CN113360758A - 信息推荐方法、装置、电子设备和计算机存储介质 - Google Patents
信息推荐方法、装置、电子设备和计算机存储介质 Download PDFInfo
- Publication number
- CN113360758A CN113360758A CN202110638612.3A CN202110638612A CN113360758A CN 113360758 A CN113360758 A CN 113360758A CN 202110638612 A CN202110638612 A CN 202110638612A CN 113360758 A CN113360758 A CN 113360758A
- Authority
- CN
- China
- Prior art keywords
- target user
- candidate
- content
- user
- candidate contents
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012163 sequencing technique Methods 0.000 claims abstract description 16
- 230000006399 behavior Effects 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 19
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 235000011470 Adenanthera pavonina Nutrition 0.000 description 1
- 241000428378 Lopa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 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
- G06F16/90—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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种信息推荐方法、装置和电子设备及计算机存储介质。具体实现方案为包括：获取目标用户的查询信息；基于所述目标用户的查询信息得到N个候选内容；N为大于等于1的整数；基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性；根据所述N个候选内容分别与所述目标用户之间的相关性，对所述N个候选内容进行排序得到排序后的N个候选内容，将所述排序后的N个候选内容作为所述查询信息对应的推荐查询结果。由此，解决传统模式下信息推荐的效率和准确率低下的问题。
Description
技术领域
本申请涉及信息处理领域，尤其涉及一种信息推荐方法、装置、电子设备和计算机存储介质。
背景技术
传统模式下，信息推荐系统根据用户提出的查询指令查找符合条件的相关内容，并把检索结果组织起来返回给用户。这种推荐模式多是基于用户检索后的被动分发，由于用户的实际需求与查询表达之间存在的语义差异，往往导致信息推荐的效率和准确率较低。
发明内容
为了解决现有技术中上述至少一个问题，本申请实施例提供一种信息推荐方法、装置、电子设备和计算机存储介质。
第一方面，本申请实施例提供一种信息推荐方法，所述方法包括：
获取目标用户的查询信息；
基于所述目标用户的查询信息得到N个候选内容；N为大于等于1的整数；
基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性；
根据所述N个候选内容分别与所述目标用户之间的相关性，对所述N个候选内容进行排序得到排序后的N个候选内容，将所述排序后的N个候选内容作为所述查询信息对应的推荐查询结果。
第二方面，本申请实施例提供一种信息推荐装置，所述装置包括：
信息获取模块，用于获取目标用户的查询信息；
候选内容确定模块，用于基于所述目标用户的查询信息得到N个候选内容；N为大于等于1的整数；
相关性确定模块，用于基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性；
排序模块，用于根据所述N个候选内容分别与所述目标用户之间的相关性，对所述N个候选内容进行排序得到排序后的N个候选内容，将所述排序后的N个候选内容作为所述查询信息对应的推荐查询结果。
第三方面，本申请实施例提供一种电子设备，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本申请任意一项实施例所提供的方法。
第四方面，本申请实施例提供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本申请任意一项实施例所提供的方法。
上述申请中的一个实施例具有如下优点或有益效果：在用户输入查询信息的基础上，基于自动推理技术能够准确推测用户偏好，弥合用户需求与查询表达之间的语义差异，向用户提供个性化的检索结果，从而可以显著提升信息推荐的准确率和效率。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请一实施例的信息推荐方法的流程示意图；
图2是根据本申请一实施例的自动推理原理示意图；
图3是根据本申请一实施例的信息推荐装置的结构示意图；
图4是根据本申请一实施例的电子设备组成结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。
第一方面，本申请实施例提供了一种信息推荐方法，如图1所示，包括：
S101：获取目标用户的查询信息；
S102：基于所述目标用户的查询信息得到N个候选内容；N为大于等于1的整数；
S103：基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性；
S104：根据所述N个候选内容分别与所述目标用户之间的相关性，对所述N个候选内容进行排序得到排序后的N个候选内容，将所述排序后的N个候选内容作为所述查询信息对应的推荐查询结果。
本实施例中可以应用于电子设备中的查询系统，所述电子设备可以是具备数据处理功能的设备，比如可以为终端设备，平板电脑、智能手机等等，或者，还可以为服务器。
所述电子设备中的查询系统首先执行步骤S101，获取目标用户的查询信息。所述查询信息可以是有关内容或者物品的属性信息。
在一种实施方式中，本申请所述信息推荐方法可以应用于遥感卫星数据查询领域，其中，所述查询信息包括目标卫星的相关信息。具体来说，遥感卫星的信息指标主要包括以下维度：
卫星系列：高分系列、资源系列、高景一号、吉林一号、北京一号、珞珈一号；
载荷：可见光、多光谱、高光谱、SAR、热红外、双线阵、三线阵、激光测高、视频、气象等；
空间分辨率：低分辨率(大于100米级)，中分辨率(2.5米到100米)，高分辨率(2.5米到亚米级)；
应用领域：农业、林业、海洋、矿山、地质、交通、灾害应急、城市变化、军事侦察；
成图比例尺：1:500、1:1000、1:2000、1:10000、1:50000、1:250000；
目标用户通过在查询系统中输入上述查询信息中的一种或几种，匹配满足自身需求的卫星型号。
然后执行步骤S102，基于所述目标用户的查询信息得到N个候选内容；N为大于等于1的整数。N的取值可以根据需要进行设定，例如N＝100，300，500，此处不做限定。
在一种实施方式中，所述基于所述目标用户的查询信息得到N个候选内容，包括：基于所述目标用户的查询信息得到与所述目标卫星相关的N个候选内容。举例来说，目标用户A输入的查询信息包括：“高分系列，多光谱，低分辨率”，系统响应于目标用户A的查询信息，检索到300条相关的候选卫星型号记录，其中，不同记录的卫星型号应用于不同领域，涉及不同的成图比例尺。如何基于用户自身的特征，对N个候选内容进行排序，使得与用户相关度最大的候选内容排在优先位置方便用户浏览，成为需要解决的问题。
在得到N个候选内容之后，执行步骤S103，基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性。
在一种实施方式中，所述目标用户的相关数据包括目标用户的历史行为数据和相关用户的历史行为数据。其中，所述相关用户可以是与目标用户有一定属性关联的用户，或者可以是同一查询系统中的其他用户。例如，目标用户A的相关用户可以是所述目标用户A同一公司的用户，还可以是所述目标用户A同一行业的用户，此处不予限定。
在一种实施方式中，所述历史行为数据包括以下至少之一：历史查询数据、历史浏览数据以及历史订单提交数据。具体来说，所述历史行为数据可以包括上述数据中的一种，例如，所述历史行为数据仅仅包括历史查询数据；所述历史行为数据还可以包括上述数据中的两种，例如，包括历史查询数据和历史浏览数据；所述历史行为数据还可以包括上述全部三种数据，此处不做具体限定。
在一种实施方式中，所述基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性，包括：
基于所述目标用户的历史行为数据，确定所述目标用户对应的偏好内容；
在所述N个候选内容中的第i个候选内容属于所述目标用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为强相关；i为大于等于1且小于等于N的整数。
其中，所述基于所述目标用户的历史行为数据，确定所述目标用户对应的偏好内容，包括：
基于所述目标用户的历史行为数据，确定所述目标用户对目标内容的偏好分值；基于所述目标内容的偏好分值，确定该目标内容是否为偏好内容。
举例来说，可以基于目标用户A针对目标内容A的历史行为数据以及不同历史数据类别分配的不同权重，确定所述目标内容A是否为目标用户A的偏好内容。比如，目标用户A对目标内容A的历史查询次数为9次，历史浏览数据为18次，历史订单提交数据为3次，查询系统可以根据不同历史数据类别设置偏好分值的计算权重，例如，历史查询数据所占权重为0.3，历史浏览数据所占权重为0.2，历史订单提交数据所占权重为0.5，这样，所述目标用户A对目标内容A的偏好分值的计算结果(SA-A)为：
SA-A＝9*0.3+18*0.2+3*0.5＝7.8；
所述计算权重可以根据需要进行不同的设定，例如，历史查询数据所占权重为0.2，历史浏览数据所占权重为0.1，历史订单提交数据所占权重为0.7，此处不予限定。
计算得到目标用户对目标内容的偏好分值之后，进一步基于所述目标内容的偏好分值，确定该目标内容是否为偏好内容。具体地，可以设定某一固定的预设阈值，当偏好分值大于所述预设阈值时，将所述目标内容作为所述目标用户的偏好内容。例如，预设阈值可以设置为6分。
SA-A＝7.8>6，则目标内容A即是目标用户A对应的偏好内容A。
所述预设阈值可以根据需要进行不同的设定，例如，5分、7分等，此处不予限定。基于与上述步骤类似的处理，可以确定目标用户A对应的偏好内容B、偏好内容C、偏好内容D等。
在一种实施方式中，还可以基于目标用户A对多个目标内容的偏好分值进行降序排列，将排名位于预设范围的目标内容作为所述目标用户A的偏好内容，此处不再赘述。
在确定所述目标用户对应的偏好内容后，基于判断上述查询得到的N个候选内容与所述目标用户对应的偏好内容的关系，确定候选内容与所述目标用户之间的相关性。
在一种实施方式中，在所述N个候选内容中的第i个候选内容属于所述目标用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为强相关；i为大于等于1且小于等于N的整数。
例如，当所述电子设备查询系统应用于卫星型号查询领域，假设目标用户A为某国土资源部门的用户，基于该目标用户A的查询信息“高分系列，多光谱”，得到N个符合所述查询信息的候选内容，其中，N个候选内容可以是N个卫星型号。查询系统基于目标用户A的历史行为数据确定出偏好内容A和偏好内容B，其中，偏好内容A对应的卫星型号为“高分系列，多光谱，高分辨率，地质领域，成图比例为1:1000”，偏好内容B对应的卫星型号为“高分系列，多光谱，高分辨率，地质领域，成图比例为1:500”。在所述N个候选内容中的第i个候选内容属于所述目标用户对应的偏好内容A或偏好内容B的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为强相关。
在一种实施方式中，在所述N个候选内容中的第i个候选内容不属于所述目标用户对应的偏好内容的情况下，可以基于目标用户的邻居用户对应的偏好内容来确定所述N个候选内容分别与所述目标用户之间的相关性，包括：
基于所述相关用户的历史行为数据，确定所述相关用户对应的偏好内容；
在所述相关用户对应的偏好内容与所述目标用户对应的偏好内容的重合度大于预设阈值的情况下，将所述相关用户作为所述目标用户的邻居用户。
具体地，如图2所示，假设用户A喜欢内容A和内容C，用户B喜欢内容B，用户C喜欢内容A、内容C和内容D，从这些用户的历史喜好信息中，可以推测用户A和用户C的偏好较为类似，同时，用户C还喜欢内容D，那么可以推断用户A可能也喜欢内容D，因此将内容D推荐给用户A，
具体地，基于与上述确定目标用户A对应的偏好内容类似的步骤，可以确定相关用户B、相关用户C、相关用户D等对应的偏好内容。由此，如表1所示，基于多个用户与多个内容之间对应的偏好关系，可以构建一个关于用户-偏好内容二维矩阵模型。其中，Y表示对应用户与对应内容之间具有偏好关系，N表示对应用户与对应内容之间不具有偏好关系。基于所述用户-偏好内容二维矩阵模型，可以确定目标用户A对应的偏好内容包括内容A、内容B、内容F，相关用户B对应的偏好内容包括内容A、内容B、内容E、内容F，相关用户B对应的偏好内容与目标用户A对应的偏好内容之间的重合度为3，同理，相关用户C对应的偏好内容与目标用户A对应的偏好内容之间的重合度为1，相关用户D对应的偏好内容与目标用户A对应的偏好内容之间的重合度为0，将所述重合度预设阈值设定为2，则相关用户B可以作为所述目标用户A的邻居用户，相关用户C和相关用户D则不能作为所述目标用户A的邻居用户。所述重合度预设阈值可以根据需要设定为1，3等，此处不予限定。
表1
| 内容A | 内容B | 内容C | 内容D | 内容E | 内容F | |
| 目标用户A | Y | Y | N | N | N | Y |
| 相关用户B | Y | Y | N | N | Y | Y |
| 相关用户C | N | Y | N | Y | N | N |
| 相关用户D | N | N | Y | Y | N | N |
在所述N个候选内容中的第i个候选内容不属于所述目标用户对应的偏好内容，且属于所述邻居用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为中等相关。
举例来说，在所述N个候选内容中的第i个候选内容不属于所述目标用户A对应的偏好内容A和偏好内容B，且属于所述邻居用户B对应的偏好内容F的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为中等相关。
在一种实施方式中，在所述N个候选内容中的第i个候选内容不属于所述目标用户的偏好内容，且不属于所述邻居用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为弱相关。
举例来说，在所述N个候选内容中的第i个候选内容不属于所述目标用户A对应的偏好内容A和偏好内容B，且不属于所述邻居用户B对应的偏好内容F的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为弱相关。
在一种实施方式中，所述目标用户的相关数据还包括所述目标用户的属性数据；
所述基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性，包括：
基于所述目标用户的属性数据，确定所述目标用户的属性标签；
基于所述目标用户的属性标签，确定所述N个候选内容分别与所述目标用户之间的相关性。
在一种实施方式中，所述属性数据包括以下至少之一：所属行业数据和注册地归属数据。
举例来说，所述目标用户A属于国土资源行业，需要高精度地形及气象数据，卫星型号需求对应于地质领域，所述查询系统基于目标用户A所属行业信息进行兴趣点分析，形成目标用户A对应的属性标签为“高分辨率”、“地质”、“气象载荷”，当目标用户A具有其他属性数据，则对应不同的属性标签，此处不予限定。
基于所述目标用户的属性标签，确定所述N个候选内容分别与所述目标用户之间的相关性，具体包括，确定所述N个候选内容中分别对应的属性标签数量，基于候选内容对应的属性标签数量确定所述N个候选内容分别与所述目标用户之间的相关性。举例来说，当所述N个候选内容中的第1个候选内容包含目标用户A对应的“高分辨率”、“地质”、“气象载荷”三个标签时，可以确定所述第1个候选内容与所述目标用户A之间的相关性为强相关；当所述N个候选内容中的第2个候选内容包含目标用户A对应的“高分辨率”、“地质”两个标签时，可以确定所述第2个候选内容与所述目标用户A之间的相关性为中等相关；当所述N个候选内容中的第3个候选内容包含目标用户A对应的“地质”标签或者不包含任何目标用户A对应的属性标签时，可以确定所述第3个候选内容与所述目标用户A之间的相关性为弱相关。
属性标签的数量以及对应关系可以根据需要进行相应的设定，此处不予限定。
在确定N个候选内容分别与所述目标用户之间的相关性之后，执行步骤S104，根据所述N个候选内容分别与所述目标用户之间的相关性，对所述N个候选内容进行排序得到排序后的N个候选内容，将所述排序后的N个候选内容作为所述查询信息对应的推荐查询结果。
其中，所述根据所述N个候选内容分别与所述目标用户之间的相关性，对所述N个候选内容进行排序得到排序后的N个候选内容，包括：
若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为强相关，则确定所述第i个候选内容的排序位置为第一类位置；
若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为中等相关，则确定所述第i个候选内容的排序位置为第二类位置；
若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为弱相关，则确定所述第i个候选内容的排序位置为第三类位置。
位于同一类位置内部的各候选内容之间可以随机排序，或者可以基于相关性得分进行内部排序，此处不予限定。
第二方面，本申请实施例提供了一种信息推荐装置，如图3所示，包括：
信息获取模块301，用于获取目标用户的查询信息；
候选内容确定模块302，用于基于所述目标用户的查询信息得到N个候选内容；N为大于等于1的整数；
相关性确定模块303，用于基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性；
排序模块304，用于根据所述N个候选内容分别与所述目标用户之间的相关性，对所述N个候选内容进行排序得到排序后的N个候选内容，将所述排序后的N个候选内容作为所述查询信息对应的推荐查询结果。
在一种实施方式中，所述目标用户的相关数据包括目标用户的历史行为数据和相关用户的历史行为数据。
在一种实施方式中，所述目标用户的相关数据包括目标用户的历史行为数据和相关用户的历史行为数据。
在一种实施方式中，所述相关性确定模块303，用于基于所述目标用户的历史行为数据，确定所述目标用户对应的偏好内容；
在所述N个候选内容中的第i个候选内容属于所述目标用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为强相关；i为大于等于1且小于等于N的整数。
在一种实施方式中，所述相关性确定模块303，用于基于所述相关用户的历史行为数据，确定所述相关用户对应的偏好内容；在所述相关用户对应的偏好内容与所述目标用户对应的偏好内容的重合度大于预设阈值的情况下，将所述相关用户作为所述目标用户的邻居用户；在所述N个候选内容中的第i个候选内容不属于所述目标用户对应的偏好内容，且属于所述邻居用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为中等相关。
在一种实施方式中，所述相关性确定模块303，用于在所述N个候选内容中的第i个候选内容不属于所述目标用户的偏好内容，且不属于所述邻居用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为弱相关。
在一种实施方式中，所述相关性确定模块303，用于若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为强相关，则确定所述第i个候选内容的排序位置为第一类位置；
若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为中等相关，则确定所述第i个候选内容的排序位置为第二类位置；
若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为弱相关，则确定所述第i个候选内容的排序位置为第三类位置。
在一种实施方式中，所述目标用户的相关数据还包括所述目标用户的属性数据；所述相关性确定模块303，用于基于所述目标用户的属性数据，确定所述目标用户的属性标签；基于所述目标用户的属性标签，确定所述N个候选内容分别与所述目标用户之间的相关性。
在一种实施方式中，所述属性数据包括以下至少之一：所属行业数据和注册地归属数据。
在一种实施方式中，所述查询信息包括目标卫星的相关信息；所述基于所述目标用户的查询信息得到N个候选内容，包括：基于所述目标用户的查询信息得到与所述目标卫星相关的N个候选内容。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图4所示，是根据本申请实施例的电子设备的框图。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/或者要求的本申请的实现。
如图4所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的基于图像的判题方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的基于图像的判题方法。
存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的基于图像的判题方法对应的程序指令/模块。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的基于图像的判题方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处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、专用ASIC(专用集成电路)、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。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
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。
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，本发申请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，只要能够实现本申请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，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (22)
1.一种信息推荐方法，包括：
获取目标用户的查询信息；
基于所述目标用户的查询信息得到N个候选内容；N为大于等于1的整数；
基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性；
根据所述N个候选内容分别与所述目标用户之间的相关性，对所述N个候选内容进行排序得到排序后的N个候选内容，将所述排序后的N个候选内容作为所述查询信息对应的推荐查询结果。
2.根据权利要求1所述的方法，其特征在于，所述目标用户的相关数据包括目标用户的历史行为数据和相关用户的历史行为数据。
3.根据权利要求2所述的方法，其特征在于，所述历史行为数据包括以下至少之一：历史查询数据、历史浏览数据以及历史订单提交数据。
4.根据权利要求3所述的方法，其特征在于，所述基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性，包括：
基于所述目标用户的历史行为数据，确定所述目标用户对应的偏好内容；
在所述N个候选内容中的第i个候选内容属于所述目标用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为强相关；i为大于等于1且小于等于N的整数。
5.根据权利要求4所述的方法，其特征在于，所述基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性，包括：
基于所述相关用户的历史行为数据，确定所述相关用户对应的偏好内容；
在所述相关用户对应的偏好内容与所述目标用户对应的偏好内容的重合度大于预设阈值的情况下，将所述相关用户作为所述目标用户的邻居用户；
在所述N个候选内容中的第i个候选内容不属于所述目标用户对应的偏好内容，且属于所述邻居用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为中等相关。
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：在所述N个候选内容中的第i个候选内容不属于所述目标用户的偏好内容，且不属于所述邻居用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为弱相关。
7.根据权利要求4-6任一项所述的方法，其特征在于，所述根据所述N个候选内容分别与所述目标用户之间的相关性，对所述N个候选内容进行排序得到排序后的N个候选内容，包括：
若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为强相关，则确定所述第i个候选内容的排序位置为第一类位置；
若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为中等相关，则确定所述第i个候选内容的排序位置为第二类位置；
若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为弱相关，则确定所述第i个候选内容的排序位置为第三类位置。
8.根据权利要求1所述的方法，其特征在于，所述目标用户的相关数据还包括所述目标用户的属性数据；
所述基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性，包括：
基于所述目标用户的属性数据，确定所述目标用户的属性标签；
基于所述目标用户的属性标签，确定所述N个候选内容分别与所述目标用户之间的相关性。
9.根据权利要求8所述的方法，其特征在于，所述属性数据包括以下至少之一：所属行业数据和注册地归属数据。
10.根据权利要求1所述的方法，其特征在于，所述查询信息包括目标卫星的相关信息；
所述基于所述目标用户的查询信息得到N个候选内容，包括：基于所述目标用户的查询信息得到与所述目标卫星相关的N个候选内容。
11.一种信息推荐装置，包括：
信息获取模块，用于获取目标用户的查询信息；
候选内容确定模块，用于基于所述目标用户的查询信息得到N个候选内容；N为大于等于1的整数；
相关性确定模块，用于基于所述目标用户的相关数据，确定所述N个候选内容分别与所述目标用户之间的相关性；
排序模块，用于根据所述N个候选内容分别与所述目标用户之间的相关性，对所述N个候选内容进行排序得到排序后的N个候选内容，将所述排序后的N个候选内容作为所述查询信息对应的推荐查询结果。
12.根据权利要求11所述的装置，其特征在于，所述目标用户的相关数据包括目标用户的历史行为数据和相关用户的历史行为数据。
13.根据权利要求12所述的装置，其特征在于，所述历史行为数据包括以下至少之一：历史查询数据、历史浏览数据以及历史订单提交数据。
14.根据权利要求13所述的装置，其特征在于，所述相关性确定模块，用于基于所述目标用户的历史行为数据，确定所述目标用户对应的偏好内容；在所述N个候选内容中的第i个候选内容属于所述目标用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为强相关；i为大于等于1且小于等于N的整数。
15.根据权利要求14所述的装置，其特征在于，所述相关性确定模块，用于基于所述相关用户的历史行为数据，确定所述相关用户对应的偏好内容；在所述相关用户对应的偏好内容与所述目标用户对应的偏好内容的重合度大于预设阈值的情况下，将所述相关用户作为所述目标用户的邻居用户；在所述N个候选内容中的第i个候选内容不属于所述目标用户对应的偏好内容，且属于所述邻居用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为中等相关。
16.根据权利要求15所述的装置，其特征在于，所述装置还用于，在所述N个候选内容中的第i个候选内容不属于所述目标用户的偏好内容，且不属于所述邻居用户对应的偏好内容的情况下，确定所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为弱相关。
17.根据权利要求14-16任一项所述的装置，其特征在于，所述排序模块，包括：
第一排序模块，用于若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为强相关，则确定所述第i个候选内容的排序位置为第一类位置；
第二排序模块，用于若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为中等相关，则确定所述第i个候选内容的排序位置为第二类位置；
第三排序模块，用于若所述N个候选内容中的第i个候选内容与所述目标用户之间的相关性为弱相关，则确定所述第i个候选内容的排序位置为第三类位置。
18.根据权利要求11所述的装置，其特征在于，所述目标用户的相关数据还包括所述目标用户的属性数据；
所述相关性确定模块，用于基于所述目标用户的属性数据，确定所述目标用户的属性标签；基于所述目标用户的属性标签，确定所述N个候选内容分别与所述目标用户之间的相关性。
19.根据权利要求18所述的装置，其特征在于，所述属性数据包括以下至少之一：所属行业数据和注册地归属数据。
20.根据权利要求11所述的装置，其特征在于，所述查询信息包括目标卫星的相关信息；所述候选内容确定模块，用于基于所述目标用户的查询信息得到与所述目标卫星相关的N个候选内容。
21.一种电子设备，其特征在于，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1-10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行权利要求1-10中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110638612.3A CN113360758B (zh) | 2021-06-08 | 2021-06-08 | 信息推荐方法、装置、电子设备和计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110638612.3A CN113360758B (zh) | 2021-06-08 | 2021-06-08 | 信息推荐方法、装置、电子设备和计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113360758A true CN113360758A (zh) | 2021-09-07 |
| CN113360758B CN113360758B (zh) | 2024-06-25 |
Family
ID=77533189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110638612.3A Active CN113360758B (zh) | 2021-06-08 | 2021-06-08 | 信息推荐方法、装置、电子设备和计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113360758B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108345702A (zh) * | 2018-04-10 | 2018-07-31 | 北京百度网讯科技有限公司 | 实体推荐方法和装置 |
| CN109559208A (zh) * | 2019-01-04 | 2019-04-02 | 平安科技（深圳）有限公司 | 一种信息推荐方法、服务器及计算机可读介质 |
| CN110097433A (zh) * | 2019-05-14 | 2019-08-06 | 苏州大学 | 基于注意力机制的推荐方法、装置、设备及存储介质 |
| CN111444438A (zh) * | 2020-03-24 | 2020-07-24 | 北京百度网讯科技有限公司 | 召回策略的准召率的确定方法、装置、设备及存储介质 |
| CN111475729A (zh) * | 2020-04-07 | 2020-07-31 | 腾讯科技（深圳）有限公司 | 搜索内容推荐方法及装置 |
| CN112148971A (zh) * | 2020-08-27 | 2020-12-29 | 北京三快在线科技有限公司 | 数据处理方法、装置、电子设备及可读存储介质 |
| US20210049665A1 (en) * | 2019-08-12 | 2021-02-18 | International Business Machines Corporation | Deep cognitive constrained filtering for product recommendation |
| CN112395496A (zh) * | 2020-10-22 | 2021-02-23 | 上海众源网络有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
-
2021
- 2021-06-08 CN CN202110638612.3A patent/CN113360758B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108345702A (zh) * | 2018-04-10 | 2018-07-31 | 北京百度网讯科技有限公司 | 实体推荐方法和装置 |
| CN109559208A (zh) * | 2019-01-04 | 2019-04-02 | 平安科技（深圳）有限公司 | 一种信息推荐方法、服务器及计算机可读介质 |
| CN110097433A (zh) * | 2019-05-14 | 2019-08-06 | 苏州大学 | 基于注意力机制的推荐方法、装置、设备及存储介质 |
| US20210049665A1 (en) * | 2019-08-12 | 2021-02-18 | International Business Machines Corporation | Deep cognitive constrained filtering for product recommendation |
| CN111444438A (zh) * | 2020-03-24 | 2020-07-24 | 北京百度网讯科技有限公司 | 召回策略的准召率的确定方法、装置、设备及存储介质 |
| CN111475729A (zh) * | 2020-04-07 | 2020-07-31 | 腾讯科技（深圳）有限公司 | 搜索内容推荐方法及装置 |
| CN112148971A (zh) * | 2020-08-27 | 2020-12-29 | 北京三快在线科技有限公司 | 数据处理方法、装置、电子设备及可读存储介质 |
| CN112395496A (zh) * | 2020-10-22 | 2021-02-23 | 上海众源网络有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| E ESMAEELI-GOHARI 等: "Effective query recommendation with medoid-based clustering using a combination of query, click and result features", 《JOURNAL OF INFORMATION SYSTEMS AND TELECOMMUNICATION》, 31 December 2020 (2020-12-31), pages 33 - 44 * |
| 刘华真 等: "基于用户浏览行为的个性化推荐研究综述", 《计算机应用研究》, 3 February 2021 (2021-02-03), pages 2268 - 2277 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113360758B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111782965B (zh) | 意图推荐方法、装置、设备及存储介质 | |
| CN111984689B (zh) | 信息检索的方法、装置、设备以及存储介质 | |
| US10606897B2 (en) | Aggregating personalized suggestions from multiple sources | |
| CN111639078A (zh) | 数据查询方法、装置、电子设备以及可读存储介质 | |
| CN111475750B (zh) | 页面预加载控制方法、装置、系统、设备和存储介质 | |
| CN102053983B (zh) | 一种垂直搜索的查询方法、系统和装置 | |
| CN104915413A (zh) | 一种健康检测方法及系统 | |
| CN111339406B (zh) | 个性化推荐方法、装置、设备及存储介质 | |
| CN104933100A (zh) | 关键词推荐方法和装置 | |
| US11748429B2 (en) | Indexing native application data | |
| JP2022530690A (ja) | クエリ自動補完の方法、装置、機器、及びコンピュータ記憶媒体 | |
| CN104881504A (zh) | 一种信息搜索方法及装置 | |
| US20210192554A1 (en) | Method, apparatus, device and storage medium for judging permanent area change | |
| CN111666292A (zh) | 用于检索地理位置的相似度模型建立方法和装置 | |
| CN111125176A (zh) | 一种业务数据搜索方法、装置、电子设备和存储介质 | |
| CN110427574B (zh) | 路线相似度确定方法、装置、设备和介质 | |
| CN110472034B (zh) | 问答系统的检测方法、装置、设备及计算机可读存储介质 | |
| CN113220982A (zh) | 广告搜索方法、装置、电子设备和介质 | |
| CN111522888A (zh) | 挖掘兴趣点之间的竞争关系的方法和装置 | |
| CN111475721B (zh) | 信息推送方法、装置、设备及存储介质 | |
| CN104933149A (zh) | 一种信息搜索方法及装置 | |
| CN112328653A (zh) | 数据识别方法、装置、电子设备及存储介质 | |
| CN112015845A (zh) | 地图检索测试的方法、装置、设备以及存储介质 | |
| CN113360758B (zh) | 信息推荐方法、装置、电子设备和计算机存储介质 | |
| CN116228419A (zh) | 信息处理方法、装置、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 |