CN113360602A - 用于输出信息的方法、装置、设备以及存储介质 - Google Patents
用于输出信息的方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN113360602A CN113360602A CN202110689965.6A CN202110689965A CN113360602A CN 113360602 A CN113360602 A CN 113360602A CN 202110689965 A CN202110689965 A CN 202110689965A CN 113360602 A CN113360602 A CN 113360602A
- Authority
- CN
- China
- Prior art keywords
- word
- text
- subset
- subsets
- user
- 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 52
- 239000013598 vector Substances 0.000 claims abstract description 54
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3346—Query execution using probabilistic model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了用于输出信息的方法、装置、设备以及存储介质,涉及云计算领域。具体实现方案为:获取多个用户在历史预设时间段内产生的文本子集;对各文本子集中的文本进行分词,得到词语子集;对多个词语子集中的词语进行聚类,生成多个词语簇;根据各文本子集中包括的词语所属的词语簇,确定各用户的特征向量;输出特征向量。本实现方式可以对用户的文本数据进行挖掘,确定用户的特征,提升文本数据的利用价值,丰富用户的画像。
Description
技术领域
本公开涉及计算机技术领域,具体涉及云计算领域,尤其涉及用于输出信息的方法、装置、设备以及存储介质。
背景技术
近几年,大数据迅速发展成为科技界和企业界甚至世界各国政府关注的热点数据。大数据已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。
如何对大数据进行挖掘,以准确的获取用户的特征,在信息推送领域至关重要。
发明内容
本公开提供了一种用于输出信息的方法、装置、设备以及存储介质。
根据第一方面,提供了一种用于输出信息的方法,包括:获取多个用户在历史预设时间段内产生的文本子集;对各文本子集中的文本进行分词,得到词语子集;对多个词语子集中的词语进行聚类,生成多个词语簇;根据各文本子集中包括的词语所属的词语簇,确定各用户的特征向量;输出特征向量。
根据第二方面,提供了一种用于输出信息的装置,包括:文本获取单元,被配置成获取多个用户在历史预设时间段内产生的文本子集;文本分词单元,被配置成对各文本子集中的文本进行分词,得到词语子集;词语聚类单元,被配置成对多个词语子集中的词语进行聚类,生成多个词语簇;特征确定单元,被配置成根据各文本子集中包括的词语所属的词语簇,确定各用户的特征向量;特征输出单元,被配置成输出特征向量。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,上述指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面所描述的方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,上述计算机指令用于使计算机执行如第一方面所描述的方法。
根据第五方面,一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如第一方面所描述的方法。
根据本公开的技术可以对用户的文本数据进行挖掘,确定用户的特征,提升文本数据的利用价值,丰富用户的画像。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于输出信息的方法的一个实施例的流程图;
图3是根据本公开的用于输出信息的方法的一个应用场景的示意图;
图4是根据本公开的用于输出信息的方法的另一个实施例的流程图;
图5是根据本公开的用于输出信息的装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的用于输出信息的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如搜索引擎类应用、浏览器类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103浏览的网页提供支持的后台服务器。后台服务器可以获取用户产生的文本数据,并对文本数据进行处理,得到各用户的特征向量。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的用于输出信息的方法一般由服务器105执行。相应地,用于输出信息的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于输出信息的方法的一个实施例的流程200。本实施例的用于输出信息的方法,包括以下步骤:
步骤201,获取多个用户在历史预设时间段内产生的文本子集。
本实施例中,用于输出信息的方法的执行主体可以获取多个用户在历史预设时间段内产生的文本子集。上述用户可以是在预设网站上注册的用户。历史预设时间段可以是过去的一年、半年等。用户通过使用上述网站,可以产生行为数据,上述行为数据对应的文本即为文本子集。上述行为数据可以包括浏览、点击、评论、搜索等等。上述行为数据对应的文本可以包括浏览、点击的网页中的文本,评论或搜索输入的文本等等。文本子集中可以包括多个文本。需要说明的是,此处获取用户的文本子集是经过用户的允许或授权的。
步骤202,对各文本子集中的文本进行分词,得到词语子集。
执行主体可以对各文本子集中的文本进行分词,得到词语子集。在分词时可以采用现有的自然语言处理算法,对每个文本子集中的各文本进行分词。或者,执行主体可以将每个文本子集中的各文本与预先设置的词典进行对比,确定文本中包括的词语。每个文本子集对应一个词语子集。
步骤203,对多个词语子集中的词语进行聚类,生成多个词语簇。
本实施例中,执行主体可以对多个词语子集中的词语进行聚类,生成多个词语簇。可以理解的是,每个词语簇中包括多个词语,且单个词语簇中的各个词语具有相同的属性或相似度较高。具体的,执行主体可以利用现有的聚类算法对所有词语子集中的各词语进行聚类。或者,执行主体可以计算各词语之间的相似度,将相似度大于预设阈值的词语归属到同一词语簇。
步骤204,根据各文本子集中包括的词语所属的词语簇,确定各用户的特征向量。
执行主体可以根据各文本子集中包括的词语所属的词语簇,确定各用户的特征向量。例如,执行主体可以首先为各词语簇设置标识,然后统计每个词语簇中包含各文本子集中词语的数量。将数量最多的词语簇的标识作为用户的特征向量。或者,执行主体可以按照各词语簇中包括的各文本子集中词语的数量,对各词语簇的标识进行加权,确定用户的特征向量。
步骤205,输出特征向量。
本实施例中,执行主体可以将得到的各用户的特征向量输出,以用于后续的计算。例如,可以将用户的特征向量以及用户的标签作为训练样本用于训练模型。或者,利用用户的特征向量准确描述用户画像。
继续参见图3,其示出了根据本公开的用于输出信息的方法的一个应用场景的示意图。在图3的应用场景中,在银行信贷产品的推广中,可以首先询问用户是否允许对用户进行评估。如果用户允许,则通过搜索引擎服务器获取用户输入的搜索语句以及用户浏览的文本,作为文本子集。然后对多个用户的文本子集进行步骤202~204的处理,得到用户的特征向量。根据用户的特征向量以及预先训练的模型,可以评估用户的信贷情况,并将上述信贷情况反馈给用户供查看。另外,在确定用户信贷情况良好时,可以向用户推送信贷产品。
本公开的上述实施例提供的用于输出信息的方法,可以对用户的文本数据进行挖掘,确定用户的特征,提升文本数据的利用价值,丰富用户的画像。
参见图4,其示出了根据本公开的用于输出信息的方法的另一个实施例的流程400。如图4所示,本实施例的方法可以包括以下步骤:
步骤401,获取多个用户在历史预设时间段内产生的文本子集。
本实施例中,执行主体具体可以通过步骤4011和/或步骤4012来获取文本子集。
步骤4011,获取各用户在历史预设时间段内通过预设网站输入的多个语句;根据多个语句,确定文本子集。
执行主体可以通过获取各用户在历史预设时间段内通过预设网站输入的多个语句来确定文本子集。上述预设网站可以是搜索引擎,通过获取用户的在搜索引擎中的搜索语句,可以了解用户在历史预设时间段内的关注点,这样得到的特征向量更能够准确的描述用户的特征。
步骤4012,获取各用户在历史预设时间段内浏览的网页;根据网页的标题和/或内容,确定文本子集。
执行主体还可以通过获取各用户在历史预设时间段内浏览的网页来确定文本子集。具体的,执行主体可以将网页的标题以及内容,作为文本子集。在一些具体的实现中,网页中的内容体量大,造成对文本的处理工作量大。因此,执行主体可以生成网页中内容的摘要,将标题和摘要作为一条文本,得到文本子集。
步骤402,将各用户的文本子集中的文本按照生成时间进行排序;对排序后的各文本进行分词,确定词语子集。
本实施例中,执行主体可以将每个文本子集中的各文本按照生成时间进行排序。用户的搜索、点击行为具有时间上的前后关联性,此处将各文本按照生成时间进行排序,可以通过文本之间前后时间的关联性来挖掘词语的含义,以及词语之间的关系。执行主体可以对排序后的各文本进行分词,确定词语子集。
步骤403,确定各词语子集中各词语的词向量;根据词向量,对多个词语子集中各词语进行聚类,生成多个词语簇。
本实施例中,执行主体可以确定各词语子集中词语的词向量。具体的,执行主体可以利用fastText模型、Word2vec算法或语言模型确定每个词语的词向量。词向量可以是一组浮点数,用来表示词语的含义。由于文本子集中的各文本是按照生成时间依次排序的,则词语子集中相邻的词语之间具有是关联关系。通过fastText模型可以使得得到的词向量语义更准确。执行主体可以根据词向量对多个词语子集中各词语进行聚类,生成多个词语簇。具体的,执行主体可以预先设定簇数量,并训练GMM(Gaussian Mixture Model,高斯混合模型)。通过GMM,执行主体可以确定每个词语归属到每个簇的概率。假设共有n个词语,k个聚类数量,就构成了n*k的概率矩阵。基于GMM得到的概率矩阵,对每个词语选择概率最大的簇,于是便将词语分配到了不同的簇中。
在本实施例的一些可选的实现方式中,执行主体可以根据预先训练的聚类模型以及各词语的词向量,确定各词语归属到各个词语簇的概率;根据上述概率,确定各词语所属的词语簇。
具体的,执行主体可以将各词向量输入上述聚类模型,模型的输出即为各词语归属到各个词语簇的概率。执行主体可以将概率最大值对应的词语簇作为词语所属的词语簇。如果有两个以上的词语簇的概率相同,则执行主体可以将词语归属到两个词语簇中,也可以从中任选一个词语簇作为该词语归属的词语簇。
步骤404,统计各文本子集中在各个词语簇中包括的词语的数量;根据上述数量,确定各用户的特征向量。
本实施例中,执行主体在确定各个词语所属的词语簇后,可以对每个文本子集中包括的词语所属的词语簇进行统计,确定各文本子集中分别归属于不同词语簇的词语的数量。然后,将各数量作为特征向量的值,得到特征向量。具体的,执行主体可以按照预先设置的顺序排列各数量,得到特征向量。例如,文本子集1中包括300个词语,归属于词语簇1的词语数量为100,归属于词语簇2的词语数量为30,归属于词语簇3的词语数量为80,归属于词语簇4的词语数量为90。则用户的特征向量可以为(100,30,80,90)。
步骤405,输出特征向量以及各词语簇。
本实施例中,执行主体可以将各用户的特征向量以及各词语簇输出,以用于后续的计算。例如,各词语簇可以用于后续的文本生成。
本公开的上述实施例提供的用于输出信息的方法,可以通过用户产生的文本数据,确定用户的特征向量,还能够得到多个词语簇,实现了文本价值的充分利用,并且为后续的数据处理提供依据。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于输出信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于输出信息的装置500包括:文本获取单元501、文本分词单元502、词语聚类单元503、特征确定单元504和特征输出单元505。
文本获取单元501,被配置成获取多个用户在历史预设时间段内产生的文本子集。
文本分词单元502,被配置成对各文本子集中的文本进行分词,得到词语子集。
词语聚类单元503,被配置成对多个词语子集中的词语进行聚类,生成多个词语簇。
特征确定单元504,被配置成根据各文本子集中包括的词语所属的词语簇,确定各用户的特征向量。
特征输出单元505,被配置成输出特征向量。
在本实施例的一些可选的实现方式中,文本获取单元501可以进一步被配置成:获取各用户在历史预设时间段内通过预设网站输入的多个语句;根据多个语句,确定文本子集。
在本实施例的一些可选的实现方式中,文本获取单元501可以进一步被配置成:获取各用户在历史预设时间段内浏览的网页;根据网页的标题和/或内容,确定文本子集。
在本实施例的一些可选的实现方式中,文本分词单元502可以进一步被配置成:将各用户的文本子集中的文本按照生成时间进行排序;对排序后的各文本进行分词,确定词语子集。
在本实施例的一些可选的实现方式中,词语聚类单元503可以进一步被配置成:确定各词语子集中词语的词向量;根据词向量,对多个词语子集中各词语进行聚类,生成多个词语簇。
在本实施例的一些可选的实现方式中,词语聚类单元503可以进一步被配置成:根据预先训练的聚类模型以及各词语的词向量,确定各词语归属到各个词语簇的概率;根据概率,确定各词语所属的词语簇。
在本实施例的一些可选的实现方式中,特征确定单元504可以进一步被配置成:统计各文本子集中在各个词语簇中包括的词语的数量;根据数量,确定各用户的特征向量。
在本实施例的一些可选的实现方式中,装置500还可以包括图5中未示出的词语簇输出单元,被配置成:输出各词语簇。
应当理解,用于输出信息的装置500中记载的单元501至单元505分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于输出信息的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了根据本公开实施例的执行用于输出信息的方法的电子设备600的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储器608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM603中,还可存储电子设备600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。I/O接口(输入/输出接口)605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储器608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器601可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器601执行上文所描述的各个方法和处理,例如用于输出信息的方法。例如,在一些实施例中,用于输出信息的方法可被实现为计算机软件程序,其被有形地包含于机器可读存储介质,例如存储器608。在一些实施例中,计算机程序的部分或者全部可以经由ROM602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由处理器601执行时,可以执行上文描述的用于输出信息的方法的一个或多个步骤。备选地,在其他实施例中,处理器601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于输出信息的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器601执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学存储设备、磁存储设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以是分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开的保护范围之内。
Claims (19)
1.一种用于输出信息的方法,包括:
获取多个用户在历史预设时间段内产生的文本子集;
对各所述文本子集中的文本进行分词,得到词语子集;
对多个所述词语子集中的词语进行聚类,生成多个词语簇;
根据各所述文本子集中包括的词语所属的词语簇,确定各用户的特征向量;
输出所述特征向量。
2.根据权利要求1所述的方法,其中,所述获取多个用户在历史预设时间段内产生的文本子集,包括:
获取各用户在历史预设时间段内通过预设网站输入的多个语句;
根据所述多个语句,确定所述文本子集。
3.根据权利要求1或2所述的方法,其中,所述获取多个用户在历史预设时间段内产生的文本子集,包括:
获取各用户在历史预设时间段内浏览的网页;
根据所述网页的标题和/或内容,确定文本子集。
4.根据权利要求1所述的方法,其中,所述对各所述文本子集中的文本进行分词,得到词语子集,包括:
将各用户的文本子集中的文本按照生成时间进行排序;
对排序后的各文本进行分词,确定词语子集。
5.根据权利要求1所述的方法,其中,所述对多个所述词语子集中的词语进行聚类,生成多个词语簇,包括:
确定各所述词语子集中词语的词向量;
根据所述词向量,对多个所述词语子集中各词语进行聚类,生成多个词语簇。
6.根据权利要求1或5所述的方法,其中,所述对多个所述词语子集中的词语进行聚类,生成多个词语簇,包括:
根据预先训练的聚类模型以及各词语的词向量,确定各词语归属到各个词语簇的概率;
根据所述概率,确定各词语所属的词语簇。
7.根据权利要求1所述的方法,其中,所述根据各所述文本子集中包括的词语所属的词语簇,确定各用户的特征向量,包括:
统计各文本子集中在各个词语簇中包括的词语的数量;
根据所述数量,确定各用户的特征向量。
8.根据权利要求1所述的方法,其中,所述方法还包括:
输出各词语簇。
9.一种用于输出信息的装置,包括:
文本获取单元,被配置成获取多个用户在历史预设时间段内产生的文本子集;
文本分词单元,被配置成对各所述文本子集中的文本进行分词,得到词语子集;
词语聚类单元,被配置成对多个所述词语子集中的词语进行聚类,生成多个词语簇;
特征确定单元,被配置成根据各所述文本子集中包括的词语所属的词语簇,确定各用户的特征向量;
特征输出单元,被配置成输出所述特征向量。
10.根据权利要求9所述的装置,其中,所述文本获取单元进一步被配置成:
获取各用户在历史预设时间段内通过预设网站输入的多个语句;
根据所述多个语句,确定所述文本子集。
11.根据权利要求9或10所述的装置,其中,所述文本获取单元进一步被配置成:
获取各用户在历史预设时间段内浏览的网页;
根据所述网页的标题和/或内容,确定文本子集。
12.根据权利要求9所述的装置,其中,所述文本分词单元进一步被配置成:
将各用户的文本子集中的文本按照生成时间进行排序;
对排序后的各文本进行分词,确定词语子集。
13.根据权利要求9所述的装置,其中,所述词语聚类单元进一步被配置成:
确定各所述词语子集中词语的词向量;
根据所述词向量,对多个所述词语子集中各词语进行聚类,生成多个词语簇。
14.根据权利要求9或13所述的装置,其中,所述词语聚类单元进一步被配置成:
根据预先训练的聚类模型以及各词语的词向量,确定各词语归属到各个词语簇的概率;
根据所述概率,确定各词语所属的词语簇。
15.根据权利要求9所述的装置,其中,所述特征确定单元进一步被配置成:
统计各文本子集中在各个词语簇中包括的词语的数量;
根据所述数量,确定各用户的特征向量。
16.根据权利要求9所述的装置,其中,所述装置还包括词语簇输出单元,被配置成:
输出各词语簇。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110689965.6A CN113360602A (zh) | 2021-06-22 | 2021-06-22 | 用于输出信息的方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110689965.6A CN113360602A (zh) | 2021-06-22 | 2021-06-22 | 用于输出信息的方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113360602A true CN113360602A (zh) | 2021-09-07 |
Family
ID=77535562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110689965.6A Pending CN113360602A (zh) | 2021-06-22 | 2021-06-22 | 用于输出信息的方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113360602A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107391545A (zh) * | 2017-05-25 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种对用户进行分类的方法、输入方法及装置 |
WO2019072091A1 (zh) * | 2017-10-12 | 2019-04-18 | 北京京东尚科信息技术有限公司 | 用于确定用户兴趣标签的方法及装置 |
CN110413738A (zh) * | 2019-07-31 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、服务器及存储介质 |
CN110633468A (zh) * | 2019-09-04 | 2019-12-31 | 山东旗帜信息有限公司 | 一种关于对象特征提取的信息处理方法及装置 |
CN110955845A (zh) * | 2018-09-26 | 2020-04-03 | 北京国双科技有限公司 | 用户兴趣识别方法及装置、搜索结果处理方法及装置 |
CN111241819A (zh) * | 2020-01-07 | 2020-06-05 | 北京百度网讯科技有限公司 | 词向量生成方法、装置及电子设备 |
WO2020238061A1 (zh) * | 2019-05-28 | 2020-12-03 | 平安科技(深圳)有限公司 | 自然语言分类方法、装置、计算机设备以及存储介质 |
CN112052397A (zh) * | 2020-09-29 | 2020-12-08 | 北京百度网讯科技有限公司 | 用户特征生成方法、装置、电子设备及存储介质 |
CN112052687A (zh) * | 2020-09-02 | 2020-12-08 | 厦门市美亚柏科信息股份有限公司 | 基于深度可分离卷积的语义特征处理方法、装置及介质 |
CN112148881A (zh) * | 2020-10-22 | 2020-12-29 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
-
2021
- 2021-06-22 CN CN202110689965.6A patent/CN113360602A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107391545A (zh) * | 2017-05-25 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种对用户进行分类的方法、输入方法及装置 |
WO2019072091A1 (zh) * | 2017-10-12 | 2019-04-18 | 北京京东尚科信息技术有限公司 | 用于确定用户兴趣标签的方法及装置 |
CN110955845A (zh) * | 2018-09-26 | 2020-04-03 | 北京国双科技有限公司 | 用户兴趣识别方法及装置、搜索结果处理方法及装置 |
WO2020238061A1 (zh) * | 2019-05-28 | 2020-12-03 | 平安科技(深圳)有限公司 | 自然语言分类方法、装置、计算机设备以及存储介质 |
CN110413738A (zh) * | 2019-07-31 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、服务器及存储介质 |
CN110633468A (zh) * | 2019-09-04 | 2019-12-31 | 山东旗帜信息有限公司 | 一种关于对象特征提取的信息处理方法及装置 |
CN111241819A (zh) * | 2020-01-07 | 2020-06-05 | 北京百度网讯科技有限公司 | 词向量生成方法、装置及电子设备 |
CN112052687A (zh) * | 2020-09-02 | 2020-12-08 | 厦门市美亚柏科信息股份有限公司 | 基于深度可分离卷积的语义特征处理方法、装置及介质 |
CN112052397A (zh) * | 2020-09-29 | 2020-12-08 | 北京百度网讯科技有限公司 | 用户特征生成方法、装置、电子设备及存储介质 |
CN112148881A (zh) * | 2020-10-22 | 2020-12-29 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
Non-Patent Citations (2)
Title |
---|
杨河彬 等: "一种融入用户点击模型Word2Vec查询词聚类", 小型微型计算机系统, no. 04, 30 April 2016 (2016-04-30) * |
林江豪;周咏梅;阳爱民;王伟;: "结合词向量和聚类算法的新闻评论话题演进分析", 计算机工程与科学, no. 11, 30 November 2016 (2016-11-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112926308B (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN116028618B (zh) | 文本处理、文本检索方法、装置、电子设备及存储介质 | |
CN112989235A (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
CN113988157A (zh) | 语义检索网络训练方法、装置、电子设备及存储介质 | |
CN114021548A (zh) | 敏感信息检测方法、训练方法、装置、设备以及存储介质 | |
JP7369228B2 (ja) | ユーザ興味画像の生成方法、装置、電子機器及び記憶媒体 | |
CN112560461A (zh) | 新闻线索的生成方法、装置、电子设备及存储介质 | |
CN114970540A (zh) | 训练文本审核模型的方法和装置 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN112989797B (zh) | 模型训练、文本扩展方法,装置,设备以及存储介质 | |
CN113408280A (zh) | 负例构造方法、装置、设备和存储介质 | |
CN112906368A (zh) | 行业文本增量方法、相关装置及计算机程序产品 | |
CN115048523A (zh) | 文本分类方法、装置、设备以及存储介质 | |
CN113051396B (zh) | 文档的分类识别方法、装置和电子设备 | |
CN112926297B (zh) | 处理信息的方法、装置、设备和存储介质 | |
CN114970553A (zh) | 基于大规模无标注语料的情报分析方法、装置及电子设备 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN114647727A (zh) | 应用于实体信息识别的模型训练方法、装置和设备 | |
CN114138976A (zh) | 数据处理与模型训练方法、装置、电子设备和存储介质 | |
CN113239273A (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN112528644A (zh) | 实体挂载的方法、装置、设备以及存储介质 | |
CN113360602A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN112784600A (zh) | 信息排序方法、装置、电子设备和存储介质 | |
CN112148988A (zh) | 用于生成信息的方法、装置、设备以及存储介质 | |
CN116069914B (zh) | 训练数据的生成方法、模型训练方法以及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |