CN113127628B - 用于生成评论的方法、装置、设备及计算机可读存储介质 - Google Patents
用于生成评论的方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113127628B CN113127628B CN202110442604.1A CN202110442604A CN113127628B CN 113127628 B CN113127628 B CN 113127628B CN 202110442604 A CN202110442604 A CN 202110442604A CN 113127628 B CN113127628 B CN 113127628B
- Authority
- CN
- China
- Prior art keywords
- comment
- comments
- user
- recommended
- historical
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 108
- 230000014509 gene expression Effects 0.000 claims description 86
- 230000001815 facial effect Effects 0.000 claims description 57
- 230000004044 response Effects 0.000 claims description 34
- 238000013475 authorization Methods 0.000 claims description 21
- 235000019633 pungent taste Nutrition 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 14
- 230000000007 visual effect Effects 0.000 description 14
- 230000036651 mood Effects 0.000 description 10
- 230000011664 signaling Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 210000001508 eye Anatomy 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000000088 lip Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000036548 skin texture Effects 0.000 description 1
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开关于一种用于生成评论的方法、装置、设备及计算机可读存储介质,其中方法包括响应于终端的评论推荐指令,基于评论对象和/或用户属性获取推荐评论,将推荐评论发送至终端,以使终端基于推荐评论生成目标评论,实现在进行评论时能够向终端提供推荐评论,结合推荐评论生成目标评论,相对于用户手动写入目标评论来说,提高目标评论的生成效率,从而提高评论效率。并且推荐评论是基于评论对象和/或用户属性获得,使得推荐评论与评论对象和/或用户属性相匹配,提高推荐评论的准确度,从而提高目标评论的准确度。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种用于生成评论的方法、装置、设备及计算机可读存储介质。
背景技术
随着互联网技术的发展,电子设备中安装的应用程序越来越多,比如视频类应用程序、图像类应用程序等,利用应用程序可以显示不同类型的内容,并且,应用程序还可以具备评论功能,使用户可以借助评论功能对应用程序显示的内容进行评论。
相关技术中,应用程序将内容显示在一个可视界面中,可视界面包括内容显示区域、评论写入区域和评论发布区域,在内容显示区域中显示内容时,获取用户在评论写入区域中写入的文字或选择的表情,将评论写入区域中的内容作为目标评论发布到评论发布区域中,但是将用户在评论写入区域中写入的文字或选择的表情作为目标评论会存在评论效率低下的问题。
发明内容
本公开提供一种用于生成评论的方法、装置、设备及计算机可读存储介质,以至少解决相关技术中评论效率低下的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种用于生成评论的方法,所述方法包括:
响应于终端的评论推荐指令,基于评论对象和/或用户属性获取推荐评论;
将所述推荐评论发送至所述终端,以使所述终端基于所述推荐评论生成目标评论。
可选的,所述响应于终端的评论推荐指令,基于评论对象和/或用户属性,获取推荐评论包括:
响应于终端的评论推荐指令,基于所述评论对象的类别和/或用户属性,获取所述推荐评论。
可选的,所述响应于终端的评论推荐指令,基于所述评论对象的类别和/或用户属性,获取所述推荐评论包括:
响应于终端的评论推荐指令,基于所述评论对象的类别和/或用户属性,在评论数据库中匹配评论,基于匹配的评论得到推荐评论集合,所述推荐评论集合包括至少一条所述推荐评论。
可选的,所述方法还包括:对匹配的评论进行热度排序;
所述基于匹配的评论得到推荐评论集合包括:选取热度高的预设数量的评论构成所述推荐评论集合;或,选取热度大于阈值的评论构成所述推荐评论集合。
可选的,所述评论数据库的创建过程包括:
获取多个历史评论对象的多条历史评论,基于历史评论和历史评论对象的对应关系,得到所述评论数据库;
和/或
获取多条历史评论的历史用户属性,基于历史评论和历史用户属性的对应关系,得到所述评论数据库。
可选的,所述方法还包括:拓展所述评论数据库中的评论,所述拓展所述评论数据库中的评论包括:
保留所述评论数据库中的每条历史评论;
基于预设年龄、预设性别和预设表情中的任意一种或任意多种,对所述评论数据库中的历史评论的描述方式进行修改,得到新评论;
将所述新评论保存至所述评论数据库中。
可选的,所述方法还包括:
接收所述终端发送的用户的面部图像,所述面部图像是基于所述用户授权获得;
识别所述面部图像,以得到所述用户属性。
可选的,所述用户属性包括:性别、年龄和用户表情中的任意一种或任意多种。
根据本公开实施例的第二方面,提供一种用于生成评论的方法,包括:
响应于用户对评论对象的评论操作,向服务器发送评论推荐指令,所述评论推荐指令用于指示服务器基于评论对象和/或用户属性获取推荐评论;
接收并显示服务器发送的推荐评论;
响应于用户基于推荐评论的选择操作,生成目标评论。
可选的,所述方法还包括:
基于用户授权,获取用户的面部图像;
基于所述面部图像,获得所述用户属性;
所述响应于用户基于推荐评论的选择操作,生成目标评论,包括:响应于用户基于推荐评论的选择操作,确定评论内容,基于所述评论内容和所述用户属性,生成目标评论。
可选的,所述方法还包括:
基于用户授权,获取用户的面部图像;
基于所述面部图像,确定所述用户属性;所述评论推荐指令中携带所述用户属性。
可选的,所述用户属性包括:性别、年龄和用户表情中的任意一种或多种。
根据本公开实施例的第三方面,提供一种用于生成评论的装置,所述装置包括:
获取单元,被配置为响应于终端的评论推荐指令,基于评论对象和/或用户属性获取推荐评论;
发送单元,被配置为将所述推荐评论发送至所述终端,以使所述终端基于所述推荐评论生成目标评论。
可选的,所述获取单元,被配置为响应于终端的评论推荐指令,基于所述评论对象的类别和/或用户属性,获取所述推荐评论。
可选的,所述获取单元,被配置为响应于终端的评论推荐指令,基于所述评论对象的类别和/或用户属性,在评论数据库中匹配评论,基于匹配的评论得到推荐评论集合,所述推荐评论集合包括至少一条所述推荐评论。
可选的,所述装置还包括:排序单元,被配置为对匹配的评论进行热度排序;
所述获取单元,被配置为选取热度高的预设数量的评论构成所述推荐评论集合;或,选取热度大于阈值的评论构成所述推荐评论集合。
可选的,所述装置还包括:创建单元,被配置为创建评论数据库;
所述创建单元,被配置为获取多个历史评论对象的多条历史评论,基于历史评论和历史评论对象的对应关系,得到所述评论数据库;和/或,获取多条历史评论的历史用户属性,基于历史评论和历史用户属性的对应关系,得到所述评论数据库。
可选的,所述装置还包括:拓展单元,被配置为拓展所述评论数据库中的评论;
所述拓展单元,被配置为保留所述评论数据库中的每条历史评论,基于预设年龄、预设性别和预设表情中的任意一种或任意多种,对所述评论数据库中的历史评论的描述方式进行修改,得到新评论,将所述新评论保存至所述评论数据库中。
可选的,所述装置还包括:
接收单元,被配置为接收所述终端发送的用户的面部图像,所述面部图像是基于所述用户授权获得;
识别单元,被配置为识别所述面部图像,以得到所述用户属性。
可选的,所述用户属性包括:性别、年龄和用户表情中的任意一种或任意多种。
根据本公开实施例的第四方面,提供一种用于生成评论的装置,包括:
发送单元,被配置为响应于用户对评论对象的评论操作,向服务器发送评论推荐指令,所述评论推荐指令用于指示服务器基于评论对象和/或用户属性获取推荐评论;
接收单元,被配置为接收并显示服务器发送的推荐评论;
生成单元,被配置为响应于用户基于推荐评论的选择操作,生成目标评论。
可选的,所述装置还包括:
获取单元,被配置为基于用户授权,获取用户的面部图像,基于所述面部图像,获得所述用户属性;
所述生成单元,被配置响应于用户基于推荐评论的选择操作,确定评论内容,基于所述评论内容和所述用户属性,生成目标评论。
可选的,所述装置还包括:
获取单元,被配置为基于用户授权,获取用户的面部图像;
确定单元,被配置为基于所述面部图像,确定所述用户属性;所述评论推荐指令中携带所述用户属性。
可选的,所述用户属性包括:性别、年龄和用户表情中的任意一种或多种。
根据本公开实施例的第五方面,提供一种服务器,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现上述第一方面所述的用于生成评论的方法。
根据本公开实施例的第六方面,提供一种终端,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现上述第二方面所述的用于生成评论的方法。
根据本公开实施例的第七方面,提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由服务器的处理器执行时,使得服务器能够执行上述第一方面所述的用于生成评论的方法,和/或,当所述计算机可读存储介质中的指令由终端的处理器执行时,使得终端能够执行上述第二方面所述的用于生成评论的方法。
根据本公开实施例的第八方面,提供一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现上述用于生成评论的方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
响应于终端的评论推荐指令,基于评论对象和/或用户属性获取推荐评论,将推荐评论发送至终端,以使终端基于推荐评论生成目标评论,实现在进行评论时能够向终端提供推荐评论,结合推荐评论生成目标评论,相对于用户手动写入目标评论来说,提高目标评论的生成效率,从而提高评论效率。并且推荐评论是基于评论对象和/或用户属性获得,使得推荐评论与评论对象和/或用户属性相匹配,提高推荐评论的准确度,从而提高目标评论的准确度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种用于生成评论的方法的实施环境示意图;
图2是根据一示例性实施例示出的一种用于生成评论的方法的信令图。
图3是根据一示例性实施例示出的一种可视界面的示意图;
图4是根据一示例性实施例示出的显示推荐评论的示意图;
图5是根据一示例性实施例示出的另一种用于生成评论的方法的信令图;
图6是根据一示例性实施例示出的再一种用于生成评论的方法的信令图;
图7是根据一示例性实施例示出的再一种用于生成评论的方法的信令图;
图8是根据一示例性实施例示出的一种获得评论数据库的流程图;
图9是根据一示例性实施例示出的一种用于生成评论的装置的结构示意图;
图10是根据一示例性实施例示出的另一种用于生成评论的装置的结构示意图;
图11是根据一示例性实施例示出的再一种用于生成评论的装置的结构示意图;
图12是根据一示例性实施例示出的应用于终端中的一种用于生成评论的装置的结构示意图;
图13是根据一示例性实施例示出的应用于终端中的另一种用于生成评论的装置的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本申请实施例提供了一种用于生成评论的方法,该方法可应用于如图1所示的实施环境中。图1中,包括至少一个终端11和服务器12,终端11可与服务器12进行通信连接,终端11接收并显示服务器发送的内容,如终端接收并显示服务器12发送的短视频。
其中,终端11可以是任何一种可与用户通过鼠标、触摸板和触摸屏等一种或多种方式进行人机交互的电子产品,例如PC(Personal Computer,个人计算机)、智能手机、可穿戴终端、掌上电脑PPC(Pocket PC)、平板电脑、智能车机、智能电视等。
服务器12可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务中心。
本领域技术人员应能理解上述终端11和服务器12仅为举例,其他现有的或今后可能出现的终端或服务器如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。此外上述图1所示实施环境中,服务器12还能够向终端11推荐评论,以在可视界面中显示(在图1中展示了可视界面的一种形式),或者图1所示实施环境中包括两个服务器12,一个服务器12向终端提供短视频等内容,另一个服务器12获取推荐评论并向终端11发送推荐评论,评论用于对终端显示的内容进行评价,对于本申请实施例提供的用于生成评论的方法的实施环境,本实施例不进行限定。
在本实施例中,终端显示一个可视界面,在可视界面中显示内容,例如显示短视频、图像和新闻类等至少一种类型的内容。在可视界面中显示内容过程中,可对显示的内容进行评论,相关技术中显示内容的目标评论是响应于用户对评论对象的评论操作,由用户手写内容生成或用户选择表情生成,本实施例相对于相关技术的不同之处在于:响应于用户对评论对象的评论操作,向服务器发送评论推荐指令,使得服务器能够反馈推荐评论,在生成目标评论时结合推荐评论生成。服务器12可以基于评论对象和/或用户属性获取推荐评论,下面分别从基于评论对象获取推荐评论、基于用户属性获取推荐评论、基于评论对象和用户属性获取推荐评论,阐述本实施例提供的用于生成评论的方法。
图2是根据一示例性实施例示出的一种用于生成评论的方法的信令图,图2所示用于生成评论的方法基于评论对象获取推荐评论,可以包括以下步骤:
在步骤S11中,终端响应于用户对评论对象的评论操作,向服务器发送评论推荐指令。
用户对评论对象的评论操作表明用户对评论对象进行评论,如评论操作可以是在图1所示可视界面的评论写入区域的点击操作,用户在评论写入区域执行写入动作,如点击评论写入区域,表明用户可能对评论对象进行评论。终端响应评论写入区域的写入动作,向服务器发送评论推荐指令,以指示服务器获取推荐评论。
在本实施例中,评论操作还可以是一个与快速生成评论相关的操作,快速生成评论是相对用户手写目标评论而言,快速生成评论方式中用户参与时长少于手写目标评论方式中用户参与时长,例如在快速生成评论方式中用户不参与目标评论的书写。在监测到用户触发快速生成评论,确定用户作出触发评论推荐指令的评论操作。
用户触发快速生成评论可以是一个预设行为,如可以是预设姿态和预设语音中的一种;又例如在可视界面中显示一个快速生成评论的控件,如图3所示可视界面中的“快速评论”的控件,“快速评论”的控件对应快速生成评论,上述评论操作可以是“快速评论”的控件的点击操作,“快速评论”的控件绑定评论推荐指令。终端可以响应“快速评论”的控件的点击操作,触发终端向服务器发送评论推荐指令。
在步骤S12中,服务器响应于评论推荐指令,基于评论对象获取推荐评论。
推荐评论用于辅助生成目标评论,服务器获取到的推荐评论是与评论对象相关的评论,例如服务器基于评论对象,从历史评论中获取与评论对象匹配的推荐评论,历史评论是服务器响应评论推荐指令之前终端生成过的评论,服务器可在终端每次生成评论时保存终端生成的评论,在后续评论时作为历史评论使用。
在步骤S12中,其一种可行方式可以是:确定评论对象的内容与历史评论之间的相似度,基于与历史评论之间的相似度确定推荐评论,评论对象的内容与历史评论之间的相似度确定过程,本实施例不再阐述。
在步骤S12中,与评论对象匹配的推荐评论可以是与评论对象的类别匹配,相对应的步骤S12的另一种可行方式是:服务器响应于评论推荐指令,基于评论对象的类别,获取推荐评论。
以评论对象是短视频为例,短视频包括:新闻类、搞笑类、表演类、风景类等多种类别的评论对象,不同类别的评论对象可显示的内容不同,相对不同类别的评论对象的评论也会存在差异,为此本实施例中,服务器可预先对评论对象进行分类,以使每个分类能够表征评论对象可显示的内容的概述,实现推荐评论与评论对象可显示的内容相关,提高推荐评论的准确度。
例如以新闻类短视频为例,新闻类短视频包括国内新闻类和国外新闻类,国内新闻类包括:民生、军事、政治、社会,娱乐、经济等子类,经济子类又划分成多个子类,将任一类别的评论对象进行细致划分,以使每个类别能够作为评论对象的概述,通过评论对象的类别对评论对象可显示的内容进行简明归纳,从而使得服务器获取到的推荐评论与其可显示的内容相关。相对应的,每条历史评论可以标注有类别,以指示历史评论对应的评论对象的类别,在获取推荐评论过程中,可基于评论推荐指令对应的评论对象的类别,匹配标注有该类别的历史评论,匹配的历史评论为推荐评论。
例如服务器响应于终端的评论推荐指令,基于评论对象的类别,在评论数据库中匹配评论,基于匹配的评论得到推荐评论集合,推荐评论集合包括至少一条推荐评论;匹配的评论可以是评论数据库中标注有评论对象的类别的评论。例如评论数据库中存储有对应新闻类、搞笑类、表演类、风景类的评论,评论推荐指令指向的评论对象的类别为新闻类,则从评论数据库中匹配出新闻类的评论。
其中评论数据库的创建过程包括:获取多个历史评论对象的多条历史评论,基于历史评论和历史评论对象的对应关系,得到评论数据库。历史评论对象是已经被评论过的对象,历史评论是对历史评论对象进行评论时生成,一个历史评论对象可以对应至少一条历史评论,历史评论可以是人工手动书写的或者是从历史评论对象的历史评论集合中筛选得到。历史评论和历史评论对象可以以对应关系的方式存储在评论数据库中,例如历史评论和历史评论对象的类别以对应关系的方式存储在评论数据库中,历史评论对象的类别可通过类别识别模型预测得到和/或人工标注得到,类别识别模型可通过其他的历史评论和其他的历史评论对象的类别训练得到,对其训练过程本实施例不再阐述。
评论数据库在以对应关系存储历史评论和历史评论对象时,其可行方式是:以历史评论对象的类别作为历史评论的标注、将属于同一类别的历史评论存储在一个集合中等,对于历史评论和历史评论对象的对应关系,本实施例不进行限定。
服务器在从评论数据库中匹配到评论后,可以将匹配到的所有评论作为推荐评论,发送给终端,即推荐评论集合包括匹配到的所有评论,或者服务器可对匹配到的所有评论进行二次选择,如一种方式是:服务器对匹配的评论进行热度排序。推荐评论的热度可基于推荐评论的使用情况确定,使用情况表明推荐评论被使用的次数和/或推荐评论的称赞情况,称赞情况可通过点赞数、转发数和引用数中的至少一种表示,推荐评论的热度可以随其被使用的次数、点赞数、转发数和引用数中的至少一种的增加而提升。
服务器可按照热度从高到低或者从低到高的方式对评论进行排序,在排序后服务器选取热度高的预设数量的评论构成推荐评论集合;或,选择热度大于阈值的评论构成推荐评论集合。预设数量表明推荐评论集合中的评论数量,通过预设数量指示服务器可向终端发送的推荐评论的最大条数,对于预设数量的取值本实施例不进行限定,在选取预设数量的评论时可按照热度从高到低方式选择,使推荐评论集合中评论的热度高于没有被选取的评论的热度。阈值用于指示推荐评论集合中评论的热度所满足的条件,使得大于阈值的热度的评论可发送至终端,对于阈值的取值本实施例不进行限定。
上述仅是服务器基于评论对象获取推荐评论的示例说明,本实施例不对服务器获取推荐评论的方式进行限定。
在步骤S13中,服务器将推荐评论发送给终端。
服务器基于评论对象可以获取一条推荐评论或多条推荐评论,对于获取多条推荐评论,服务器可以将多条推荐评论发送给终端,或者服务器对获取到的多条推荐评论进行筛选,得到推荐评论集合,将推荐评论集合发送给终端。
其中对获取到的多条推荐评论进行筛选的方式可以是:对多条推荐评论进行热度排序,基于每条推荐评论的热度进行筛选,如选取热度高的预设数量的推荐评论;或,选取热度大于阈值的推荐评论。推荐评论的热度可基于推荐评论的使用情况确定,使用情况表明推荐评论被使用的次数和/或推荐评论的称赞情况,称赞情况可通过点赞数、转发数和引用数中的至少一种表示,推荐评论的热度可以随其被使用的次数、点赞数、转发数和引用数中的至少一种的增加而提升。
在步骤S14中,终端接收并显示推荐评论。其中显示推荐评论的目的是便于用户查看推荐评论,终端显示推荐评论的一种方式是:悬浮在评论对象之上显示,如图4所示,悬浮在可视界面之上显示,推荐评论遮挡评论发布区域。虽然推荐评论遮挡评论发布区域中已发布的评论,但是可视界面可在终端上全屏显示,在显示推荐评论过程中内容显示区域仍能够正常显示评价对象,以在生成目标评论过程中可参照评论对象。
终端显示推荐评论的另一种方式是:评论对象和推荐评论分屏显示,分屏显示是评论对象和推荐评论各自占用终端的部分显示区域进行显示,虽然评论对象被缩小显示,但是推荐评论可占用的显示区域变大,可同时显示多条推荐评论。
在步骤S15中,终端响应于用户基于推荐评论的选择操作,生成目标评论。
用户基于推荐评论的选择操作指示用户从显示的推荐评论中选择评论内容,基于评论内容生成目标评论,如将所选择的评论内容确定为目标评论;又如对所选择的评论内容进行调整,如调整评论内容中的用语、表情和标点符号等等,在评论内容中增加表情和/或其他文字等评论内容。
上述用于生成评论的方法,响应于终端的评论推荐指令,基于评论对象获取推荐评论,将推荐评论发送至终端,以使终端基于推荐评论生成目标评论,实现在进行评论时能够向终端提供推荐评论,结合推荐评论生成目标评论,相对于用户手动写入目标评论来说,提高目标评论的生成效率,从而提高评论效率。并且推荐评论是基于评论对象获得,使得推荐评论与评论对象相匹配,提高推荐评论的准确度,从而提高目标评论的准确度。
图5示出了本申请实施例提供的另一种用于生成评论的方法的信令图,阐述终端可基于推荐评论和用户属性生成目标评论,图5所示用于生成评论的方法可以包括以下步骤:
在步骤S21中,终端响应于用户对评论对象的评论操作,向服务器发送评论推荐指令。
在步骤S22中,服务器响应于评论推荐指令,基于评论对象获取推荐评论。
在步骤S23中,服务器将推荐评论发送给终端。
在步骤S24中,终端接收并显示推荐评论。
在步骤S25中,终端基于用户授权,获取用户的面部图像,基于面部图像,获得用户属性。在本实施例中,用户属性可以在响应于用户对评论对象的评论操作时获得,用户属性的作用是用于辅助生成目标评论,如基于用户属性调整评论内容,生成目标评论。其中用户属性包括:性别、年龄和用户表情中的任意一种或多种,在生成目标评论过程中,终端可选择性别、年龄和用户表情中的至少一种属性,例如可选择用户表情,以使得目标评语与当前的用户表情匹配,实现目标评论的个性化。
终端经过用户充分授权,在生成目标评论前获取用户的面部图像以得到用户属性。面部图像可利用摄像装置拍摄得到,拍摄装置可以是终端的摄像头或设置在终端所在空间的摄像头。终端响应于用户对评论对象的评论操作,向摄像装置发送开启指令,在开启指令作用下,摄像装置从关闭状态切换至开启状态,以利用摄像装置进行拍摄,得到用户的面部图像。
终端在得到面部图像后,终端可以基于面部图像获得用户属性。其中终端基于面部图像得到用户属性的一种方式是:将面部图像输入到属性预测模型,获得属性预测模型输出的用户属性。属性预测模型通过历史面部图像和历史用户属性训练得到,在训练得到属性预测模型过程中,对每张历史面部图像进行随机采样,如从历史用户画面图像中获得五个区域,对五个区域进行镜像得到五个镜像区域,从五个区域和五个镜像区域中每个区域进行采样。五个区域是以从历史面部图像的四个顶点和中心点为起始点,从起始点开始扩展预设位置得到五个区域。如属性预测模型可以预测用户表情,调用属性预测模型对面部图像进行处理,得到属性预测模型输出的用户表情,相对应的在训练属性预测模型过程中,可通过历史面部图像和历史用户表情训练得到。
基于面部图像得到用户属性的另一种方式是:从面部图像中提取面部特征数据,根据面部特征数据得到用户属性。对于用户来说,男性用户和女性用户的面部特征数据不同,不同年龄和/或不同表情下的用户的面部特征也会不同。
以用户表情为例,用户表情包含六种基本表情,分别是:高兴、悲伤、惊讶、恐惧、愤怒和厌恶,不同基本表情下面部变化不同,面部变化包括眉毛、眼睛、眼睑和嘴唇,因此在不同基本表情下,得到的面部特征数据也会不同,以根据面部特征数据确定用户表情,得到用户表情。如表1所示六种基本表情的面部特征:
表1六种基本表情的面部特征数据
基于上述表1所示六种基本表情的面部特征数据,终端在提取到面部特征数据,可根据面部特征数据确定用户表情,用户表情为用户属性中的一种属性。针对男性用户和女性用户来说,男性用户和女性用户在额头、眼眶、下颌等方面的特征会不同,不同年龄下的皮肤纹理特征不同,因此终端可根据面部特征数据得到性别和年龄中的至少一种。
在步骤S26中,终端响应于用户基于推荐评论的选择操作,确定评论内容,基于评论内容和用户属性,生成目标评论。
终端响应于用户基于推荐评论的选择操作,从推荐评论中选择出评论内容,例如选择一条推荐评论作为评论内容,又例如从多条推荐评论中选择内容,选择的内容构成评论内容,终端可根据选择的内容之间的语法关系等来构成评论内容,具体过程本实施例不再阐述。
终端在确定评论内容后,基于用户属性对评论内容进行调整,以生成目标评论,使目标评论与用户属性匹配。基于用户属性对评论内容进行调整的方式可以是:基于用户属性调整评论内容的描述,如调整评论内容的用语,使得推荐评论呈现的语气和声音形态等与性别、年龄和用户表情中的至少一种匹配,实现个性化评论。调整评论内容的用语的方式可以是:在评论内容中增加与用户属性相匹配的词语、改变评论内容的句子类型、修改评论内容的用语等。
例如在悲伤和高兴这两种表情下,与悲伤对应的评论可以包括多个表征悲伤的词语,与高兴对应的评论可以包括多个表征高兴的词语;对于小伙和大叔这两个年龄段,评论中可以使用更多的祈使句,减少语气词的使用,体现用户态度肯定和坚毅,对于小男孩来说,评论中可以使用更多的疑问句。对于女孩来说,增加可爱的语气词,如“啊、呢”,体现出态度温柔,对于小女孩来说,评论中可以使用更多的疑问句,因此对于不同年龄段、性别和用户表情来说,终端可通过但不限于“语气词”、“句式”和增加对应表情的词语进行区分,实现个性化评论。
在本实施例中,用户表情除了基于面部图像得到之外,还可以采用其他方式得到,例如用户表情可以是用户自定义的表情、用户从emoji(视觉情感符号)集合中选择的与自身的当前表情匹配的emoji、用户当前表情对应的文字或其他自定义符号等等。而终端在基于用户属性对评论内容进行调整时除了采用调整评论内容的描述之外,终端还可以采用其他方式调整评论内容,例如在评论内容中加入用户表情,如在评论内容中加入与用户表情对应的符号,如上述emoji,或者在评论内容中加入与用户表情对应的文字等等。
上述用于生成评论的方法,终端基于用户授权,获取用户的面部图像,基于面部图像,获得用户属性,在终端得到推荐评论后,终端响应于用户基于推荐评论的选择操作,确定评论内容,基于评论内容和用户属性,生成目标评论,使得目标评论与用户属性匹配,实现个性化评论。
图6示出了本申请实施例提供的另一种用于生成评论的方法的信令图,阐述基于用户属性获得推荐评论,图6所示用于生成评论的方法可以包括以下步骤:
在步骤S31中,终端响应于用户对评论对象的评论操作,向服务器发送评论推荐指令。
在步骤S32中,服务器响应于评论推荐指令,基于用户属性获取推荐评论。
与上述图2所示用于生成评论的方法的不同之处在于:图2所示用于生成评论的方法中服务器基于评论对象获取推荐评论,本实施例中服务器基于用户属性获取推荐评论,用户属性作为描述用户的信息,可以包括:性别、年龄和用户表情中的任意一种或任意多种,服务器可基于性别、年龄和用户表情中的至少一种,获取推荐评论,使得推荐评论与用户属性匹配,例如服务器可基于用户表情获取推荐评论,使得推荐评论能够体现当前的用户表情。
在本实施例中,用户属性可以由终端获得,在评论推荐指令中携带用户属性;用户属性也可以由服务器获得,相对于服务器得到用户属性来说,通过终端得到用户属性,可以避免因服务器同时识别多个用户属性导致的服务器资源被占用的问题,从而提高效率。下面对终端获得用户属性、服务器获得用户属性的方式进行一一说明。
终端获得用户属性:终端可以在响应于用户对评论对象的评论操作时获得用户属性;或者终端在响应于用户对评论对象的评论操作之前获得用户属性,本实施例不对用户属性的获得时机进行限定。
终端获得用户属性的一种方式是,基于用户授权,获取用户的面部图像;基于面部图像,获得用户属性。经过用户充分授权,在生成目标评论前获取用户的面部图像以得到用户属性。其中面部图像可利用摄像装置拍摄得到,拍摄装置可以是终端的摄像头或设置在终端所在空间的摄像头。终端响应于用户对评论对象的评论操作,向摄像装置发送开启指令,在开启指令作用下,摄像装置从关闭状态切换至开启状态,以利用摄像装置进行拍摄,得到用户的面部图像。
终端在得到面部图像后,终端可以基于面部图像获得用户属性。其中终端基于面部图像得到用户属性的一种方式是:将面部图像输入到属性预测模型,获得属性预测模型输出的用户属性;基于面部图像得到用户属性的另一种方式是:从面部图像中提取面部特征数据,根据面部特征数据得到用户属性,具体请参见上述实施例中的说明。
终端获得用户属性的另一种方式是,基于用户个人资料数据和/或用户浏览内容时生成的日志数据,获得用户属性。用户浏览内容时生成的日志数据可以指向用户浏览的历史内容,以确定用户感兴趣的内容。不同年龄段和不同性别,感兴趣的内容存在差异,终端可基于用户浏览内容时生成的日志数据可以指向用户浏览的历史内容,确定性别和年龄中的至少一种。用户个人资料中记录有性别和年龄等信息,对应的终端可以从用户个人资料中提取出性别和年龄中的至少一种属性,虽然基于用户个人资料获得用户属性(如性别和年龄中的至少一种)更加快捷,但是会存在用户个人资料有假,导致年龄和性别有误。上述终端在基于用户浏览内容时生成的日志数据获得用户属性或基于面部图像获得用户属性的过程中,终端需要对日志数据或面部图像进行分析以得到用户属性,虽然其过程繁琐,但是能够基于真实有效的日志数据或面部图像获得用户属性,提高用户属性的准确度。
终端获得用户属性的再一种方式是,基于用户个人资料数据和/或用户浏览内容时生成的日志数据,获得性别和年龄中的至少一种;基于用户授权,获取用户的面部图像;基于面部图像,获得用户表情,以将上述终端获得用户属性的方式相结合得到性别、年龄和用户表情。除了基于面部图像获得用户表情之外,还可以采用其他方式获得用户表情,如用户从emoji(视觉情感符号)集合中选择的与当前表情匹配的emoji、利用与用户当前表情对应的文字或其他自定义符号表示等等。
服务器获得用户属性:服务器可以在响应于用户对评论对象的评论操作时获得用户属性;或者服务器在响应于用户对评论对象的评论操作之前获得用户属性,本实施例不对用户属性的获得时机进行限定。
其中服务器获得用户属性的一种方式是,服务器接收终端发送的用户的面部图像,面部图像是基于用户授权获得,识别面部图像,以得到用户属性。经过用户充分授权,终端可借助摄像装置获得用户的面部图像。例如终端响应于用户对评论对象的评论操作,向摄像装置发送开启指令,在开启指令作用下,摄像装置从关闭状态切换至开启状态,以利用摄像装置进行拍摄,得到用户的面部图像。
终端将面部图像发送给服务器,服务器可以基于面部图像获得用户属性。其中服务器基于面部图像得到用户属性的一种方式是:将面部图像输入到属性预测模型,获得属性预测模型输出的用户属性;基于面部图像得到用户属性的另一种方式是:从面部图像中提取面部特征数据,根据面部特征数据得到用户属性,具体请参见上述实施例中的说明。
服务器获得用户属性的另一种方式是,基于用户个人资料数据和/或用户浏览内容时生成的日志数据,获得用户属性。服务器获得用户属性的再一种方式是,基于用户个人资料数据和/或用户浏览内容时生成的日志数据,获得性别和年龄中的至少一种;接收终端发送的用户的面部图像,面部图像是基于用户授权获得,识别面部图像,以得到用户表情,以将上述服务器获得用户属性的方式相结合得到性别、年龄和用户表情。
服务器在获得用户属性后,基于用户属性获取与用户属性匹配的推荐评论,如性别、年龄和用户表情中的至少一种属性不同时,对评论对象的评论也可以不同。例如用户表情能够表征用户当前的心情,心情不同时对评论对象进行评论时采用的用语、语气等会存在差异,因此本实施例可利用用户属性获取与用户属性匹配的推荐评论,使得推荐评论与用户属性相关。在本实施例中,服务器基于用户属性获取推荐评论的方式如下:
在本实施例中,服务器基于用户属性获取推荐评论的一种可行方式是,确定历史评论对应的历史用户属性,基于历史评论对应的历史用户属性和用户属性之间的匹配程度,获取推荐评论。历史评论对应的历史用户属性可调用属性识别模型预测,对于属性识别模型的构建过程本实施例不再阐述,或者,每条历史评论标注有历史用户属性,标注历史用户属性可以是人工标注也可以是属性识别模型提前预测后标注。
历史评论对应的历史用户属性和用户属性之间的匹配程度可通过历史用户属性和用户属性之间的相似度表示,相似度越高匹配程度越高,对应的历史评论作为推荐评论的可能性也越高,由此服务器在获取推荐评论时可选择匹配程度高的历史评论。
服务器基于用户属性获取推荐评论的另一种可行方式是,响应于终端的评论推荐指令,基于用户属性,在评论数据库中匹配评论,基于匹配的评论得到推荐评论集合,推荐评论集合包括至少一条推荐评论;匹配的评论可以是评论数据库中历史用户属性与用户属性匹配的评论。对于评论数据库中评论的历史用户属性如何得到请参见上述说明。
其中评论数据库的创建过程包括:获取多条历史评论的历史用户属性,基于历史评论和历史用户属性的对应关系,得到评论数据库。历史评论是对评论对象和/或历史评论对象进行评论时生成,历史评论可以是人工手动书写的或者是从历史评论对象的历史评论集合中筛选得到。历史评论和历史用户属性可以以对应关系的方式存储在评论数据库中,其可行方式是:以历史用户属性作为历史评论的标注、将属于同一用户属性的历史评论存储在一个集合中等,对于历史评论和历史用户属性的对应关系,本实施例不进行限定。
服务器在从评论数据库中匹配到评论后,可以将匹配到的所有评论作为推荐评论,发送给终端,即推荐评论集合包括匹配到的所有评论,或者服务器可对匹配到的所有评论进行二次选择,如一种方式是:服务器对匹配的评论进行热度排序。推荐评论的热度可基于推荐评论的使用情况确定,使用情况表明推荐评论被使用的次数和/或推荐评论的称赞情况,称赞情况可通过点赞数、转发数和引用数中的至少一种表示,推荐评论的热度可以随其被使用的次数、点赞数、转发数和引用数中的至少一种的增加而提升。
服务器可按照热度从高到低或者从低到高的方式对评论进行排序,在排序后服务器选取热度高的预设数量的评论构成推荐评论集合;或,选择热度大于阈值的评论构成推荐评论集合。预设数量表明推荐评论集合中的评论数量,通过预设数量指示服务器可向终端发送的推荐评论的最大条数,对于预设数量的取值本实施例不进行限定,在选取预设数量的评论时可按照热度从高到低方式选择,使推荐评论集合中评论的热度高于没有被选取的评论的热度。阈值用于指示推荐评论集合中评论的热度所满足的条件,使得大于阈值的热度的评论可发送至终端,对于阈值的取值本实施例不进行限定。
上述仅是服务器基于用户属性获取推荐评论的示例说明,本实施例不对服务器获取推荐评论的方式进行限定。
在步骤S33中,服务器将推荐评论发送给终端。
在步骤S34中,终端接收并显示推荐评论。
在步骤S35中,终端响应于用户基于推荐评论的选择操作,生成目标评论。
用户基于推荐评论的选择操作指示用户从显示的推荐评论中选择评论内容,基于评论内容生成目标评论,如将所选择的评论内容确定为目标评论;又如对所选择的评论内容进行调整,如调整评论内容中的用语、表情和标点符号等等,在评论内容中增加表情和/或其他文字等评论内容。终端在基于评论内容生成目标评论过程中,可参照用户属性,其过程请参见上述实施例。
上述用于生成评论的方法,响应于终端的评论推荐指令,基于用户属性获取推荐评论,将推荐评论发送至终端,以使终端基于推荐评论生成目标评论,实现在进行评论时能够向终端提供推荐评论,结合推荐评论生成目标评论,相对于用户手动写入目标评论来说,提高目标评论的生成效率,从而提高评论效率。并且推荐评论是基于评论对象获得,使得推荐评论与用户属性相匹配,使得推荐评论符合用户的用语习惯等,提高推荐评论的准确度,从而提高目标评论的准确度。
图7其示出了本申请实施例提供的再一种用于生成评论的方法的信令图,阐述基于评论对象和用户属性获得推荐评论,图7所示用于生成评论的方法可以包括以下步骤:
在步骤S31中,终端响应于用户对评论对象的评论操作,向服务器发送评论推荐指令。
在步骤S32中,服务器响应于评论推荐指令,基于评论对象和用户属性获取推荐评论。
与上述图2和图6所示用于生成评论的方法的不同之处在于:图2所示用于生成评论的方法中服务器基于评论对象获取推荐评论,图6所示用于生成评论的方法中服务器基于用户属性获取推荐评论。本实施例中服务器基于评论对象和用户属性获取推荐评论,使得推荐评论同时与评论对象和用户属性相关,如推荐评论既能够与评论对象的内容相关又能够符合用户的用语习惯等,如符合用户属性指向用户的用语、语气等等。例如服务器可结合用户表情获取推荐评论,使得推荐评论能够体现当前的用户表情。在本实施例中,服务器基于评论对象和用户属性获取推荐评论的方式如下:
一种可行方式是,服务器确定评论对象的内容与历史评论之间的相似度,基于与历史评论之间的相似度确定推荐评论;服务器基于用户属性对推荐评论进行筛选,得到与用户属性匹配的推荐评论,其筛选过程请参见上述实施例中的说明。
另一种可行方式是,服务器确定历史评论对应的历史用户属性,基于历史评论对应的历史用户属性和用户属性之间的匹配程度,获取推荐评论;服务器基于评论对象对推荐评论进行筛选,得到与评论对象匹配的推荐评论。例如服务器可基于评论对象的类别和评论对象的内容中的至少一种对推荐评论进行筛选,其过程请参见上述实施例中的说明。
再一种可行方式是:服务器响应于评论推荐指令,基于评论对象的类别和用户属性,获取推荐评论。如服务器基于评论对象的类别,获取推荐评论;服务器再基于用户属性对推荐评论进行筛选,得到与用户属性匹配的推荐评论;又或者服务器基于用户属性,获取推荐评论;服务器再基于评论对象的类别对推荐评论进行筛选,得到与用户属性匹配的推荐评论。服务器分别基于评论对象的类别和用户属性进行处理的过程请参见上述实施例。
例如服务器响应于终端的评论推荐指令,基于评论对象的类别和用户属性,在评论数据库中匹配评论,基于匹配的评论得到推荐评论集合,推荐评论集合包括至少一条推荐评论;匹配的评论可以是评论数据库中标注有评论对象的类别且与用户属性匹配的评论,对于确定与用户属性匹配的评论的过程请参见上述实施例中的说明。
在步骤S33中,服务器将推荐评论发送给终端。
在步骤S34中,终端接收并显示推荐评论。
在步骤S35中,终端响应于用户基于推荐评论的选择操作,生成目标评论。例如终端响应于用户基于推荐评论的选择操作,选择评论内容,基于评论内容生成目标评论;如将所选择的评论内容确定为目标评论;又如对所选择的评论内容进行调整,如调整评论内容中的用语、表情和标点符号等等,在评论内容中增加表情和/或其他文字等评论内容。终端在基于评论内容生成目标评论过程中,可参照用户属性,其过程请参见上述实施例。
上述用于生成评论的方法,响应于终端的评论推荐指令,基于评论对象和用户属性获取推荐评论,将推荐评论发送至终端,以使终端基于推荐评论生成目标评论,实现在进行评论时能够向终端提供推荐评论,结合推荐评论生成目标评论,相对于用户手动写入目标评论来说,提高目标评论的生成效率,从而提高评论效率。并且推荐评论是基于评论对象获得,使得推荐评论同时与评论对象和用户属性相匹配,使得推荐评论既能够对评论对象进行评论又能够符合用户的用语习惯等,提高推荐评论的准确度,从而提高目标评论的准确度。
对于上述图8所示用于生成评论的方法,服务器创建评论数据库的过程如图8所示,可以包括以下步骤:
在步骤S51中,获取多个历史评论对象的多条历史评论和多条历史评论的历史用户属性。
历史评论对象是已经被评论过的对象,历史评论是对历史评论对象进行评论时生成,一个历史评论对象可以对应至少一条历史评论,且一条历史评论可对应一个历史用户属性,历史评论可以是人工手动书写的或者是从历史评论对象的历史评论集合中筛选得到。历史评论对应的历史用户属性可调用属性识别模型预测,对于属性识别模型的构建过程本实施例不再阐述,或者,每条历史评论标注有历史用户属性,标注历史用户属性可以是人工标注也可以是属性识别模型提前预测后标注。
在本实施例中,服务器可以根据历史评论确定其对应的历史用户属性,省去人工标注或调用属性识别模型预测环节。例如不同用户属性下历史评论的描述方式不同,如历史评论的用语、语气和句子类型会根据用户属性的不同而不同。
例如在悲伤和高兴这两种表情下,与悲伤对应的历史评论可以包括多个表征悲伤的词语,与高兴对应的历史评论可以包括多个表征高兴的词语;对于小伙和大叔这两个年龄段,历史评论中可以使用更多的祈使句,减少语气词的使用,体现用户态度肯定和坚毅,对于小男孩来说,历史评论中可以使用更多的疑问句。对于女孩来说,增加可爱的语气词,如“啊、呢”,体现出态度温柔,对于小女孩来说,历史评论中可以使用更多的疑问句,因此服务器可根据历史评论确定历史用户属性。
在步骤S52中,基于历史评论对象、历史评论和历史用户属性的对应关系,得到评论数据库。历史评论对象、历史评论和历史用户属性以对应关系的方式存储在评论数据库中,例如历史评论对象的类别、历史评论和历史用户属性以对应关系的方式存储在评论数据库中。如以历史评论对象的类别和历史用户属性作为历史评论的标注、将属于同一类别且对应相同历史用户属性的历史评论存储在一个集合中等。其中历史评论对象的类别可通过类别识别模型预测得到和/或人工标注得到,类别识别模型可通过其他的历史评论和其他的历史评论对象的类别训练得到,对其训练过程本实施例不再阐述。
评论数据库中历史评论对象、历史评论和历史用户属性的对应关系如下,以用户表情来说明:
美女类-高兴历史评论(多条)
美女类-悲伤历史评论(多条)
美女类-白眼历史评论(多条)
基于上述评论数据库中的对应关系,服务器能够基于评论对象和用户属性获得推荐评论。
经过上述步骤S51和步骤S52,得到一个评论数据库,且评论数据库中的历史评论与历史评论对象和历史用户属性相对应,服务器可基于评论对象和用户属性,从评论数据库中获取匹配的评论。在基于历史评论对象、历史用户属性和历史评论得到评论数据库后,服务器还可以对评论数据库中的评论进行拓展,以完善评论数据库。
在步骤S53中,保留评论数据库中的每条历史评论,从而在拓展评论数据库的同时保证评论数据库中原有的历史评论不会被删除。
在步骤S54中,基于预设年龄、预设性别和预设表情中的任意一种或任意多种,对评论数据库中的历史评论的描述方式进行修改,得到新评论。
对评论数据库中的历史评论的描述方式的修改包括:调整历史评论的描述,如调整历史评论的用语、语气和句子类型等,使得推荐评论呈现的语气和声音形态等与性别、年龄和用户表情中的至少一种匹配,实现个性化评论。其中调整历史评论的用语包括增加和/或修改历史评论中的用语,调整历史评论的语气包括修改历史评论的语气,在调整过程中可基于预设年龄、预设性别和预设表情中的至少一种。
预设性别包括男性和女性,如果评论数据库中含有男性的历史评论,则可以增加女性的历史评论,对于预设年龄和预设表情来说,可以是评论数据库中没有出现过的年龄和表情,也可以是利用出现过的年龄和表情再次调整,本实施例不进行限定。
在步骤S55中,将新评论保存在评论数据库中,以完成拓展评论数据库中的评论,实现丰富评论数据库中的评论。
与上述方法实施例相对应,本申请实施例还提供一种用于生成评论的装置,其可选结构如图9所示,可以包括:获取单元10和发送单元20。
获取单元10,被配置为响应于终端的评论推荐指令,基于评论对象和/或用户属性获取推荐评论。用户属性包括:性别、年龄和用户表情中的任意一种或任意多种。一种获取推荐评论的方式是,获取单元10,被配置为响应于终端的评论推荐指令,基于评论对象的类别和/或用户属性,获取推荐评论。
例如获取单元10,被配置为响应于终端的评论推荐指令,基于评论对象的类别和/或用户属性,在评论数据库中匹配评论,基于匹配的评论得到推荐评论集合,推荐评论集合包括至少一条推荐评论。
发送单元20,被配置为将推荐评论发送至终端,以使终端基于推荐评论生成目标评论。
图10示出了另一种用于生成评论的装置的可选结构,可以包括:获取单元100、发送单元200和排序单元300,被配置为对匹配的评论进行热度排序。获取单元100,被配置为选取热度高的预设数量的评论构成推荐评论集合。或,选取热度大于阈值的评论构成推荐评论集合。
用于生成评论的装置还可以:创建单元,被配置为创建评论数据库。例如创建单元,被配置为获取多个历史评论对象的多条历史评论,基于历史评论和历史评论对象的对应关系,得到评论数据库。和/或,获取多条历史评论的历史用户属性,基于历史评论和历史用户属性的对应关系,得到评论数据库。
相对应的用于生成评论的装置还可以包括:拓展单元,被配置为拓展评论数据库中的评论。如拓展单元,被配置为保留评论数据库中的每条历史评论,基于预设年龄、预设性别和预设表情中的任意一种或任意多种,对评论数据库中的历史评论的描述方式进行修改,得到新评论,将新评论保存至评论数据库中。
图11示出了再一种用于生成评论的装置的可选结构,可以包括:获取单元110、发送单元210、接收单元410和识别单元510。其中接收单元410,被配置为接收终端发送的用户的面部图像,面部图像是基于用户授权获得。识别单元510,被配置为识别面部图像,以得到用户属性。
上述用于生成评论的装置可应用于服务器中,本实施例还提供应用于终端中的用于生成评论的装置,其可选结构如图12所示,可以包括:发送单元1000、接收单元2000和生成单元3000。
发送单元1000,被配置为响应于用户对评论对象的评论操作,向服务器发送评论推荐指令,评论推荐指令用于指示服务器基于评论对象和/或用户属性获取推荐评论。用户属性包括:性别、年龄和用户表情中的任意一种或多种。
接收单元2000,被配置为接收并显示服务器发送的推荐评论。
生成单元3000,被配置为响应于用户基于推荐评论的选择操作,生成目标评论。
上述应用于终端中的用于生成评论的装置还可以包括:获取单元,被配置为基于用户授权,获取用户的面部图像,基于面部图像,获得用户属性。相对应的生成单元3000,被配置响应于用户基于推荐评论的选择操作,确定评论内容,基于评论内容和用户属性,生成目标评论。
图13示出了另一种应用于终端中的用于生成评论的装置的可选结构,可以包括:发送单元1100、接收单元2100、生成单元3100、获取单元4100和确定单元5100。获取单元4100,被配置为基于用户授权,获取用户的面部图像。确定单元5100,被配置为基于面部图像,确定用户属性。评论推荐指令中携带用户属性。
关于上述实施例中的装置,其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本申请实施例还提供一种服务器,包括:处理器和用于存储处理器可执行指令的存储器。其中,处理器被配置为执行指令,以实现上述用于生成评论的方法。
本申请实施例还提供一种终端,包括:处理器和用于存储处理器可执行指令的存储器。其中,处理器被配置为执行指令,以实现上述生成评论的方法。
本申请实施例还提供一种计算机可读存储介质,当计算机可读存储介质中的指令由服务器的处理器执行时,使得服务器能够执行上述用于生成评论的方法,和/或,当计算机可读存储介质中的指令由终端的处理器执行时,使得终端能够执行上述用于生成评论的方法。例如包括指令的存储器,可选地,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本申请实施例还提供一种计算机程序产品,包括计算机程序/指令,计算机程序/指令被处理器执行时实现上述用于生成评论的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (27)
1.一种用于生成评论的方法,其特征在于,所述方法包括:
响应于终端的评论推荐指令,基于评论对象和/或用户属性获取推荐评论;
将所述推荐评论发送至所述终端,以使所述终端基于所述推荐评论生成目标评论;
其中,所述终端基于所述推荐评论生成目标评论包括:终端响应于用户基于推荐评论的选择操作,确定评论内容,基于用户属性调整评论内容的描述方式,生成目标评论,所述调整评论内容的描述方式包括:在所述评论内容中增加与用户属性相匹配的词语、改变所述评论内容的句子类型和修改所述评论内容的用语三种中的至少一种,使得生成的目标评论与用户年龄、性别和表情中的至少一种匹配。
2.根据权利要求1所述的方法,其特征在于,所述响应于终端的评论推荐指令,基于评论对象和/或用户属性,获取推荐评论包括:
响应于终端的评论推荐指令,基于所述评论对象的类别和/或用户属性,获取所述推荐评论。
3.根据权利要求2所述的方法,其特征在于,所述响应于终端的评论推荐指令,基于所述评论对象的类别和/或用户属性,获取所述推荐评论包括:
响应于终端的评论推荐指令,基于所述评论对象的类别和/或用户属性,在评论数据库中匹配评论,基于匹配的评论得到推荐评论集合,所述推荐评论集合包括至少一条所述推荐评论。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:对匹配的评论进行热度排序;
所述基于匹配的评论得到推荐评论集合包括:选取热度高的预设数量的评论构成所述推荐评论集合;或,选取热度大于阈值的评论构成所述推荐评论集合。
5.根据权利要求3所述的方法,其特征在于,所述评论数据库的创建过程包括:
获取多个历史评论对象的多条历史评论,基于历史评论和历史评论对象的对应关系,得到所述评论数据库;
和/或
获取多条历史评论的历史用户属性,基于历史评论和历史用户属性的对应关系,得到所述评论数据库。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:拓展所述评论数据库中的评论,所述拓展所述评论数据库中的评论包括:
保留所述评论数据库中的每条历史评论;
基于预设年龄、预设性别和预设表情中的任意一种或任意多种,对所述评论数据库中的历史评论的描述方式进行修改,得到新评论;
将所述新评论保存至所述评论数据库中。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收所述终端发送的用户的面部图像,所述面部图像是基于所述用户授权获得;
识别所述面部图像,以得到所述用户属性。
8.根据权利要求1至7中任意一项所述的方法,其特征在于,所述用户属性包括:性别、年龄和用户表情中的任意一种或任意多种。
9.一种用于生成评论的方法,其特征在于,包括:
响应于用户对评论对象的评论操作,向服务器发送评论推荐指令,所述评论推荐指令用于指示服务器基于评论对象和/或用户属性获取推荐评论;
接收并显示服务器发送的推荐评论;
响应于用户基于推荐评论的选择操作,生成目标评论;
所述响应于用户基于推荐评论的选择操作,生成目标评论包括:响应于用户基于推荐评论的选择操作,确定评论内容,基于用户属性调整评论内容的描述方式,生成目标评论,所述调整评论内容的描述方式包括:在所述评论内容中增加与用户属性相匹配的词语、改变所述评论内容的句子类型和修改所述评论内容的用语三种中的至少一种,使得生成的目标评论与用户年龄、性别和表情中的至少一种匹配。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
基于用户授权,获取用户的面部图像;
基于所述面部图像,获得所述用户属性。
11.根据权利要求9所述的方法,其特征在于,所述方法还包括:
基于用户授权,获取用户的面部图像;
基于所述面部图像,确定所述用户属性;所述评论推荐指令中携带所述用户属性。
12.根据权利要求9至11中任意一项所述的方法,其特征在于,所述用户属性包括:性别、年龄和用户表情中的任意一种或多种。
13.一种用于生成评论的装置,其特征在于,所述装置包括:
获取单元,被配置为响应于终端的评论推荐指令,基于评论对象和/或用户属性获取推荐评论;
发送单元,被配置为将所述推荐评论发送至所述终端,以使所述终端基于所述推荐评论生成目标评论;
其中,所述终端基于所述推荐评论生成目标评论包括:终端响应于用户基于推荐评论的选择操作,确定评论内容,基于用户属性调整评论内容的描述方式,生成目标评论,所述调整评论内容的描述方式包括:在所述评论内容中增加与用户属性相匹配的词语、改变所述评论内容的句子类型和修改所述评论内容的用语三种中的至少一种,使得生成的目标评论与用户年龄、性别和表情中的至少一种匹配。
14.根据权利要求13所述的装置,其特征在于,所述获取单元,被配置为响应于终端的评论推荐指令,基于所述评论对象的类别和/或用户属性,获取所述推荐评论。
15.根据权利要求14所述的装置,其特征在于,所述获取单元,被配置为响应于终端的评论推荐指令,基于所述评论对象的类别和/或用户属性,在评论数据库中匹配评论,基于匹配的评论得到推荐评论集合,所述推荐评论集合包括至少一条所述推荐评论。
16.根据权利要求15所述的装置,其特征在于,所述装置还包括:排序单元,被配置为对匹配的评论进行热度排序;
所述获取单元,被配置为选取热度高的预设数量的评论构成所述推荐评论集合;或,选取热度大于阈值的评论构成所述推荐评论集合。
17.根据权利要求16所述的装置,其特征在于,所述装置还包括:创建单元,被配置为创建评论数据库;
所述创建单元,被配置为获取多个历史评论对象的多条历史评论,基于历史评论和历史评论对象的对应关系,得到所述评论数据库;和/或,获取多条历史评论的历史用户属性,基于历史评论和历史用户属性的对应关系,得到所述评论数据库。
18.根据权利要求16所述的装置,其特征在于,所述装置还包括:拓展单元,被配置为拓展所述评论数据库中的评论;
所述拓展单元,被配置为保留所述评论数据库中的每条历史评论,基于预设年龄、预设性别和预设表情中的任意一种或任意多种,对所述评论数据库中的历史评论的描述方式进行修改,得到新评论,将所述新评论保存至所述评论数据库中。
19.根据权利要求13所述的装置,其特征在于,所述装置还包括:
接收单元,被配置为接收所述终端发送的用户的面部图像,所述面部图像是基于所述用户授权获得;
识别单元,被配置为识别所述面部图像,以得到所述用户属性。
20.根据权利要求13至19中任意一项所述的装置,其特征在于,所述用户属性包括:性别、年龄和用户表情中的任意一种或任意多种。
21.一种用于生成评论的装置,其特征在于,包括:
发送单元,被配置为响应于用户对评论对象的评论操作,向服务器发送评论推荐指令,所述评论推荐指令用于指示服务器基于评论对象和/或用户属性获取推荐评论;
接收单元,被配置为接收并显示服务器发送的推荐评论;
生成单元,被配置为响应于用户基于推荐评论的选择操作,生成目标评论;
所述生成单元,被配置响应于用户基于推荐评论的选择操作,确定评论内容,基于用户属性调整评论内容的描述方式,生成目标评论,所述调整评论内容的描述方式包括:在所述评论内容中增加与用户属性相匹配的词语、改变所述评论内容的句子类型和修改所述评论内容的用语三种中的至少一种,使得生成的目标评论与用户年龄、性别和表情中的至少一种匹配。
22.根据权利要求21所述的装置,其特征在于,所述装置还包括:
获取单元,被配置为基于用户授权,获取用户的面部图像,基于所述面部图像,获得所述用户属性。
23.根据权利要求21所述的装置,其特征在于,所述装置还包括:
获取单元,被配置为基于用户授权,获取用户的面部图像;
确定单元,被配置为基于所述面部图像,确定所述用户属性;所述评论推荐指令中携带所述用户属性。
24.根据权利要求21至23中任意一项所述的装置,其特征在于,所述用户属性包括:性别、年龄和用户表情中的任意一种或多种。
25.一种服务器,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至8中任一项所述的用于生成评论的方法。
26.一种终端,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求9至12中任一项所述的用于生成评论的方法。
27.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由服务器的处理器执行时,使得服务器能够执行如权利要求1至8中任一项所述的用于生成评论的方法,和/或,当所述计算机可读存储介质中的指令由终端的处理器执行时,使得终端能够执行如权利要求9至12中任一项所述的用于生成评论的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110442604.1A CN113127628B (zh) | 2021-04-23 | 2021-04-23 | 用于生成评论的方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110442604.1A CN113127628B (zh) | 2021-04-23 | 2021-04-23 | 用于生成评论的方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113127628A CN113127628A (zh) | 2021-07-16 |
CN113127628B true CN113127628B (zh) | 2024-03-19 |
Family
ID=76779411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110442604.1A Active CN113127628B (zh) | 2021-04-23 | 2021-04-23 | 用于生成评论的方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113127628B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744071A (zh) * | 2021-08-03 | 2021-12-03 | 北京搜狗科技发展有限公司 | 评论信息的处理方法、装置、电子设备及存储介质 |
US11954402B1 (en) * | 2022-11-29 | 2024-04-09 | Henk B. Rogers | Talk story system and apparatus |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156390A (zh) * | 2014-07-07 | 2014-11-19 | 乐视网信息技术(北京)股份有限公司 | 一种评论推荐方法和系统 |
CN107566914A (zh) * | 2017-10-23 | 2018-01-09 | 咪咕动漫有限公司 | 一种弹幕的显示控制方法、电子设备以及存储介质 |
CN108650556A (zh) * | 2018-03-30 | 2018-10-12 | 四川迪佳通电子有限公司 | 一种弹幕输入方法及装置 |
CN109474845A (zh) * | 2018-09-14 | 2019-03-15 | 咪咕音乐有限公司 | 弹幕控制方法、弹幕处理服务器以及计算机可读存储介质 |
CN109885770A (zh) * | 2019-02-20 | 2019-06-14 | 杭州威佩网络科技有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
CN110519617A (zh) * | 2019-07-18 | 2019-11-29 | 平安科技(深圳)有限公司 | 视频评论处理方法、装置、计算机设备及存储介质 |
CN110569490A (zh) * | 2019-07-23 | 2019-12-13 | 福建奇点时空数字科技有限公司 | 一种基于实体迭代的领域实体标注语料库构建方法 |
CN110913266A (zh) * | 2019-11-29 | 2020-03-24 | 北京达佳互联信息技术有限公司 | 评论信息显示方法、装置、客户端、服务器和系统 |
CN110968682A (zh) * | 2019-11-29 | 2020-04-07 | 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 |
CN110990700A (zh) * | 2019-11-29 | 2020-04-10 | 北京达佳互联信息技术有限公司 | 评论信息显示方法、装置、客户端、服务器和系统 |
CN111258435A (zh) * | 2020-01-15 | 2020-06-09 | 北京达佳互联信息技术有限公司 | 多媒体资源的评论方法、装置、电子设备及存储介质 |
CN111263238A (zh) * | 2020-01-17 | 2020-06-09 | 腾讯科技(深圳)有限公司 | 基于人工智能的生成视频评论的方法及设备 |
CN112231605A (zh) * | 2020-10-09 | 2021-01-15 | 北京三快在线科技有限公司 | 信息展示的方法和装置 |
KR20210023453A (ko) * | 2019-08-23 | 2021-03-04 | 주식회사 리뷰쉐어 | 리뷰 광고 매칭 장치 및 방법 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130204833A1 (en) * | 2012-02-02 | 2013-08-08 | Bo PANG | Personalized recommendation of user comments |
US20160275589A1 (en) * | 2015-03-18 | 2016-09-22 | Tsa Stores, Inc. | Filtering Product Reviews Based on Physical Attributes |
-
2021
- 2021-04-23 CN CN202110442604.1A patent/CN113127628B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156390A (zh) * | 2014-07-07 | 2014-11-19 | 乐视网信息技术(北京)股份有限公司 | 一种评论推荐方法和系统 |
CN107566914A (zh) * | 2017-10-23 | 2018-01-09 | 咪咕动漫有限公司 | 一种弹幕的显示控制方法、电子设备以及存储介质 |
CN108650556A (zh) * | 2018-03-30 | 2018-10-12 | 四川迪佳通电子有限公司 | 一种弹幕输入方法及装置 |
CN109474845A (zh) * | 2018-09-14 | 2019-03-15 | 咪咕音乐有限公司 | 弹幕控制方法、弹幕处理服务器以及计算机可读存储介质 |
CN109885770A (zh) * | 2019-02-20 | 2019-06-14 | 杭州威佩网络科技有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
CN110519617A (zh) * | 2019-07-18 | 2019-11-29 | 平安科技(深圳)有限公司 | 视频评论处理方法、装置、计算机设备及存储介质 |
CN110569490A (zh) * | 2019-07-23 | 2019-12-13 | 福建奇点时空数字科技有限公司 | 一种基于实体迭代的领域实体标注语料库构建方法 |
KR20210023453A (ko) * | 2019-08-23 | 2021-03-04 | 주식회사 리뷰쉐어 | 리뷰 광고 매칭 장치 및 방법 |
CN110913266A (zh) * | 2019-11-29 | 2020-03-24 | 北京达佳互联信息技术有限公司 | 评论信息显示方法、装置、客户端、服务器和系统 |
CN110968682A (zh) * | 2019-11-29 | 2020-04-07 | 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 |
CN110990700A (zh) * | 2019-11-29 | 2020-04-10 | 北京达佳互联信息技术有限公司 | 评论信息显示方法、装置、客户端、服务器和系统 |
CN111258435A (zh) * | 2020-01-15 | 2020-06-09 | 北京达佳互联信息技术有限公司 | 多媒体资源的评论方法、装置、电子设备及存储介质 |
CN111263238A (zh) * | 2020-01-17 | 2020-06-09 | 腾讯科技(深圳)有限公司 | 基于人工智能的生成视频评论的方法及设备 |
CN112231605A (zh) * | 2020-10-09 | 2021-01-15 | 北京三快在线科技有限公司 | 信息展示的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113127628A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111143610B (zh) | 一种内容推荐方法、装置、电子设备和存储介质 | |
CN110519636B (zh) | 语音信息播放方法、装置、计算机设备及存储介质 | |
CN107197384B (zh) | 应用于视频直播平台的虚拟机器人多模态交互方法和系统 | |
US20220284327A1 (en) | Resource pushing method and apparatus, device, and storage medium | |
US20170238859A1 (en) | Mental state data tagging and mood analysis for data collected from multiple sources | |
CN110837579A (zh) | 视频分类方法、装置、计算机以及可读存储介质 | |
US9449256B1 (en) | Providing image candidates based on diverse adjustments to an image | |
CN110023926A (zh) | 使用文本输入和用户状态信息生成要呈现的回复内容以响应文本输入 | |
CN110519617A (zh) | 视频评论处理方法、装置、计算机设备及存储介质 | |
CN109086439A (zh) | 信息推荐方法及装置 | |
CN113127628B (zh) | 用于生成评论的方法、装置、设备及计算机可读存储介质 | |
CN111432267B (zh) | 视频调整方法、装置、电子设备及存储介质 | |
Ortis et al. | An Overview on Image Sentiment Analysis: Methods, Datasets and Current Challenges. | |
CN110868635B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
US20180268307A1 (en) | Analysis device, analysis method, and computer readable storage medium | |
CN110719525A (zh) | 弹幕表情包的生成方法、电子设备和可读存储介质 | |
CN111432282B (zh) | 一种视频推荐方法及装置 | |
CN112527115B (zh) | 用户形象生成方法、相关装置及计算机程序产品 | |
CN112818224B (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
Chen et al. | Gifgif+: Collecting emotional animated gifs with clustered multi-task learning | |
EP2874102A2 (en) | Generating models for identifying thumbnail images | |
CN109241299B (zh) | 多媒体资源搜索方法、装置、存储介质及设备 | |
Tang et al. | Memories are one-to-many mapping alleviators in talking face generation | |
CN113573128A (zh) | 一种音频处理方法、装置、终端以及存储介质 | |
CN112269928A (zh) | 用户推荐方法及装置、电子设备、计算机可读介质 |
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 |