质和大小,只能通过商品详情页面的描述和评价来判断,而且对于用户来说,评价才是具有参考价值的内容,所以优质的评价内容显得尤为重要。
现有的各大电商平台一般都具有商品评价的功能,而且评价的方式基本都一致,一般用户进入某一商品的详情页,向下滑动页面才能看到该商品评价。评价信息一般按照日期进行排序。
发明内容
发明人发现:针对现有的评价信息的显示方式,如果用户想查看同一维度的不同商品评价内容,例如,不同品牌的电脑的CPU性能相关的评价内容,并且想做比较,只能一个一个的进入单个商品的详情页进行查看,非常费时,而且用户看了很久也不一定可以找到和自己关心的问题相关的评价内容。此外,很多评价内容信息量非常少没有参考价值,按现有的排序方法,用户需要花费很多时间查找优质评价。并且现有的评价信息的显示方法针对所有用户都是一样的,无法针对不同用户进行个性化的评价信息推荐,使用户可以快速找到自己想要的评价内容。
本公开所要解决的一个技术问题是:如何对评价信息进行显示,满足不同用户需求,提升显示的准确性和有效性,提升用户体验。
根据本公开的一些实施例,提供的一种信息处理方法,包括:根据用户搜索内容的关键词获取多条评价信息;根据用户的用户画像信息和评价信息的特征信息,预测用户对各条评价信息的偏好值;按照用户对各条评价信息的偏好值由大到小进行排序,并显示给用户。
在一些实施例中,根据用户搜索内容的关键词获取多条评价信息包括:对用户输入的搜索内容进行分词,提取关键词;利用知识图谱检索出与关键词相关的多条评价信息。
在一些实施例中,根据用户的用户画像信息和评价信息的特征信息,预测用户对各条评价信息的偏好值包括:将用户画像信息中的各项画像特征转换为对应的特征值;将评价信息的各项特征信息转换为对应的特征值;针对每条评价信息,将用户画像信息对应的特征值和评价信息对应的特征值组成特征向量;将各个特征向量组成特征矩阵并输入因子分解机模型,预测用户对各条评价信息的偏好值。
在一些实施例中,评价信息的特征信息包括:评价信息的文本,对评价信息的反馈信息,图片数量,视频数量,视频时长,涉及的对象类别中至少一项;评价信息的文本根据文本中各个分词的关系被转换为特征向量,作为评价信息的文本的特征值。
在一些实施例中,还包括:获取用户的身份特征信息和用户的访问行为特征信息;将用户的身份特征信息和用户的访问行为特征信息输入用户画像模型,得到用户的用户画像信息。
在一些实施例中,还包括:响应于用户执行对对象的预设操作,获取用户关于对象以及对象的评价信息进行搜索的关键词;关键词与对象的属性相对应;根据关键词生成提示信息并显示给用户,以便引导用户根据提示信息输入评价信息。
在一些实施例中,根据关键词生成提示信息并显示给用户包括:获取关于对象的提问频率高于预设频率的问题;根据关键词和问题生成提示信息并显示给用户。
在一些实施例中,根据关键词和问题生成提示信息并显示给用户包括:提取问题中与对象的属性相对应的词;根据关键词,问题中与对象的属性相对应的词,生成提示信息。
在一些实施例中,还包括:响应于用户由显示的评价信息对应的入口执行对对象的预设操作,向评价信息的发表用户分配预设资源。
在一些实施例中,还包括:根据评论信息的特征信息对各条评论信息进行过滤,删除不符合预设特征的评论信息;将剩余的评论信息与相应的对象的信息进行关联,导入知识图谱。
根据本公开的另一些实施例,提供的一种信息处理装置,包括:获取模块,用于根据用户搜索内容的关键词获取多条评价信息;预测模块,用于根据用户的用户画像信息和评价信息的特征信息,预测用户对各条评价信息的偏好值;显示模块,用于按照用户对各条评价信息的偏好值由大到小进行排序,并显示给用户。
在一些实施例中,获取模块用于对用户输入的搜索内容进行分词,提取关键词;利用知识图谱检索出与关键词相关的多条评价信息。
在一些实施例中,预测模块用于将用户画像信息中的各项画像特征转换为对应的特征值;将评价信息的各项特征信息转换为对应的特征值;针对每条评价信息,将用户画像信息对应的特征值和评价信息对应的特征值组成特征向量;将各个特征向量组成特征矩阵并输入因子分解机模型,预测用户对各条评价信息的偏好值。
在一些实施例中,评价信息的特征信息包括:评价信息的文本,对评价信息的反馈信息,图片数量,视频数量,视频时长,涉及的对象类别中至少一项;评价信息的文本根据文本中各个分词的关系被转换为特征向量,作为评价信息的文本的特征值。
在一些实施例中,还包括:用户画像模块用于获取用户的身份特征信息和用户的访问行为特征信息;将用户的身份特征信息和用户的访问行为特征信息输入用户画像模型,得到用户的用户画像信息。
在一些实施例中,还包括:提示模块用于响应于用户执行对对象的预设操作,获取用户关于对象以及对象的评价信息进行搜索的关键词;关键词与对象的属性相对应;根据关键词生成提示信息并显示给用户,以便引导用户根据提示信息输入评价信息。
在一些实施例中,提示模块用于获取关于对象的提问频率高于预设频率的问题;根据关键词和问题生成提示信息并显示给用户。
在一些实施例中,提示模块用于提取问题中与对象的属性相对应的词;根据关键词,问题中与对象的属性相对应的词,生成提示信息。
在一些实施例中,还包括:资源分配模块用于响应于用户由显示的评价信息对应的入口执行对对象的预设操作,向评价信息的发表用户分配预设资源。
在一些实施例中,还包括:预处理模块用于根据评论信息的特征信息对各条评论信息进行过滤,删除不符合预设特征的评论信息;将剩余的评论信息与相应的对象的信息进行关联,导入知识图谱。
根据本公开的又一些实施例,提供的一种信息处理装置,包括:处理器;以及耦接至处理器的存储器,用于存储指令,指令被处理器执行时,使处理器执行如任意实施例的信息处理方法。
根据本公开的再一些实施例,提供的一种非瞬时性计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现任意实施例信息处理方法的步骤。
本公开中可以针对用户的搜索内容获取相关的评价信息,使用户可以查看同一维度的不同对象的评价内容,不需要针对每个对象的评价内容逐一进行查看。进一步,针对搜索的相关评价信息,结合用户画像信息和评价信息特征信息,预测所述用户对各条评价信息的偏好值,从而根据偏好值对各条评价信息进行排序,显示给用户。针对不同用户进行个性化推荐和显示,满足不同用户的需求,使用户可以快速查看感兴趣的评价信息,提高评价信息显示的准确性和有效性,提升用户体验。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术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公开的一些实施例,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他的附图。
图1示出本公开的一些实施例的信息处理方法的流程示意图。
图2示出本公开的另一些实施例的信息处理方法的流程示意图。
图3示出本公开的一些实施例的信息处理装置的结构示意图。
图4示出本公开的另一些实施例的信息处理装置的结构示意图。
图5示出本公开的又一些实施例的信息处理装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,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,都属于本公开保护的范围。
本公开提供一种信息处理方法可以实现为用户显示搜索内容相关的评价信息,并且针对用户进行个性化的显示。下面结合图1描述本公开的信息处理方法的一些实施例。
图1为本公开信息处理方法一些实施例的流程图。如图1所示,该实施例的方法包括:步骤S102~S106。
在步骤S102中,根据用户搜索内容的关键词获取多条评价信息。
用户可以针对评价信息进行搜索,在评价信息搜索功能区域输入搜索内容,例如“续航超过八小时的电脑”。在一些实施例中,对用户输入的搜索内容进行分词,提取关键词;将关键词与各条评价信息进行匹配,得到与关键词相对应的评价信息,例如,可以利用知识图谱检索出与关键词相关的多条评价信息,也可以采用其他搜索模型获取评价信息。分词和提取关键词的方法可以采用现有技术,在此不再赘述。例如,“续航超过八小时的电脑”,提取的关键词为“电脑”,“续航”,“八小时”。
在一些实施例中,针对网络平台上的大量评论信息可以进行预处理。根据评论信息的特征信息对各条评论信息进行过滤,删除不符合预设特征的评论信息;将剩余的评论信息与相应的对象的信息进行关联,导入知识图谱。也可以将剩余的评论信息与相应的对象的信息进行关联存储至数据库,后续利用其它搜索模型搜索评价信息。评论信息的特征信息例如包括:评分、图片数、评价字数、是否是为特定用户的评价信息、对评价信息的反馈信息(例如,点赞数,回复数,追加评论信息中至少一项)、是否有视频、视频长度中至少一项。可以针对每项特征信息设置相应的阈值,将特征信息与对应的阈值进行比对,预设项数的特征信息低于相应的阈值,则将该评论信息删除。这些评论信息的参考价值较低,删除后减少信息处理量,提高后续的搜索和显示效率。
在步骤S104中,根据用户的用户画像信息和评价信息的特征信息,预测用户对各条评价信息的偏好值。
用户画像信息例如包括:年龄,性别,生日,星座,偏好的对象类型(例如,高品质数码类,一般品质日用生活类),访问习惯(例如,晚上9点到晚上12点浏览和购买,喜欢看视频评论,喜欢看图片)中至少一项,不限于所举示例。在一些实施例中,获取用户的身份特征信息和用户的访问行为特征信息;将用户的身份特征信息和用户的访问行为特征信息输入用户画像模型,得到用户的用户画像信息。用户身份特征信息例如包括:性别,年龄,生日,星座等。用户的访问行为特征信息例如包括:用户访问网络平台的各次行为的记录信息。例如,访问对象的类别,时间段,是否查看评论信息,是否查看评论信息中的图片等,不限所举示例。评价信息的特征信息例如包括:评价信息的文本,对评价信息的反馈信息,图片数量,视频数量,视频时长,涉及的对象类别中至少一项。
可以将用户画像信息和评价信息的特征信息输入推荐模型,得到输出的用户对各条评价信息的偏好值。偏好值即评价信息与用户画像信息的匹配程度。偏好值越高,用户对该评价信息进行查看的概率越高。可以采用现有的推荐模型,例如,协同过滤算法,FM(Factorization Machines,因子分解机)等,不限于所举示例。在一些实施例中,将用户画像信息中的各项画像特征转换为对应的特征值;将评价信息的各项特征信息转换为对应的特征值;针对每条评价信息,将用户画像信息对应的特征值和评价信息对应的特征值组成特征向量;将各个特征向量组成特征矩阵并输入因子分解机模型,预测用户对各条评价信息的偏好值。
在一些实施例中,评价信息的文本根据文本中各个分词的关系被转换为特征向量,作为评价信息的文本的特征值。例如,可以采用word2vec模型或者BERT(BidirectionalEncoder Representations from Transformers,Transformer的双向编码表示)模型,其他画像特征或评价信息的特征信息可以根据预设规则转换为对应的特征值。用户画像信息和评价信息的特征信息可以形成特征矩阵。如表1所示,各项画像特征和评价信息的特征信息转换为特征值的示例。用户A的画像信息包括:性别男,年龄30,喜欢品牌为尼康,喜欢看视频,不喜欢看图片,转换为对应的特征值分别为01,30,01,1,0,相应的,每一条评论信息的特征信息被转换为相应的特征值。将用户画像信息与每一条评论信息的特征信息组成特征向量,如表1所示每一行特征值组成特征向量,整体组成特征矩阵。
表1
如果特征矩阵的稠密度低于阈值,可以采用矩阵稠密化算法对特征矩阵进行稠密化。进而将稠密化后的矩阵输入因子分解机模型,可以得到矩阵的每行对应的数值,作为用户对相应的评价信息的偏好值。
在步骤S106中,按照用户对各条评价信息的偏好值由大到小进行排序,并显示给用户。
在一些实施例中,每条评价信息附近第一预设位置可以设置评价信息对应的对象的页面入口,响应于用户点击页面入口跳转至对象的页面。还可以在每条评价信息附近第二预设位置可以设置评价信息对应的对象的购买或者加入购物车操作区域,响应于用户的触发将购买对象或将对象加入购物车。
可以在显示评价信息时,将评价信息中与用户搜索内容的关键词相关的词语突出显示,例如,采用高亮的显示方式,或者变换字体和颜色等。
上述实施例中可以针对用户的搜索内容获取相关的评价信息,使用户可以查看同一维度的不同对象的评价内容,不需要针对每个对象的评价内容逐一进行查看。进一步,针对搜索的相关评价信息,结合用户画像信息和评价信息特征信息,预测用户对各条评价信息的偏好值,从而根据偏好值对各条评价信息进行排序,显示给用户。针对不同用户进行个性化推荐和显示,满足不同用户的需求,使用户可以快速查看感兴趣的评价信息,提高评价信息显示的准确性和有效性,提升用户体验。本公开的方案不仅适用于商品的评价信息,还适用于视频、书籍等各种对象的评价信息。
下面结合图2描述本公开中如何生成评价信息的一些实施例。
图2为本公开信息处理方法另一些实施例的流程图。如图2所示,该实施例的方法包括:步骤S202~S210。
在步骤S202中,响应于用户由显示的评价信息对应的入口执行对对象的预设操作,向评价信息的发表用户分配预设资源。
如果用户通过一条评价信息的入口对对象进行了预设操作,例如,购买了商品,观看了视频等。可以向评价信息的发表用户分配预设资源对发表用户进行奖励,例如,虚拟资源(例如,优惠券、积分等)这样可以提升用户发表优质评价的概率,提高评价信息的有效性。
在步骤S204中,获取用户关于对象以及对象的评价信息进行搜索的关键词。
用户在对对象进行预设操作之前,可能搜索过相关对象,或者搜索过与对象相关的评价信息(如前述实施例)。这些关于对象以及对象的评价信息进行搜索的关键词,可以被存储于数据库,反映了用户针对该对象比较关注的信息。这些关键词都主要记录了用户个人针对对象比较关注的问题,用户一般会首先体验针对对象比较关注的问题,作出比较真实的评价。关键词与对象的属性相对应。例如,用户在购买商品前,对评价内容进行了搜索,搜索关键词为“续航超过8小时的电脑”,然后又在商品搜索栏中输入并搜索了“电脑”,筛选项中的价格区间选择了“6249-10000”,则基于这些搜索信息得到的关键词可以包括:电脑、续航、价格等。
在步骤S206中,获取关于对象的提问频率高于预设频率的问题。
可以调用问答系统接口,获取关于对象的提问频率高于预设频率的问题。例如,问答区中的高频问题就是“此款电脑的分辨率怎么样?”。
在步骤S208中,提取问题中与对象的属性相对应的词。
可以采用关键词提取算法提取问题中与对象的属性相对应的词。例如,“此款电脑的分辨率怎么样?”提取的关键词为“电脑”“分辨率”。高频率的问题反映大多数用户对该对象比较关注的问题,针对这些问题生成的评价信息比较有价值。
在步骤S210中,根据关键词,问题中与对象的属性相对应的词,生成提示信息,以便引导用户根据提示信息输入评价信息。
可以进一步获取与关键词,问题中与对象的属性相对应的词语义相近或相关联的一些词语,结合这些词语生成提示信息。例如,生成提示信息为“根据您的使用体验,您可以从电脑的续航、性价比以及屏幕的分辨率方面来书写您的评价”,引导用户发表相关内容的以及具有参考价值的评价。
在一些实施例中,也可以仅根据关键词生成提示信息并显示给用户,以便引导用户根据提示信息输入评价信息。在用户根据提示信息输入评价信息后,可以为用户分配预设资源,以便鼓励用户发表更多评价信息。
上述实施例的方法,结合操作用户针对对象比较关注的问题,以及大多数用户针对对象比较关注的问题,共同生成评价信息,使得评价信息更加真实,并且对其他用户更加有帮助,不仅解决了用户不知道该如何编写评价的烦恼,而且产生的评价,可以给其他用户提供一定的参考性,提升了评价信息的有效性,从而使用户查看的评价信息更加准确和有价值,提升用户体验。
上述各个实施例可以形成一个具有完整性的闭环的解决方案,不仅节约了用户的对评价信息对比和查找时间,而且产生了更多具有参考价值的评价数据,减少了无参考价值评价数据的产生,使得整体的评价体系更加合理、有效。
本公开还提供一种信息处理装置,下面根据图3进行描述。
图3为本公开信息处理装置的一些实施例的结构图。如图3所示,该实施例的装置30包括:获取模块310,预测模块320,显示模块330。
获取模块310用于根据用户搜索内容的关键词获取多条评价信息。
在一些实施例中,获取模块310用于对用户输入的搜索内容进行分词,提取关键词;利用知识图谱检索出与关键词相关的多条评价信息。
预测模块320用于根据用户的用户画像信息和评价信息的特征信息,预测用户对各条评价信息的偏好值。
在一些实施例中,预测模块320用于将用户画像信息中的各项画像特征转换为对应的特征值;将评价信息的各项特征信息转换为对应的特征值;针对每条评价信息,将用户画像信息对应的特征值和评价信息对应的特征值组成特征向量;将各个特征向量组成特征矩阵并输入因子分解机模型,预测用户对各条评价信息的偏好值。
在一些实施例中,评价信息的特征信息包括:评价信息的文本,对评价信息的反馈信息,图片数量,视频数量,视频时长,涉及的对象类别中至少一项;评价信息的文本根据文本中各个分词的关系被转换为特征向量,作为评价信息的文本的特征值。
显示模块330用于按照用户对各条评价信息的偏好值由大到小进行排序,并显示给用户。
在一些实施例中,装置30还包括:用户画像模块340用于获取用户的身份特征信息和用户的访问行为特征信息;将用户的身份特征信息和用户的访问行为特征信息输入用户画像模型,得到用户的用户画像信息。
在一些实施例中,装置30还包括:提示模块350用于响应于用户执行对对象的预设操作,获取用户关于对象以及对象的评价信息进行搜索的关键词;关键词与对象的属性相对应;根据关键词生成提示信息并显示给用户,以便引导用户根据提示信息输入评价信息。
在一些实施例中,提示模块350用于获取关于对象的提问频率高于预设频率的问题;根据关键词和问题生成提示信息并显示给用户。
在一些实施例中,提示模块350用于提取问题中与对象的属性相对应的词;根据关键词,问题中与对象的属性相对应的词,生成提示信息。
在一些实施例中,装置30还包括:资源分配模块360用于响应于用户由显示的评价信息对应的入口执行对对象的预设操作,向评价信息的发表用户分配预设资源。
在一些实施例中,装置30还包括:预处理模块370用于根据评论信息的特征信息对各条评论信息进行过滤,删除不符合预设特征的评论信息;将剩余的评论信息与相应的对象的信息进行关联,导入知识图谱。
本公开的实施例中的信息处理装置可各由各种计算设备或计算机系统来实现,下面结合图4以及图5进行描述。
图4为本公开信息处理装置的一些实施例的结构图。如图4所示,该实施例的装置40包括:存储器410以及耦接至该存储器410的处理器420,处理器420被配置为基于存储在存储器410中的指令,执行本公开中任意一些实施例中的信息处理方法。
其中,存储器410例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图5为本公开信息处理装置的另一些实施例的结构图。如图5所示,该实施例的装置50包括:存储器510以及处理器520,分别与存储器410以及处理器420类似。还可以包括输入输出接口530、网络接口540、存储接口550等。这些接口530,540,550以及存储器510和处理器520之间例如可以通过总线560连接。其中,输入输出接口530为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口540为各种联网设备提供连接接口,例如可以连接到数据库服务器或者云端存储服务器等。存储接口550为SD卡、U盘等外置存储设备提供连接接口。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开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,本公开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非瞬时性存储介质(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。
本公开是参照根据本公开实施例的方法、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。应理解为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信息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信息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信息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信息处理设备上,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。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (13)
1.一种信息处理方法,包括:
根据用户搜索内容的关键词获取多条评价信息;
根据所述用户的用户画像信息和所述评价信息的特征信息,预测所述用户对各条评价信息的偏好值;
按照所述用户对各条评价信息的偏好值由大到小进行排序,并显示给所述用户。
2.根据权利要求1所述的信息处理方法,其中,
所述根据用户搜索内容的关键词获取多条评价信息包括:
对所述用户输入的搜索内容进行分词,提取关键词;
利用知识图谱检索出与所述关键词相关的多条评价信息。
3.根据权利要求1所述的信息处理方法,其中,
所述根据所述用户的用户画像信息和所述评价信息的特征信息,预测所述用户对各条评价信息的偏好值包括:
将所述用户画像信息中的各项画像特征转换为对应的特征值;
将所述评价信息的各项特征信息转换为对应的特征值;
针对每条评价信息,将所述用户画像信息对应的特征值和所述评价信息对应的特征值组成特征向量;
将各个特征向量组成特征矩阵并输入因子分解机模型,预测所述用户对各条评价信息的偏好值。
4.根据权利要求3所述的信息处理方法,其中,
所述评价信息的特征信息包括:所述评价信息的文本,对所述评价信息的反馈信息,图片数量,视频数量,视频时长,涉及的对象类别中至少一项;
所述评价信息的文本根据文本中各个分词的关系被转换为特征向量,作为所述评价信息的文本的特征值。
5.根据权利要求1所述的信息处理方法,还包括:
获取所述用户的身份特征信息和所述用户的访问行为特征信息;
将所述用户的身份特征信息和所述用户的访问行为特征信息输入用户画像模型,得到所述用户的用户画像信息。
6.根据权利要求1所述的信息处理方法,还包括:
响应于所述用户执行对对象的预设操作,获取所述用户关于所述对象以及所述对象的评价信息进行搜索的关键词;所述关键词与所述对象的属性相对应;
根据所述关键词生成提示信息并显示给所述用户,以便引导所述用户根据所述提示信息输入评价信息。
7.根据权利要求6所述的信息处理方法,其中,
所述根据所述关键词生成提示信息并显示给所述用户包括:
获取关于所述对象的提问频率高于预设频率的问题;
根据所述关键词和所述问题生成提示信息并显示给所述用户。
8.根据权利要求7所述的信息处理方法,其中,
所述根据所述关键词和所述问题生成提示信息并显示给所述用户包括:
提取所述问题中与所述对象的属性相对应的词;
根据所述关键词,问题中与所述对象的属性相对应的词,生成提示信息。
9.根据权利要求1所述的信息处理方法,还包括:
响应于所述用户由显示的评价信息对应的入口执行对对象的预设操作,向所述评价信息的发表用户分配预设资源。
10.根据权利要求2所述的信息处理方法,还包括:
根据评论信息的特征信息对各条评论信息进行过滤,删除不符合预设特征的评论信息;
将剩余的评论信息与相应的对象的信息进行关联,导入所述知识图谱。
11.一种信息处理装置,包括:
获取模块,用于根据用户搜索内容的关键词获取多条评价信息;
预测模块,用于根据所述用户的用户画像信息和所述评价信息的特征信息,预测所述用户对各条评价信息的偏好值;
显示模块,用于按照所述用户对各条评价信息的偏好值由大到小进行排序,并显示给所述用户。
12.一种信息处理装置,包括:
处理器;以及
耦接至所述处理器的存储器,用于存储指令,所述指令被所述处理器执行时,使所述处理器执行如权利要求1-10任一项所述的信息处理方法。
13.一种非瞬时性计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现权利要求1-10任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911300523.7A CN112989020B (zh) | 2019-12-17 | 2019-12-17 | 信息处理方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911300523.7A CN112989020B (zh) | 2019-12-17 | 2019-12-17 | 信息处理方法、装置和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112989020A true CN112989020A (zh) | 2021-06-18 |
CN112989020B CN112989020B (zh) | 2024-08-16 |
Family
ID=76342058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911300523.7A Active CN112989020B (zh) | 2019-12-17 | 2019-12-17 | 信息处理方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989020B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469790A (zh) * | 2021-07-05 | 2021-10-01 | 深圳市点购电子商务控股股份有限公司 | 一种评价晒单推荐方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101312523A (zh) * | 2007-05-23 | 2008-11-26 | 三星电子株式会社 | 搜索与内容数据有关的补充数据的方法及其设备 |
CN105303404A (zh) * | 2015-10-23 | 2016-02-03 | 北京慧辰资道资讯股份有限公司 | 一种快速识别用户兴趣点的方法 |
CN105654250A (zh) * | 2016-02-01 | 2016-06-08 | 百度在线网络技术(北京)有限公司 | 一种满意度自动测评的方法和装置 |
KR20160142967A (ko) * | 2015-06-04 | 2016-12-14 | 정성현 | 키워드 기반 리뷰 서비스 시스템 |
CN107392423A (zh) * | 2017-06-13 | 2017-11-24 | 中国传媒大学 | 基于智能标签的剧本评价系统及评价方法 |
CN108449642A (zh) * | 2018-04-03 | 2018-08-24 | 优视科技有限公司 | 一种视频评论的筛选显示方法、装置和终端设备 |
CN109582866A (zh) * | 2018-11-23 | 2019-04-05 | 北京字节跳动网络技术有限公司 | 个性化推荐词的显示方法、装置、存储介质及电子设备 |
CN109840301A (zh) * | 2019-01-22 | 2019-06-04 | 珠海天燕科技有限公司 | 一种信息筛选方法及装置 |
CN110276065A (zh) * | 2018-03-15 | 2019-09-24 | 北京京东尚科信息技术有限公司 | 一种处理物品评论的方法和装置 |
CN110362662A (zh) * | 2018-04-09 | 2019-10-22 | 北京京东尚科信息技术有限公司 | 数据处理方法、装置以及计算机可读存储介质 |
CN110516979A (zh) * | 2019-09-02 | 2019-11-29 | 西南大学 | 一种个性化学习评价方法及装置 |
-
2019
- 2019-12-17 CN CN201911300523.7A patent/CN112989020B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101312523A (zh) * | 2007-05-23 | 2008-11-26 | 三星电子株式会社 | 搜索与内容数据有关的补充数据的方法及其设备 |
KR20160142967A (ko) * | 2015-06-04 | 2016-12-14 | 정성현 | 키워드 기반 리뷰 서비스 시스템 |
CN105303404A (zh) * | 2015-10-23 | 2016-02-03 | 北京慧辰资道资讯股份有限公司 | 一种快速识别用户兴趣点的方法 |
CN105654250A (zh) * | 2016-02-01 | 2016-06-08 | 百度在线网络技术(北京)有限公司 | 一种满意度自动测评的方法和装置 |
CN107392423A (zh) * | 2017-06-13 | 2017-11-24 | 中国传媒大学 | 基于智能标签的剧本评价系统及评价方法 |
CN110276065A (zh) * | 2018-03-15 | 2019-09-24 | 北京京东尚科信息技术有限公司 | 一种处理物品评论的方法和装置 |
CN108449642A (zh) * | 2018-04-03 | 2018-08-24 | 优视科技有限公司 | 一种视频评论的筛选显示方法、装置和终端设备 |
CN110362662A (zh) * | 2018-04-09 | 2019-10-22 | 北京京东尚科信息技术有限公司 | 数据处理方法、装置以及计算机可读存储介质 |
CN109582866A (zh) * | 2018-11-23 | 2019-04-05 | 北京字节跳动网络技术有限公司 | 个性化推荐词的显示方法、装置、存储介质及电子设备 |
CN109840301A (zh) * | 2019-01-22 | 2019-06-04 | 珠海天燕科技有限公司 | 一种信息筛选方法及装置 |
CN110516979A (zh) * | 2019-09-02 | 2019-11-29 | 西南大学 | 一种个性化学习评价方法及装置 |
Non-Patent Citations (4)
Title |
---|
AUTHOR PICTUREAHMED HASSAN AWADALLAH: "Machine-Assisted Search Preference Evaluation", 《ACM》, 3 November 2014 (2014-11-03) * |
丁伟;谢彦峰;张忠林;: "一种基于用户兴趣的搜索引擎输入信息处理方法", 电脑与信息技术, no. 05, 15 October 2008 (2008-10-15) * |
朱利霞: "行为引导的不确定偏好感知交互式遗传算法及其应用", 《中国优秀硕士学位论文全文数据库(信息科技辑)》, no. 2, 15 February 2018 (2018-02-15) * |
李洁;毕强;张晗;牟冬梅;: "数据驱动下数字图书馆知识发现的服务研究", 情报资料工作, no. 04, 25 July 2018 (2018-07-25) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469790A (zh) * | 2021-07-05 | 2021-10-01 | 深圳市点购电子商务控股股份有限公司 | 一种评价晒单推荐方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112989020B (zh) | 2024-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866181B (zh) | 资源推荐的方法、装置及存储介质 | |
US11157972B2 (en) | Document term recognition and analytics | |
WO2016101777A1 (zh) | 用户兴趣数据分析和收集系统及其方法 | |
CN109492180A (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
JP5083669B2 (ja) | 情報抽出システム、情報抽出方法、情報抽出プログラムおよび情報サービスシステム | |
US20100312767A1 (en) | Information Process Apparatus, Information Process Method, and Program | |
TW201905736A (zh) | 資訊推送方法及系統 | |
US9483740B1 (en) | Automated data classification | |
CN111506849A (zh) | 页面生成方法及装置 | |
CN110827112B (zh) | 深度学习的商品推荐方法、装置、计算机设备及存储介质 | |
JP6033697B2 (ja) | 画像評価装置 | |
WO2018014109A1 (en) | System and method for analyzing and searching for features associated with objects | |
CN110781307A (zh) | 目标物品关键词和标题生成方法、搜索方法以及相关设备 | |
CN113449187A (zh) | 基于双画像的产品推荐方法、装置、设备及存储介质 | |
US20120046937A1 (en) | Semantic classification of variable data campaign information | |
CN111966886A (zh) | 对象推荐方法、对象推荐装置、电子设备及存储介质 | |
CN117235586B (zh) | 酒店客户画像构建方法、系统、电子设备及存储介质 | |
CN114942971B (zh) | 一种结构化数据的抽取方法及装置 | |
CN110362662A (zh) | 数据处理方法、装置以及计算机可读存储介质 | |
Wang et al. | CROWN: a context-aware recommender for web news | |
CN114820123A (zh) | 团购商品推荐方法、装置、设备及存储介质 | |
CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
CN113297520A (zh) | 页面设计辅助处理方法、装置及电子设备 | |
CN112989020B (zh) | 信息处理方法、装置和计算机可读存储介质 | |
CN112948602A (zh) | 一种内容显示方法、装置、系统、设备及存储介质 |
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 |