CN113836435A - 信息推荐方法、装置、设备及计算机可读存储介质 - Google Patents
信息推荐方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113836435A CN113836435A CN202111431822.1A CN202111431822A CN113836435A CN 113836435 A CN113836435 A CN 113836435A CN 202111431822 A CN202111431822 A CN 202111431822A CN 113836435 A CN113836435 A CN 113836435A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- item
- chat
- recommended
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 111
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 28
- 239000013598 vector Substances 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 50
- 238000003058 natural language processing Methods 0.000 description 32
- 238000004891 communication Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 235000021168 barbecue Nutrition 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 238000013519 translation 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0639—Item locations
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种信息推荐方法、装置、设备及计算机可读存储介质,可应用于车载场景,其中,方法包括:对至少两个聊天对象的聊天信息进行识别,确定出所述聊天信息中的位置关键词和商品关键词;根据所述位置关键词在所述至少两个聊天对象中确定出目标对象和所述目标对象的目标位置信息;根据所述商品关键词,从预设推荐项目库中匹配出至少一个推荐项目;根据所述目标位置信息和每一所述推荐项目对应的位置信息,从所述至少一个推荐项目中匹配出目标推荐项目;将所述目标推荐项目推荐给每一所述聊天对象。通过本申请,能够在无需用户主动告知位置信息的情况下,即可实现智能化的信息推荐,有效提高用户体验。
Description
技术领域
本申请实施例涉及互联网技术领域,涉及但不限于一种信息推荐方法、装置、设备及计算机可读存储介质。
背景技术
随着终端技术的不断发展,当前的终端可以为用户提供更多的便利,满足用户多方面的生活需求。但是,现实生活中,往往存在一种情况,当用户相约到某个地方吃饭或购物等,往往不清楚这个地方附近有什么店或者商场等等。而对于这种情况,目前并没有一种有效的解决方案能够给用户进行准确的信息推荐。
发明内容
本申请实施例提供一种信息推荐方法、装置、设备及计算机可读存储介质,至少涉及人工智能技术领域和地图领域,还可应用于车载场景。能够根据聊天对象的聊天信息,为聊天对象推荐与聊天信息中所涉及的位置相对应的目标推荐项目,而无需聊天对象主动告知位置信息即可实现自动化的信息推荐,有效提高用户体验。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种信息推荐方法,所述方法包括:
对至少两个聊天对象的聊天信息进行识别,确定出所述聊天信息中的位置关键词和商品关键词;
根据所述位置关键词在所述至少两个聊天对象中确定出目标对象和所述目标对象的目标位置信息;
根据所述商品关键词,从预设推荐项目库中匹配出至少一个推荐项目;
根据所述目标位置信息和每一所述推荐项目对应的位置信息,从所述至少一个推荐项目中匹配出目标推荐项目;
将所述目标推荐项目推荐给每一所述聊天对象。
本申请实施例提供一种信息推荐装置,所述装置包括:
信息识别模块,用于对至少两个聊天对象的聊天信息进行识别,确定出所述聊天信息中的位置关键词和商品关键词;
确定模块,用于根据所述位置关键词,在所述至少两个聊天对象中确定出目标对象和所述目标对象的目标位置信息;
第一匹配模块,用于根据所述商品关键词,从预设推荐项目库中匹配出至少一个推荐项目;
第二匹配模块,用于根据所述目标位置信息和每一所述推荐项目对应的位置信息,从所述至少一个推荐项目中匹配出目标推荐项目;
推荐模块,用于将所述目标推荐项目推荐给每一所述聊天对象。
本申请实施例提供一种信息推荐设备,包括:
存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现上述信息推荐方法。
本申请实施例提供一种计算机可读存储介质,存储有可执行指令,用于引起处理器执行所述可执行指令时,实现上述信息推荐方法。
本申请实施例具有以下有益效果:对至少两个聊天对象的聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词;并根据位置关键词在至少两个聊天对象中确定出目标对象和目标对象的目标位置信息;根据商品关键词,从预设推荐项目库中匹配出至少一个推荐项目;然后根据目标位置信息和每一推荐项目对应的位置信息,从至少一个推荐项目中匹配出目标推荐项目进行推荐。如此,根据对聊天信息进行识别所得到的位置关键词和商品关键词进行处理和匹配,得到对应于该聊天信息的目标推荐项目,从而能够根据聊天对象的聊天信息,为聊天对象推荐与聊天信息中所涉及的位置相对应的目标推荐项目,而无需用户主动告知位置信息即可实现智能化的信息推荐,有效提高用户体验。
附图说明
图1是本申请实施例提供的应用场景示意图;
图2是本申请实施例提供的信息推荐系统的一个可选的架构示意图;
图3是本申请实施例提供的信息推荐设备的结构示意图;
图4是本申请实施例提供的信息推荐方法的流程示意图一;
图5是本申请实施例提供的信息推荐方法的流程示意图二;
图6是本申请实施例提供的确定商品关键词与项目之间匹配度的方法的流程示意图;
图7是本申请实施例提供的信息推荐方法的流程示意图三;
图8是本申请实施例提供的基于注意力技术地图模糊导航的商店推荐方法流程示意图;
图9是本申请实施例提供的注意力技术的算法机制的构建流程示意图;
图10是本申请实施例提供的构建注意力模型的流程示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。除非另有定义,本申请实施例所使用的所有的技术和科学术语与属于本申请实施例的技术领域的技术人员通常理解的含义相同。本申请实施例所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
在说明本申请实施例的方案之前,首先对本申请实施例涉及的名词进行解释:
(1)即时通讯工具:是指通过即时通讯技术来实现在线聊天和交流的软件。
(2)自然语言处理技术(NLP,Natural Language Processing):研究人与计算机交互的语言问题的一门学科。
(3)模糊导航:本申请实施例中的模糊导航是指没有明确给出目的地点的信息,而是通过用户在即时通讯工具中的对话内容,根据NLP技术提取相关的内容来确定目标用户,并结合该目标用户所在的基于位置的服务(LBS,Location Based Services)信息生成最优路线的一种导航方式。
(4)注意力机制(Attention):自然语言处理中的一项技术,其目标是将注意力关注于翻译部分对应的上下文。
接下来,在说明本申请实施例的信息推荐方法之前,对相关技术中的商品推荐方法进行说明:
其中,在第一种商品推荐方法中,相关技术中提供一种基于用户与商铺网络-物理空间交互行为的商铺推荐算法,方法包括:离线学习用户与商户偏好关系阶段:首先利用现有的WLAN设施,从用户产生的Wifi日志提取用户与商铺在物理空间的交互行为,通过Wifi日志得到用户-商铺(User-Store)的偏好关系;对商铺与商铺属性的关系建模;然后基于三部图及偏好关系的商户推荐阶段:构建一个关于用户、商铺和商铺属性的三部图;为预测用户与未访问过的商铺之间的关系强度。该方法所提出的商铺推荐模型对于所有类别商店推荐都能获得推荐性能,综合考虑用户与商铺在物理空间和网络空间的交互行为,对于挖掘用户购物具有一定优势。
在第二种商品推荐方法中,相关技术中提供一种商店推荐方法及用户终端,其中方法包括:当检测到用户进入室内商店时,向室内服务器发送推荐指令,以使室内服务器获取用户所处的室内商店对应的商店类型信息,并使室内服务器获取位于室内的商店类型信息对应的目标商店,并使室内服务器获取目标商店的目标位置;接收室内服务器响应推荐指令发送的目标位置;在室内地图中确定目标位置对应的映射位置,并使用推荐图标对映射位置进行标记。该方法能够准确地定位推荐商店在室内的位置,有利于快速地找到推荐商店。
在第三种商品推荐方法中,相关技术中提供一种基于即时通信的地理信息提供方法和系统,该方法包括设置地理位置关键字;从即时通信聊天窗口的聊天内容中识别出该地理位置关键字;然后获取对应于该地理位置关键字的地理信息;在该即时通信聊天窗口中显示对应于该地理位置关键字的地理信息。该方案系统特征包括地理位置关键字设置单元、地理位置关键字识别单元、地理信息获取单元和地理信息显示单元,其中:地理位置关键字设置单元,用于设置地理位置关键字;地理位置关键字识别单元,用于从即时通信聊天窗口的聊天内容中识别出该地理位置关键字;地理信息获取单元,用于获取对应于该地理位置关键字的地理信息;地理信息显示单元,用于在即时通信聊天窗口中显示所述对应于该地理位置关键字的地理信息;地理信息获取单元,进一步用于获取即时通信本地终端的地理位置。该系统进一步包括:地理位置告知单元和即时通信伙伴地理信息显示单元,其中:地理位置告知单元,用于通过即时通信聊天窗口向即时通信伙伴告知即时通信本地终端的地理位置;即时通信伙伴地理信息显示单元,用于当该即时通信本地终端的地理位置被即时通信伙伴触发时,在即时通信伙伴的即时通信聊天窗口上显示对应于该即时通信本地终端的地理位置的地理信息。
但是,相关技术中的上述方法,至少存在以下问题:
图1是本申请实施例提供的应用场景示意图,如图1所示,聊天对象10A与聊天对象10B通过即时通信软件聊天,在聊天内容中,聊天对象10A和聊天对象10B沟通一起去吃饭,聊天对象10B建议去聊天对象10A附件吃涮羊肉,但是聊天对象10A并不知道其所在位置附件有哪些店。
基于图1所提供的应用场景,不难得出,上述第一种方法是根据用户的购物偏好,综合考虑用户与商铺在物理空间和网络空间的交互行为提出的商铺推荐模型,进而对用户进行商铺推荐,不能满足图1所示的场景需求,因为当用户相约到某个地方吃饭或购物等,往往不清楚这个地方附近有什么店或者商场等等,对于这种商店模糊定位匹配的情况,上述第一种方法不能实现。
上述第二种方法是用户进入室内后,通过获取用户所处室内位置的商店,并获取目标商店的位置信息,对用户进行目标商店的推荐,该方案本质是根据用户目标商店的位置信息进行路径规划,不能满足上述场景需求。
上述第三种方法需要用户在即时通讯工具进行沟通的时候,通过语音或者人工输入准确的地理位置关键字(包括:吃、喝、玩、乐的去处、标识性建筑物名称或所在地、街道名称等)。然而,如果用户刚到该城市等原因而造成对地点不清楚,该方案不能解决用户因为不清楚当前地点而造成的系统无法识别的问题。另外,在地理位置识别中,需要在即时通讯本地终端预先保存地图信息,然后就能够从即时通讯本地终端获取对应于该地理位置关键字的地理信息,或者,由即时通讯本地终端向位于云端的地理位置服务器发送包含该地理位置关键字的地理位置请求消息,然后该地理位置服务器响应该地理位置请求消息,向即时通讯本地终端返回包含对应于该地理位置关键字的地理信息。然而,该方案不能对没有明确地理位置信息的即时聊天场景进行识别。并且,该方案中,用户需要通过即时通信聊天窗口向即时通信伙伴告知该即时通信本地终端的地理位置,并通过即时通讯聊天窗口发送地理位置信息,同时,即时通信伙伴需要在聊天窗口发送的地理位置信息手动点击触发,从而获取在即时通信伙伴的即时通信聊天窗口上显示对应于该即时通信本地终端的地理位置的地理信息。而且,需要在即时聊天窗口中发送地理位置信息缩略图,并设置了“看详情”、“怎么去”和“目的地”三个功能链接,即时通信聊天伙伴需要手动点击缩略图中的该三个功能,了解地理位置信息和导航信息,显然如果用户当前正在开车或者进行其他事情时,需要用户手动点击并不方便用户操作。另外,上述是采用手动输入精准店铺名称、店铺地址等方式,当用户手动在即时通讯工具中手动输入店铺名称及地址时,后台系统将该店铺名称对应的位置链接发送到即时通讯界面中,但该方案无法满足当前场景用户不清楚商铺名称及地址的需求,且该方案不具备NLP技术处理能力,只是简单的商品名称与地址匹配。
基于相关技术中所存在的上述问题,本申请实施例提供一种信息推荐方法,该方法通过将地图应用与即时通信应用进行后台对接,地图应用获取即时通信应用中的通讯内容,并通过NLP技术提取通讯内容中关于位置、商品等相关的信息语句,再通过NLP技术中的注意力方法,获取商品对应的权重最大的商店及对应商品ID,再根据商店ID对应的位置信息与后台商店类别-地理位置数据库的位置信息计算距离信息,形成该商店与后台保存的相同类别的商店的距离序列,并对距离序列进行从小到大排序,得到距离目标商店ID最近且类别相同的商店,生成目标位置及商店名称,并将目标位置及目标商店名称返回地图应用的前端界面,用户点击地图应用前端界面的地图位置进入导航模式,导航到地图应用生成的目标地址。本申请实施例提供的信息推荐方法,一方面实现了对目标商店(即待推荐信息)的推荐,另一方面还实现了对目标商店位置的导航,帮助用户导航至目标商店。
本申请实施例提供的信息推荐方法,首先,对至少两个聊天对象的聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词;然后,根据位置关键词在至少两个聊天对象中确定出目标对象和目标对象的目标位置信息;根据商品关键词,从预设推荐项目库中匹配出至少一个推荐项目;根据目标位置信息和每一推荐项目对应的位置信息,从至少一个推荐项目中匹配出目标推荐项目;最后,将目标推荐项目推荐给每一聊天对象。如此,由于根据对聊天信息进行识别所得到的位置关键词和商品关键词进行处理和匹配,得到对应于该聊天信息的目标推荐项目,从而能够根据聊天对象的聊天信息,为聊天对象推荐与聊天信息中所涉及的位置相对应的目标推荐项目,而无需用户主动告知位置信息即可实现智能化的信息推荐,有效提高用户体验。
下面说明本申请实施例的信息推荐设备的示例性应用,在一种实现方式中,本申请实施例提供的信息推荐设备可以实施为笔记本电脑,平板电脑,台式计算机,移动设备(例如,移动电话,便携式音乐播放器,个人数字助理,专用消息设备,便携式游戏设备)、智能机器人、智能语音交互设备、智能家电和车载终端等任意的具备信息处理功能的终端;在另一种实现方式中,本申请实施例提供的信息推荐设备还可以实施为服务器。下面,将说明信息推荐设备实施为服务器时的示例性应用。
参见图2,图2是本申请实施例提供的信息推荐系统10的一个可选的架构示意图,为实现对至少两个聊天对象的聊天信息的识别,并基于识别出的位置关键词和商品关键词确定出目标推荐项目并进行信息推荐,本申请实施例提供的信息推荐系统10中至少包括第一终端100、第二终端101、网络200和服务器300。其中,第一终端100和第二终端101上均运行有即时通信应用,第一终端100和第二终端101的用户通过该即时通信应用进行聊天,聊天内容中涉及位置关键词和商品关键词。
本申请实施例中,服务器300可以是地图应用的服务器,也可以是信息推荐应用的服务器。当服务器300为地图应用的服务器时,地图应用与即时通信应用在后台互相关联,这里的互相关联是指地图应用服务器可以获取到同一用户在即时通信应用中的聊天信息,即时通信应用服务器也可以获取到同一用户在地图应用中的地图信息,即地图应用与即时通信应用之间可以进行信息共享;当服务器300为信息推荐应用的服务器时,信息推荐应用与即时通信应用在后台互相关联,信息推荐应用服务器可以获取到同一用户在即时通信应用中的聊天信息,即时通信应用服务器也可以获取到同一用户在信息推荐应用中的推荐信息或推荐项目,即信息推荐应用与即时通信应用之间可以进行信息共享。
本申请实施例中,不同的用户(即聊天对象)可以分别在各自的终端(例如,第一终端100和第二终端101)上与其他的聊天对象进行聊天,本申请实施例以两个聊天对象分别在第一终端100和第二终端101上相互聊天为例进行说明。在两个聊天对象通过第一终端100和第二终端101进行聊天的过程中,服务器300通过网络200获取两个聊天对象的聊天信息,对聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词;然后,根据位置关键词在两个聊天对象中确定出目标对象和目标对象的目标位置信息;根据商品关键词,从预设推荐项目库中匹配出至少一个推荐项目;根据目标位置信息和每一推荐项目对应的位置信息,从至少一个推荐项目中匹配出目标推荐项目;最后通过网络200将目标推荐项目推荐给每一聊天对象,即通过网络200将目标推荐项目发送给第一终端100和第二终端101,实现基于聊天信息而进行的智能化信息推荐。
本申请实施例所提供的信息推荐方法还可以基于云平台并通过云技术来实现,例如,上述服务器300可以是云端服务器,通过云端服务器对聊天信息进行识别并最终得到目标推荐项目。或者,还可以具有云端存储器,可以将推荐项目对应的预设推荐项目库存储于云端存储器中,以便于云端服务器在对聊天信息进行识别得到位置关键词和商品关键词时,可以从云端存储器中匹配出目标推荐项目进行信息推荐;或者,可以将每一推荐项目的位置信息存储于云端存储器中,这样在确定出目标推荐项目之后,可以从云端存储器中获取目标推荐项目的位置信息,并基于目标推荐项目的位置信息确定每一聊天对象与目标推荐项目的位置信息之间的路径信息从而生成导航信息。
这里需要说明的是,云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源,如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用,将来每个物品都有可能存在自己的识别标志,都需要传输到后台系统进行逻辑处理,不同程度级别的数据将会分开处理,各类行业数据皆需要强大的系统后盾支撑,只能通过云计算来实现。
本申请实施例提供的信息推荐方法还涉及人工智能技术领域,通过人工智能技术来确定出目标推荐项目实现信息推荐,即可以通过人工智能技术对聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词、通过人工智能技术匹配出目标推荐项目等。在一些实施例中,还可以通过人工智能技术训练一信息推荐模型,通过该信息推荐模型来实现本申请实施例的信息推荐方法,即通过该信息推荐模型来自动确定出对应于聊天信息的目标推荐项目。
本申请实施例中,至少可以通过人工智能技术中的自然语言处理和机器学习技术来实现。其中,自然语言处理是计算机科学领域与人工智能领域中的一个重要方向,它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学,因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。机器学习(ML,MachineLearning)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
图3是本申请实施例提供的信息推荐设备的结构示意图,图3所示的信息推荐设备包括:至少一个处理器310、存储器350、至少一个网络接口320和用户接口330。信息推荐设备中的各个组件通过总线系统340耦合在一起。可理解,总线系统340用于实现这些组件之间的连接通信。总线系统340除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图3中将各种总线都标为总线系统340。
处理器310可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
用户接口330包括使得能够呈现媒体内容的一个或多个输出装置331,包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口330还包括一个或多个输入装置332,包括有助于用户输入的用户接口部件,比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。
存储器350可以是可移除的,不可移除的或其组合。示例性的硬件设备包括固态存储器,硬盘驱动器,光盘驱动器等。存储器350可选地包括在物理位置上远离处理器310的一个或多个存储设备。存储器350包括易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM,Read Only Memory),易失性存储器可以是随机存取存储器(RAM,Random Access Memory)。本申请实施例描述的存储器350旨在包括任意适合类型的存储器。在一些实施例中,存储器350能够存储数据以支持各种操作,这些数据的示例包括程序、模块和数据结构或者其子集或超集,下面示例性说明。
操作系统351,包括用于处理各种基本系统服务和执行硬件相关任务的系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务;
网络通信模块352,用于经由一个或多个(有线或无线)网络接口320到达其他计算设备,示例性的网络接口320包括:蓝牙、无线相容性认证(WiFi)、和通用串行总线(USB,Universal Serial Bus)等;
输入处理模块353,用于对一个或多个来自一个或多个输入装置332之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。
在一些实施例中,本申请实施例提供的装置可采用软件方式实现,图3示出了存储在存储器350中的一种信息推荐装置354,该信息推荐装置354可以是信息推荐设备中的信息推荐装置,其可以是程序和插件等形式的软件,包括以下软件模块:信息识别模块3541、确定模块3542、第一匹配模块3543、第二匹配模块3544和推荐模块3545,这些模块是逻辑上的,因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。
在另一些实施例中,本申请实施例提供的装置可以采用硬件方式实现,作为示例,本申请实施例提供的装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本申请实施例提供的信息推荐方法,例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,ComplexProgrammable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable GateArray)或其他电子元件。
下面将结合本申请实施例提供的信息推荐设备的示例性应用和实施,说明本申请实施例提供的信息推荐方法,其中,该信息推荐设备可以是任意一种具备信息处理功能的终端,或者也可以是服务器,即本申请实施例的信息推荐方法可以通过终端来执行,也可以通过服务器来执行,或者还可以通过终端与服务器进行交互来执行。
参见图4,图4是本申请实施例提供的信息推荐方法的一个可选的流程示意图,下面将结合图4示出的步骤进行说明,需要说明的是,图4中的信息推荐方法是通过服务器作为执行主体来实现的信息推荐方法。
步骤S401,对至少两个聊天对象的聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词。
这里,至少两个聊天对象可以通过即时通信应用进行即时通信聊天,即时通信应用可以是上述信息推荐应用,即时通信应用的服务器对聊天对象的聊天信息进行实时采集并识别,当识别到聊天信息的意思表示是沟通去某个模糊地点时,采用本申请实施例的后续步骤对聊天对象进行信息推荐。这里的模糊地点是指并没有明确说明或者明确指出去某个确切的地方,而是说某个地方附近、某个地方旁边等具有一定地理范围但是不确切的地点。
本申请实施例中,可以采用文本识别技术或者语音识别技术对聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词。位置关键词是与位置相关的指示词,例如可以是对象指示词。举例来说,位置关键词可以是“我”、“你”、“他”、“她”、“我们”、“你们”、“他们”、“她们”或者用户名称等具有指示任意对象的词。在一些实施例中,位置关键词还可以包括位置指向词,例如,“那里”、“附近”、“旁边”、“那儿”、“楼上”、“楼下”、“前”、“后”、“左”、“右”等词。本申请实施例中,根据位置关键词可以确定出聊天对象想要去的地点。
商品关键词是用于指示目标商品或者目标商品的类型的词,这里的商品是广义上的商品,包括但不限于:有型商品和无型商品。其中有型商品包括但不限于:衣服、电器、食物、食材等类型的商品,无型商品包括但不限于:服务、信息、虚拟币、虚拟商品等。本申请实施例中,聊天信息中的商品关键词可以是任意一种有型商品或无型商品中特定商品的名称或商品的类型。
举例来说,当用户A和用户B沟通的内容是:用户A说“去你那边吃烧烤吧”,则可以确定出的位置关键词为“你”,且该位置关键词指向的用户是用户B;商品关键词是“烧烤”。
步骤S402,根据位置关键词在至少两个聊天对象中确定出目标对象和目标对象的目标位置信息。
在本申请实施例对应的场景中,目标对象可以是参与聊天的至少两个聊天对象中的任意一个,根据识别出的位置关键词,在至少两个聊天对象中确定出目标对象。或者,在其他应用场景中,还可以从参与聊天的至少两个聊天对象中确定出多个聊天对象作为目标对象,也就是说确定出的目标对象可以是多个,那么在该场景下,最终可以得到多个目标推荐项目,可以将多个目标推荐项目推荐给每一聊天对象,以供聊天对象从多个目标推荐项目中进行选择。
这里以确定出的目标对象为一个进行说明。本申请实施例中,由于位置关键词包括对象指示词,或者,位置关键词包括对象指示词和位置指向词。在确定出位置关键词之后,如果位置关键词是对象指示词,则还需要确定该对象指示词所指向的对象是至少两个聊天对象中的哪一个。在实现的时候,可以获取发出该对象指示词的聊天对象的标识信息,根据该标识信息和位置关键词确定目标对象,即根据标识信息和对象指示词确定出聊天信息所指向的目标对象是哪个,并根据目标对象所处位置确定目标位置信息。
在一些实施例中,在确定出位置关键词之后,如果位置关键词是对象指示词和位置指向词,则可以先获取发出该对象指示词的聊天对象的标识信息,根据该标识信息和对象指示词确定目标对象,然后再根据目标对象和位置指向词确定出聊天信息所指向的目标位置信息。
步骤S403,根据商品关键词,从预设推荐项目库中匹配出至少一个推荐项目。
预设推荐项目库中包括至少一个推荐项目,预设推荐项目库中可以具有不同类型的推荐项目,且同一类型的推荐项目可以包括位于任意地点的项目,这样,可以根据商品关键词,从预设推荐项目库中匹配出具有相同类型的至少一个推荐项目。在实现的过程中,可以先根据商品关键词确定出推荐项目的类型,然后从预设推荐项目库中筛选出具有该类型的至少一个推荐项目。
步骤S404,根据目标位置信息和每一推荐项目对应的位置信息,从至少一个推荐项目中匹配出目标推荐项目。
这里,目标位置信息是聊天信息中提取出的聊天对象想要去的目标位置的信息,至少一个推荐项目是与聊天信息中的商品关键词对应的且具有相同类型的多个推荐项目。在确定最终的目标推荐项目时,可以根据目标位置信息和每一推荐项目的位置信息,从至少一个推荐项目中选择出距离目标位置信息对应的目标位置最近的推荐项目,作为该目标推荐项目。
步骤S405,将目标推荐项目推荐给每一聊天对象。
本申请实施例中,在确定出目标推荐项目之后,将目标推荐项目发送给参与聊天的每一聊天对象。在进行推荐的时候,所推荐的目标推荐项目可以包括:目标推荐项目的名称、简介、评价、评论和位置。或者,在一些实施例中,推荐的时候还可以以地图的形式显示目标推荐项目所处的位置,同时还可以显示目标推荐项目所处位置附近的其他高评分项目。
需要说明的是,本申请实施例的执行主体服务器可以是地图应用的服务器,也可以是信息推荐应用的服务器。当服务器为地图应用的服务器时,地图应用与即时通信应用在后台互相关联,这里的互相关联是指地图应用服务器可以获取到同一用户在即时通信应用中的聊天信息,即时通信应用服务器也可以获取到同一用户在地图应用中的地图信息,即地图应用与即时通信应用之间可以进行信息共享。此时,本申请实施例的方案可以对应以下应用场景:地图应用的服务器获取用户在关联的即时通信应用中的聊天信息,并对聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词,然后地图应用的服务器根据位置关键词在至少两个聊天对象中确定出目标对象,并定位出目标对象的目标位置信息,再然后根据商品关键词,从地图应用的预设推荐项目库中匹配出至少一个推荐项目,根据目标位置信息和每一推荐项目对象的位置信息,从至少一个推荐项目中匹配出目标推荐项目,最后将目标推荐项目发送给即时通信应用服务器,实现对每一聊天对象的信息推荐。
当服务器为信息推荐应用的服务器时,信息推荐应用与地图应用在后台互相关联,本申请实施例的方案对应以下应用场景:信息推荐应用的服务器获取用户在即时通信应用中的聊天信息,并对聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词,然后将位置关键词和商品关键词发送给地图应用的服务器,地图应用的服务器根据位置关键词在至少两个聊天对象中确定出目标对象,并定位出目标对象的目标位置信息,再然后根据商品关键词,从地图应用的预设推荐项目库中匹配出至少一个推荐项目,根据目标位置信息和每一推荐项目对象的位置信息,从至少一个推荐项目中匹配出目标推荐项目,最后将目标推荐项目发送给即时通信应用服务器,实现对每一聊天对象的信息推荐。在另一种实现方式中,信息推荐应用的服务器在识别出聊天信息中的位置关键词和商品关键词之后,还可以直接根据位置关键词在至少两个聊天对象中确定出目标对象和目标对象的目标位置信息;根据商品关键词,从信息推荐应用的预设推荐项目库中匹配出至少一个推荐项目;然后根据目标位置信息和每一推荐项目对应的位置信息,从至少一个推荐项目中匹配出目标推荐项目;最后将目标推荐项目推荐给每一聊天对象,也就是说,可以完全由信息推荐应用的服务器实现该信息推荐方法,当需要地图应用提供基于地图的服务时,则可以与地图应用的服务器进行信息交互。
在一些实施例中,信息推荐系统中可以包括至少两个终端和服务器,每一终端上运行有即时通信应用,聊天对象可以通过即时通信应用与其他聊天对象进行聊天,在聊天过程中,聊天对象之间可以商量去吃饭、购物、旅行、娱乐或其他任意一种活动。在聊天过程中,可以商定目的地的模糊范围,也就是说,可以并不商量出具体的店铺、具体的位置或者具体的地方,只是给出一个大概的范围,比如,某个聊天对象家附近、某个聊天对象公司附近、某个聊天对象当前所处位置附近等等。在通过聊天沟通出活动项目和大概的模糊范围之后,即可采用本申请实施例提供的信息推荐方法,向参与聊天的每一聊天对象推荐由该信息推荐系统所确定出的目标推荐项目。
本申请实施例提供的信息推荐方法,对至少两个聊天对象的聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词;并根据位置关键词在至少两个聊天对象中确定出目标对象和目标对象的目标位置信息;根据商品关键词,从预设推荐项目库中匹配出至少一个推荐项目;然后根据目标位置信息和每一推荐项目对应的位置信息,从至少一个推荐项目中匹配出目标推荐项目进行推荐。如此,根据对聊天信息进行识别所得到的位置关键词和商品关键词进行处理和匹配,得到对应于该聊天信息的目标推荐项目,从而能够根据聊天对象的聊天信息,为聊天对象推荐与聊天信息中所涉及的位置相对应的目标推荐项目,而无需用户主动告知位置信息即可实现智能化的信息推荐,有效提高用户体验。
在一些实施例中,信息推荐系统中的聊天对象还可以是多个,可以是多个用户通过即时通信应用构建聊天群组,在群组中聊天,商量去吃饭、购物、旅行、娱乐或其他任意一种活动,并且在聊天过程中,任一聊天对象可以提出建议,建议出目的地的模糊范围。
下面结合本申请实施例提供的信息推荐系统的结构,对本申请实施例的信息推荐方法进行说明,图5是本申请实施例提供的信息推荐方法的一个可选的流程示意图,如图5所示,方法包括以下步骤:
步骤S501,第一聊天对象通过第一终端与第二聊天对象通过第二终端进行即时通信聊天,生成聊天信息。
步骤S502,服务器采集第一聊天对象和第二聊天对象的聊天信息。
步骤S503,服务器对所采集的聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词。
步骤S504,服务器在两个聊天对象中,确定出与对象指示词对应的目标对象。
步骤S505,服务器检测目标对象当前所处的位置,得到目标对象的目标位置信息。
在一些实施例中,目标对象的目标位置信息可以是LBS位置信息或者也可以是全球定位系统(GPS,Global Positioning System)位置信息。对应地,步骤S505可以通过以下两种方式实现:
方式一:步骤S5051,获取目标对象的LBS数据库。
步骤S5052,从目标对象的LBS数据库中匹配得到目标对象当前所处位置对应的目标位置信息。
方式二:步骤S5053,对目标对象的终端设备进行实时位置采集,得到目标对象当前所处位置对应的目标位置信息。
步骤S506,服务器根据商品关键词,从预设推荐项目库中匹配出至少一个推荐项目。
步骤S507,服务器根据所述目标位置信息和每一所述推荐项目对应的位置信息,从至少一个推荐项目中匹配出目标推荐项目。
步骤S508,服务器将目标推荐项目推荐给第一聊天对象和第二聊天对象。
本申请实施例中,采用不同的方式确定目标对象的目标位置信息,提供了多样性的方案,能够保证对目标对象进行准确的目标位置信息采集。
在一些实施例中,还可以预先构建一注意力模型,该注意力模型可以基于注意力机制实现数据计算和信息处理,即基于该注意力模型可以匹配出与商品关键词对应的推荐项目。
本申请实施例中,基于该注意力模型,步骤S403可以通过以下步骤实现:
步骤S4031,通过注意力模型,确定商品关键词与预设推荐项目库中的每一项目之间的匹配度。
步骤S4032,将匹配度大于阈值的项目确定为推荐项目。
本申请实施例提供一种注意力模型的模型结构和基于注意力模型确定商品关键词与每一项目之间的匹配度的方法,其中,该注意力模型至少包括:特征提取层和权重计算层。本申请实施例中,特征提取层用于对输入至注意力模型的商品关键词进行特征提取,以及,在一些实施例中,还可以用于对预设推荐项目库中的每一项目进行特征提取;权重计算层用于计算商品关键词与每一项目之间的权重。在计算得到商品关键词与每一项目之间的权重之后,将该权重作为注意力模型的输出,进而可以根据输入的权重确定出商品关键词与每一项目之间的匹配度。
图6是本申请实施例提供的确定商品关键词与项目之间匹配度的方法的流程示意图,如图6所示,方法包括以下步骤:
步骤S601,通过注意力模型的特征提取层,对商品关键词进行特征提取,得到商品特征向量。
步骤S602,通过注意力模型的特征提取层,对预设推荐项目库中的每一项目进行特征提取,得到项目特征向量。
这里,可以将商品关键词和预设推荐项目库中的每一项目输入至注意力模型中,注意力模型的特征提取层可以分别对商品关键词和每一项目的项目名称进行特征提取,对应得到商品特征向量和每一项目的项目特征向量。其中,商品特征向量可以是与项目特征向量具有相同的维度,这样在权重计算时,可以计算两个特征向量之间的距离,从而得到商品关键词与每一项目之间的权重。
步骤S603,通过注意力模型的权重计算层,根据商品特征向量和项目特征向量,确定出商品关键词与每一项目之间的权重。
本申请实施例中,在计算商品关键词与每一项目之间的权重时,可以计算商品特征向量与每一项目特征向量之间的距离,根据所计算得到的记录确定商品关键词与每一项目之间的权重。需要说明的是,距离越大,表明商品关键词与项目之间的权重越小;距离越小,表明商品关键词与项目之间的权重越大。
步骤S604,将权重确定为商品关键词与每一项目之间的匹配度。
这里,商品关键词与每一项目之间的权重即商品关键词与每一项目之间的匹配度。匹配度越高,则该项目与商品关键词之间的相关度越高。在确定出商品关键词与项目之间的匹配度之后,将匹配度大于阈值的项目确定为推荐项目。
图7是本申请实施例提供的信息推荐方法的一个可选的流程示意图,如图7所示,方法包括以下步骤:
步骤S701,对至少两个聊天对象的聊天信息进行识别,确定出聊天信息中的位置关键词和商品关键词。
步骤S702,根据位置关键词在至少两个聊天对象中确定出目标对象和目标对象的目标位置信息。
步骤S703,根据商品关键词,从预设推荐项目库中匹配出至少一个推荐项目。
在一些实施例中,从预设推荐项目库中匹配出的至少一个推荐项目对应一推荐项目列表。对应地,方法还包括:
步骤S704,根据推荐项目列表,确定出与至少一个推荐项目对应的项目位置矩阵。
在一些实施例中,步骤S704可以通过以下步骤实现:
步骤S7041,确定推荐项目列表中每一推荐项目的位置信息。步骤S7042,根据推荐项目列表中推荐项目和位置信息之间的映射关系,形成项目位置矩阵。
这里,项目位置矩阵可以是以推荐项目为行,位置信息为列;或者是以推荐项目为列,位置信息为行所形成的矩阵。
步骤S705,根据目标位置信息和项目位置矩阵,确定出目标对象与项目位置矩阵中的每一推荐项目之间的距离,得到距离矩阵。
步骤S706,将距离矩阵中的每一距离元素按照从小到大的顺序排列,形成距离序列。
步骤S707,将位于距离序列预设位置的距离元素对应的推荐项目,确定为目标推荐项目。
步骤S708,将目标推荐项目推荐给每一聊天对象。
在一些实施例中,在将目标推荐项目推荐给每一聊天对象时,可以通过以下步骤实现:
步骤S11,在预设推荐项目库中确定与目标推荐项目对应的推荐位置。
步骤S12,获取每一聊天对象的当前位置。
步骤S13,根据每一聊天对象的当前位置和推荐位置,确定聊天对象由当前位置到推荐位置的路径信息。
步骤S14,根据路径信息生成导航信息。
步骤S15,将每一聊天对象的导航信息对应发送至聊天对象的终端设备,以在终端设备显示导航信息。
在一些实施例中,目标推荐项目可以是一个或多个,当目标推荐项目是多个时,方法还可以包括以下步骤:
步骤S21,获取每一目标推荐项目的项目简介信息。
步骤S22,在每一聊天对象的终端设备上显示每一目标推荐项目的项目简介信息。
在一些实施例中,在向每一聊天对象进行信息推荐时,在终端的当前界面上还可以显示选择按钮,选择按钮用于选择是否去该目标推荐项目所在的位置,或者用于选择是否接受本次推荐。当用户选择去目标推荐项目所在的位置或者选择接受本次推荐时,可以自动跳转到详情页面。其中,详情页面可以是目标推荐项目的信息介绍页面,或者是从当前位置到目标推荐项目所处位置的导航页面。
步骤S23,接收任一聊天对象针对于任一目标推荐项目的选择操作。
步骤S24,响应于选择操作,将任一聊天对象所选择的目标推荐项目推荐给每一聊天对象。
本申请实施例中,可以接收至少两个聊天对象中的每一聊天对象针对于目标推荐项目的选择操作,当多个选择操作的选择结果不同时,可以发出提示消息,提示每一聊天对象进行重新选择,或者提示其他聊天对象的选择结果,并请求重新进行选择。或者,还可以将具有最多数量的选择结果作为最终的选择结果进行响应,例如,本次聊天的聊天对象有5人,确定出的目标推荐项目为M1,在每个人的终端上均推荐该目标推荐项目M1,如果有3个人选择了不接受本次推荐,有2个人选择了接收本次推荐,则可以对不接受本次推荐的选择结果进行响应,重新确定目标推荐项目进行重新推荐或者发出提示消息。
本申请实施例中,生成聊天信息的即时通信应用与匹配出目标推荐项目的信息推荐应用(例如可以是地图应用)可以预先关联起来,也就是说,可以将同一用户的即时通信账户,与信息推荐应用或地图应用等能够实现位置服务的位置服务账户关联起来,这样,位置服务账户的服务器与即时通信账户的服务器之间可以进行信息共享。对应地,本申请实施例的方法还可以包括以下步骤:
步骤S31,获取每一聊天对象的对象标识。
这里,对象标识可以是聊天对象的身份标识,通过身份标识可以区别不同的聊天对象。
步骤S32,确定与对象标识对应的即时通信账户和位置服务账户。
这里,即时通信账户是用户在即时通信应用注册的账户,位置服务账户是用户在位置服务应用注册的账户。即时通信账户和位置服务账户可以对应相同的身份标识,例如,可以对应相同的手机号、身份证号、姓名等信息。
步骤S33,将同一对象标识对应的即时通信账户和位置服务账户进行账户关联。
这里,账户关联是指即时通信账户和位置服务账户互相映射,即时通信账户与位置服务账户之间具有映射关系,当即使通信账户已知时,根据该即时通信账户可以从位置服务应用中确定出对应的位置服务账户,从而能够实现对于同一用户在即时通信应用和位置服务应用(例如可以是地图应用)之间进行信息共享。
下面,将说明本申请实施例在一个实际的应用场景中的示例性应用。
现实生活中,往往存在一种情况,就是用户相约到某个地方吃饭、购物等,但是,用户往往不清楚附近有什么店或者商场等,对于这种商店模糊定位匹配的情况,相关技术中并没有很好的解决方案。
本申请实施例提供一种信息推荐方法,通过将地图应用与即时通信APP进行后台对接,地图应用获取即时通信APP中的通讯内容(即聊天信息),并通过NLP技术提取通讯内容中关于位置、商品等相关的信息语句,再通过NLP技术中的注意力方法,获取商品对应的权重最大的商店及对应商品ID,再根据商店ID对应的兴趣点(POI,Point of Interest)位置信息(即目标位置信息)与后台商店类别-地理位置数据库的POI位置信息计算距离信息,形成该商店与后台保存的相同类别的商店POI距离序列,并对距离进行从小到大排序,得到距离目标商店ID最近且类别相同的商店,生成目标位置及目标商店名称,并将目标位置及目标商店名称返回地图应用的前端界面。当用户点击该目标位置,则进入导航模式,导航到地图应用生成的目标地址。
本申请实施例的信息推荐设备至少包括:通讯讯息内容数据库模块、用户地理位置数据库模块、商品-商铺-商铺类别-地理位置数据库模块、自然语言处理模块、导航模块和地图模块。其中,通讯讯息内容数据库模块包括:用户ID、通讯内容、通讯时间等信息;用户地理位置数据库模块包括:用户ID、用户LBS位置信息、时间戳;商品-商铺-商铺类别-地理位置数据库模块包括:商铺名称、商铺ID、商铺POI位置信息、商铺一级类别目录、商铺二级类别目录、商铺商品、商铺所在城市、商铺所在省份、商铺所在商圈等信息;自然语言处理模块主要使用NLP技术处理通讯讯息内容数据库中的聊天信息,并且计算目标用户与目标最相关的商铺地理位置之间的距离,并确定距离最近的目标商铺的位置;地图模块主要用于接收后台回传的目标地理位置信息及提供导航功能;导航模块主要用于规划最优路线,并生成导航路线信息返回给地图应用的前端界面。
本申请实施例的方案解决了在日常导航过程中,用户往往并不清楚商铺所在位置的导航问题,也解决了用户在驾车过程中手动分享发送位置信息而增加驾车风险的问题。
本申请实施例的方案会解决如下问题:
(1)本申请实施例先通过NLP技术及用户地理位置实时数据库,确定用户所在位置的LBS位置信息。本申请实施例可以通过云端网络将地图应用与即时通讯应用进行后台对接,使得地图应用能够获取即时通讯应用中的通讯内容,地图后台系统通过NLP自然语言处理技术,提取通讯内容语句中的“我”、“你”、“他”、“她”、“我们”、“你们”、“他们”、“她们”或者用户名称等与用户名称位置相关的语句及用户ID信息作为位置关键词,并将提取出来的用户ID信息与用户地理位置实时数据库进行匹配,确定该目标用户的LBS位置信息。本申请实施例能够通过NLP技术和用户地理位置实时数据库,通过模型推理的方式获取用户的位置,而无需用户告知自己位置信息,有效提高用户体验。
(2)本申请实施例通过构建语音识别模块与地理实时位置信息模块,将两个模块通过用户ID进行匹配,生成对应用户的LBS位置信息,从而根据LBS位置信息生成导航路线返回给地图。本申请实施例无需用户手动确定和手动触发地理位置信息,降低了用户驾驶过程中的风险。
(3)本申请实施例通过NLP技术提取聊天信息中与商品相关的内容信息,并采用注意力技术,将提取的商品名称信息(即商品关键词)与“商品-商铺-商铺类别-地理位置数据库”中的商品列进行权重计算,获取与该商品名称信息匹配度权重最大的商品列,并在“商品-商铺-商铺类别-地理位置数据库”查询对应的商铺名称和商铺地理位置POI信息(经纬度),组成相关商铺位置矩阵。本申请实施例采用注意力技术,能够有效获取与聊天信息中的商品名称信息相关的商铺类别及商铺位置序列,在用户不清楚附近商铺的情况下,能够通过使用NLP技术进行模糊匹配,解决了用户不知道附近商铺信息的问题,有效提升用户体验。
(4)本申请实施例通过注意力技术获取相关商铺的权重序列及对应的商铺POI位置信息后,通过计算用户POI位置与商铺POI位置信息之间的距离,将距离目标用户最近的商铺作为目标商铺,并在地图应用中生成导航路径。如此,能够有效减少用户寻找商铺的时间,提升用户体验。
图8是本申请实施例提供的基于注意力技术地图模糊导航的商店推荐方法流程示意图,如图所示,方法包括以下步骤:
步骤S801,账户关联阶段。使用用户ID(例如,手机号、微信号或qq号等)将即时通讯应用82的客户端与地图应用81的客户端进行账户关联,使得地图应用的后台服务器能够通过统一的用户ID获取即时通讯应用中的通讯内容(即不同聊天对象之间的聊天信息),并存储至通讯讯息内容数据库83中。
步骤S802,使用NLP技术提取聊天记录中用户ID信息、与用户名称位置相关的语句,并匹配用户地理位置数据库84,得到目标用户的LBS实时位置经纬度信息85。这里,与用户名称位置相关的语句包括但不限于:“我”、“你”、“他”、“她”、“我们”、“你们”、“他们”、“她们”或者用户名称等语句。
步骤S803,使用NLP技术提取聊天信息中与商品相关的信息,并采用注意力技术,将提取的商品名称信息与“商品-商铺-商铺类别-地理位置数据库”86中的商品列进行权重计算,获取与该商品名称匹配度权重最大的商品列,并在“商品-商铺-商铺类别-地理位置数据库”中查询对应的商铺名称和商铺地理位置POI信息(经纬度),组成相关商铺位置矩阵。
步骤S804,输入步骤S802中的目标用户的LBS实时位置经纬度信息和步骤S803中的相关商铺位置矩阵,构建欧氏距离,计算目标用户与相关商铺之间的距离,得到目标用户与相关商铺位置之间的距离矩阵,并将该距离矩阵按照距离从小到大排序。
步骤S805,输入步骤S804中排第一(表明目标用户与相关商铺的距离最短)的商铺作为最终的目标商铺,并在“商品-商铺-商铺类别-地理位置数据库”查询该目标商铺的地理位置信息,将该目标商铺的名称和地理位置信息返回到即时通讯应用的当前页面。
步骤S806,当用户在即时通讯应用的当前页面上点击目标商铺的名称后,即时通讯应用的后台服务器根据目标商铺的名称隐藏的商铺地理位置信息链接,跳转到地图应用的后台。地图应用的后台服务器根据目标商铺的地理位置信息分别生成第一用户与目标商铺的导航路径和第二用户与目标商铺的导航路径。
步骤S807,第一用户和第二用户在地图应用的前端页面上点击“确定”,地图导航至目标商铺的位置,完成整个模糊导航商店推荐流程。
图9是本申请实施例提供的注意力技术的算法机制的构建流程示意图,如图9所示,上述注意力技术的算法机制的构建流程包括以下步骤:
步骤S901,输入文本数据。通过NLP技术提取即时通讯应用中的文本内容,并提取出与商品、商品类别、商铺类别、商铺相关的语句构成输入的文本数据。
步骤S902,构建注意力模型。输入步骤S901中的与商品、商品类别、商铺类别、商铺相关的语句构成的文本数据。构建注意力模型,计算文本数据与“商品-商铺-商铺类别-地理位置数据库”中商品名称、商铺类别、商铺名称等文本序列的权重。其中,注意力模型构建通过以下公式(1)实现:
其中,表示每一个输入位置j的文本信息位置,在这里表示“商品-商铺-商铺类别-权重”矩阵中获取到的商品、商铺、商铺类别文本内容的第j个文本位置;表示当前输出位置的隐含层状态下的文本内容;表示与位置的关联性;表示基于的注意力的分布。
图10是本申请实施例提供的构建注意力模型的流程示意图,如图10所示,方法包括以下步骤:
步骤S101,获取即时通信应用的文本数据(即聊天信息)。
步骤S102,采用NLP技术对文本数据进行信息提取。
然后,将提取到的文本信息1001输入至注意力模型1002中。分别通过注意力模型1002得到商品名称1003、商铺名称1004和商品类别1005。
步骤S103,将得到的商品名称1003、商品名称1004和商品类别1005,与商品-商铺-商品类别-权重矩阵数据库1006中的信息进行权重计算,得到对应的权重。
步骤S903,目标权重矩阵的确定。输入步骤S902中的商铺名称、商铺类别、商品名称及对应的权重,构成“商品-商铺-商铺类别-权重”矩阵,进一步地,根据权重从大到小进行排序,并获取权重最高的前N位目标商铺。
本申请实施例提供的信息推荐方法,通过NLP技术及用户地理位置实时数据库确定目标用户所在的LBS位置信息。通过云端网络将地图应用与即时通讯应用进行后台对接,使得地图应用能够获取即时通讯应用中的通讯内容,地图应用的后台系统通过NLP自然语言处理技术,提取通讯内容的信息语句中“我”、“你”、“他”、“她”、“我们”、“你们”、“他们”、“她们”或者用户名称等与用户名称位置相关的语句及用户ID信息,并将提取出来的用户ID信息与用户地理位置实时数据库进行匹配,确定出该目标用户的LBS位置信息。本申请实施例能够通过NLP技术和用户地理位置实时数据库,通过模型推理的方式获取目标用户的位置,而无需用户告知自己位置信息,有效提高用户体验。
另外,本申请实施例通过构建语音识别模块与地理实时位置信息模块,将两个模块通过用户ID进行匹配,生成对应的用户位置LBS信息,从而根据LBS位置信息生成导航路线返回给地图应用,从而无需用户手动确定和手动触发地理位置信息,降低了用户驾驶过程中的风险。
通过NLP技术提取聊天记录中与商品相关的内容信息,并采用attention技术,将提取的商品名称信息与“商品-商铺-商铺类别-地理位置数据库”中的商品列进行权重计算,获取与该商品名称匹配度权重最大的商品列,并在“商品-商铺-商铺类别-地理位置数据库”查询对应的商铺名称和商铺地理位置POI信息(经纬度),组成相关商铺位置矩阵。本方案采用Attention技术,能够有效获取与聊天记录商品相关的商铺类别及商铺位置序列,在用户不清楚附近商铺的情况下,能够通过使用NLP技术进行模糊匹配,解决了用户不知道附近商铺信息的问题,有效提升用户体验。
本申请实施例还通过注意力技术获取相关商铺的权重序列及对应的商铺位置信息后,通过计算目标用户的POI位置和商铺POI位置信息之间的距离,将距离目标用户距离最近的商铺作为目标商铺并在地图中生成导航路径,如此,能够有效减少用户寻找商铺的时间,提升用户体验。需要说明的是,本申请实施例可用于任何地图商铺的模糊推荐方案中。
可以理解的是,在本申请实施例中,涉及到用户信息的内容,例如,聊天对象的聊天信息、通讯内容等相关的数据,当本申请实施例运用到具体产品或技术中时,需要获得用户许可或者同意,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
下面继续说明本申请实施例提供的信息推荐装置354实施为软件模块的示例性结构,在一些实施例中,如图3所示,信息推荐装置354包括:
信息识别模块3541,用于对至少两个聊天对象的聊天信息进行识别,确定出所述聊天信息中的位置关键词和商品关键词;
确定模块3542,用于根据所述位置关键词,在所述至少两个聊天对象中确定出目标对象和所述目标对象的目标位置信息;
第一匹配模块3543,用于根据所述商品关键词,从预设推荐项目库中匹配出至少一个推荐项目;
第二匹配模块3544,用于根据所述目标位置信息和每一所述推荐项目对应的位置信息,从所述至少一个推荐项目中匹配出目标推荐项目;
推荐模块3545,用于将所述目标推荐项目推荐给每一所述聊天对象。
在一些实施例中,所述位置关键词包括对象指示词;所述确定模块还用于:在所述至少两个聊天对象中,确定出与所述对象指示词对应的目标对象;检测所述目标对象当前所处的位置,得到所述目标对象的目标位置信息。
在一些实施例中,所述确定模块还用于:获取所述目标对象的LBS数据库;从所述目标对象的LBS数据库中匹配得到所述目标对象当前所处位置对应的所述目标位置信息;或者,对所述目标对象的终端设备进行实时位置采集,得到所述目标对象当前所处位置对应的所述目标位置信息。
在一些实施例中,所述第一匹配模块还用于:通过注意力模型,确定所述商品关键词与预设推荐项目库中的每一项目之间的匹配度;将匹配度大于阈值的项目确定为所述推荐项目。
在一些实施例中,所述第一匹配模块还用于:通过所述注意力模型的特征提取层,对所述商品关键词进行特征提取,得到商品特征向量;并对所述预设推荐项目库中的每一项目进行特征提取,得到项目特征向量;通过所述注意力模型的权重计算层,根据所述商品特征向量和所述项目特征向量,确定出所述商品关键词与所述每一项目之间的权重;将所述权重,确定为所述商品关键词与所述每一项目之间的匹配度。
在一些实施例中,所述至少一个推荐项目对应一推荐项目列表;所述装置还包括:项目位置矩阵确定模块,用于根据所述推荐项目列表,确定出与所述至少一个推荐项目对应的项目位置矩阵;所述第二匹配模块还用于:根据所述目标位置信息和所述项目位置矩阵,确定出所述目标对象与所述项目位置矩阵中的每一推荐项目之间的距离,得到距离矩阵;将所述距离矩阵中的每一距离元素按照从小到大的顺序排列,形成距离序列;将位于所述距离序列预设位置的距离元素对应的推荐项目,确定为所述目标推荐项目。
在一些实施例中,所述项目位置矩阵确定模块还用于:确定所述推荐项目列表中每一推荐项目的位置信息;根据所述推荐项目列表中推荐项目和位置信息之间的映射关系,形成所述项目位置矩阵。
在一些实施例中,所述推荐模块还用于:在所述预设推荐项目库中确定与所述目标推荐项目对应的推荐位置;获取每一所述聊天对象的当前位置;根据每一所述聊天对象的当前位置和所述推荐位置,确定所述聊天对象由所述当前位置到所述推荐位置的路径信息;根据所述路径信息生成导航信息;将每一聊天对象的所述导航信息对应发送至所述聊天对象的终端设备,以在所述终端设备显示所述导航信息。
在一些实施例中,所述目标推荐项目包括至少一个;所述装置还包括:第一获取模块,用于获取每一所述目标推荐项目的项目简介信息;显示模块,用于在每一所述聊天对象的终端设备上显示每一所述目标推荐项目的项目简介信息;接收模块,用于接收任一聊天对象针对于任一所述目标推荐项目的选择操作;响应模块,用于响应于所述选择操作,将所述任一聊天对象所选择的目标推荐项目推荐给每一所述聊天对象。
在一些实施例中,所述装置还包括:第二获取模块,用于获取每一所述聊天对象的对象标识;账户确定模块,用于确定与所述对象标识对应的即时通信账户和位置服务账户;账户关联模块,用于将同一对象标识对应的即时通信账户和位置服务账户进行账户关联。
需要说明的是,本申请实施例装置的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果,因此不做赘述。对于本装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
本申请实施例提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本申请实施例上述的方法。
本申请实施例提供一种存储有可执行指令的存储介质,其中存储有可执行指令,当可执行指令被处理器执行时,将引起处理器执行本申请实施例提供的方法,例如,如图4示出的方法。
在一些实施例中,存储介质可以是计算机可读存储介质,例如,铁电存储器(FRAM,Ferromagnetic Random Access Memory)、只读存储器(ROM,Read Only Memory)、可编程只读存储器(PROM,Programmable Read Only Memory)、可擦除可编程只读存储器(EPROM,Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM,Electrically Erasable Programmable Read Only Memory)、闪存、磁表面存储器、光盘、或光盘只读存储器(CD-ROM,Compact Disk-Read Only Memory)等存储器;也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
以上所述,仅为本申请的实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等,均包含在本申请的保护范围之内。
Claims (13)
1.一种信息推荐方法,其特征在于,所述方法包括:
对至少两个聊天对象的聊天信息进行识别,确定出所述聊天信息中的位置关键词和商品关键词;
根据所述位置关键词在所述至少两个聊天对象中确定出目标对象和所述目标对象的目标位置信息;
根据所述商品关键词,从预设推荐项目库中匹配出至少一个推荐项目;
根据所述目标位置信息和每一所述推荐项目对应的位置信息,从所述至少一个推荐项目中匹配出目标推荐项目;
将所述目标推荐项目推荐给每一所述聊天对象。
2.根据权利要求1所述的方法,其特征在于,所述位置关键词包括对象指示词;所述根据所述位置关键词在所述至少两个聊天对象中确定出目标对象和所述目标对象的目标位置信息,包括:
在所述至少两个聊天对象中,确定出与所述对象指示词对应的目标对象;
检测所述目标对象当前所处的位置,得到所述目标对象的目标位置信息。
3.根据权利要求2所述的方法,其特征在于,所述检测所述目标对象当前所处的位置,得到所述目标对象的目标位置信息,包括:
获取所述目标对象的LBS数据库;从所述目标对象的LBS数据库中匹配得到所述目标对象当前所处位置对应的所述目标位置信息;
或者,
对所述目标对象的终端设备进行实时位置采集,得到所述目标对象当前所处位置对应的所述目标位置信息。
4.根据权利要求1所述的方法,其特征在于,所述根据所述商品关键词,从预设推荐项目库中匹配出至少一个推荐项目,包括:
通过注意力模型,确定所述商品关键词与预设推荐项目库中的每一项目之间的匹配度;
将匹配度大于阈值的项目确定为所述推荐项目。
5.根据权利要求4所述的方法,其特征在于,所述通过注意力模型,确定所述商品关键词与预设推荐项目库中的每一项目之间的匹配度,包括:
通过所述注意力模型的特征提取层,对所述商品关键词进行特征提取,得到商品特征向量;
并对所述预设推荐项目库中的每一项目进行特征提取,得到项目特征向量;
通过所述注意力模型的权重计算层,根据所述商品特征向量和所述项目特征向量,确定出所述商品关键词与所述每一项目之间的权重;
将所述权重,确定为所述商品关键词与所述每一项目之间的匹配度。
6.根据权利要求1所述的方法,其特征在于,所述至少一个推荐项目对应一推荐项目列表;所述方法还包括:
根据所述推荐项目列表,确定出与所述至少一个推荐项目对应的项目位置矩阵;
所述根据所述目标位置信息和每一所述推荐项目对应的位置信息,从所述至少一个推荐项目中匹配出目标推荐项目,包括:
根据所述目标位置信息和所述项目位置矩阵,确定出所述目标对象与所述项目位置矩阵中的每一推荐项目之间的距离,得到距离矩阵;
将所述距离矩阵中的每一距离元素按照从小到大的顺序排列,形成距离序列;
将位于所述距离序列预设位置的距离元素对应的推荐项目,确定为所述目标推荐项目。
7.根据权利要求6所述的方法,其特征在于,所述根据所述推荐项目列表,确定出与所述至少一个推荐项目对应的项目位置矩阵,包括:
确定所述推荐项目列表中每一推荐项目的位置信息;
根据所述推荐项目列表中推荐项目和位置信息之间的映射关系,形成所述项目位置矩阵。
8.根据权利要求1所述的方法,其特征在于,所述将所述目标推荐项目推荐给每一所述聊天对象,包括:
在所述预设推荐项目库中确定与所述目标推荐项目对应的推荐位置;
获取每一所述聊天对象的当前位置;
根据每一所述聊天对象的当前位置和所述推荐位置,确定所述聊天对象由所述当前位置到所述推荐位置的路径信息;
根据所述路径信息生成导航信息;
将每一聊天对象的所述导航信息对应发送至所述聊天对象的终端设备,以在所述终端设备显示所述导航信息。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述目标推荐项目包括至少一个;所述方法还包括:
获取每一所述目标推荐项目的项目简介信息;
在每一所述聊天对象的终端设备上显示每一所述目标推荐项目的项目简介信息;
接收任一聊天对象针对于任一所述目标推荐项目的选择操作;
响应于所述选择操作,将所述任一聊天对象所选择的目标推荐项目推荐给每一所述聊天对象。
10.根据权利要求1至8任一项所述的方法,其特征在于,所述方法还包括:
获取每一所述聊天对象的对象标识;
确定与所述对象标识对应的即时通信账户和位置服务账户;
将同一对象标识对应的即时通信账户和位置服务账户进行账户关联。
11.一种信息推荐装置,其特征在于,所述装置包括:
信息识别模块,用于对至少两个聊天对象的聊天信息进行识别,确定出所述聊天信息中的位置关键词和商品关键词;
确定模块,用于根据所述位置关键词,在所述至少两个聊天对象中确定出目标对象和所述目标对象的目标位置信息;
第一匹配模块,用于根据所述商品关键词,从预设推荐项目库中匹配出至少一个推荐项目;
第二匹配模块,用于根据所述目标位置信息和每一所述推荐项目对应的位置信息,从所述至少一个推荐项目中匹配出目标推荐项目;
推荐模块,用于将所述目标推荐项目推荐给每一所述聊天对象。
12.一种信息推荐设备,其特征在于,包括:
存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至10任一项所述的信息推荐方法。
13.一种计算机可读存储介质,其特征在于,存储有可执行指令,用于引起处理器执行所述可执行指令时,实现权利要求1至10任一项所述的信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111431822.1A CN113836435A (zh) | 2021-11-29 | 2021-11-29 | 信息推荐方法、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 |
---|---|---|---|
CN202111431822.1A CN113836435A (zh) | 2021-11-29 | 2021-11-29 | 信息推荐方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113836435A true CN113836435A (zh) | 2021-12-24 |
Family
ID=78971884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111431822.1A Withdrawn CN113836435A (zh) | 2021-11-29 | 2021-11-29 | 信息推荐方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113836435A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114154085A (zh) * | 2022-02-08 | 2022-03-08 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
CN114372213A (zh) * | 2022-03-22 | 2022-04-19 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备、存储介质及程序产品 |
CN114780849A (zh) * | 2022-04-29 | 2022-07-22 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、服务器和存储介质 |
CN116701811A (zh) * | 2023-08-02 | 2023-09-05 | 腾讯科技(深圳)有限公司 | 一种网页处理方法、装置、设备及计算机可读存储介质 |
CN116761298A (zh) * | 2023-08-23 | 2023-09-15 | 深圳光都照明有限公司 | 一种具有智能控制功能的led驱动器及控制方法 |
WO2024067293A1 (zh) * | 2022-09-30 | 2024-04-04 | 华为技术有限公司 | 一种服务卡片推荐的方法和电子设备 |
-
2021
- 2021-11-29 CN CN202111431822.1A patent/CN113836435A/zh not_active Withdrawn
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114154085A (zh) * | 2022-02-08 | 2022-03-08 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
CN114372213A (zh) * | 2022-03-22 | 2022-04-19 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备、存储介质及程序产品 |
CN114780849A (zh) * | 2022-04-29 | 2022-07-22 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、服务器和存储介质 |
WO2024067293A1 (zh) * | 2022-09-30 | 2024-04-04 | 华为技术有限公司 | 一种服务卡片推荐的方法和电子设备 |
CN116701811A (zh) * | 2023-08-02 | 2023-09-05 | 腾讯科技(深圳)有限公司 | 一种网页处理方法、装置、设备及计算机可读存储介质 |
CN116701811B (zh) * | 2023-08-02 | 2024-02-27 | 腾讯科技(深圳)有限公司 | 一种网页处理方法、装置、设备及计算机可读存储介质 |
CN116761298A (zh) * | 2023-08-23 | 2023-09-15 | 深圳光都照明有限公司 | 一种具有智能控制功能的led驱动器及控制方法 |
CN116761298B (zh) * | 2023-08-23 | 2023-10-27 | 深圳光都照明有限公司 | 一种具有智能控制功能的led驱动器及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113836435A (zh) | 信息推荐方法、装置、设备及计算机可读存储介质 | |
Ash et al. | Digital turn, digital geographies? | |
US10909441B2 (en) | Modeling an action completion conversation using a knowledge graph | |
Duckham et al. | Including landmarks in routing instructions | |
US20160379106A1 (en) | Human-computer intelligence chatting method and device based on artificial intelligence | |
TWI521185B (zh) | 用於位置至地標之方法、系統、及電腦可讀取儲存媒體 | |
CN110929162A (zh) | 基于兴趣点的推荐方法、装置、计算机设备和存储介质 | |
CN104794145B (zh) | 基于内容和关系距离来连接人们 | |
CN104102719A (zh) | 一种轨迹信息的推送方法及装置 | |
CN102483753A (zh) | 搜索结果中的计算机应用数据 | |
KR20170030379A (ko) | 사용자 선호에 맞춘 여행 큐레이션 서비스 방법 및 시스템 | |
Sergis et al. | Learning object recommendations for teachers based on elicited ICT competence profiles | |
Weakliam et al. | Implicit interaction profiling for recommending spatial content | |
CN110187780A (zh) | 长文本预测方法、装置、设备和存储介质 | |
WO2016153426A1 (en) | Method and apparatus for creating map data for calculating commute time using public transit information | |
CN104050243A (zh) | 一种将搜索与社交相结合的网络搜索方法及其系统 | |
KR20200031006A (ko) | 교육과정 평가에 따른 평가정보 구축 및 제공방법 | |
Duan et al. | Personalized service recommendations for travel using trajectory pattern discovery | |
Praditya et al. | Designing a tourism recommendation system using a hybrid method (Collaborative Filtering and Content-Based Filtering) | |
US10733253B2 (en) | Methods and systems for providing residence recommendations based on personal interests | |
CN113918802B (zh) | 导航方法、装置、设备、介质及产品 | |
Abbaspour et al. | Building a context-aware mobile tourist guide system base on a service oriented architecture | |
JP6361173B2 (ja) | 情報処理装置、情報処理方法、プログラム、及び情報処理システム | |
CN110879863B (zh) | 跨领域搜索方法和跨领域搜索装置 | |
Dennouni et al. | Recommendation techniques in mobile learning context: a review |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211224 |