CN113378056B - 获取创意案例的数据处理方法和装置 - Google Patents

获取创意案例的数据处理方法和装置 Download PDF

Info

Publication number
CN113378056B
CN113378056B CN202110723855.7A CN202110723855A CN113378056B CN 113378056 B CN113378056 B CN 113378056B CN 202110723855 A CN202110723855 A CN 202110723855A CN 113378056 B CN113378056 B CN 113378056B
Authority
CN
China
Prior art keywords
creative
data
cases
scoring
case
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
Application number
CN202110723855.7A
Other languages
English (en)
Other versions
CN113378056A (zh
Inventor
范凌
王喆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tezign Shanghai Information Technology Co Ltd
Original Assignee
Tezign Shanghai Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tezign Shanghai Information Technology Co Ltd filed Critical Tezign Shanghai Information Technology Co Ltd
Priority to CN202110723855.7A priority Critical patent/CN113378056B/zh
Publication of CN113378056A publication Critical patent/CN113378056A/zh
Application granted granted Critical
Publication of CN113378056B publication Critical patent/CN113378056B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种获取创意案例的数据处理方法和装置。该方法包括：通过对用户的需求数据进行处理，在预设创意案例数据库中检索得到与需求数据对应的检索创意案例，识别检索创意案例的相关性评分数据，根据预设偏好评分规则，对多个检索创意案例进行用户偏好评分处理，得到用户偏好评分数据，对相关性评分数据和用户偏好评分数据进行加权处理，得到排序评分结果，对排序评分结果进行筛选，获得结果创意案例，解决了现有技术中缺乏基于用户偏好进行创意案例检索的问题，实现了提高了用户创意案例检索的个性化程度的技术效果。

Description

获取创意案例的数据处理方法和装置
技术领域
本申请涉及计算机领域，具体而言，涉及一种获取创意案例的数据处理方法和装置。
背景技术
营销作为一种推广手段，逐渐被广泛应用，在营销场景中存在大量的创意案例，需要进行创意参考的用户群，不同用户所处的营销场景不同，对创意案例的需求也不同，为了获取用户所需的创意案例，需要对大量的创意案例进行检索和推荐，现有技术中的检索缺乏用户对创意案例的偏好，存在获得的创意案例不符合用户意图预期的问题。
因此，现有技术中缺乏基于用户偏好进行创意案例检索的问题。
发明内容
本申请的主要目的在于提供一种获取创意案例的数据处理方法和装置，通过对检索的创意案例进行评分及排序，以提高用户进行创意案例检索的个性化程度及准确性。
为了实现上述目的，本申请提出一种获取创意案例的数据处理方法。
本申请的第二方面，提出了一种获取创意案例的数据处理装置。
本申请的第三方面，提出了一种计算机可读存储介质。
本申请的第四方面，提出了一种电子设备。
有鉴于此，根据本申请的第一方面，提出了一种获取创意案例的数据处理方法，包括：获取需求数据，其中，所述需求数据为用户获取创意案例的需求的相关数据；
在预设创意案例数据库中检索与所述需求数据对应的多个检索创意案例；
基于预设创意案例评分规则，对所述多个检索创意案例进行评分处理，获得所述多个检索创意案例的排序评分结果；以及
对所述排序评分结果进行筛选处理，输出结果创意案例，其中，所述结果创意案例为排序评分结果满足预设阈值的检索创意案例。
进一步地，基于预设创意案例评分规则，对所述多个检索创意案例进行评分处理，获得所述多个检索创意案例的排序评分结果，包括：
对所述多个检索创意案例进行识别，获取所述多个检索创意案例的第一评分数据，其中，所述第一评分数据为检索创意案例的相关性评分数据；
基于预设偏好评分规则，结合所述需求数据，对所述多个检索创意案例进行用户偏好评分处理，获得所述多个检索创意案例的第二评分数据，其中，所述第二评分数据为检索创意案例的用户偏好评分数据；
对所述第一评分数据和所述第二评分数据进行加权处理，获得所述排序评分数据。
进一步地，基于预设偏好评分规则，结合所述需求数据，对所述多个检索创意案例进行用户偏好评分处理，获得所述多个检索创意案例的第二评分数据，包括：
对所述需求数据进行识别，获得偏好创意案例，其中，所述偏好创意案例为所述需求数据中用户偏好创意案例列表中的创意案例；
基于预设深度学习模型，计算所述需求数据中用户偏好创意案例列表中的全部偏好创意案例的特征数据，获得用户偏好特征数据，其中，所述用户偏好特征数据为所述用户全部偏好创意案例的特征数据经平均处理得到的特征数据；
基于所述预设深度学习模型，计算所述多个检索创意案例的特征数据；
基于预设用户偏好计算规则，对所述用户偏好特征数据与所述多个检索创意案例的特征数据进行用户偏好计算，获得所述多个检索创意案例的第二评分数据。
进一步地，在预设创意案例数据库中检索与所述需求数据对应的多个检索创意案例，包括：
基于预设检索模型，对所述需求数据进行处理，获得需求特征数据；
对预设创意案例数据库中全部创意案例的特征数据与所述需求特征数据进行计算，获得全部创意案例的相关性评分数据；
基于所述相关性评分数据对所述全部创意案例进行筛选处理，获得所述多个检索创意案例。
进一步地，基于预设深度学习模型，计算所述需求数据中用户偏好创意案例列表中的全部偏好创意案例的特征数据，获得用户偏好特征数据，包括：
识别所述偏好创意案例，获得所述偏好创意案例的创意方数据和案例属性数据，其中，所述案例属性数据包括：创意类型、创意风格、服务品牌，所述创意方数据包括：创意方ID、所在人才组、创意方画像；
对所述创意类型、创意风格及服务品牌进行特征汇聚处理，获得所述偏好创意案例的案例属性特征数据；
对所述创意方ID、所在人才组及创意方画像进行特征汇聚处理，获得所述偏好创意案例的创意方特征数据；以及
对所述创意方特征数据和所述案例属性特征数据进行特征汇聚处理，获得所述用户偏好特征数据。
进一步地，获取需求数据之前，还包括：
获取训练创意案例，其中，所述训练创意案例为进行深度学习模型训练的创意案例；
对所述训练创意案例进行预处理，得到所述训练创意案例的创意方特征数据与案例属性特征数据；
基于所述训练创意案例的创意方特征数据与案例属性特征数据，对待训练深度学习模型进行模型训练处理，获得预设深度学习模型。
根据本申请的第二方面，提出了一种获取创意案例的数据处理装置，包括：
数据获取模块，用于获取需求数据，其中，所述需求数据为用户获取创意案例的需求的相关数据；
案例检索模块，用于在预设创意案例数据库中检索与所述需求数据对应的多个检索创意案例；
案例评分模块，基于预设创意案例评分规则，对所述多个检索创意案例进行评分处理，获得所述多个检索创意案例的排序评分结果；以及
结果输出模块，用于对所述排序评分结果进行筛选处理，输出结果创意案例，其中，所述结果创意案例为排序评分结果满足预设阈值的检索创意案例。
进一步地，案例评分模块，包括：
第一评分模块，用于对所述多个检索创意案例进行识别，获取所述多个检索创意案例的第一评分数据，其中，所述第一评分数据为检索创意案例的相关性评分数据；
第二评分模块，基于预设偏好评分规则，结合所述需求数据，对所述多个检索创意案例进行用户偏好评分处理，获得所述多个检索创意案例的第二评分数据，其中，所述第二评分数据为检索创意案例的用户偏好评分数据；
结果评分模块，用于对所述第一评分数据和所述第二评分数据进行加权处理，获得所述排序评分数据。
根据本申请的第三方面，提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述的获取创意案例的数据处理方法。
根据本申请的第四方面，提出一种电子设备，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计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述的获取创意案例的数据处理方法。
本申请的实施例提供的技术方案可以包括以下有益效果：
在本申请中，通过对用户的需求数据进行处理，在预设创意案例数据库中检索得到与需求数据对应的检索创意案例，识别检索创意案例的第一评分数据，即相关性评分数据，根据预设偏好评分规则，对多个检索创意案例进行用户偏好评分处理，得到第二评分数据，对多个检索创意案例的第一评分数据和第二评分数据进行加权处理，得到排序评分结果，对排序评分结果进行筛选，获得结果创意案例，解决了现有技术中缺乏基于用户偏好进行创意案例检索的问题，实现了提高了用户创意案例检索的个性化程度和创意案例检索的准确性的技术效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请提供的一种获取创意案例的数据处理方法的流程示意图；
图2为本申请提供的一种获取创意案例的数据处理方法的流程示意图；
图3为本申请提供的一种获取创意案例的数据处理方法的流程示意图；
图4为本申请提供的创意案例向量表示的信息汇聚路径示意图；
图5为本申请提供的一种获取创意案例的数据处理装置的结构示意图；
图6为本申请提供的另一种获取创意案例的数据处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请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，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。
并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。
此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，“连接”可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
图1为本申请提供的一种获取创意案例的数据处理方法的流程示意图，如图1所示，该方法包括以下步骤：
S101：获取需求数据；
需求数据为用户获取创意案例的需求的相关数据，包括：用户输入的检索语句和用户偏好创意案例列表。
S102：在预设创意案例数据库中检索与所述需求数据对应的多个检索创意案例；
图2为本申请提供的一种获取创意案例的数据处理方法的流程示意图，如图2所示，该方法包括以下步骤：
S201：基于预设检索模型，对所述需求数据进行处理，获得需求特征数据；
对需求数据中用户输入的检索语句进行识别，通过预设检索模型，对检索语句进行处理，获得检索文字向量，可以为检索词向量、句向量。
词向量是用来将自然语言中的词进行数学化的一种方式，通过训练将某种语言中的每一个词映射成一个固定长度的短向量，将所有这些向量放在一起形成一个词向量空间，而每一向量则为该空间中的一个点，在这个空间上引入“距离”，则可以根据词之间的距离来判断它们之间的(词法、语义上的)相似性。句向量类似于词向量，将句子转化为句向量。
S202：对预设创意案例数据库中全部创意案例的特征数据与所述需求特征数据进行计算，获得全部创意案例的相关性评分数据；
预设创意案例数据库中的全部创意案例的特征数据为创意案例的案例向量，计算全部创意案例的案例向量与检索文字向量的余弦距离。
S203：基于所述相关性评分数据对所述全部创意案例进行筛选处理，获得所述多个检索创意案例。
基于余弦距离，对全部创意案例进行相关性排序，获得多个检索创意案例。
S103：基于预设案例评分规则，对所述多个检索创意案例进行评分处理，获得所述多个检索创意案例的排序评分结果；
图3为本申请提供的一种获取创意案例的数据处理方法的流程示意图，如图3所示，该方法包括以下步骤：
S301：对所述多个检索创意案例进行识别，获取所述多个检索创意案例的第一评分数据；
识别多个检索创意案例的相关性评分数据，将相关性评分数据作为检索创意案例的第一评分数据。
S302：基于预设偏好评分规则，结合所述需求数据，对所述多个检索创意案例进行用户偏好评分处理，获得所述多个检索创意案例的第二评分数据，其中，第二评分数据为检索创意案例的用户偏好评分数据；
对所述需求数据进行识别，获得偏好创意案例，其中，所述偏好创意案例为所述需求数据中用户偏好创意案例列表中的创意案例；
基于预设深度学习模型，计算所述需求数据中用户偏好创意案例列表中的全部偏好创意案例的特征数据，获得用户偏好特征数据，其中，所述用户偏好特征数据为所述用户全部偏好创意案例的特征数据经平均处理得到的特征数据；基于所述预设深度学习模型，计算所述多个检索创意案例的特征数据；基于预设用户偏好计算规则，对所述用户偏好特征数据与所述多个检索创意案例的特征数据进行用户偏好计算，获得所述多个检索创意案例的第二评分数据。
识别需求数据中的用户偏好创意案例列表中的全部偏好创意案例，通过预设深度学习模型，即EAGE模型，对每个偏好创意案例数据进行处理，获得每个偏好创意案例的案例向量，对全部偏好创意案例的案例向量进行平均处理，获得用户偏好特征数据，即，用户偏好向量，通过EAGE模型对每个检索创意案例进行处理，获得检索创意案例的案例向量，计算多个检索创意案例的案例向量与用户偏好向量的距离作为偏好分数，获得多个检索创意案例的用户偏好评分。
S303：对所述第一评分数据和所述第二评分数据进行加权处理，获得所述排序评分数据。
将多个检索创意案例的相关性评分数据与用户偏好评分数据进行加权处理，得到多个检索创意案例的排序评分数据。
S104：对所述排序评分结果进行筛选处理，输出结果创意案例，其中，所述结果创意案例为排序评分结果满足预设阈值的检索创意案例。
输出满足排序评分阈值的检索创意案例，获得结果创意案例。
通过本申请中的创意案例检索方法，与基于ES的检索系统相比，目标检测mAP值增长30个百分点，召回率达到92％。
图4为本申请中创意案例向量表示的信息汇聚路径示意图，如图4所示，
深度学习模型，即EAGE模型的训练过程包括：
获取训练创意案例数据，对训练创意案例数据进行预处理，获得训练创意案例数据的案例属性数据与创意方数据；
一个案例的案例属性数据包括：创意类型、创意风格、服务品牌，创意方数据包括：创意方ID、所在人才组、创意方画像；
对创意类型、创意风格及服务品牌进行特征汇聚处理，获得偏好创意案例的案例属性特征数据；对创意方ID、所在人才组及创意方画像进行特征汇聚处理，获得偏好创意案例的创意方特征数据；对创意方特征数据和案例属性特征数据进行特征汇聚处理，获得用户偏好特征数据。
基于图4结构构建案例向量表示的汇聚路径，其中汇集函数采样基于Attention的边信息(特征)汇聚函数，学习不同特征对用户偏好的影响程度分布，与同类型基于汇聚思想的推荐排序方法如GraphSage相比，本模型设计了基于Attention的边信息汇聚方法，能够在学习用户偏好的同时，聚焦到用户兴趣的真正原因。
基于用户创建的偏好创意案例列表，构建同质图，同质图中的相邻的创意案例为正样本，同质图中创意案例之间触达路径长的创意案例为负样本。通过构建用户兴趣案例同质图，采样训练正负样本，能够聚焦到用户偏好之间的差异，并且，基于用户创建的偏好创意案例列表构建同质图，可以实现随着用户偏好创意案例列表的不断增长，不断更新模型，实现算法的成长。
基于训练创意案例对待训练的EAGE模型进行训练，在模型训练迭代过程中减小正样本之间的距离，增大负样本之间的距离，待训练深度学习模型满足预设训练目标时，获得EAGE模型。
图5为本申请提供的一种获取创意案例的数据处理装置的结构示意图，如图5所述，该装置包括：
数据获取模块51，用于获取需求数据，其中，所述需求数据为用户获取创意案例的需求的相关数据；
案例检索模块52，用于在预设创意案例数据库中检索与所述需求数据对应的多个检索创意案例；
案例评分模块53，基于预设创意案例评分规则，对所述多个检索创意案例进行评分处理，获得所述多个检索创意案例的排序评分结果；以及
结果输出模块54，用于对所述排序评分结果进行筛选处理，输出结果创意案例，其中，所述结果创意案例为排序评分结果满足预设阈值的检索创意案例。
图6为本申请提供的一种获取创意案例的数据处理装置的结构示意图，如图6所述，该装置包括：
第一评分模块61，用于对所述多个检索创意案例进行识别，获取所述多个检索创意案例的第一评分数据，其中，所述第一评分数据为检索创意案例的相关性评分数据；
第二评分模块62，基于预设偏好评分规则，结合所述需求数据，对所述多个检索创意案例进行用户偏好评分处理，获得所述多个检索创意案例的第二评分数据，其中，所述第二评分数据为检索创意案例的用户偏好评分数据；
结果评分模块63，用于对所述第一评分数据和所述第二评分数据进行加权处理，获得所述排序评分数据。
关于上述实施例中各单元的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。
综上所述，在本申请中，通过对用户的需求数据进行处理，在预设创意案例数据库中检索得到与需求数据对应的检索创意案例，识别检索创意案例的第一评分数据，即相关性评分数据，根据预设偏好评分规则，对多个检索创意案例进行用户偏好评分处理，得到第二评分数据，对多个检索创意案例的第一评分数据和第二评分数据进行加权处理，得到排序评分结果，对排序评分结果进行筛选，获得结果创意案例，解决了现有技术中缺乏基于用户偏好进行创意案例检索的问题，实现了提高了用户创意案例检索的个性化程度和创意案例检索的准确性的技术效果。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
显然，本领域的技术人员应该明白，上述的本申请的各单元或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.一种获取创意案例的数据处理方法，其特征在于，包括：
获取需求数据，其中，所述需求数据为用户获取创意案例的需求的相关数据；
在预设创意案例数据库中检索与所述需求数据对应的多个检索创意案例；
基于预设创意案例评分规则，对所述多个检索创意案例进行评分处理，获得所述多个检索创意案例的排序评分结果；以及
对所述排序评分结果进行筛选处理，输出结果创意案例，其中，所述结果创意案例为排序评分结果满足预设阈值的检索创意案例；
基于预设创意案例评分规则，对所述多个检索创意案例进行评分处理，获得所述多个检索创意案例的排序评分结果，包括：
对所述多个检索创意案例进行识别，获取所述多个检索创意案例的第一评分数据，其中，所述第一评分数据为检索创意案例的相关性评分数据；
基于预设偏好评分规则，结合所述需求数据，对所述多个检索创意案例进行用户偏好评分处理，获得所述多个检索创意案例的第二评分数据，其中，所述第二评分数据为检索创意案例的用户偏好评分数据；
对所述第一评分数据和所述第二评分数据进行加权处理，获得排序评分数据；
基于预设偏好评分规则，结合所述需求数据，对所述多个检索创意案例进行用户偏好评分处理，获得所述多个检索创意案例的第二评分数据，包括：
对所述需求数据进行识别，获得偏好创意案例，其中，所述偏好创意案例为所述需求数据中用户偏好创意案例列表中的创意案例；
基于预设深度学习模型，计算所述需求数据中用户偏好创意案例列表中的全部偏好创意案例的特征数据，获得用户偏好特征数据，其中，所述用户偏好特征数据为所述用户全部偏好创意案例的特征数据经平均处理得到的特征数据；
基于所述预设深度学习模型，计算所述多个检索创意案例的特征数据；
基于预设用户偏好计算规则，对所述用户偏好特征数据与所述多个检索创意案例的特征数据进行用户偏好计算，获得所述多个检索创意案例的第二评分数据。
2.根据权利要求1所述的数据处理方法，其特征在于，在预设创意案例数据库中检索与所述需求数据对应的多个检索创意案例，包括：
基于预设检索模型，对所述需求数据进行处理，获得需求特征数据；
对预设创意案例数据库中全部创意案例的特征数据与所述需求特征数据进行计算，获得全部创意案例的相关性评分数据；
基于所述相关性评分数据对所述全部创意案例进行筛选处理，获得所述多个检索创意案例。
3.根据权利要求1所述的数据处理方法，其特征在于，基于预设深度学习模型，计算所述需求数据中用户偏好创意案例列表中的全部偏好创意案例的特征数据，获得用户偏好特征数据，包括：
识别所述偏好创意案例，获得所述偏好创意案例的创意方数据和案例属性数据，其中，所述案例属性数据包括：创意类型、创意风格、服务品牌，所述创意方数据包括：创意方ID、所在人才组、创意方画像；
对所述创意类型、创意风格及服务品牌进行特征汇聚处理，获得所述偏好创意案例的案例属性特征数据；
对所述创意方ID、所在人才组及创意方画像进行特征汇聚处理，获得所述偏好创意案例的创意方特征数据；以及
对所述创意方特征数据和所述案例属性特征数据进行特征汇聚处理，获得所述用户偏好特征数据。
4.根据权利要求1所述的数据处理方法，其特征在于，获取需求数据之前，还包括：
获取训练创意案例，其中，所述训练创意案例为进行深度学习模型训练的创意案例；
对所述训练创意案例进行预处理，得到所述训练创意案例的创意方特征数据与案例属性特征数据；
基于所述训练创意案例的创意方特征数据与案例属性特征数据，对待训练深度学习模型进行模型训练处理，获得预设深度学习模型。
5.一种获取创意案例的数据处理装置，其特征在于，包括：
数据获取模块，用于获取需求数据，其中，所述需求数据为用户获取创意案例的需求的相关数据；
案例检索模块，用于在预设创意案例数据库中检索与所述需求数据对应的多个检索创意案例；
案例评分模块，基于预设创意案例评分规则，对所述多个检索创意案例进行评分处理，获得所述多个检索创意案例的排序评分结果；以及
结果输出模块，用于对所述排序评分结果进行筛选处理，输出结果创意案例，其中，所述结果创意案例为排序评分结果满足预设阈值的检索创意案例；案例评分模块，包括：
第一评分模块，用于对所述多个检索创意案例进行识别，获取所述多个检索创意案例的第一评分数据，其中，所述第一评分数据为检索创意案例的相关性评分数据；
第二评分模块，基于预设偏好评分规则，结合所述需求数据，对所述多个检索创意案例进行用户偏好评分处理，获得所述多个检索创意案例的第二评分数据，其中，所述第二评分数据为检索创意案例的用户偏好评分数据；
结果评分模块，用于对所述第一评分数据和所述第二评分数据进行加权处理，获得排序评分数据；
基于预设偏好评分规则，结合所述需求数据，对所述多个检索创意案例进行用户偏好评分处理，获得所述多个检索创意案例的第二评分数据，包括：
对所述需求数据进行识别，获得偏好创意案例，其中，所述偏好创意案例为所述需求数据中用户偏好创意案例列表中的创意案例；
基于预设深度学习模型，计算所述需求数据中用户偏好创意案例列表中的全部偏好创意案例的特征数据，获得用户偏好特征数据，其中，所述用户偏好特征数据为所述用户全部偏好创意案例的特征数据经平均处理得到的特征数据；
基于所述预设深度学习模型，计算所述多个检索创意案例的特征数据；
基于预设用户偏好计算规则，对所述用户偏好特征数据与所述多个检索创意案例的特征数据进行用户偏好计算，获得所述多个检索创意案例的第二评分数据。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-4任意一项所述的获取创意案例的数据处理方法。
7.一种电子设备，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计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-4任意一项所述的获取创意案例的数据处理方法。
CN202110723855.7A 2021-06-28 2021-06-28 获取创意案例的数据处理方法和装置 Active CN113378056B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110723855.7A CN113378056B (zh) 2021-06-28 2021-06-28 获取创意案例的数据处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110723855.7A CN113378056B (zh) 2021-06-28 2021-06-28 获取创意案例的数据处理方法和装置

Publications (2)

Publication Number Publication Date
CN113378056A CN113378056A (zh) 2021-09-10
CN113378056B true CN113378056B (zh) 2023-09-26

Family

ID=77579680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110723855.7A Active CN113378056B (zh) 2021-06-28 2021-06-28 获取创意案例的数据处理方法和装置

Country Status (1)

Country Link
CN (1) CN113378056B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005005900A (ja) * 2003-06-10 2005-01-06 Matsushita Electric Ind Co Ltd 番組検索装置および方法
KR20090026223A (ko) * 2007-09-08 2009-03-12 박차라 클라이언트 기반 개인화 검색 관리자
CN102880687A (zh) * 2012-09-14 2013-01-16 北京大学 基于标签技术的个人交互数据检索方法及其系统
CN108647312A (zh) * 2018-05-10 2018-10-12 佛山欧神诺云商科技有限公司 一种用户偏好分析方法及其装置
CN109767300A (zh) * 2019-01-14 2019-05-17 博拉网络股份有限公司 基于用户习惯的大数据画像及模型构建方法
CN110275964A (zh) * 2019-06-26 2019-09-24 程淑玉 基于知识图谱与循环神经网络的推荐模型
CN110489638A (zh) * 2019-07-08 2019-11-22 广州视源电子科技股份有限公司 一种搜索方法、装置、服务器、系统及存储介质
CN111914157A (zh) * 2019-05-07 2020-11-10 重庆好德译信息技术有限公司 一种基于用户偏好的旅游方案生成方法和系统
CN112685452A (zh) * 2020-12-31 2021-04-20 特赞（上海）信息科技有限公司 企业案例检索方法、装置、设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9098575B2 (en) * 2011-06-20 2015-08-04 Primal Fusion Inc. Preference-guided semantic processing

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005005900A (ja) * 2003-06-10 2005-01-06 Matsushita Electric Ind Co Ltd 番組検索装置および方法
KR20090026223A (ko) * 2007-09-08 2009-03-12 박차라 클라이언트 기반 개인화 검색 관리자
CN102880687A (zh) * 2012-09-14 2013-01-16 北京大学 基于标签技术的个人交互数据检索方法及其系统
CN108647312A (zh) * 2018-05-10 2018-10-12 佛山欧神诺云商科技有限公司 一种用户偏好分析方法及其装置
CN109767300A (zh) * 2019-01-14 2019-05-17 博拉网络股份有限公司 基于用户习惯的大数据画像及模型构建方法
CN111914157A (zh) * 2019-05-07 2020-11-10 重庆好德译信息技术有限公司 一种基于用户偏好的旅游方案生成方法和系统
CN110275964A (zh) * 2019-06-26 2019-09-24 程淑玉 基于知识图谱与循环神经网络的推荐模型
CN110489638A (zh) * 2019-07-08 2019-11-22 广州视源电子科技股份有限公司 一种搜索方法、装置、服务器、系统及存储介质
CN112685452A (zh) * 2020-12-31 2021-04-20 特赞（上海）信息科技有限公司 企业案例检索方法、装置、设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Search result optimization using user search history;Heejun Han 等;《 2011 Third World Congress on Nature and Biologically Inspired Computing》;476-479 *
面向法律案例检索的文档相似度计算研究;李兰君;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;I138-5581 *

Also Published As

Publication number Publication date
CN113378056A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN106709040B (zh) 一种应用搜索方法和服务器
CN110162593B (zh) 一种搜索结果处理、相似度模型训练方法及装置
CN106649818B (zh) 应用搜索意图的识别方法、装置、应用搜索方法和服务器
CN106874292B (zh) 话题处理方法及装置
CN110569496B (zh) 实体链接方法、装置及存储介质
CN112131350B (zh) 文本标签确定方法、装置、终端及可读存储介质
US10762150B2 (en) Searching method and searching apparatus based on neural network and search engine
US10482146B2 (en) Systems and methods for automatic customization of content filtering
CN104199833B (zh) 一种网络搜索词的聚类方法和聚类装置
CN104408191A (zh) 关键词的关联关键词的获取方法和装置
CN110162768B (zh) 实体关系的获取方法、装置、计算机可读介质及电子设备
CN109325146B (zh) 一种视频推荐方法、装置、存储介质和服务器
CN106940726B (zh) 一种基于知识网络的创意自动生成方法与终端
CN109033075B (zh) 意图匹配的方法、装置、存储介质和终端设备
CN113254711B (zh) 一种互动图像的显示方法、装置、计算机设备和存储介质
CN106844482B (zh) 一种基于搜索引擎的检索信息匹配方法及装置
CN111444304A (zh) 搜索排序的方法和装置
CN111159361A (zh) 获取文章的方法和装置及电子设备
CN115374362A (zh) 多路召回模型训练方法、多路召回方法、装置及电子设备
CN115470344A (zh) 一种基于文本聚类的视频弹幕与评论主题融合的方法
CN106570196B (zh) 视频节目的搜索方法和装置
CN114328800A (zh) 文本处理方法、装置、电子设备和计算机可读存储介质
CN113590811A (zh) 文本摘要生成方法、装置、电子设备及存储介质
CN109344232A (zh) 一种舆情信息检索方法及终端设备
CN113569118A (zh) 自媒体推送方法、装置、计算机设备及存储介质

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