CN114579870B - 基于关键字的金融主播推荐方法及系统 - Google Patents
基于关键字的金融主播推荐方法及系统 Download PDFInfo
- Publication number
- CN114579870B CN114579870B CN202210480883.5A CN202210480883A CN114579870B CN 114579870 B CN114579870 B CN 114579870B CN 202210480883 A CN202210480883 A CN 202210480883A CN 114579870 B CN114579870 B CN 114579870B
- Authority
- CN
- China
- Prior art keywords
- anchor
- audio data
- search
- anchors
- search condition
- 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
Links
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7834—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using audio features
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Abstract
本申请提供一种基于关键字的金融主播推荐方法系统,所述方法包括如下步骤:终端的主播平台获取用户输入的搜索关键字“股票”,终端在所有app中提取证券类app,提取证券类app的历史操作信息获取用户操作的具体公司标识,该公司标识包括:股票代码和/或上市名称;终端的主播平台将该公司标识作为搜索条件在主播平台搜索合适的主播;终端的主播平台获取符合该搜索条件以及该搜索关键字的多个主播,将多个主播按该搜索条件进行排序后得到第一序列,将该第一序列推荐给用户。本申请具有用户体验度高的优点。
Description
技术领域
本发明涉及证券及互联网领域,具体涉及一种基于关键字的金融主播推荐方法及系统。
背景技术
网络主播,简称主播是指在互联网节目或活动中,负责参与一系列策划、编辑、录制、制作、观众互动等工作,并由本人担当主持工作的人。随着短视频的兴起,越来越多的主播开始出现,对于金融领域来说,不同的主播可能具有不同的风格,但是其也有可能比较混搭,例如主播甲方向可以为A股,细分利于,主播的方向可以为A股的大盘行情,对于主播乙,其可能为股票和期货,其可能今天播股票,明天说期货,但是现有的方法无法基于股票的关键字来实现对主播的推荐,影响了用户的体验度。
发明内容
本发明实施例提供了一种基于关键字的金融主播推荐方法及系统,可以实现股票关键字来实现对主播的推荐,提高用户体验度的优点。
第一方面,本发明实施例提供一种基于关键字的金融主播推荐方法,所述方法包括如下步骤:
终端的主播平台获取用户输入的搜索关键字“股票”,终端在所有app中提取证券类app,提取证券类app的历史操作信息获取用户操作的具体公司标识,该公司标识包括:股票代码和/或上市名称;
终端的主播平台将该公司标识作为搜索条件在主播平台搜索合适的主播;
终端的主播平台获取符合该搜索条件以及该搜索关键字的多个主播,将多个主播按该搜索条件进行排序后得到第一序列,将该第一序列推荐给用户。
第二方面,提供一种基于关键字的金融主播推荐系统,所述系统包括:
获取单元,用于获取用户输入的搜索关键字“股票”,在所有app中提取证券类app,提取证券类app的历史操作信息获取用户操作的具体公司标识,该公司标识包括:股票代码和/或上市名称;
处理单元,用于将该公司标识作为搜索条件在主播平台搜索合适的主播;获取符合该搜索条件以及该搜索关键字的多个主播,将多个主播按该搜索条件进行排序后得到第一序列,将该第一序列推荐给用户。
第三方面,提供一种计算机可读存储介质,其存储用于电子数据交换的程序,其中,所述程序使得终端执行第一方面提供的方法。
实施本发明实施例,具有如下有益效果:
可以看出,本申请提供的技术方案,本申请提供的技术方案终端的主播平台获取用户输入的搜索关键字“股票”,终端在所有app中提取证券类app,提取证券类app的历史操作信息获取用户操作的具体公司标识,该公司标识包括:股票代码和/或上市名称;终端的主播平台将该公司标识作为搜索条件在主播平台搜索合适的主播;终端的主播平台获取符合该搜索条件以及该搜索关键字的多个主播,将多个主播按该搜索条件进行排序后得到第一序列,将该第一序列推荐给用户。这样技术方案在进行主播推荐时,不仅仅只能搜索股票的关键字,还能够依据其历史操作信息来实现对其关心的公司实现对主播的优选推荐,进而提高推荐的准确性,提高用户的体验度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是一种终端的结构示意图
图2是一种基于关键字的金融主播推荐方法的流程示意图;
图2A是本申请提供的RNN的时刻计算示意图;
图3是一种基于关键字的金融主播推荐系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结果或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
参阅图1,图1提供了一种终端,该终端可以为IOS、安卓等系统的终端,当然也可以为其他系统的终端,例如鸿蒙等等,本申请并不限制上述具体的系统,如图1所示,上述终端设备具体可以包括:处理器、存储器、显示屏、通信电路和音频组件(可选的),上述部件可以通过总线连接,也可以通过其他方式连接,本申请并不限制上述连接的具体方式。
上述连接也可以通过通信系统连接。通信系统可以是:全球移动通讯(GlobalSystem of Mobile communication,GSM)系统、码分多址(Code Division MultipleAccess,CDMA)系统、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)系统、通用分组无线业务(General Packet Radio Service,GPRS)、长期演进(Long TermEvolution,LTE)系统、先进的长期演进(Advanced long term evolution,LTE-A)系统、新空口(New Radio,NR)系统、NR系统的演进系统、免授权频谱上的LTE系统(LTE-basedaccess to unlicensed spectrum,LTE-U)、免授权频谱上的NR系统(NR-based accesstounlicensed spectrum,NR-U)、通用移动通信系统(Universal MobileTelecommunication System,UMTS)、下一代通信系统或其他通信系统等。
股票(stock)是股份公司所有权的一部分,也是发行的所有权凭证,是股份公司为筹集资金而发行给各个股东作为持股凭证并借以取得股息和红利的一种有价证券。股票是资本市场的长期信用工具,可以转让,买卖,股东凭借它可以分享公司的利润,但也要承担公司运作错误所带来的风险。每股股票都代表股东对企业拥有一个基本单位的所有权。每家上市公司都会发行股票。部分类型的上市公司的股票组成的市场成为股票市场,例如国内的,A股、沪深300、中证50、创业板、科创板等等。
期货,英文名是Futures,与现货完全不同,现货是实实在在可以交易的货(商品),期货主要不是货,而是以某种大众产品如棉花、大豆、石油等及金融资产如股票、债券等为标的标准化可交易合约。因此,这个标的物可以是某种商品(例如黄金、原油、农产品),也可以是金融工具。期货与股票的不同在于,其标的为实际的产品而非公司,另外,期货市场可以做空或做多。
金融主播,一般指做股票或期货的主播,这些主播主要推荐的是股票或期货,但是对于股票来说,其类别也非常多,例如,A股、创业板很可能不相同,又如期货中的产品,大豆、黄金其走势可能完全不同,但是目前的金融主播的推荐方式仅仅只是支持股票主播推荐或期货主播推荐,对于细分的类别无法推荐合适的主播,进而影响主播推荐的准确性。
参阅图2,图2提供了一种基于关键字的金融主播推荐方法,该方法如图2所示,该方法可以在终端中完成,该终端与网络设备通过无线方式连接,该无线方式具体可以为无线通信系统。
上述方法如图2所示,具体可以包括:
步骤S201、终端的主播平台获取用户输入的搜索关键字“股票”,终端在所有app中提取证券类app,提取证券类app的历史操作信息获取用户操作的具体公司标识,该公司标识包括:股票代码和/或上市名称;
步骤S202、终端的主播平台将该公司标识作为搜索条件在主播平台搜索合适的主播;
步骤S203、终端的主播平台获取符合该搜索条件以及该搜索关键字的多个主播,将多个主播按该搜索条件进行排序后得到第一序列,将该第一序列推荐给用户。
本申请提供的技术方案终端的主播平台获取用户输入的搜索关键字“股票”,终端在所有app中提取证券类app,提取证券类app的历史操作信息获取用户操作的具体公司标识,该公司标识包括:股票代码和/或上市名称;终端的主播平台将该公司标识作为搜索条件在主播平台搜索合适的主播;终端的主播平台获取符合该搜索条件以及该搜索关键字的多个主播,将多个主播按该搜索条件进行排序后得到第一序列,将该第一序列推荐给用户。这样技术方案在进行主播推荐时,不仅仅只能搜索股票的关键字,还能够依据其历史操作信息来实现对其关心的公司实现对主播的优选推荐,进而提高推荐的准确性,提高用户的体验度。
示例的,上述提取证券类app的历史操作信息获取用户操作的具体公司标识具体可以包括:
终端提示用户授权以后,提取证券类app在当前时间持仓的至少一个股票,提取该至少一个股票的公司标识。
示例的,上述方法还可以包括:
若至少一个股票具有多支股票,则获取多支股票的多个仓位,依据多个仓位的多少确定多支股票在搜索条件中的权重值,仓位越重的股票对应的权重值越高。
示例的,上述终端的主播平台将符合该搜索条件以及该搜索关键字的多个主播具体包括:
主播平台搜索符合该搜索关键字的n个主播,对n个主播的n个推荐视频中音频数据进行识别得到n个文本信息,在n个文本信息中搜索是否有与该公司标识匹配的信息,将具有与该公司标识匹配的m个文本信息对应的多个主播确定为符合该搜索条件以及该搜索关键字的多个主播。
示例的,上述对n个主播的n个推荐视频中音频数据进行识别得到n个文本信息具体包括:
提取n个推荐视频中的1个推荐视频的1个音频数据,将该1个音频数据输入到RNN模型计算得到该1个音频数据的文本信息。
示例的,上述将该1个音频数据输入到RNN模型计算得到该1个音频数据的文本信息具体可以包括:
终端将1个音频数据按采集时间确定为多个时刻的输入数据;获取1个音频数据对应的主播i的α个历史音频数据,获取α个历史音频数据中置信率高于第一阈值的β个历史音频数据,获取β个历史音频数据在RNN模型计算中最后时刻的隐层输出值即β个最后时刻的隐层输出值,计算β个最后时刻的隐层输出值的平均值,将该平均值作为1个音频数据的RNN模型的第一时刻隐层的输入值,将多个时刻的输入数据分别输入到RNN模型的输入层进行计算得到RNN模型的隐层输出结果S以及输出层输出结果O,依据输出结果O确定该1个音频数据对应的文本信息。
图2A中,假设有3个时刻,对于t-1为起始时刻,w表示权值,S表示隐层输出结果,下标表示时刻,O表示输出结果,下标表示时刻。其中,对于t-1来说,其计算公式如下:
f表示激活函数,该激活函数包括但不限于:sigmoid函数、tanh函数等等。
上述β平均值具体可以为:β个最后时刻的隐层输出值的平均值。
对于t时刻、t+1时刻这里并未改变,可以采用现有的RNN计算公式来计算得到,这里不再赘述。
以图2A为例,上述步骤与通用的RNN最大的区别是,在第一时刻隐层的输入值替换成β个最后时刻的隐层输出值的平均值,进而提高RNN计算的准确率,其原理为,对于主播来说,主播的人员相对固定,那么其对应的音频特征(例如声纹、习惯等等方式均相对固定),因此其历史音频数据的最终计算结果作为下一个计算具有一定的参考性,另外,为了提高其准确率,其获取β个最后时刻的隐层输出值的平均值来避免单一样本的偏差导致的计算结果的偏差,进而提高计算精度。
示例的,上述终端的主播平台将符合该搜索条件以及该搜索关键字的多个主播具体包括:
主播平台搜索符合该搜索关键字的n个主播,获取n个主播的n个推荐视频中的n个标题,在n个标题中搜索是否有与该公司标识匹配的信息,将具有与该公司标识匹配的x个文本信息对应的多个主播确定为符合该搜索条件以及该搜索关键字的多个主播。
参阅图3,图3提供一种基于关键字的金融主播推荐系统结构示意图,所述系统包括:
获取单元301,用于获取用户输入的搜索关键字“股票”,在所有app中提取证券类app,提取证券类app的历史操作信息获取用户操作的具体公司标识,该公司标识包括:股票代码和/或上市名称;
处理单元302,用于将该公司标识作为搜索条件在主播平台搜索合适的主播;获取符合该搜索条件以及该搜索关键字的多个主播,将多个主播按该搜索条件进行排序后得到第一序列,将该第一序列推荐给用户。
示例的,
所述处理单元,具体用于提示用户授权以后,提取证券类app在当前时间持仓的至少一个股票,提取该至少一个股票的公司标识;
若至少一个股票具有多支股票,则获取多支股票的多个仓位,依据多个仓位的多少确定多支股票在搜索条件中的权重值,仓位越重的股票对应的权重值越高。
示例的,
所述处理单元,具体用于搜索符合该搜索关键字的n个主播,对n个主播的n个推荐视频中音频数据进行识别得到n个文本信息,在n个文本信息中搜索是否有与该公司标识匹配的信息,将具有与该公司标识匹配的m个文本信息对应的多个主播确定为符合该搜索条件以及该搜索关键字的多个主播。
示例的,
所述处理单元,具体用于搜索符合该搜索关键字的n个主播,获取n个主播的n个推荐视频中的n个标题,在n个标题中搜索是否有与该公司标识匹配的信息,将具有与该公司标识匹配的x个文本信息对应的多个主播确定为符合该搜索条件以及该搜索关键字的多个主播。
示例的,本申请实施例中的处理单元还可以用于执行如图2所示实施例的细化方案、可选方案等,这里不再赘述。
本发明实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种基于关键字的金融主播推荐方法的部分或全部步骤。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种基于关键字的金融主播推荐方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以接收其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可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,可以是电性或其它的形式。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种基于关键字的金融主播推荐方法,其特征在于,所述方法包括如下步骤:
终端的主播平台获取用户输入的搜索关键字“股票”,终端在所有app中提取证券类app,提取证券类app的历史操作信息获取用户操作的具体公司标识,该公司标识包括:股票代码和/或上市名称;
终端的主播平台将该公司标识作为搜索条件在主播平台搜索合适的主播;
终端的主播平台获取符合该搜索条件以及该搜索关键字的多个主播,将多个主播按该搜索条件进行排序后得到第一序列,将该第一序列推荐给用户;
所述终端的主播平台将符合该搜索条件以及该搜索关键字的多个主播具体包括:
主播平台搜索符合该搜索关键字的n个主播,对n个主播的n个推荐视频中音频数据进行识别得到n个文本信息,在n个文本信息中搜索是否有与该公司标识匹配的信息,将具有与该公司标识匹配的m个文本信息对应的多个主播确定为符合该搜索条件以及该搜索关键字的多个主播;
对n个主播的n个推荐视频中音频数据进行识别得到n个文本信息具体包括:
提取n个推荐视频中的1个推荐视频的1个音频数据,将该1个音频数据输入到RNN模型计算得到该1个音频数据的文本信息;
将该1个音频数据输入到RNN模型计算得到该1个音频数据的文本信息具体包括:
终端将1个音频数据按采集时间确定为多个时刻的输入数据;获取1个音频数据对应的主播i的α个历史音频数据,获取α个历史音频数据中置信率高于第一阈值的β个历史音频数据,获取β个历史音频数据在RNN模型计算中最后时刻的隐层输出值即β个最后时刻的隐层输出值,计算β个最后时刻的隐层输出值的平均值,将该平均值作为1个音频数据的RNN模型的第一时刻隐层的输入值,将多个时刻的输入数据分别输入到RNN模型的输入层进行计算得到RNN模型的隐层输出结果S以及输出层输出结果O,依据输出结果O确定该1个音频数据对应的文本信息。
2.根据权利要求1所述的方法,其特征在于,所述提取证券类app的历史操作信息获取用户操作的具体公司标识具体包括:
终端提示用户授权以后,提取证券类app在当前时间持仓的至少一个股票,提取该至少一个股票的公司标识;
若至少一个股票具有多支股票,则获取多支股票的多个仓位,依据多个仓位的多少确定多支股票在搜索条件中的权重值,仓位越重的股票对应的权重值越高。
3.根据权利要求1所述的方法,其特征在于,终端的主播平台将符合该搜索条件以及该搜索关键字的多个主播具体包括:
主播平台搜索符合该搜索关键字的n个主播,获取n个主播的n个推荐视频中的n个标题,在n个标题中搜索是否有与该公司标识匹配的信息,将具有与该公司标识匹配的x个文本信息对应的多个主播确定为符合该搜索条件以及该搜索关键字的多个主播。
4.一种基于关键字的金融主播推荐系统,其特征在于,所述系统包括:
获取单元,用于获取用户输入的搜索关键字“股票”,在所有app中提取证券类app,提取证券类app的历史操作信息获取用户操作的具体公司标识,该公司标识包括:股票代码和/或上市名称;
处理单元,用于将该公司标识作为搜索条件在主播平台搜索合适的主播;获取符合该搜索条件以及该搜索关键字的多个主播,将多个主播按该搜索条件进行排序后得到第一序列,将该第一序列推荐给用户;
所述处理单元,具体用于搜索符合该搜索关键字的n个主播,对n个主播的n个推荐视频中音频数据进行识别得到n个文本信息,在n个文本信息中搜索是否有与该公司标识匹配的信息,将具有与该公司标识匹配的m个文本信息对应的多个主播确定为符合该搜索条件以及该搜索关键字的多个主播;
终端的主播平台将符合该搜索条件以及该搜索关键字的多个主播具体包括:
主播平台搜索符合该搜索关键字的n个主播,对n个主播的n个推荐视频中音频数据进行识别得到n个文本信息,在n个文本信息中搜索是否有与该公司标识匹配的信息,将具有与该公司标识匹配的m个文本信息对应的多个主播确定为符合该搜索条件以及该搜索关键字的多个主播;
对n个主播的n个推荐视频中音频数据进行识别得到n个文本信息具体包括:
提取n个推荐视频中的1个推荐视频的1个音频数据,将该1个音频数据输入到RNN模型计算得到该1个音频数据的文本信息;
将该1个音频数据输入到RNN模型计算得到该1个音频数据的文本信息具体包括:
终端将1个音频数据按采集时间确定为多个时刻的输入数据;获取1个音频数据对应的主播i的α个历史音频数据,获取α个历史音频数据中置信率高于第一阈值的β个历史音频数据,获取β个历史音频数据在RNN模型计算中最后时刻的隐层输出值即β个最后时刻的隐层输出值,计算β个最后时刻的隐层输出值的平均值,将该平均值作为1个音频数据的RNN模型的第一时刻隐层的输入值,将多个时刻的输入数据分别输入到RNN模型的输入层进行计算得到RNN模型的隐层输出结果S以及输出层输出结果O,依据输出结果O确定该1个音频数据对应的文本信息。
5.根据权利要求4所述的系统,其特征在于,
所述处理单元,具体用于提示用户授权以后,提取证券类app在当前时间持仓的至少一个股票,提取该至少一个股票的公司标识;
若至少一个股票具有多支股票,则获取多支股票的多个仓位,依据多个仓位的多少确定多支股票在搜索条件中的权重值,仓位越重的股票对应的权重值越高。
6.根据权利要求4所述的系统,其特征在于,
所述处理单元,具体用于搜索符合该搜索关键字的n个主播,获取n个主播的n个推荐视频中的n个标题,在n个标题中搜索是否有与该公司标识匹配的信息,将具有与该公司标识匹配的x个文本信息对应的多个主播确定为符合该搜索条件以及该搜索关键字的多个主播。
7.一种计算机可读存储介质,其存储用于电子数据交换的程序,其中,所述程序使得终端执行如权利要求1-3任意一项提供的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210480883.5A CN114579870B (zh) | 2022-05-05 | 2022-05-05 | 基于关键字的金融主播推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210480883.5A CN114579870B (zh) | 2022-05-05 | 2022-05-05 | 基于关键字的金融主播推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114579870A CN114579870A (zh) | 2022-06-03 |
CN114579870B true CN114579870B (zh) | 2022-10-11 |
Family
ID=81784091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210480883.5A Active CN114579870B (zh) | 2022-05-05 | 2022-05-05 | 基于关键字的金融主播推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114579870B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874372A (zh) * | 2018-08-30 | 2020-03-10 | 三竹资讯股份有限公司 | 聊天室整合股票信息的系统与方法 |
WO2021238631A1 (zh) * | 2020-05-27 | 2021-12-02 | 腾讯科技(深圳)有限公司 | 物品信息的显示方法、装置、设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002251400A (ja) * | 2001-02-22 | 2002-09-06 | Analyst Net Japan Kk | アナリストレポート提供システム、アナリストレポート提供方法及びアナリストレポート提供プログラム |
JP2018195236A (ja) * | 2017-05-22 | 2018-12-06 | リコノミカル株式会社 | 金融情報表示装置および金融情報表示プログラム |
CN110209944B (zh) * | 2019-06-10 | 2023-07-28 | 上海时廊人工智能科技有限公司 | 一种股票分析师推荐方法、装置、计算机设备和存储介质 |
CN113590805A (zh) * | 2021-07-26 | 2021-11-02 | 上海致景信息科技有限公司 | 基于知识图谱的纺织类商品名称的搜索方法及装置 |
CN114238798A (zh) * | 2021-12-14 | 2022-03-25 | 中国平安财产保险股份有限公司 | 基于神经网络的搜索排序方法、系统、设备及存储介质 |
-
2022
- 2022-05-05 CN CN202210480883.5A patent/CN114579870B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874372A (zh) * | 2018-08-30 | 2020-03-10 | 三竹资讯股份有限公司 | 聊天室整合股票信息的系统与方法 |
WO2021238631A1 (zh) * | 2020-05-27 | 2021-12-02 | 腾讯科技(深圳)有限公司 | 物品信息的显示方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114579870A (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9087108B2 (en) | Determination of category information using multiple stages | |
US10055783B1 (en) | Identifying objects in video | |
CN104951468A (zh) | 数据搜索处理方法和系统 | |
CN109636501A (zh) | 产品数据处理方法、装置、计算机设备及计算机可读存储介质 | |
CN107784583A (zh) | 风险匹配方法及装置 | |
CN104391999A (zh) | 信息推荐方法和装置 | |
CN107292365A (zh) | 商品标签的绑定方法、装置、设备及计算机可读存储介质 | |
CN103929653A (zh) | 增强现实视频生成器、播放器及其生成方法、播放方法 | |
CN104636448A (zh) | 一种音乐推荐方法及装置 | |
CN105916032A (zh) | 视频推荐的方法及视频推荐的终端设备 | |
CN108876517B (zh) | 基于人工智能的用户喜好分析方法及系统 | |
CN102959539B (zh) | 一种业务交叉时的项目推荐方法及系统 | |
CN108897753A (zh) | 应用功能搜索方法、装置、计算机设备和存储介质 | |
CN109726295A (zh) | 品牌知识图谱显示方法、装置、图服务器及存储介质 | |
CN110347786B (zh) | 一种语义模型的调优方法及系统 | |
CN107943906A (zh) | 一种信息的收藏、展示方法和装置 | |
US10068006B1 (en) | Generating trend-based item recommendations | |
CN114579870B (zh) | 基于关键字的金融主播推荐方法及系统 | |
CN108595498B (zh) | 问题反馈方法及装置 | |
US11574024B2 (en) | Method and system for content bias detection | |
CN112100491A (zh) | 基于用户数据的信息推荐方法、装置、设备及存储介质 | |
CN116186119A (zh) | 用户行为分析方法、装置、设备及存储介质 | |
CN108712683A (zh) | 一种数据传输方法、弹幕信息生成方法及装置 | |
CN113327146A (zh) | 一种信息追踪方法和装置 | |
CN106815228B (zh) | 搜索关键词的类名选取方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |