CN114594863A - 推荐方法、装置和介质 - Google Patents
推荐方法、装置和介质 Download PDFInfo
- Publication number
- CN114594863A CN114594863A CN202011419422.4A CN202011419422A CN114594863A CN 114594863 A CN114594863 A CN 114594863A CN 202011419422 A CN202011419422 A CN 202011419422A CN 114594863 A CN114594863 A CN 114594863A
- Authority
- CN
- China
- Prior art keywords
- user
- candidate
- determining
- label
- recommendation
- 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
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
- G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
- G06F3/0233—Character input methods
- G06F3/0237—Character input methods using prediction or retrieval techniques
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种推荐方法、装置和介质。其中的方法具体包括:确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;依据所述匹配信息,对所述候选内容进行推荐。本发明实施例可以提高推荐的准确度;在输入法的推荐场景下,推荐的候选项可以符合用户的个性化输入意图。
Description
技术领域
本发明实施例涉及输入技术领域,尤其涉及一种推荐方法、装置和介质。
背景技术
输入法是指为了将字符输入计算机或其他设备(如手机、平板电脑等)而采用的编码方法,输入法可被应用于多种场景。例如,用户可以在搜索引擎中输入关键词以搜索网页,也可以在即时通讯APP(应用程序,Application)中输入文字以与其他用户进行交流,还可以在文档APP中输入文字以编辑文档等等。
联想功能是输入法的一种扩展功能,它的出现减少了用户主动输入的次数、按键的次数,并增加了输入法的智能性。目前,输入法可以针对用户的已上屏内容,推荐对应的联想候选。
发明人在实施本发明实施例的过程中发现,在已上屏内容相同的情况下,目前通常针对不同的用户推荐相同的联想候选;而不同用户通常具有不同的输入意图,因此,目前推荐的联想候选,可能不符合用户的个性化输入意图。
发明内容
本发明实施例提供一种推荐方法、装置和介质,可以提高推荐的准确度;在输入法的推荐场景下,推荐的候选项可以符合用户的个性化输入意图。
为了解决上述问题,本发明实施例公开了一种推荐方法,包括:
确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;
依据所述匹配信息,对所述候选内容进行推荐。
为了解决上述问题,本发明实施例公开了一种推荐方法,包括:
为输入法提供的候选项添加标签;
确定用户针对所述候选项的使用行为数据;
依据所述使用行为数据、以及所述候选项的标签,确定所述用户对应的用户画像特征。
另一方面,本发明实施例公开了一种推荐装置,包括:
确定模块,用于确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;以及
推荐模块,用于依据所述匹配信息,对所述候选内容进行推荐。
另一方面,本发明实施例公开了一种推荐装置,包括:
标签添加模块,用于为输入法提供的候选项添加标签;
数据确定模块,用于确定用户针对所述候选项的使用行为数据;以及
画像确定模块,用于依据所述使用行为数据、以及所述候选项的标签,确定所述用户对应的用户画像特征
再一方面,本发明实施例公开了一种用于推荐的装置,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;
依据所述匹配信息,对所述候选内容进行推荐。
再一方面,本发明实施例公开了一种用于推荐的装置,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
为输入法提供的候选项添加标签;
确定用户针对所述候选项的使用行为数据;
依据所述使用行为数据、以及所述候选项的标签,确定所述用户对应的用户画像特征。
又一方面,本发明实施例公开了一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如前述一个或多个所述的推荐方法。
本发明实施例包括以下优点:
本发明实施例中,输入法提供的候选项可以带有标签,本发明实施依据用户针对上述候选项的使用行为数据、以及上述候选项的标签,得到用户画像特征。上述使用行为数据可以表征用户针对候选项的使用偏好。这样,本发明实施例可以依据用户偏好的候选项的标签,得到可以反映用户偏好的用户画像特征,提高用户画像特征的准确度。
进一步,本发明实施例依据准确度更高的用户画像特征,对上述候选内容进行推荐,可以提高推荐的准确度。在候选内容为输入法提供的候选项的情况下,由于用户画像特征能够反映用户的输入偏好,因此本发明实施例推荐的候选项可以符合用户的个性化输入意图。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种推荐方法的应用环境的示意;
图2是本发明的一种推荐方法实施例一的步骤流程图;
图3是本发明的一种推荐方法实施例二的步骤流程图;
图4是本发明的一种推荐装置实施例的结构框图;
图5是本发明的一种推荐装置实施例的结构框图;
图6是本发明的一种用于推荐的装置800的框图;及
图7是本发明的一些实施例中服务端的结构示意图。
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。
本发明实施例可以应用于推荐场景,该推荐场景可用于对候选内容进行推荐。候选内容的类型可以包括:输入法提供的输入类型的候选内容(以下简称候选项)、商品类型的候选内容、或者新闻类型的候选内容等。其中,输入类型的候选项可用于输入过程,输入类型的候选项可被上屏至对应的应用程序中,例如,输入类型的候选项可被上屏至即时通讯程序或搜索程序的输入框中。商品类型的候选内容可以包括:商品的链接等内容。新闻类型的候选内容可以包括:新闻的链接等内容。可以理解,本发明实施例对于候选内容的具体类型不加以限制。
针对输入法推荐的联想候选可能不符合用户的个性化输入意图的技术问题,本发明实施例提供了一种推荐方案,该方案可以包括:确定候选内容与用户画像特征之间的匹配信息;上述用户画像特征可以为依据用户针对输入法提供的候选项的使用行为数据、以及上述候选项的标签得到;依据上述匹配信息,对上述候选内容进行推荐。
本发明实施例中,输入法提供的候选项可以带有标签,本发明实施依据用户针对上述候选项的使用行为数据、以及上述候选项的标签,得到用户画像特征。上述使用行为数据可以表征用户针对候选项的使用偏好。这样,本发明实施例可以依据用户偏好的候选项的标签,得到可以反映用户偏好的用户画像特征,提高用户画像特征的准确度。
进一步,本发明实施例依据准确度更高的用户画像特征,对上述候选内容进行推荐,可以提高推荐的准确度。在候选内容为输入法提供的候选项的情况下,由于用户画像特征能够反映用户的输入偏好,因此本发明实施例推荐的候选项可以符合用户的个性化输入意图。
例如,在输入法的推荐场景下,已上屏内容“我想买”对应的候选项具体包括:“衣服”、“这个”、“东西”、“口红”、“游戏机”等,传统技术中,针对不同的用户推荐相同的候选项。
而本发明实施例可以依据用户针对上述候选项的使用行为数据、以及上述候选项的标签,得到用户画像特征。例如,用户A多次使用标签为“女性”的候选项,则可以认为用户A的用户画像特征包括:“女性”,因此,在用户A的已上屏内容“我想买”的情况下,可以推荐符合“女性”的候选项,如“衣服”、“口红”等。进一步,用户A多次使用标签为“化妆”的候选项,则可以认为用户A的用户画像特征还可以包括:“化妆”,因此,可以推荐“女性”和“化妆”的候选项,如“口红”等。
又如,用户B多次使用标签为“男性”和“电子产品”的候选项,则可以认为用户B的用户画像特征包括:“男性”和“电子产品”,因此,在用户B的已上屏内容“我想买”的情况下,可以推荐符合“男性”和“电子产品”的候选项,如“游戏机”等。
本发明实施例提供的推荐方法可应用于图1所示的应用环境中,如图1所示,客户端100与服务端200位于有线或无线网络中,通过该有线或无线网络,客户端100与服务端200进行数据交互。
可选地,客户端100可以运行在终端上,上述终端具体包括但不限于:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准音频层面3,Moving Picture ExpertsGroup Audio Layer III)播放器、MP4(动态影像专家压缩标准音频层面4,Moving PictureExperts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等。客户端100可以对应于网站、或者APP(应用程序,Application)。客户端100可以对应有输入法APP、即时通信APP等应用程序。
本发明实施例的服务端可以为云服务端。云服务端是一种简单高效、安全可靠、处理能力可弹性伸缩的计算服务。云服务端的资源信息具有动态性,使得其处理能力可弹性伸缩。
本发明实施例可应用于键盘符号、手写、语音等各种输入方式的输入法程序。以键盘符号输入方式为例,用户可以通过编码字符串进行文字输入,输入串可以指用户输入的编码字符串。在输入法领域,对于例如中文、日文、韩文、或者其它语言的输入法程序,通常可以把用户输入的输入串转换成相应语言的候选项。以下主要以中文为例进行说明,日文、韩文等其它语言相互参照即可。可以理解,上述中文输入法可以包括但不限于全拼、简拼、笔画、五笔等,本发明实施例对于某种语言对应的具体输入法程序不加以限制。
以中文的输入为例,编码字符串的类型可以包括:拼音串、字形串(如五笔串等)。以英文的输入为例,编码字符串的类型可以包括:字母字符串等。
在实际应用中,对于键盘符号的输入方式,用户可以通过实体键盘、或者虚拟键盘等输入上述输入串。例如,对于具有触摸屏的终端,其可以在输入界面中设置虚拟键盘,以通过触发上述虚拟键盘包括的虚拟按键进行输入串的输入。可选地,上述虚拟键盘的例子可以包括:9键键盘和26键键盘等。并且,可以理解,上述输入界面中除了设置有字母对应的虚拟按键之外,还可以设置有符号按键、数字按键、例如中英切换按键的功能按键,或者,还可以设置有工具栏按键等,可以理解,本发明实施例对于输入界面所包含的具体按键不加以限制。
根据一些实施例,上述输入串可以包括但不限于:用户通过按键所输入的一个按键符号或多个按键符号的组合。上述按键符号具体可以包括:拼音、笔画、假名等。
本发明实施例中,候选项可用于表示输入法程序提供的待被用户选择的一个或多个字符。候选项可以为中文字符、英文字符、日文字符等语言的字符,候选项也可以为颜文字、表情、图片等形式的符号组合。其中,上述颜文字包括但不限于线条、符号、文字所组成的图画,例如,上述颜文字的例子可以包括:“:P”、“:-o”、“:-)”等。
方法实施例一
参照图2,示出了本发明的一种推荐方法实施例一的步骤流程图,具体可以包括如下步骤:
步骤201、为输入法提供的候选项添加标签;
步骤202、确定用户针对上述候选项的使用行为数据;
步骤203、依据上述使用行为数据、以及上述候选项的标签,确定上述用户对应的用户画像特征。
图2所示方法实施例用于依据用户针对候选项的使用行为数据、以及候选项的标签,确定用户对应的用户画像特征。图2所示方法实施例可由客户端和/或服务端执行,可以理解,本发明实施例对于方法实施例的具体执行主体不加以限制。
步骤201中,输入法提供的候选项可以包括:字符候选项、或者表情候选项等。在上述候选项为字符的情况下,候选项对应的语言单位可以包括:字、词、短语或句子等。
本发明实施例可以预先为候选项的来源数据库中的条目添加标签。本发明实施例可以依据上下文和/或输入串,在来源数据库中进行查找,以得到候选项。候选项的来源数据库可以包括:词库、或者表情数据库等。词库可以包括:系统词库、用户词库、细胞词库、云词库等。例如,可以预先为词库中的词条添加标签,或者,可以预先为表情数据库中的表情添加标签等。上下文可以表征输入光标对应的上下文,上下文可以包括:本端用户的已上屏内容、和/或、对端用户发送的通信内容。
本发明实施例中,用户使用候选项的目的通常是为了表达。因此,候选项的标签可以表征使用候选项进行表达的用户所具备的特征。例如,使用候选项“老公”进行表达的用户,通常具备“女性”特征,因此,可以为候选项“老公”添加“女性”标签。
在本发明的一种可选实施例中,上述标签可以包括:语言风格标签。语言风格标签可用于表征候选项所使用语言的风格。语言风格的例子可以包括:可爱风格、活泼风格、严肃风格、甜蜜风格、二次元风格、怼人风格、直男风格、书香风格等。
在本发明的另一种可选实施例中,所述候选项应用于通信环境,所述标签可以包括如下特征中的至少一种:本端用户的第一用户标签、至少一个对端用户的第二用户标签和多端用户的用户关系标签。
本端用户可以与至少一个对端用户进行通信,因此,通信环境下的多端用户可以包括:两个用户、或两个以上用户。例如,在群聊的通信环境下,多端用户可以包括:两个以上用户。
本端用户可以表征使用候选项进行表达的用户。对端用户可以表征通信对端的用户。用户关系可以表征本端用户与对端用户之间的关系。
例如,使用候选项X“老公,你干嘛呢”进行表达的用户,通常具备“女性”特征,该候选项X还能够表示对端用户的“男性”特征、以及用户关系“夫妻或情侣”。因此,本发明实施例可以针对候选项X“老公,你干嘛呢”,添加如下标签:第一用户标签【女性】、第二用户标签【男性】和多端用户的用户关系标签【情侣】。
本发明实施例中,可以采用人工方式或机器方式,为输入法提供的候选项添加标签。
在本发明的一种可选实施例中,上述为输入法提供的候选项添加标签,所采用的添加方式具体可以包括:
添加方式1、依据候选项对应的语义信息,确定所述候选项对应的标签;和/或
添加方式2、依据标签对应的分类模型,确定候选项对应的标签;和/或
添加方式3、依据候选项与标签之间的映射关系,确定候选项对应的标签。
对于添加方式1,语义信息中可以包含或隐含第一用户标签、第二用户标签和用户关系标签的信息,故本发明实施例可以依据语义信息,确定候选项对应的标签。
本发明实施例可以利用自然语言理解方法,确定语义信息。自然语言理解方法可以包括:关键词提取方法、句法分析方法、机器学习方法等,可以理解,本发明实施例对于具体的自然语言理解方法不加以限制。
在实际应用中,可以从候选项中提取关键词,并依据关键词确定候选项对应的标签。例如,可以从候选项X“老公,你干嘛呢”中提取关键词“老公”。由于使用候选项“老公”进行表达的用户,通常具备“女性”特征,因此,可以为候选项X“老公,你干嘛呢”添加“女性”标签。另外,还可以基于自然语言理解,确定候选项X对应的聊天对象为“男性”、以及用户关系为“情侣”,由此可以得到对应的标签。
对于添加方式2,分类模型可以具备标签对应类别的分类能力。分类模型可以为两类分类模型、或多类分类模型。
两类分类模型用于识别候选项属于目标类别或非目标类别。
多类分类模型用于识别候选项属于多个目标类别中的哪一种。多类分类模型对应的多个目标类别可以包括:多个标签对应的类别,如“女性”类别、“男性”类别、“可爱风格”类别、“活泼风格”类别、“严肃风格”类别、“甜蜜风格”类别等。
在本申请的一个可选实施例中,可基于训练数据对数学模型进行训练,以得到分类模型,分类模型可表征输入数据(候选项)和输出数据(候选项的标签)之间的映射关系。分类模型的输出数据可以包括:候选项的标签、或者候选项属于某种标签的概率。
分类模型对应的训练数据可以包括:标签对应类别的候选项。假设标签对应类别为“女性”,则训练数据可以包括:“女性”对应的候选项。基于标签对应类别的候选项,对数学模型进行训练,可以使得到的分类模型具备对应类别的识别能力,也即可以使得到的分类模型识别输入的候选项是否属于对应的类别。
数学模型是运用数理逻辑方法和数学语言建构的科学或工程模型,数学模型是针对参照某种事物系统的特征或数量依存关系,采用数学语言,概括地或近似地表述出的一种数学结构,这种数学结构是借助于数学符号刻画出来的关系结构。数学模型可以是一个或一组代数方程、微分方程、差分方程、积分方程或统计学方程及其组合,通过这些方程定量地或定性地描述系统各变量之间的相互关系或因果关系。除了用方程描述的数学模型外,还有用其他数学工具,如代数、几何、拓扑、数理逻辑等描述的模型。其中,数学模型描述的是系统的行为和特征而不是系统的实际结构。其中,可采用机器学习、深度学习方法等方法进行数学模型的训练,机器学习方法可包括:线性回归、决策树、随机森林等,深度学习方法可包括:卷积神经网络(Convolutional Neural Networks,CNN)、长短期记忆网络(LongShort-Term Memory,LSTM)、门控循环单元(Gated Recurrent Unit,GRU)等。
对于添加方式3,可以依据候选项,在候选项与标签之间的映射关系中进行查找,以得到候选项对应的标签。
在本发明的一种可选实施例中,可以针对预设标签,构造对应的候选项,并建立候选项与标签之间的映射关系。上述针对预设标签,构造对应的候选项,能够扩展映射关系的范围。
可选地,上述构造对应的候选项,所采用的的构造方式具体可以包括:
构造方式1、依据预设标签和预设上下文,构造对应的候选项;和/或
构造方式2、依据第一语言风格标签及其对应的第一候选项、以及第二语言风格标签,构造第二语言风格标签对应的第二候选项。
构造方式1可以针对特定的预设标签和特定的预设上下文,构造对应的候选项。例如,在预设上下文为“明天周六”的情况下,针对预设标签“学生”,构造候选项“不上课”,针对预设标签“职员”构造候选项“不上班”等。
构造方式2可以利用风格迁移方法,在已知第一语言风格标签及其对应的第一候选项、以及第二语言风格标签的情况下,构造第二语言风格标签对应的第二候选项。第一候选项与第二候选项可以对应相同或相似的表达意图,但对应不同的语言风格。例如,对于表达意图“安慰”,“严肃风格”标签对应的第一候选项可以为“安慰”,“可爱风格”标签对应的第二候选项可以为“么么哒”。
在构造第二语言风格标签对应的第二候选项的情况下,还可以结合预设上下文。例如,预设上下文为“我睡觉了”,则在“活泼风格”标签的情况下,对应的候选项可以为“不要睡,起来嗨”;在“严肃风格”标签的情况下,对应的候选项可以为“晚安”。
在本申请的一个可选实施例中,可基于训练数据对数学模型进行训练,以得到风格迁移模型,风格迁移模型可表征输入数据(第一语言风格标签及其对应的第一候选项、以及第二语言风格标签)和输出数据(第二候选项)之间的映射关系。风格迁移模型可用于将第一候选项对应的表达从第一语言风格标签迁移至第二语言风格标签。
风格迁移模型对应的训练数据可以包括:第一语言风格标签及其对应的第一候选项样本、以及第二语言风格标签对应的第二候选项样本。可以基于训练数据的学习,使风格迁移模型具备风格迁移能力。
步骤202中,输入法程序可以在输入过程中,向用户提供候选项,供用户选择。用户针对上述候选项的使用行为数据可以包括:用户针对候选项的上屏数据。例如,输入法程序提供了候选项A、候选项B等候选项,若用户选择将候选项B上屏,则可以记录用户针对候选项B的使用行为数据。
可以理解,除了上屏数据之外,上述用户针对上述候选项的使用行为数据还可以包括:上屏后的发送数据、上屏后的搜索数据、或者上屏后的分享数据、候选项对应内容(如视频、微博、小说等)的浏览数据等。
上述使用行为数据中可以包括:候选项、使用行为和使用时间等信息。或者,上述使用行为数据中可以包括:候选项、使用行为和使用次数等信息。
步骤203中,上述使用行为数据可以表征用户针对候选项的使用偏好。这样,本发明实施例可以依据用户偏好的候选项的标签,得到可以反映用户偏好的用户画像特征,提高用户画像特征的准确度。
用户画像特征又称用户角色,其可以作为一种勾画目标用户、联系用户诉求与设计方向的有效工具。用户画像特征可以包括:性别、身份等特征,或者,用户画像特征可以包括:语言风格特征,语言风格特征可以表征用户在计算机中进行输入的过程中所采用语言的风格特征。
传统技术中,通常依据用户填写的个人资料,确定用户画像特征。但个人资料通常涉及用户的隐私,因此,用户对于个人资料的填写通常比较排斥,有可能填写虚假的个人资料,导致用户画像特征存在误差。
或者,传统技术中,可以依据用户在互联网上的购买行为,确定用户画像特征。但购买行为涉及的商品并不一定是为用户自身购买的商品。因此,依据购买行为确定的用户画像特征也存在误差。
而用户针对上述候选项的使用行为数据,是用户自身在输入过程中自然积累的真实数据,因此能够提高用户画像特征的准确度。
在本发明的一种可选实施例中,上述确定所述用户对应的用户画像特征,具体包括:依据所述使用行为数据、以及所述候选项的标签,确定所述标签对应的使用频率;依据所述使用频率,确定所述用户对应的用户画像特征。
可选地,可以依据用户针对候选项的使用次数、以及候选项的标签,确定标签对应的使用频率。例如,“女性标签”对应候选项A1、候选项A2、候选项A3…等,用户针对候选项A1、候选项A2、候选项A3…的使用次数分别为:使用次数F1、使用次数F2、使用次数F3等,则可以对使用次数F1、使用次数F2、使用次数F3等进行融合,以得到“女性标签”对应的使用频率。
本发明实施例中,可选的是,可以依据符合预设频率条件的目标标签,确定用户对应的用户画像特征。上述预设频率条件可以包括:使用频率超过频率阈值;或者,在依据使用频率从高到低的顺序、对标签进行排序的情况下,排在前面的前N(N可以为自然数)个标签。
本发明实施例中,可选的是,用户画像特征中可以包括:符合预设频率条件的目标标签。或者,可以依据符合预设频率条件的目标标签与预设画像特征之间的匹配度,确定用户画像特征,例如,将与目标标签相匹配的预设画像特征,作为用户画像特征。
综上,本发明实施例的推荐方法,输入法提供的输入类型的候选项可以带有标签,本发明实施依据用户针对上述候选项的使用行为数据、以及上述候选项的标签,得到用户画像特征。上述使用行为数据可以表征用户针对候选项的使用偏好。这样,本发明实施例可以依据用户偏好的候选项的标签,得到可以反映用户偏好的用户画像特征,提高用户画像特征的准确度。
方法实施例二
参照图3,示出了本发明的一种推荐方法实施例二的步骤流程图,具体可以包括如下步骤:
步骤301、确定候选内容与用户画像特征之间的匹配信息;上述用户画像特征可以为依据用户针对输入法提供的候选项的使用行为数据、以及上述候选项的标签得到;
步骤302、依据上述匹配信息,对上述候选内容进行推荐。
本发明实施例可用于对任意类型的候选内容进行推荐。由于本发明实施例依据用户针对输入法提供的候选项的使用行为数据、以及上述候选项的标签得到用户画像特征,能够提高用户画像特征的准确度。因此,本发明实施例依据准确度更高的用户画像特征,对上述候选内容进行推荐,可以提高推荐的准确度。
在候选内容为输入法提供的候选项的情况下,由于用户画像特征能够反映用户的输入偏好,因此本发明实施例推荐的候选项可以符合用户的个性化输入意图。
候选内容的类型可以包括:输入法提供的输入类型的候选项、商品类型的候选内容、或者新闻类型对应的候选内容等。可以理解,本发明实施例对于候选内容的具体类型不加以限制。
本发明实施例中,可选的是,输入法推荐的候选项可以包括:联想候选。联想候选对应的语言单位可以包括:字、词、短语或句子等。联想候选可以为针对输入环境下的上下文对应的候选内容。
下面对联想候选的确定过程进行说明。
根据一种实施例,可以根据上下文,查询多元关系数据,以获取联想候选。多元关系数据可以包括二元和二元以上的关系数据。二元关系,又称2-gram,用于表示两个元素相继出现的概率。二元以上的关系则用于表示两个以上元素相继出现的概率。元素可以包括:字、词、字母、符号或表情等。
在本发明的一种可选实施例中,可以通过联想模型表征多元关系数据。联想模型的类型可以包括但不限于:语言模型、神经网络模型等。上述数据模型可以提供P(任意元素|上下文,…),即一定上下文等条件下,任意元素的概率。根据这个概率,可以确定上下文对应的命中元,由此可以得到联想候选。其中,联想模型所采用的语料可以包括:在上下文等条件下的语料。
本发明实施例中,可选的是,可以利用句子语料训练得到句联想模型,以使句联想模型具有句子级别的联想功能;并且,服务端依据句联想模型,针对完整性较高的上下文,确定对应的句联想候选,能够提高句联想候选与输入内容之间的相关性,进而能够提高输入效率和提升用户体验。
在本发明的一种可选实施例中,联想候选的确定过程,具体可以包括:确定上下文对应的目标语言风格;利用上述目标语言风格对应的句联想模型,确定上述上下文对应的句联想候选。
本发明实施例可以针对不同的目标语言风格,设置不同的句联想模型。这样,可以利用上述目标语言风格对应的句联想模型,确定上述上下文对应的句联想候选。
在本发明的另一种可选实施例中,上述句联想模型确定上述上下文对应的目标语言风格,并依据上述目标语言风格确定上述上下文对应的句联想候选。本发明实施例可以不针对目标语言风格对句联想模型进行区分,而是由句联想模型在对上下文的处理过程中,首先确定上述上下文对应的目标语言风格,然后依据上述目标语言风格确定上述上下文对应的句联想候选。
在本发明的一种可选实施例中,上述句联想模型可以包括:第二向量与句联想候选之间的映射关系;
则句联想候选的确定方式可以包括:确定上下文对应的第一向量;依据所述第一向量,在第二向量与句联想候选之间的映射关系中进行检索,以得到所述第一向量对应的句联想候选;所述映射关系可以为依据句子语料得到,所述句子语料可以包括:上下文样本和句联想候选,所述第二向量与上下文相应。
本发明实施例基于向量检索,得到上下文对应的句联想候选;能够基于第一向量与第二向量在空间中的距离,对第一向量与第二向量进行匹配,并将与第一向量相匹配的第二向量对应的句联想候选,作为上下文对应的句联想候选。这样,不要求第一向量与第二向量在文本方面严格一致,因此能够增加句联想候选的覆盖范围。
例如,句子语料包括:上文样本A“可以和你语音吗”和句联想候选“我想听你的声音”,则在用户上文a为“能和你语音吗”的情况下,本发明实施例可以基于第一向量与第二向量的空间距离,确定第一向量与第二向量相匹配,进而提供对应的句联想候选“我想听你的声音”。
根据一种实施例,可以将第一向量与所有句子语料对应的所有第二向量进行匹配。具体地,可以计算第一向量与所有第二向量之间的距离,并将距离小于第一距离阈值的第二向量,作为与第一向量相匹配的第二向量。
向量之间距离的度量方法可以包括:欧氏距离、夹角余弦、汉明距离、或者杰卡德相似系数等。可以理解,本发明实施例对于向量之间距离的具体度量方法不加以限制。
根据另一种实施例,上述在第二向量与句联想候选对应的映射关系中进行检索,具体包括:依据上述第一向量与上述第二向量的索引,确定上述第一向量对应的目标索引;依据上述第一向量和上述目标索引对应的第二向量,确定上述第一向量对应的句联想候选。
本发明实施例可以预先建立第二向量的索引;这样,在向量检索过程中,可以首先确定第一向量对应的目标索引,然后,对第一向量与目标索引对应的第二向量进行匹配。由于可以节省非目标索引对应的第二向量的匹配运算,因此能够提高向量检索效率。
在此提供一种建立第二向量的索引的示例。该示例具体包括:对多个第二向量进行聚类,以得到多个向量类别;依据上述向量类别的信息,建立上述向量类别内第二向量的索引。
向量类别的信息可以包括:向量类别的中心向量。相应地,上述确定上述第一向量对应的目标索引,具体包括:依据上述第一向量与上述向量类别对应的中心向量之间的距离,确定上述第一向量对应的目标向量类别。可选地,可以将距离小于第二距离阈值的向量类别,作为第一向量对应的目标向量类别,目标向量类别与目标索引相应。
本发明实施例的用户画像特征可以包括:性别、身份等特征,或者,用户画像特征可以包括:语言风格特征,语言风格特征可以表征用户在计算机中进行输入的过程中所采用语言的风格特征。
本发明实施例的方法可以应用于通信环境,上述用户画像特征可以包括如下特征中的至少一种:本端用户的第一用户画像特征、至少一个对端用户的第二用户画像特征和多端用户的用户关系特征。在通信环境下,候选内容通常为向对端用户发送的内容,因此,本发明实施例在用户画像特征中扩展对端用户的第二用户画像特征和多端用户的用户关系特征,可以提高候选内容的精准度。
例如,在第二用户画像特征为“女性”的情况下,可以采用符合“女性”的候选内容;或者,在用户关系为“男性”的情况下,可以采用符合“男性”的候选内容。
例如,在用户关系特征为“情侣”的情况下,可以采用“甜蜜风格”的候选内容;或者,在用户关系为“同事”的情况下,可以采用“严肃风格”的候选内容。
步骤301、可选的是,上述确定候选内容与用户画像特征之间的匹配信息,具体可以包括:确定候选内容对应的标签与用户画像特征之间的匹配信息。例如,可以利用向量匹配方法,确定候选内容对应的标签与用户画像特征在向量方面的匹配度。可以理解,本发明实施例对于确定候选内容与用户画像特征之间的匹配信息的具体过程不加以限制。
步骤302中,依据上述匹配信息,对上述候选内容进行推荐,可以向用户推荐与其用户画像特征更匹配的候选内容,以提高推荐的精确度。
根据一种实施例,上述对所述候选内容进行推荐,具体包括:依据所述匹配信息,对多个候选内容进行排序;依据得到的排序结果,对所述多个候选内容进行展示。例如,可以依据匹配信息从高到低的顺序,对多个候选内容进行排序,并依据排序结果对多个候选内容进行展示,以将与用户画像特征更匹配的候选内容的展示位置提前。
根据另一种实施例,上述对所述候选内容进行推荐,具体包括:依据所述匹配信息,从多个候选内容中确定出目标候选内容;对所述目标候选内容进行推荐。
本发明实施例中,可选的是,可以依据符合预设匹配条件的候选内容,得到目标候选内容。上述预设匹配条件可以包括:匹配信息超过匹配阈值;或者,在依据匹配信息从高到低的顺序、对多个候选内容进行排序的情况下,排在前面的前N(N可以为自然数)个候选内容。
在本发明的一种应用示例中,在输入法的推荐场景下,已上屏内容“我想买”对应的候选项具体包括:“衣服”、“这个”、“东西”、“口红”、“游戏机”等,传统技术中,针对不同的用户推荐相同的候选项。
而本发明实施例可以依据用户针对上述候选项的使用行为数据、以及上述候选项的标签,得到用户画像特征。例如,用户A多次使用标签为“女性”的候选项,则可以认为用户A的用户画像特征包括:“女性”,因此,在用户A的已上屏内容“我想买”的情况下,可以推荐符合“女性”的候选项,如“衣服”、“口红”等。进一步,用户A多次使用标签为“化妆”的候选项,则可以认为用户A的用户画像特征还可以包括:“化妆”,因此,可以推荐“女性”和“化妆”的候选项,如“口红”等。
又如,用户B多次使用标签为“男性”和“电子产品”的候选项,则可以认为用户B的用户画像特征包括:“男性”和“电子产品”,因此,在用户B的已上屏内容“我想买”的情况下,可以推荐符合“男性”和“电子产品”的候选项,如“游戏机”等。
在本发明的另一种应用示例中,用户C多次点击过“我什么都布吉岛”等带有“可爱风格”标签的候选项,本发明实施例可以认为用户C的用户画像特征包括:“可爱风格”。因此,在用户C的输入过程中,可以向用户C推荐“可爱风格”的候选项,或者,将“可爱风格”的候选项的展示位置提前。
需要说明的是,在确定用户画像特征的情况下,可以利用本发明实施例的推荐方法,进行推荐。
在未确定用户画像特征的情况下,可以利用传统技术的推荐方法,进行推荐。
或者,可以利用随机方法,从候选内容对应的标签中确定出推荐标签,并对推荐标签对应的候选内容进行推荐,以基于多次推荐提高不同标签的候选内容的展示几率,进而可以实现使用行为数据的积累。
或者,可以对多种标签对应的候选内容进行推荐,例如,可以在一次推荐过程中展示多种标签对应的候选内容,以基于一次推荐提高多种标签的候选内容的展示几率,进而可以实现使用行为数据的积累。
综上,本发明实施例的推荐方法,由于依据用户针对输入法提供的候选项的使用行为数据、以及上述候选项的标签得到用户画像特征,能够提高用户画像特征的准确度。因此,本发明实施例依据准确度更高的用户画像特征,对上述候选内容进行推荐,可以提高推荐的准确度。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的运动动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用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优选实施例,所涉及的运动动作并不一定是本发明实施例所必须的。
装置实施例
参照图4,示出了本发明的一种推荐装置实施例的结构框图,具体可以包括:
确定模块401,用于确定候选内容与用户画像特征之间的匹配信息;上述用户画像特征可以为依据用户针对输入法提供的候选项的使用行为数据、以及上述候选项的标签得到;以及
推荐模块402,用于依据上述匹配信息,对上述候选内容进行推荐。
可选地,上述装置应用于通信环境,上述用户画像特征可以包括如下特征中的至少一种:
本端用户的第一用户画像特征、至少一个对端用户的第二用户画像特征和多端用户的用户关系特征。
可选地,确定模块401,具体用于确定候选内容对应的标签与用户画像特征之间的匹配信息。
可选地,上述候选内容可以为针对输入环境下的上下文对应的候选内容。
可选地,推荐模块402可以包括:
排序模块,用于依据上述匹配信息,对多个候选内容进行排序;
展示模块,用于依据得到的排序结果,对上述多个候选内容进行展示。
可选地,推荐模块402可以包括:
目标候选内容确定模块,用于依据上述匹配信息,从多个候选内容中确定出目标候选内容;
目标候选内容推荐模块,用于对上述目标候选内容进行推荐。
参照图5,示出了本发明的一种推荐装置实施例的结构框图,具体可以可以包括:
标签添加模块501,用于为输入法提供的候选项添加标签;
数据确定模块502,用于确定用户针对上述候选项的使用行为数据;以及
画像确定模块503,用于依据上述使用行为数据、以及上述候选项的标签,确定上述用户对应的用户画像特征。
可选地,上述候选项应用于通信环境,上述标签可以包括如下特征中的至少一种:
本端用户的第一用户标签、至少一个对端用户的第二用户标签和多端用户的用户关系标签。
可选地,标签添加模块501可以包括:
第一标签添加模块,用于依据候选项对应的语义信息,确定上述候选项对应的标签;和/或
第二标签添加模块,用于依据标签对应的分类模型,确定候选项对应的标签;和/或
第三标签添加模块,用于依据候选项与标签之间的映射关系,确定候选项对应的标签。
可选地,上述装置还可以包括:
候选项构造模块,用于针对预设标签,构造对应的候选项,并建立候选项与标签之间的映射关系。
可选地,上述候选项构造模块可以包括:
第一候选项构造模块,用于依据预设标签和预设上下文,构造对应的候选项;和/或
第二候选项构造模块,用于依据第一语言风格标签及其对应的第一候选项、以及第二语言风格标签,构造第二语言风格标签对应的第二候选项,
可选地,画像确定模块503可以包括:
频率确定模块,用于依据上述使用行为数据、以及上述候选项的标签,确定上述标签对应的使用频率;
画像特征确定模块,用于依据上述使用频率,确定上述用户对应的用户画像特征。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
关于上述实施例中的装置,其中各个模块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。
本发明实施例提供了一种用于推荐的装置,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;依据所述匹配信息,对所述候选内容进行推荐。
图6是根据一示例性实施例示出的一种用于推荐的装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音输入模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID,Radio Frequency Identification)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图7是本发明的一些实施例中服务器的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processingunits,CPU)1922(例如,一个或一个以上处理器)和存储器1932,一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中,存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1922可以设置为与存储介质1930通信,在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926,一个或一个以上有线或无线网络接口1950,一个或一个以上输入输出接口1958,一个或一个以上键盘1956,和/或,一个或一个以上操作系统1941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由装置(服务器或者终端)的处理器执行时,使得装置能够执行图2或图3所示的推荐方法。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由装置(服务器或者终端)的处理器执行时,使得装置能够执行一种推荐方法,所述方法包括:确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;依据所述匹配信息,对所述候选内容进行推荐。
本发明实施例公开了A1、一种推荐方法,所述方法包括:
确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;
依据所述匹配信息,对所述候选内容进行推荐。
A2、根据A1所述的方法,所述方法应用于通信环境,所述用户画像特征包括如下特征中的至少一种:
本端用户的第一用户画像特征、至少一个对端用户的第二用户画像特征和多端用户的用户关系特征。
A3、根据A1所述的方法,所述确定候选内容与用户画像特征之间的匹配信息,包括:
确定候选内容对应的标签与用户画像特征之间的匹配信息。
A4、根据A1至A3中任一所述的方法,所述候选内容为针对输入环境下的上下文对应的候选内容。
A5、根据A1至A3中任一所述的方法,所述对所述候选内容进行推荐,包括:
依据所述匹配信息,对多个候选内容进行排序;
依据得到的排序结果,对所述多个候选内容进行展示。
A6、根据A1至A3中任一所述的方法,所述对所述候选内容进行推荐,包括:
依据所述匹配信息,从多个候选内容中确定出目标候选内容;
对所述目标候选内容进行推荐。
本发明实施例公开了B7、一种推荐方法,所述方法包括:
为输入法提供的候选项添加标签;
确定用户针对所述候选项的使用行为数据;
依据所述使用行为数据、以及所述候选项的标签,确定所述用户对应的用户画像特征。
B8、根据B7所述的方法,所述候选项应用于通信环境,所述标签包括如下特征中的至少一种:
本端用户的第一用户标签、至少一个对端用户的第二用户标签和多端用户的用户关系标签。
B9、根据B7所述的方法,所述为输入法提供的候选项添加标签,包括:
依据候选项对应的语义信息,确定所述候选项对应的标签;和/或
依据标签对应的分类模型,确定候选项对应的标签;和/或
依据候选项与标签之间的映射关系,确定候选项对应的标签。
B10、根据B9所述的方法,所述方法还包括:
针对预设标签,构造对应的候选项,并建立候选项与标签之间的映射关系。
B11、根据B10所述的方法,所述构造对应的候选项,包括:
依据预设标签和预设上下文,构造对应的候选项;和/或
依据第一语言风格标签及其对应的第一候选项、以及第二语言风格标签,构造第二语言风格标签对应的第二候选项,
B12、根据B7至B11中任一所述的方法,所述确定所述用户对应的用户画像特征,包括:
依据所述使用行为数据、以及所述候选项的标签,确定所述标签对应的使用频率;
依据所述使用频率,确定所述用户对应的用户画像特征。
本发明实施例公开了C13、一种推荐装置,包括:
确定模块,用于确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;以及
推荐模块,用于依据所述匹配信息,对所述候选内容进行推荐。
C14、根据C13所述的装置,所述装置应用于通信环境,所述用户画像特征包括如下特征中的至少一种:
本端用户的第一用户画像特征、至少一个对端用户的第二用户画像特征和多端用户的用户关系特征。
C15、根据C13所述的装置,所述确定模块,具体用于确定候选内容对应的标签与用户画像特征之间的匹配信息。
C16、根据C13至C15中任一所述的装置,所述候选内容为针对输入环境下的上下文对应的候选内容。
C17、根据C13至C15中任一所述的装置,所述推荐模块包括:
排序模块,用于依据所述匹配信息,对多个候选内容进行排序;
展示模块,用于依据得到的排序结果,对所述多个候选内容进行展示。
C18、根据C13至C15中任一所述的装置,所述推荐模块包括:
目标候选内容确定模块,用于依据所述匹配信息,从多个候选内容中确定出目标候选内容;
目标候选内容推荐模块,用于对所述目标候选内容进行推荐。
本发明实施例公开了D19、一种推荐装置,所述装置包括:
标签添加模块,用于为输入法提供的候选项添加标签;
数据确定模块,用于确定用户针对所述候选项的使用行为数据;以及
画像确定模块,用于依据所述使用行为数据、以及所述候选项的标签,确定所述用户对应的用户画像特征。
D20、根据D19所述的装置,所述候选项应用于通信环境,所述标签包括如下特征中的至少一种:
本端用户的第一用户标签、至少一个对端用户的第二用户标签和多端用户的用户关系标签。
D21、根据D19所述的装置,所述标签添加模块包括:
第一标签添加模块,用于依据候选项对应的语义信息,确定所述候选项对应的标签;和/或
第二标签添加模块,用于依据标签对应的分类模型,确定候选项对应的标签;和/或
第三标签添加模块,用于依据候选项与标签之间的映射关系,确定候选项对应的标签。
D22、根据D21所述的装置,所述装置还包括:
候选项构造模块,用于针对预设标签,构造对应的候选项,并建立候选项与标签之间的映射关系。
D23、根据D22所述的装置,所述候选项构造模块包括:
第一候选项构造模块,用于依据预设标签和预设上下文,构造对应的候选项;和/或
第二候选项构造模块,用于依据第一语言风格标签及其对应的第一候选项、以及第二语言风格标签,构造第二语言风格标签对应的第二候选项,
D24、根据D19至D23中任一所述的装置,所述画像确定模块包括:
频率确定模块,用于依据所述使用行为数据、以及所述候选项的标签,确定所述标签对应的使用频率;
画像特征确定模块,用于依据所述使用频率,确定所述用户对应的用户画像特征。
本发明实施例公开了E25、一种用于推荐的装置,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;
依据所述匹配信息,对所述候选内容进行推荐。
E26、根据E25所述的装置,所述装置应用于通信环境,所述用户画像特征包括如下特征中的至少一种:
本端用户的第一用户画像特征、至少一个对端用户的第二用户画像特征和多端用户的用户关系特征。
E27、根据E25所述的装置,所述确定候选内容与用户画像特征之间的匹配信息,包括:
确定候选内容对应的标签与用户画像特征之间的匹配信息。
E28、根据E25至E27中任一所述的装置,所述候选内容为针对输入环境下的上下文对应的候选内容。
E29、根据E25至E27中任一所述的装置,所述对所述候选内容进行推荐,包括:
依据所述匹配信息,对多个候选内容进行排序;
依据得到的排序结果,对所述多个候选内容进行展示。
E30、根据E25至E27中任一所述的装置,所述对所述候选内容进行推荐,包括:
依据所述匹配信息,从多个候选内容中确定出目标候选内容;
对所述目标候选内容进行推荐。
本发明实施例公开了F31、一种用于推荐的装置,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
为输入法提供的候选项添加标签;
确定用户针对所述候选项的使用行为数据;
依据所述使用行为数据、以及所述候选项的标签,确定所述用户对应的用户画像特征。
F32、根据F31所述的装置,所述候选项应用于通信环境,所述标签包括如下特征中的至少一种:
本端用户的第一用户标签、至少一个对端用户的第二用户标签和多端用户的用户关系标签。
F33、根据F31所述的装置,所述为输入法提供的候选项添加标签,包括:
依据候选项对应的语义信息,确定所述候选项对应的标签;和/或
依据标签对应的分类模型,确定候选项对应的标签;和/或
依据候选项与标签之间的映射关系,确定候选项对应的标签。
F34、根据F33所述的装置,所述装置还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
针对预设标签,构造对应的候选项,并建立候选项与标签之间的映射关系。
F35、根据F34所述的装置,所述构造对应的候选项,包括:
依据预设标签和预设上下文,构造对应的候选项;和/或
依据第一语言风格标签及其对应的第一候选项、以及第二语言风格标签,构造第二语言风格标签对应的第二候选项,
F36、根据F31至F35中任一所述的装置,所述确定所述用户对应的用户画像特征,包括:
依据所述使用行为数据、以及所述候选项的标签,确定所述标签对应的使用频率;
依据所述使用频率,确定所述用户对应的用户画像特征。
本发明实施例公开了G37、一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如A1至A6中一个或多个所述的推荐方法。
本发明实施例公开了H38、一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如B7至B12中一个或多个所述的推荐方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上对本发明所提供的一种推荐方法、一种推荐装置和一种用于推荐的装置,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 (10)
1.一种推荐方法,其特征在于,所述方法包括:
确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;
依据所述匹配信息,对所述候选内容进行推荐。
2.根据权利要求1所述的方法,其特征在于,所述方法应用于通信环境,所述用户画像特征包括如下特征中的至少一种:
本端用户的第一用户画像特征、至少一个对端用户的第二用户画像特征和多端用户的用户关系特征。
3.根据权利要求1所述的方法,其特征在于,所述确定候选内容与用户画像特征之间的匹配信息,包括:
确定候选内容对应的标签与用户画像特征之间的匹配信息。
4.一种推荐方法,其特征在于,所述方法包括:
为输入法提供的候选项添加标签;
确定用户针对所述候选项的使用行为数据;
依据所述使用行为数据、以及所述候选项的标签,确定所述用户对应的用户画像特征。
5.一种推荐装置,其特征在于,包括:
确定模块,用于确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;以及
推荐模块,用于依据所述匹配信息,对所述候选内容进行推荐。
6.一种推荐装置,其特征在于,所述装置包括:
标签添加模块,用于为输入法提供的候选项添加标签;
数据确定模块,用于确定用户针对所述候选项的使用行为数据;以及
画像确定模块,用于依据所述使用行为数据、以及所述候选项的标签,确定所述用户对应的用户画像特征。
7.一种用于推荐的装置,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
确定候选内容与用户画像特征之间的匹配信息;所述用户画像特征为依据用户针对输入法提供的候选项的使用行为数据、以及所述候选项的标签得到;
依据所述匹配信息,对所述候选内容进行推荐。
8.一种用于推荐的装置,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
为输入法提供的候选项添加标签;
确定用户针对所述候选项的使用行为数据;
依据所述使用行为数据、以及所述候选项的标签,确定所述用户对应的用户画像特征。
9.一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如权利要求1至3中一个或多个所述的推荐方法。
10.一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如权利要求4所述的推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011419422.4A CN114594863A (zh) | 2020-12-07 | 2020-12-07 | 推荐方法、装置和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011419422.4A CN114594863A (zh) | 2020-12-07 | 2020-12-07 | 推荐方法、装置和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114594863A true CN114594863A (zh) | 2022-06-07 |
Family
ID=81802961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011419422.4A Pending CN114594863A (zh) | 2020-12-07 | 2020-12-07 | 推荐方法、装置和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114594863A (zh) |
-
2020
- 2020-12-07 CN CN202011419422.4A patent/CN114594863A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11188711B2 (en) | Unknown word predictor and content-integrated translator | |
KR102544453B1 (ko) | 정보 처리 방법, 장치 및 저장 매체 | |
CN108304412B (zh) | 一种跨语言搜索方法和装置、一种用于跨语言搜索的装置 | |
CN109101505B (zh) | 一种推荐方法、推荐装置和用于推荐的装置 | |
CN108628911B (zh) | 针对用户输入的表情预测 | |
CN110633017A (zh) | 一种输入方法、装置和用于输入的装置 | |
CN111538830B (zh) | 法条检索方法、装置、计算机设备及存储介质 | |
CN111708444A (zh) | 输入方法、装置和用于输入的装置 | |
CN114610163A (zh) | 推荐方法、装置和介质 | |
CN113010768B (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN112306252A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN114330325A (zh) | 个性化词条的处理方法和装置 | |
CN114594863A (zh) | 推荐方法、装置和介质 | |
CN114115550A (zh) | 联想候选的处理方法、装置和用于处理联想候选的装置 | |
CN112181163A (zh) | 一种输入方法、装置和用于输入的装置 | |
CN113589950A (zh) | 输入方法、装置和用于输入的装置 | |
CN113407099A (zh) | 输入方法、装置和机器可读介质 | |
CN110765338A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN113534973B (zh) | 输入方法、装置和用于输入的装置 | |
CN113031787A (zh) | 一种输入方法、装置和用于输入的装置 | |
CN112000233B (zh) | 联想候选的处理方法、装置和用于处理联想候选的装置 | |
CN113625885B (zh) | 一种输入方法、装置和用于输入的装置 | |
CN112883295B (zh) | 一种数据处理方法、装置和介质 | |
CN114330324A (zh) | 个性化词条的处理方法和装置 | |
CN108509058B (zh) | 输入方法与相关设备 |
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 |