CN113434186A - 用于推荐应用程序的方法和装置 - Google Patents
用于推荐应用程序的方法和装置 Download PDFInfo
- Publication number
- CN113434186A CN113434186A CN202110791968.0A CN202110791968A CN113434186A CN 113434186 A CN113434186 A CN 113434186A CN 202110791968 A CN202110791968 A CN 202110791968A CN 113434186 A CN113434186 A CN 113434186A
- Authority
- CN
- China
- Prior art keywords
- application program
- information
- encoder
- application
- text
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开披露了一种用于推荐应用程序的方法。所述方法包括:获取应用程序的文本描述信息;根据所述应用程序的文本描述信息,通过预设的编码器,从所述文本描述信息中提取所述应用程序的文本语义特征;根据所述应用程序的文本语义特征,确定所述应用程序的推荐信息。
Description
技术领域
本公开涉及智能推荐领域,具体涉及一种用于推荐应用程序的方法和装置。
背景技术
在应用程序的推荐场景,现有技术主要是基于用户对应用程序的点击信息对应用程序进行推荐。
但是,针对还未收集到点击信息或点击信息较少的应用程序,该应用程序推荐方式往往具有较低的推荐准确率。
发明内容
有鉴于此,本公开提供一种用于推荐应用程序的方法和装置,以提高应用程序的推荐准确率。
第一方面,提供一种用于推荐应用程序的方法,包括:获取应用程序的文本描述信息;根据所述应用程序的文本描述信息,通过预设的编码器,从所述文本描述信息中提取所述应用程序的文本语义特征;根据所述应用程序的文本语义特征,确定所述应用程序的推荐信息。
第二方面,提供一种用于推荐应用程序的方法,包括:在输入层,接收应用程序的内容介绍信息、所述应用程序的类目信息和用户对所述应用程序的点击信息;在编码层,采用第一编码器对所述应用程序的内容介绍信息进行编码,得到所述应用程序的第一文本语义特征,其中所述第一编码器为适于处理非结构化文本的编码器;在所述编码层,采用第二编码器对所述应用程序的类目信息进行编码,得到所述应用程序的第二文本语义特征,其中所述第二编码器为适于处理结构化文本的编码器;在特征融合层,将所述应用程序的第一文本语义特征、所述应用程序的第二文本语义特征以及所述点击信息对应的点击行为特征进行融合,得到融合后的特征;在输出层,根据所述融合后的特征,确定所述应用程序的推荐信息。
第三方面,提供一种用于推荐应用程序的装置,包括:获取单元,用于获取应用程序的文本描述信息;文本语义特征提取单元,用于根据所述应用程序的文本描述信息,通过预设的编码器,从所述文本描述信息中提取所述应用程序的文本语义特征;推荐信息确定单元,用于根据所述应用程序的文本语义特征,确定所述应用程序的推荐信息。
第四方面,提供一种用于推荐应用程序的装置,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器被配置为执行所述可执行代码,以实现如第一方面或第二方面所述的方法。
第五方面,提供一种计算机可读存储介质,其上存储有可执行代码,当所述可执行代码被执行时,能够实现如第一方面或第二方面所述的方法。
第六方面,提供一种计算机程序产品,包括可执行代码,当所述可执行代码被执行时,能够实现如第一方面或第二方面所述的方法。
本公开实施例利用应用程序的文本描述信息确定应用程序的推荐信息,该方案即使用于推荐还未收集到点击信息或点击信息较少的应用程序,仍然具有较高的推荐准确率。
附图说明
图1为本公开实施例提供的用于推荐应用程序的方法的流程示意图。
图2为图1中的步骤S120的一种可能的实现方式的流程示意图。
图3为本公开实施例提供的确定小程序的偏好人群的系统架构示例图。
图4为本公开一实施例提供的用于推荐应用程序的装置的结构示意图。
图5为本公开另一实施例提供的用于推荐应用程序的装置的结构示意图。
具体实施方式
本公开实施例提及的应用程序有时也可称为应用。本公开实施例对应用程序的类型不做具体限定,可以是能够向用户提供某种服务(如代驾类服务或外卖服务)的任意类型的程序,或者是希望向用户推荐的任意类型的应用程序。在某些实施例中,该应用程序可以指APP。在另一些实施例中,该应用程序可以指小程序(小程序可以理解为不需要下载或卸载即可使用的应用,属于应用的轻量化解决方案,如微信小程序或支付宝小程序)。
本公开实施例提及的应用程序的推荐信息可用于推荐该应用程序。推荐信息可以包括一种或多种类型的信息,下面给出推荐信息的多个示例。
作为一个示例,该推荐信息可用于描述该应用程序的偏好人群,即该应用程序提供的服务更偏向于服务什么样的人群。人群的划分方式有多种,可以根据实际情况选取合适的划分标准,本公开实施例对此并不限定。例如,人群可以通过以下标准划分:性别、年龄段、职业、是否有车、是否有孩子等。比如,对于代驾类的应用程序,应用程序的偏好人群可以是有车的人群,即车主。
某一类人群为应用程序的偏好人群,也可以理解为该应用程序对该类人群敏感。因此,在有些实施例中,用于描述应用程序的偏好人群的信息也可以称为应用程序的人群敏感性标签,该人群敏感性标签可用于标识该应用程序的敏感人群。
作为另一个示例,该推荐信息可用于描述应用程序的推荐时机。推荐时机例如可以包括应用程序的推荐时间和/或推荐地点。例如,对于共享雨伞类应用程序,推荐时间可以为:在下雨时或即将下雨时。又如,对于某些商家的促销类应用程序,推荐地点可以定义为:当用户位于具有该商家的商场内或用户进入到商场周边的范围内。
相关技术主要基于用户对应用程序的点击信息或点击行为来确定如何推荐应用程序。但是,基于点击信息的应用程序推荐方式主要存在如下两方面的问题。
第一,基于点击信息的应用程序存在冷启动的问题。例如,针对新增的应用程序或长尾的应用程序(即冷门的应用程序),其往往还未收集到用户点击信息或者收集到的用户点击信息较少。面对此类应用程序,基于点击信息的应用程序推荐方式具有较低的准确率。
第二,即使某个应用程序存在较多的点击信息,但由于用户具有多样性,基于点击信息很难准确刻画应用程序的偏好人群。例如,男性用户也可能点击女性用户偏好的应用程序,如男性用户也会点击购物类或美容类应用程序。
为了解决上述问题,本公开实施例基于应用程序的文本描述信息,确定应用程序的推荐信息。相比于基于应用程序的点击信息确定应用程序的推荐信息,在有些场合下,基于应用程序的文本描述信息的推荐结果可能更加准确。
应用程序的文本描述信息指的是以文本的形式对应用程序进行描述或介绍的信息。在有些实施例中,应用程序的文本描述信息可以替换为应用程序的语义信息或语义文本信息。或者,应用程序的文本描述信息可以替换为应用程序的程序描述信息。
作为一个示例,应用程序的文本描述信息例如可以包括应用程序的内容介绍信息。应用程序的内容介绍信息可用于对应用程序的服务内容和/或功能进行介绍。应用程序的内容介绍信息例如可以包括应用程序的以下信息中的一种或多种:名称、简介以及详情。此类信息通常含有较为明确的语义信息,通过分析该语义信息,经常能够准确定位到应用程序的偏好人群和/或推荐时机。
以应用程序是名称为“我要缴罚款网”的小程序为例,该小程序的内容介绍信息的名称、简介以及详情如下:
小程序名称:我要缴罚款网;
小程序简介:违章查询处理、汽车年检、违章缴费;
小程序详情:违章查询处理、汽车年检、扫码挪车、罚单查询、罚款查询、电车违章、行人违章、限行查询。
从该小程序的内容介绍信息可以看出,其具有很强的语义信息,即使没有用户点击信息作为输入,也能够将该小程序的偏好人群定位在“车主”。
作为另一个示例,应用程序的文本描述信息可以包括应用程序的类目信息。应用程序的类目信息例如可用于标识该应用程序属于哪种类型的应用程序,或者应用程序的类目信息可用于标识该应用程序提供的服务属于哪种类型的服务。例如,可以预先建立多级类目(或称多级服务类目),应用程序的文本描述信息可用于描述应用程序与预设的多级类目的所属关系,比如应用程序分别属于每级类目所包含的多个服务项中的哪一项。
应用程序的类目信息的层级结构通常也具有很强的语义信息,通过分析该语义信息,经常能够准确定位到应用程序的偏好人群和/或推荐时机。
以小程序为例,可以预先建立三层类目体系,该三层类目体系可以包括如下表所示的多个小程序的服务类目。
表1:三层类目体系
1级类目 | 2级类目 | 3级类目 |
餐饮 | 餐饮 | 快餐小吃 |
汽车 | 车辆信息及行驶证 | 年检、过户服务 |
生活服务 | 丽人 | 美甲/美睫 |
交通出行 | 交通违章查询办理 | 违法处理业务 |
理财金融 | 财富管理 | 证券期货 |
从上述示例可以看出,应用程序的类目信息具有明确的语义,非常有助于确定应用程序的推荐信息。例如,如果小程序的类目信息为:“交通出行—交通违章查询办理—违法处理业务”,则该小程序的偏好人群为车主,可以向车主推荐该小程序。如果小程序的类目信息为:“餐饮—餐饮—快餐小吃”,则该小程序的推荐地点为具有该快餐小吃的商场。
下面结合图1,对基于应用程序的文本描述信息确定应用程序推荐信息的流程进行详细描述。
如图1所示,在步骤S110,获取应用程序的文本描述信息。应用程序的文本描述信息可以由应用程序的开发者提供。或者,应用程序的文本信息中的部分信息可以由开发者提供,剩余信息可以根据开发者提供的信息生成。
以应用程序的文本信息包括应用程序的内容介绍信息和应用程序的类目信息为例。在一些实施例中,应用程序的内容介绍信息和类目信息均可以由开发者提供。例如,假设开发者希望借助某个应用商店(或称应用市场)或第三方平台推荐该应用程序,则可以要求该开发者提交该应用程序的内容介绍信息,并按照应用商店或第三方平台提供的类目层级体系填写该应用程序的类目信息。
或者,在另一些实施例中,应用程序的内容介绍信息可以由应用程序的开发者提供,应用程序的类目信息可以根据该开发者提供的内容介绍信息生成。例如,可以由第三方平台的工作人员根据开发者提供的应用程序的内容介绍信息将应用程序归类到预先建立的多层级类目体系中,得到应用程序的类目信息。或者,可以由第三方平台提供的算法自动将开发者提供的应用程序的内容介绍信息转换成应用程序的类目信息。
在步骤S120,根据应用程序的文本描述信息,通过预设的编码器,从文本描述信息中提取应用程序的文本语义特征。
文本语义特征例如可以指文本信息的向量化表示。预设的编码器可以是任意适于将文本转换成向量(如词向量)的编码器或模型。作为一个示例,该编码器可以是任意类型的自然语言处理模型。例如,该编码器可以是word2vecter编码器。或者,该编码器可以是Transformer编码器,如基于转换器的双向编码表征(Bidirectional EncoderRepresentations from Transformers,BERT)。或者,该编码器可以是基于循环神经网络(Recurrent Neural Network,RNN)的编码器,如基于长短期记忆网络(Long Short-TermMemory,LSTM)或BiLSTM(双向LSTM)的编码器。
前文提及,应用程序的文本描述信息可以是应用程序的内容介绍信息,也可以是应用程序的类目信息,还可以同时包括应用程序的内容介绍信息和类目信息两种不同类型的文本信息。不同类型的文本描述信息的文本格式存在一定的差异,因此,在一些实施例中,针对不同类型的文本描述信息,可以采用不同类型的编码器进行特征提取。后文会结合具体的实施例进行详细描述,此处暂不详述。
在步骤S130,根据应用程序的文本语义特征,确定应用程序的推荐信息。例如,可以利用一个或多个神经网络层(如DNN层)以及sigmoid激活函数对应用程序的文本语义特征进行处理,从而将应用程序的文本语义特征转换成应用程序的推荐信息。
在得到应用程序的推荐信息之后,可以利用该应用程序的推荐信息对该应用程序进行推荐。例如,假设应用程序的推荐信息指示该应用程序的偏好人群为车主,则可以向用户中的有车用户推荐该应用程序。又如,假设应用程序的推荐信息指示该应用程序的推荐时机为雨天,则可以在雨天时向用户推荐该应用程序。
本公开实施例基于应用程序的文本描述信息确定应用程序的推荐信息。应用程序的文本描述信息通常具有很强的语义,该语义通常用于描述该应用程序的功能或提供的服务,这类语义通常能够很好地指示该应用程序的偏好人群、推荐时间、推荐地点等。因此,利用应用程序的文本描述信息可以提高应用程序推荐的准确性,使得应用程序能够更加准确地触达用户。此外,与应用程序的点击信息相比,应用程序的文本描述信息不存在冷启动的问题,可以很好地适用于无点击量或点击量较少的应用程序,如新增的应用程序或冷门的应用程序。
前文提到,应用程序的文本描述信息可以包括应用程序的内容介绍信息。应用程序的内容介绍信息通常是非结构化文本,或称纯文本。这种类型的文本可以采用适于处理非结构化文本的第一编码器进行编码,以从中提取文本语义特征。该第一编码器例如可以是word2vecter编码器,也可以是基于Transformer的编码器。该第一编码器可用于对应用程序的内容介绍信息进行编码,因此,在有些实施例中,也可以将该第一编码器称为内容编码器。
前文提到,应用程序的文本描述信息可以包括应用程序的类目信息。应用程序的类目信息通常是结构化的文本,如具有表1所示的层级结构。这种类型的文本可以采用适于处理结构化文本的第二编码器。结构化的文本通常具有一定的时序或次序特征(层级特征即可看成是一种次序特征),因此,第二编码器可以采用适于处理具有时序或次序特性的编码器。该第二编码器例如可以是基于RNN的编码器,该类型的编码器能够很好地捕捉到文本中的时序或次序特征。基于RNN的编码器例如可以是基于LSTM的编码器,或基于BiLSTM的编码器。该第二编码器可用于对应用程序的类目信息进行编码,因此,在有些实施例中,也可以将该第二编码器称为类目编码器。
应用程序的文本描述信息还可以同时包括应用程序的内容介绍信息和类目信息,下面结合图2,对从该应用程序的文本描述信息提取应用程序的文本语义特征的方式进行更为详细的举例说明。
如图2所示,在步骤S122,根据应用程序的内容介绍信息,通过前文提到的第一编码器,从内容介绍信息中提取第一文本语义特征。
在步骤S124,根据应用程序的类目信息,通过前文提到的第二编码器,从类目信息中提取第二文本语义特征。
在步骤S126,将第一文本语义特征和第二文本语义特征进行融合,得到应用程序的文本语义特征。
第一文本语义特征和第二文本语义特征均可以分别是内容介绍信息和类目信息的向量化表示(如词向量)。将第一文本语义特征和第二文本语义特征进行融合可以指将第一文本语义特征对应的向量和第二文本语义特征对应的向量首尾拼接在一起。或者,在某些实施例中,也可以指将第一文本语义特征对应的向量和第二文本语义特征对应的向量进行某种形式的运算,例如,将第一文本语义特征对应的向量和第二文本语义特征对应的向量首尾拼接之后,将拼接后的特征向量中的重复项删除,使得重复的特征向量只保留一个即可。
可选地,在有些实施例中,在确定应用程序的推荐信息时,除了考虑应用程序的文本描述信息,也可以考虑用户对应用程序的点击信息。例如,可以从用户对应用程序的点击信息中提取出用户的点击行为特征,然后将用户的点击行为特征与应用程序的文本语义特征融合。例如,用户的点击行为特征与应用程序的文本语义特征均可以由向量表示,二者的融合可以指将二者对应的向量首尾拼接在一起,或对二者对应的向量进行某种形式的运算。
用户对应用程序的点击信息可以通过统计已向用户投放的应用程序的用户点击类行为而得到,因此,用户的点击信息也可称为用户的点击类行为信息。在获取到用户的点击信息之后,可以根据各个用户的画像信息(如描述用户的身份、年龄、职业等信息的信息),得到表征不同用户对该应用程序的偏好的点击行为特征。用户对应用程序的点击行为具有一定的次序,因此在有些实施例中,可以将用户的点击行为特征称为用户的点击序列特征。
综合考虑应用程序的文本描述信息和用户对应用程序的点击信息,能够进一步提升应用程序推荐的准确性,尤其是在应用程序的文本描述信息质量较差或语义较模糊时,用户对应用程序的点击信息的存在可以使得应用程序推荐具有较好的鲁棒性。此外,综合考虑应用程序的文本描述信息和用户对应用程序的点击信息,对应用程序进行多维度全方位的理解,可以为准确推荐应用程序提供良好的数据基础。
当然,在一些实施例中,当应用程序冷启动时,或者当应用程序属于冷门的应用程序时,也可以不考虑用户对应用程序的点击信息,而采用应用程序的文本描述信息确定应用程序的推荐信息。
下面结合图3,以应用程序为小程序、应用程序的推荐信息为小程序的偏好人群为例,给出可实施本公开实施例的系统架构的一个具体示例。
如图3所示,该系统架构主要包括如下4层结构:输入层310、编码层320、特征融合层330以及输出层340。
输入层310可用于接收小程序的内容介绍信息、小程序的类目信息以及用户对小程序的点击信息。小程序的内容介绍信息可以包括小程序的名称、简介和详情。小程序的类目信息可以是如前文表1所示的三级类目体系下的类目信息。
编码层320可以采用前文提及的第一编码器(即图3中的内容编码器)和第二编码器(即图3中的类目编码器),分别对小程序的内容介绍信息和类目信息进行编码,得到内容介绍信息和类目信息的向量化表示(即内容介绍信息和类目信息的特征向量)。第一编码器具体可以采用基于Transformer的编码器。第二编码器具体可以采用基于BiLSTM的编码器。实验结果证明,基于Transformer的编码器能够很好地捕捉小程序的内容介绍信息中的文本语义特征,基于BiLSTM的编码器对类目信息等具有次序的信息具有较好的编码效果。
特征融合层330首先可以将用户对小程序的点击信息转换成特征向量,然后将小程序的内容介绍信息对应的特征向量、小程序的类目信息对应的特征向量、用户对小程序的点击信息对应的特征向量融合,如拼接在一起,形成最终的特征向量。
输出层340可以根据融合后的特征向量,输出小程序的偏好人群。例如,输出层340可以将融合后的特征向量输入sigmoid激活函数,从而将特征向量转换成小程序的偏好人群的标签(或称小程序的人群敏感性标签)。
本示例对小程序的相关信息进行了全方位、多角度的理解,从而可以准确地确定小程序的偏好人群,提高了小程序的推荐准确性。
上文结合图1至图3,详细描述了本公开的方法实施例,下面结合图4至图5,详细描述本公开的装置实施例。应理解,方法实施例的描述与装置实施例的描述相互对应,因此,未详细描述的部分可以参见前面方法实施例。
图4是本公开一实施例提供的用于推荐应用程序的装置的结构示意图。该用于推荐应用程序的装置400可以包括获取单元410、文本语义特征提取单元420以及推荐信息确定单元430。
获取单元410可以被配置为获取应用程序的文本描述信息。
文本语义特征提取单元420可以被配置为根据应用程序的文本描述信息,通过预设的编码器,从文本描述信息中提取该应用程序的文本语义特征。
推荐信息确定单元430可以被配置为根据该应用程序的文本语义特征,确定该应用程序的推荐信息。
可选地,应用程序的文本描述信息可以包括该应用程序的内容介绍信息和/或该应用程序的类目信息。
可选地,文本语义特征提取单元420可以被配置为根据应用程序的内容介绍信息,通过预设的第一编码器,从该内容介绍信息中提取该应用程序的文本语义特征,其中第一编码器为适于处理非结构化文本的编码器,例如,该第一编码器为基于Transformer的编码器。
可选地,文本语义特征提取单元420可以被配置为根据应用程序的类目信息,通过预设的第二编码器,从该类目信息中提取该应用程序的文本语义特征,其中第二编码器为适于处理结构化文本的编码器,例如,该第二编码器为基于BiLSTM的编码器。
可选地,文本语义特征提取单元420可以被配置为根据应用程序的内容介绍信息和类目信息,分别通过预设的第一编码器和第二编码器,提取第一文本语义特征及第二文本语义特征;将该第一文本语义特征和第二文本语义特征融合,得到该应用程序的文本语义特征。
可选地,装置400还可以包括点击行为特征提取单元。点击行为特征提取单元可以被配置为从用户对应用程序的点击信息中提取用户的点击行为特征。提取到用户的点击行为特征后,推荐信息确定单元430可以根据该应用程序的文本语义特征和点击行为特征,确定应用程序的推荐信息。
图5是本公开另一实施例提供的用于推荐应用程序的装置的结构示意图。图5所示的装置500可以是服务器。装置500可以包括存储器510和处理器520。存储器510可用于存储可执行代码。处理器520可用于执行所述存储器510中存储的可执行代码,以实现前文描述的各个方法中的步骤。在一些实施例中,该装置500还可以包括网络接口530,处理器520与外部设备的数据交换可以通过该网络接口530实现。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本公开实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(Digital Video Disc,DVD))、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
本领域普通技术人员可以意识到,结合本公开实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (22)
1.一种用于推荐应用程序的方法,包括:
获取应用程序的文本描述信息;
根据所述应用程序的文本描述信息,通过预设的编码器,从所述文本描述信息中提取所述应用程序的文本语义特征;
根据所述应用程序的文本语义特征,确定所述应用程序的推荐信息。
2.根据权利要求1所述的方法,所述应用程序的文本描述信息包括所述应用程序的内容介绍信息和/或所述应用程序的类目信息。
3.根据权利要求2所述的方法,所述根据所述应用程序的文本描述信息,通过预设的编码器,从所述文本描述信息中提取所述应用程序的文本语义特征,包括:
根据所述应用程序的内容介绍信息,通过预设的第一编码器,从所述内容介绍信息中提取所述应用程序的文本语义特征,其中所述第一编码器为适于处理非结构化文本的编码器。
4.根据权利要求2所述的方法,所述根据所述应用程序的文本描述信息,通过预设的编码器,从所述文本描述信息中提取所述应用程序的文本语义特征,包括:
根据所述应用程序的类目信息,通过预设的第二编码器,从所述类目信息中提取所述应用程序的文本语义特征,其中所述第二编码器为适于处理结构化文本的编码器。
5.根据权利要求2所述的方法,所述根据所述应用程序的文本描述信息,通过预设的编码器,从所述文本描述信息中提取所述应用程序的文本语义特征,包括:
根据所述应用程序的内容介绍信息,通过预设的第一编码器,从所述内容介绍信息中提取第一文本语义特征,其中所述第一编码器为适于处理非结构化文本的编码器;
根据所述应用程序的类目信息,通过预设的第二编码器,从所述类目信息中提取第二文本语义特征,其中所述第二编码器为适于处理结构化文本的编码器;
将所述第一文本语义特征和所述第二文本语义特征融合,得到所述应用程序的文本语义特征。
6.根据权利要求2或5所述的方法,所述第一编码器为基于Transformer的编码器。
7.根据权利要求2或5所述的方法,所述第二编码器为基于BiLSTM的编码器。
8.根据权利要求2所述的方法,所述应用程序的内容介绍信息包括所述应用程序的以下信息中的一种或多种:名称、简介以及详情。
9.根据权利要求2所述的方法,所述应用程序的类目信息用于描述所述应用程序提供的服务与预设的多级类目的所属关系。
10.根据权利要求1所述的方法,还包括:
从用户对所述应用程序的点击信息中提取所述用户的点击行为特征;
所述根据所述应用程序的文本语义特征,确定应用程序的推荐信息,包括:
根据所述应用程序的文本语义特征和所述用户的点击行为特征,确定所述应用程序的推荐信息。
11.根据权利要求1所述的方法,所述推荐信息包括所述应用程序的以下信息中的一种或多种:偏好人群和推荐时机。
12.根据权利要求1所述的方法,所述应用程序为APP或小程序。
13.一种用于推荐应用程序的方法,包括:
在输入层,接收应用程序的内容介绍信息、所述应用程序的类目信息和用户对所述应用程序的点击信息;
在编码层,采用第一编码器对所述应用程序的内容介绍信息进行编码,得到所述应用程序的第一文本语义特征,其中所述第一编码器为适于处理非结构化文本的编码器;
在所述编码层,采用第二编码器对所述应用程序的类目信息进行编码,得到所述应用程序的第二文本语义特征,其中所述第二编码器为适于处理结构化文本的编码器;
在特征融合层,将所述应用程序的第一文本语义特征、所述应用程序的第二文本语义特征以及所述点击信息对应的点击行为特征进行融合,得到融合后的特征;
在输出层,根据所述融合后的特征,确定所述应用程序的推荐信息。
14.一种用于推荐应用程序的装置,包括:
获取单元,用于获取应用程序的文本描述信息;
文本语义特征提取单元,用于根据所述应用程序的文本描述信息,通过预设的编码器,从所述文本描述信息中提取所述应用程序的文本语义特征;
推荐信息确定单元,用于根据所述应用程序的文本语义特征,确定所述应用程序的推荐信息。
15.根据权利要求14所述的装置,所述应用程序的文本描述信息包括所述应用程序的内容介绍信息和/或所述应用程序的类目信息。
16.根据权利要求15所述的装置,所述文本语义特征提取单元用于:
根据所述应用程序的内容介绍信息,通过预设的第一编码器,从所述内容介绍信息中提取第一文本语义特征,其中所述第一编码器为适于处理非结构化文本的编码器;
根据所述应用程序的类目信息,通过预设的第二编码器,从所述类目信息中提取第二文本语义特征,其中所述第二编码器为适于处理结构化文本的编码器;
将所述第一文本语义特征和所述第二文本语义特征融合,得到所述应用程序的文本语义特征。
17.根据权利要求15所述的装置,所述应用程序的内容介绍信息包括所述应用程序的以下信息中的一种或多种:名称、简介以及详情。
18.根据权利要求15所述的装置,所述应用程序的类目信息用于描述所述应用程序提供的服务与预设的多级类目的所属关系。
19.根据权利要求14所述的装置,还包括:
点击行为特征提取单元,用于从用户对所述应用程序的点击信息中提取所述用户的点击行为特征;
所述推荐信息确定单元用于根据所述应用程序的文本语义特征和所述用户的点击行为特征,确定所述应用程序的推荐信息。
20.根据权利要求14所述的装置,所述推荐信息包括所述应用程序的以下信息中的一种或多种:偏好人群和推荐时机。
21.根据权利要求14所述的装置,所述应用程序为APP或小程序。
22.一种用于推荐应用程序的装置,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器被配置为执行所述可执行代码,以实现权利要求1-13中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110791968.0A CN113434186A (zh) | 2021-07-13 | 2021-07-13 | 用于推荐应用程序的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110791968.0A CN113434186A (zh) | 2021-07-13 | 2021-07-13 | 用于推荐应用程序的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113434186A true CN113434186A (zh) | 2021-09-24 |
Family
ID=77760256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110791968.0A Pending CN113434186A (zh) | 2021-07-13 | 2021-07-13 | 用于推荐应用程序的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113434186A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107528899A (zh) * | 2017-08-23 | 2017-12-29 | 广东欧珀移动通信有限公司 | 信息推荐方法、装置、移动终端及存储介质 |
CN107818105A (zh) * | 2016-09-13 | 2018-03-20 | 腾讯科技(深圳)有限公司 | 应用程序的推荐方法及服务器 |
CN109246171A (zh) * | 2017-07-11 | 2019-01-18 | Tcl集团股份有限公司 | 应用程序推荐方法、推荐装置及终端设备 |
CN109271491A (zh) * | 2018-11-02 | 2019-01-25 | 合肥工业大学 | 基于非结构化文本信息的云服务推荐方法 |
CN109918506A (zh) * | 2019-03-07 | 2019-06-21 | 安徽省泰岳祥升软件有限公司 | 一种文本分类方法及装置 |
CN110096867A (zh) * | 2019-05-13 | 2019-08-06 | 南开大学 | 一种面向Android应用功能的权限推荐方法及系统 |
CN111259231A (zh) * | 2018-12-03 | 2020-06-09 | 珠海格力电器股份有限公司 | 应用程序的推荐方法和装置 |
CN111310019A (zh) * | 2018-12-11 | 2020-06-19 | 阿里巴巴集团控股有限公司 | 信息推荐方法、信息处理方法、系统及设备 |
CN111797239A (zh) * | 2020-09-08 | 2020-10-20 | 中山大学深圳研究院 | 应用程序的分类方法、装置及终端设备 |
CN113094578A (zh) * | 2021-03-16 | 2021-07-09 | 平安普惠企业管理有限公司 | 基于深度学习的内容推荐方法、装置、设备及存储介质 |
-
2021
- 2021-07-13 CN CN202110791968.0A patent/CN113434186A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818105A (zh) * | 2016-09-13 | 2018-03-20 | 腾讯科技(深圳)有限公司 | 应用程序的推荐方法及服务器 |
CN109246171A (zh) * | 2017-07-11 | 2019-01-18 | Tcl集团股份有限公司 | 应用程序推荐方法、推荐装置及终端设备 |
CN107528899A (zh) * | 2017-08-23 | 2017-12-29 | 广东欧珀移动通信有限公司 | 信息推荐方法、装置、移动终端及存储介质 |
CN109271491A (zh) * | 2018-11-02 | 2019-01-25 | 合肥工业大学 | 基于非结构化文本信息的云服务推荐方法 |
CN111259231A (zh) * | 2018-12-03 | 2020-06-09 | 珠海格力电器股份有限公司 | 应用程序的推荐方法和装置 |
CN111310019A (zh) * | 2018-12-11 | 2020-06-19 | 阿里巴巴集团控股有限公司 | 信息推荐方法、信息处理方法、系统及设备 |
CN109918506A (zh) * | 2019-03-07 | 2019-06-21 | 安徽省泰岳祥升软件有限公司 | 一种文本分类方法及装置 |
CN110096867A (zh) * | 2019-05-13 | 2019-08-06 | 南开大学 | 一种面向Android应用功能的权限推荐方法及系统 |
CN111797239A (zh) * | 2020-09-08 | 2020-10-20 | 中山大学深圳研究院 | 应用程序的分类方法、装置及终端设备 |
CN113094578A (zh) * | 2021-03-16 | 2021-07-09 | 平安普惠企业管理有限公司 | 基于深度学习的内容推荐方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522483B (zh) | 用于推送信息的方法和装置 | |
CN109492772B (zh) | 生成信息的方法和装置 | |
US20220067115A1 (en) | Information processing method, apparatus, electrical device and readable storage medium | |
CN113011186B (zh) | 命名实体识别方法、装置、设备及计算机可读存储介质 | |
CN111753092B (zh) | 一种数据处理方法、模型训练方法、装置及电子设备 | |
CN107862339B (zh) | 用于输出信息的方法和装置 | |
CN111078940B (zh) | 图像处理方法、装置、计算机存储介质及电子设备 | |
US20220398635A1 (en) | Holistic analysis of customer sentiment regarding a software feature and corresponding shipment determinations | |
CN112364937A (zh) | 用户类别确定方法及装置、推荐内容确定方法、电子设备 | |
CN113204577A (zh) | 信息推送方法、装置、电子设备和计算机可读介质 | |
CN114707041B (zh) | 消息推荐方法、装置、计算机可读介质及电子设备 | |
CN112507153A (zh) | 用于图像检索的方法、计算设备和计算机存储介质 | |
CN114417174B (zh) | 内容推荐方法、装置、设备及计算机存储介质 | |
CN112288554A (zh) | 商品推荐方法和装置、存储介质及电子装置 | |
CN117149140B (zh) | 一种用于编码的架构信息生成方法、装置及相关设备 | |
CN111373395A (zh) | 基于层次聚类的人工智能系统和方法 | |
US11257029B2 (en) | Pickup article cognitive fitment | |
CN116977701A (zh) | 视频分类模型训练的方法、视频分类的方法和装置 | |
CN116703440A (zh) | 基于地铁数字票务的数智运营方法 | |
CN113434186A (zh) | 用于推荐应用程序的方法和装置 | |
CN113888216A (zh) | 广告信息推送方法、装置、电子设备及存储介质 | |
CN113761931A (zh) | 信息处理方法、装置、电子设备和存储介质 | |
CN112200215A (zh) | 标签特征提取方法、装置、存储介质与电子设备 | |
Boteanu et al. | Mapping content to an item repository | |
CN109962945B (zh) | 一种资讯获取方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210924 |