CN115269989B - 对象推荐方法、装置、电子设备和存储介质 - Google Patents
对象推荐方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115269989B CN115269989B CN202210927036.9A CN202210927036A CN115269989B CN 115269989 B CN115269989 B CN 115269989B CN 202210927036 A CN202210927036 A CN 202210927036A CN 115269989 B CN115269989 B CN 115269989B
- Authority
- CN
- China
- Prior art keywords
- descriptive
- target
- search
- text
- segmentations
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种对象推荐方法、装置、电子设备和存储介质,涉及人工智能领域,尤其涉及基于人工智能的推荐技术领域。实现方案为:获得待推荐的对象,对象具有相应的描述文本;获得描述文本所包括的多个描述分词中的多个目标描述分词,多个目标描述分词用于将描述文本与其他对象对应的其他描述文本进行区分;基于多个目标描述分词,获得对象的对象表征向量;以及基于对象表征向量,推荐对象。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及基于人工智能的推荐技术领域,具体涉及一种对象推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
基于人工智能的推荐技术,已经渗透到各个领域。其中,基于人工智能的对象推荐,通过预测用户对对象的偏好,向用户推荐符合其偏好的对象。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种对象推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种对象推荐方法,包括:获得待推荐的对象,所述对象具有相应的描述文本;获得所述描述文本所包括的多个描述分词中的多个目标描述分词,所述多个目标描述分词用于将所述描述文本与其他对象对应的其他描述文本进行区分;基于所述多个目标描述分词,获得所述对象的对象表征向量;以及基于所述对象表征向量,推荐所述对象。
根据本公开的另一方面,提供了一种对象推荐装置,包括:对象获取单元,被配置用于获得待推荐的对象,所述对象具有相应的描述文本;目标描述分词获取单元,被配置用于获得所述描述文本所包括的多个描述分词中的多个目标描述分词,所述多个目标描述分词用于将所述描述文本与其他对象对应的其他描述文本进行区分;对象表征向量获取单元,被配置用于基于所述多个目标描述分词,获得所述对象的对象表征向量;以及推荐单元,被配置用于基于所述对象表征向量,推荐所述对象。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行根据本公开的实施例所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据本公开的实施例所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据本公开的实施例所述的方法。
根据本公开的一个或多个实施例,可以提升为用户所推荐的对象的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的对象推荐方法的流程图;
图3示出了根据本公开的实施例的对象推荐方法中获得描述文本所包括的多个描述分词中的多个目标描述分词的过程的流程图;
图4示出了根据本公开的实施例的对象推荐方法中基于多个目标描述分词,获得对象的对象表征向量的过程的流程图;
图5示出了根据本公开的实施例的对象推荐方法中基于多个目标描述分词中的每一个目标描述分词的语义表示向量,获得对象表征向量的过程的流程图;
图6示出了根据本公开的实施例的对象推荐方法的流程图;
图7示出了根据本公开的实施例的对象推荐方法中获得搜索文本所包括的多个搜索分词中的多个目标搜索分词的过程的流程图;
图8示出了根据本公开的实施例的对象推荐方法中基于多个目标搜索分词,获得搜索文本的搜索文本表征向量的过程的流程图;
图9示出了根据本公开的实施例的对象推荐装置的结构框图;以及
图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行根据本公开的对象推荐方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来接收向该用户推荐的一个或多个对象。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据本公开的一方面,提供了一种对象推荐方法。参看图2,根据本公开的一些实施例的对象推荐方法200包括:
步骤S210:获得待推荐的对象,所述对象具有相应的描述文本;
步骤S220:获得所述描述文本所包括的多个描述分词中的多个目标描述分词,所述多个目标描述分词用于将所述描述文本与其他对象对应的其他描述文本进行区分;
步骤S230:基于所述多个目标描述分词,获得所述对象的对象表征向量;以及
步骤S240:基于所述对象表征向量,推荐所述对象。
在相关技术中,往往基于描述文本获得对象的表征向量,并基于对象的表征向量,确定是否将对象推荐给用户。由于描述文本中常常包含与该对象无关的无法将该对象与其他对象进行区分的词,例如,描述对象的应用场景的词,使得所获得的对象的表征向量不具有代表性;基于该表征向量获得为用户推荐的对象的过程中,往往使得为用户推荐的对象与其预期相差较远,尤其是在通过将该表征向量与用户的搜索请求进行匹配的过程中,由于用户的搜索请求往往较为简练,往往匹配不到与其精确匹配的表征向量,使得为用户推荐的对象不够准确。
根据本公开的实施例中,通过获得对象的描述文本中的多个描述分词中的多个目标描述分词,该多个目标描述分词能够将对象的描述文本与其他对象的其他描述文本区分开来,并基于该多个目标描述分词,获得对象的对象表征向量,使得所获得的对象表征向量能够将对象与其他对象进行区分,实现对对象进行有重点的表征,从而基于该对象表征向量进行推荐的过程中,能够进行精准匹配,提高向用户推荐的对象的准确性。
在一些实施例中,待推荐的对象可以是任何以电子数据形式存在的任何信息、资源等,例如,视频、文章、商品等。通过将待推荐的对象通过网络传送给各个客户端,实现对待推荐的对象的推荐。
在一些实施例中,当对象为视频时,对象的描述文本可以是视频的标题、字幕、标签等;当对象为商品时,描述文本可以是商品的标题;当对象为违章时,描述文本可以是文章的标题或者文章的内容文本。
在根据本公开的一个示例中,所述对象包括商品,所述描述文本包括所述商品的标题。
在一些实施例中,如图3所示,获得所述描述文本所包括的多个描述分词中的多个目标描述分词包括:
步骤S310:对所述描述文本进行切词,以获得所述多个描述分词;
步骤S320:获得所述多个描述分词中的每一个描述分词对应的第一得分,所述第一得分指示基于相应描述分词将所述描述文本与其他对象对应的其他描述文本进行区分的可能性;以及
步骤S330:基于所述多个描述分词对应的多个第一得分,获得所述多个目标描述分词。
通过获得描述文本中各个描述分词的第一得分,该第一得分指示基于相应描述分词将所述描述文本与其他对象对应的其他描述文本进行区分的可能性,并且基于各个描述分词的第一得分获得多个目标描述分词,使获得的多个目标描述分词准确。
在一些实施例中,将各个描述分词输入至经训练的打分模型,以获得每一个描述分词对应的第一得分。
在一些实施例中,通过词频-逆向文件频率(TF-IDF)获得多个描述分词中的每一个描述分词对应的第一得分。
例如,通过获得对象集合中的每一个对象的描述文本,以获得描述文本集合,基于该描述文本集合,通过公式(1)获得第i个描述文本I中的描述分词x的第一得分S:
其中,xi为描述分词x在描述文本I中出现的次数,In为描述文本I中的各个描述分词出现的次数总和,N为描述文本集合中的文本总数,Nx为包括描述分词x的描述文本的总数。
通过上述统计方法,可以获得描述文本中每个描述分词对于将该描述文本和其他描述文本进行分所占的权重(即第一得分S),权重越高表明基于该描述分词将该描述文本与其他描述文本进行区分的可能性越大。
在一些实施例中,将多个描述分词中第一得分大于预设得分阈值的描述分词确定为目标描述分词,以获得所述多个目标描述分词。
在一些实施例中,所述多个目标描述分词包括所述多个描述分词中预设数量的多个描述分词,所述预设数量的描述分词中的每一个描述分词的第一得分高于所述多个描述分词中的其他描述分词,所述其他描述分词区别于所述预设数量的描述分词中的每一个描述分词。
多个目标描述分词是多个描述分词中第一得分较大的预设数量的多个描述分词,使获得的目标描述分词是多个描述分词中更具代表性的描述分词,进而使基于多个目标描述分词所获得的对象的对象表征向量更加准确。
在一些实施例中,直接基于多个目标描述分词中的每一个目标描述分词的词向量,获得对象的对象表征向量。
在一些实施例中,如图4所示,基于所述多个目标描述分词,获得所述对象的对象表征向量包括:
步骤S410:获得所述多个目标描述分词中的每一个目标描述分词的语义表示向量,该语义表示向量与该目标描述分词在所述描述文本中的位置相关;以及
步骤S420:基于所述多个目标描述分词中的每一个目标描述分词的语义表示向量,获得所述对象表征向量。
通过获得每一个目标描述分词的语义表示向量,语义表示向量与该目标描述分词在所述描述文本中的位置相关,使得每一个目标描述分词的语义表示向量与该描述文本的语义相关,能够挖掘描述文本中深层语义之间的相似信息,进而使基于每一个基于目标描述分词的语义表示向量获得的对象表征向量包含描述文本中的深层语义之间的相似信息,使对象表征向量对对象的表征准确。
在一些实施例中,基于BERT深度学习模型,获得多个目标描述分词中的每一个目标描述分词的语义向量表示。
例如,通过将描述文本进行切词,获得多个描述分词之后,将多个描述分词按照其在描述文本中的顺序组成的词序列,并输入BERT模型,从而获得每一个描述分词的语义表征向量,其中,包括多个目标描述分词中的每一个目标描述分词的语义表征向量。
在一些实施例中,获得多个目标描述分词中的每一个目标描述分词的语义表征向量后,通过将多个目标描述分词的多个语义表征向量直接相加,获得对象的对象表征向量。
在一些实施例中,基于所述多个目标描述分词中的每一个目标描述分词的语义表示向量和第一得分,获得对象表征向量。
在一些实施例中,如图5所示,基于所述多个目标描述分词中的每一个目标描述分词的语义表示向量,获得所述对象表征向量包括:
步骤S510:对所述多个目标描述分词中的每一个目标描述分词的第一得分进行归一化处理,以获得该描述分词的加权得分;
步骤S520:基于所述多个目标描述分词中的每一个目标描述分词的加权得分对该目标描述分词的语义对象表征向量进行加权处理,以获得该目标描述分词的加权向量;以及
步骤S530:基于所述多个目标描述分词中的每一个目标描述分词的加权向量,获得所述对象表征向量。
通过基于对每一个目标描述分词的第一得分进行归一化处理之后获得的加权得分,对相应的语义表示向量进行加权处理,并基于加权处理后获得的加权向量获得对象表征向量,使获得的对象表征向量还包括各个目标描述分词之间对描述文本的重要性程度(基于该目标描述分词将该描述文本与其他描述文本进行区分的可能性)的区分,进一步提升所获得的对象表征向量的准确性。
在一些实施例中,通过直接将多个目标描述分词对应的多个加权向量直接相加,获得对象表征向量。
在一些实施例中,在获得对象表征向量之后,还获得用户的用户表征向量,并计算对象表征向量和用户表征向量之间的相似度,基于相似度确定是否将该对象推荐给用户。
在一些实施例中,基于用户的搜索请求,确定是否将该对象推荐给用户。
在一些实施例中,如图6所示,根据本公开的一些实施例的对象推荐方法还包括:
步骤S610:获得用户的搜索文本;
步骤S620:获得所述搜索文本所包括的多个搜索分词中的多个目标搜索分词,所述多个目标搜索分词用于将所述搜索文本与其他搜索文本进行区分;以及
步骤S630:基于所述多个目标搜索分词,获得所述搜索文本的搜索文本表征向量;并且其中,所述基于所述对象表征向量,推荐所述对象包括:
基于所述搜索文本表征向量和所述对象表征向量,确定是否向所述用户推荐所述对象。
根据本公开的实施例,在基于用户的搜索文本为用户推荐对象的过程中,实现文本和文本之间的匹配,由于对于对象的描述文本和用户的搜索文本,分别获得该文本中的多个分词中能够将其与其他相应文本进行区分的多个目标分词,并基于相应的多个目标分词获得相应的表征向量,其中,基于描述文本的多个目标描述分词获得对象表征向量,基于搜索文本的多个目标搜索分词获得搜索文本表征向量,提升对对象和搜索文本进行表征的准确性,使基于搜索文本和对象的描述文本进行匹配时,匹配结果更加准确,进而能够提升为用户推荐的对象的准确性。
在一些实施例中,如图7所示,获得所述搜索文本所包括的多个搜索分词中的多个目标搜索分词包括:
步骤S710:对所述搜索文本进行切词,以获得所述多个搜索分词;
步骤S720:获得所述多个搜索分词中的每一个搜索分词对应的第二得分,所述第二得分指示基于相应搜索分词将所述搜索文本与其他搜索文本进行区分的可能性;以及
步骤S730:基于所述多个搜索分词对应的多个第二得分,获得所述多个目标搜索分词。
通过获得搜索文本中每一个搜索分词的第二得分,该第二得分指示基于相应搜索分词将搜索文本与其他搜索文本进行区分的可能性,并且基于各个搜索分词的第二得分获得多个目标搜索分词,使获得的多个目标搜索分词准确。
在一些实施例中,将各个搜索分词输入至经训练的打分模型,以获得每一个搜索分词对应的第二得分。
在一些实施例中,通过词频-逆向文件频率(TF-IDF)获得多个搜索分词中的每一个搜索分词对应的第二得分。
在一些实施例中,如图8所示,基于所述多个目标搜索分词,获得所述搜索文本的搜索文本表征向量包括:
步骤S810:获得所述多个目标搜索分词中的每一个目标搜索分词的语义表示向量,该语义表示向量与该目标搜索分词在所述搜索文本中的位置相关;
步骤S820:基于所述多个目标搜索分词中的每一个目标搜索分词对应的第二得分,获得该目标搜索分词对应的加权得分;以及
步骤S830:基于所述多个目标搜索分词中的每一个目标搜索分词的语义表示向量和加权得分,获得所述搜索文本表征向量。
通过获得每一个目标搜索分词的语义表示向量,语义表示向量与该目标搜索分词在搜索文本中的位置相关,使得每一个目标搜索分词的语义表示向量与该搜索文本的语义相关,能够挖掘搜索文本中深层语义之间的相似信息,进而使基于每一个基于目标搜索分词的语义表示向量获得的搜索文本表征向量包含搜索文本中的深层语义之间的相似信息,使搜索文本表征向量对搜索文本的表征准确。
同时,通过基于对每一个目标搜索分词的第二得分进行归一化处理之后获得的加权得分,对相应的语义表示向量进行加权处理,并基于加权处理后获得的加权向量获得搜索文本表征向量,使获得的搜索文本表征向量还包括各个目标搜索分词之间对搜索文本的重要性程度(基于该目标搜索分词将该搜索文本与其他搜索文本进行区分的可能性)的区分,进一步提升所获得的搜索文本表征向量的准确性。
在一些实施例中,通过将每一个目标搜索分词的语义表示向量和加权得分相乘,获得加权向量;并将多个目标搜索分词对应的多个加权向量相加,获得搜索文本表征向量。
在一些实施例中,获得搜索文本表征向量之后,计算搜索文本表征向量和对象表征向量之间的相似度,并基于相似度确定是否将对象推荐给用户。
根据本公开的另一方面,还提供一种对象推荐装置,如图9所示,装置900包括:对象获取单元910,被配置用于获得待推荐的对象,所述对象具有相应的描述文本;目标描述分词获取单元920,被配置用于获得所述描述文本所包括的多个描述分词中的多个目标描述分词,所述多个目标描述分词用于将所述描述文本与其他对象对应的其他描述文本进行区分;对象表征向量获取单元930,被配置用于基于所述多个目标描述分词,获得所述对象的对象表征向量;以及推荐单元940,被配置用于基于所述对象表征向量,推荐所述对象。
在一些实施例中,所述目标描述分词获取单元920包括:切词单元,被配置用于对所述描述文本进行切词,以获得所述多个描述分词;第一得分计算单元,被配置用于获得所述多个描述分词中的每一个描述分词对应的第一得分,所述第一得分指示基于相应描述分词将所述描述文本与其他对象对应的其他描述文本进行区分的可能性;以及目标描述分词获取子单元,被配置用于基于所述多个描述分词对应的多个第一得分,获得所述多个目标描述分词。
在一些实施例中,所述多个目标描述分词包括所述多个描述分词中预设数量的多个描述分词,所述预设数量的描述分词中的每一个描述分词的第一得分高于所述多个描述分词中的其他描述分词,所述其他描述分词区别于所述预设数量的描述分词中的每一个描述分词。
在一些实施例中,所述对象表征向量获取单元930包括:语义表示向量获取单元,被配置用于获得所述多个目标描述分词中的每一个目标描述分词的语义表示向量,该语义表示向量与该目标描述分词在所述描述文本中的位置相关;以及对象表征向量获取子单元,被配置用于基于所述多个目标描述分词中的每一个目标描述分词的语义表示向量,获得所述对象表征向量。
在一些实施例中,所述对象表征向量获取子单元包括:归一化单元,被配置用于对所述多个目标描述分词中的每一个目标描述分词的第一得分进行归一化处理,以获得该描述分词的加权得分;加权单元,被配置用于基于所述多个目标描述分词中的每一个目标描述分词的加权得分对该目标描述分词的语义对象表征向量进行加权处理,以获得该目标描述分词的加权向量;以及第一获取子单元,被配置用于基于所述多个目标描述分词中的每一个目标描述分词的加权向量,获得所述对象表征向量。
在一些实施例中,还包括:搜索文本获取单元,被配置用于获得用户的搜索文本;目标搜索分词获取单元,被配置用于获得所述搜索文本所包括的多个搜索分词中的多个目标搜索分词,所述多个目标搜索分词用于将所述搜索文本与其他搜索文本进行区分;以及搜索文本表征向量获取单元,被配置用于基于所述多个目标搜索分词,获得所述搜索文本的搜索文本表征向量;并且其中,所述推荐单元930包括:确定单元,被配置用于基于所述搜索文本表征向量和所述对象表征向量,确定是否向所述用户推荐所述对象。
在一些实施例中,所述获得所述搜索文本所包括的多个搜索分词中的多个目标搜索分词包括:对所述搜索文本进行切词,以获得所述多个搜索分词;获得所述多个搜索分词中的每一个搜索分词对应的第二得分,所述第二得分指示基于相应搜索分词将所述搜索文本与其他搜索文本进行区分的可能性;以及基于所述多个搜索分词对应的多个第二得分,获得所述多个目标搜索分词。
在一些实施例中,所述基于所述多个目标搜索分词,获得所述搜索文本的搜索文本表征向量包括:获得所述多个目标搜索分词中的每一个目标搜索分词的语义表示向量,该语义表示向量与该目标搜索分词在所述搜索文本中的位置相关;基于所述多个目标搜索分词中的每一个目标搜索分词对应的第二得分,获得该目标搜索分词对应的加权得分;以及基于所述多个目标搜索分词中的每一个目标搜索分词的语义表示向量和加权得分,获得所述搜索文本表征向量。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图10,现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,电子设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003中,还可存储电子设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
电子设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向电子设备1000输入信息的任何类型的设备,输入单元1006可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1007可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许电子设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到电子设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (15)
1.一种对象推荐方法,包括:
获得待推荐的对象,所述对象具有相应的描述文本;
获得所述描述文本所包括的多个描述分词中的多个目标描述分词,所述多个目标描述分词用于将所述描述文本与其他对象对应的其他描述文本进行区分;
获得所述多个目标描述分词中的每一个目标描述分词的语义表示向量,该语义表示向量与该目标描述分词在所述描述文本中的位置相关;
对所述多个目标描述分词中的每一个目标描述分词的第一得分进行归一化处理,以获得该目标描述分词的加权得分,所述第一得分指示基于相应目标描述分词将所述描述文本与其他对象对应的其他描述文本进行区分的可能性;
基于所述多个目标描述分词中的每一个目标描述分词的加权得分对该目标描述分词的语义表示向量进行加权处理,以获得该目标描述分词的加权向量;
基于所述多个目标描述分词中的每一个目标描述分词的加权向量,获得所述对象的对象表征向量;以及
基于所述对象表征向量,推荐所述对象。
2.根据权利要求1所述的方法,其中,所述获得所述描述文本所包括的多个描述分词中的多个目标描述分词包括:
对所述描述文本进行切词,以获得所述多个描述分词;
获得所述多个描述分词中的每一个描述分词对应的第一得分,所述第一得分指示基于相应描述分词将所述描述文本与其他对象对应的其他描述文本进行区分的可能性;以及
基于所述多个描述分词对应的多个第一得分,获得所述多个目标描述分词。
3.根据权利要求2所述的方法,其中,所述多个目标描述分词包括所述多个描述分词中预设数量的多个描述分词,所述预设数量的描述分词中的每一个描述分词的第一得分高于所述多个描述分词中的其他描述分词,所述其他描述分词区别于所述预设数量的描述分词中的每一个描述分词。
4.根据权利要求1-3中任一项所述的方法,其中,所述对象包括商品,所述描述文本包括所述商品的标题。
5.根据权利要求1-3中任一项所述的方法,还包括:
获得用户的搜索文本;
获得所述搜索文本所包括的多个搜索分词中的多个目标搜索分词,所述多个目标搜索分词用于将所述搜索文本与其他搜索文本进行区分;以及
基于所述多个目标搜索分词,获得所述搜索文本的搜索文本表征向量;并且其中,所述基于所述对象表征向量,推荐所述对象包括:
基于所述搜索文本表征向量和所述对象表征向量,确定是否向所述用户推荐所述对象。
6.根据权利要求5所述的方法,其中,所述获得所述搜索文本所包括的多个搜索分词中的多个目标搜索分词包括:
对所述搜索文本进行切词,以获得所述多个搜索分词;
获得所述多个搜索分词中的每一个搜索分词对应的第二得分,所述第二得分指示基于相应搜索分词将所述搜索文本与其他搜索文本进行区分的可能性;以及
基于所述多个搜索分词对应的多个第二得分,获得所述多个目标搜索分词。
7.根据权利要求6所述的方法,其中,所述基于所述多个目标搜索分词,获得所述搜索文本的搜索文本表征向量包括:
获得所述多个目标搜索分词中的每一个目标搜索分词的语义表示向量,该语义表示向量与该目标搜索分词在所述搜索文本中的位置相关;
基于所述多个目标搜索分词中的每一个目标搜索分词对应的第二得分,获得该目标搜索分词对应的加权得分;以及
基于所述多个目标搜索分词中的每一个目标搜索分词的语义表示向量和加权得分,获得所述搜索文本表征向量。
8.一种对象推荐装置,包括:
对象获取单元,被配置用于获得待推荐的对象,所述对象具有相应的描述文本;
目标描述分词获取单元,被配置用于获得所述描述文本所包括的多个描述分词中的多个目标描述分词,所述多个目标描述分词用于将所述描述文本与其他对象对应的其他描述文本进行区分;
对象表征向量获取单元,包括:
语义表示向量获取单元,被配置用于获得所述多个目标描述分词中的每一个目标描述分词的语义表示向量,该语义表示向量与该目标描述分词在所述描述文本中的位置相关;
对象表征向量获取子单元,包括:
归一化单元,被配置用于对所述多个目标描述分词中的每一个目标描述分词的第一得分进行归一化处理,以获得该目标描述分词的加权得分,所述第一得分指示基于相应目标描述分词将所述描述文本与其他对象对应的其他描述文本进行区分的可能性;
加权单元,被配置用于基于所述多个目标描述分词中的每一个目标描述分词的加权得分对该目标描述分词的语义表示向量进行加权处理,以获得该目标描述分词的加权向量;以及
第一获取子单元,被配置用于基于所述多个目标描述分词中的每一个目标描述分词的加权向量,获得所述对象的对象表征向量;以及
推荐单元,被配置用于基于所述对象表征向量,推荐所述对象。
9.根据权利要求8所述的装置,其中,所述目标描述分词获取单元包括:
切词单元,被配置用于对所述描述文本进行切词,以获得所述多个描述分词;
第一得分计算单元,被配置用于获得所述多个描述分词中的每一个描述分词对应的第一得分,所述第一得分指示基于相应描述分词将所述描述文本与其他对象对应的其他描述文本进行区分的可能性;以及
目标描述分词获取子单元,被配置用于基于所述多个描述分词对应的多个第一得分,获得所述多个目标描述分词。
10.根据权利要求9所述的装置,其中,所述多个目标描述分词包括所述多个描述分词中预设数量的多个描述分词,所述预设数量的描述分词中的每一个描述分词的第一得分高于所述多个描述分词中的其他描述分词,所述其他描述分词区别于所述预设数量的描述分词中的每一个描述分词。
11.根据权利要求8-10中任一项所述的装置,还包括:
搜索文本获取单元,被配置用于获得用户的搜索文本;
目标搜索分词获取单元,被配置用于获得所述搜索文本所包括的多个搜索分词中的多个目标搜索分词,所述多个目标搜索分词用于将所述搜索文本与其他搜索文本进行区分;以及
搜索文本表征向量获取单元,被配置用于基于所述多个目标搜索分词,获得所述搜索文本的搜索文本表征向量;并且其中,所述推荐单元包括:
确定单元,被配置用于基于所述搜索文本表征向量和所述对象表征向量,确定是否向所述用户推荐所述对象。
12.根据权利要求11所述的装置,其中,所述获得所述搜索文本所包括的多个搜索分词中的多个目标搜索分词包括:
对所述搜索文本进行切词,以获得所述多个搜索分词;
获得所述多个搜索分词中的每一个搜索分词对应的第二得分,所述第二得分指示基于相应搜索分词将所述搜索文本与其他搜索文本进行区分的可能性;以及
基于所述多个搜索分词对应的多个第二得分,获得所述多个目标搜索分词。
13.根据权利要求12所述的装置,其中,所述基于所述多个目标搜索分词,获得所述搜索文本的搜索文本表征向量包括:
获得所述多个目标搜索分词中的每一个目标搜索分词的语义表示向量,该语义表示向量与该目标搜索分词在所述搜索文本中的位置相关;
基于所述多个目标搜索分词中的每一个目标搜索分词对应的第二得分,获得该目标搜索分词对应的加权得分;以及
基于所述多个目标搜索分词中的每一个目标搜索分词的语义表示向量和加权得分,获得所述搜索文本表征向量。
14.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
15.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210927036.9A CN115269989B (zh) | 2022-08-03 | 2022-08-03 | 对象推荐方法、装置、电子设备和存储介质 |
PCT/CN2023/075417 WO2024027125A1 (zh) | 2022-08-03 | 2023-02-10 | 对象推荐方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210927036.9A CN115269989B (zh) | 2022-08-03 | 2022-08-03 | 对象推荐方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115269989A CN115269989A (zh) | 2022-11-01 |
CN115269989B true CN115269989B (zh) | 2023-05-05 |
Family
ID=83748758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210927036.9A Active CN115269989B (zh) | 2022-08-03 | 2022-08-03 | 对象推荐方法、装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115269989B (zh) |
WO (1) | WO2024027125A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115269989B (zh) * | 2022-08-03 | 2023-05-05 | 百度在线网络技术(北京)有限公司 | 对象推荐方法、装置、电子设备和存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8943070B2 (en) * | 2010-07-16 | 2015-01-27 | International Business Machines Corporation | Adaptive and personalized tag recommendation |
CN104408115B (zh) * | 2014-11-25 | 2017-09-22 | 三星电子(中国)研发中心 | 一种电视平台上基于语义链接的异构资源推荐方法和装置 |
CN110147499B (zh) * | 2019-05-21 | 2021-09-14 | 智者四海(北京)技术有限公司 | 打标签方法、推荐方法及记录介质 |
CN111046221B (zh) * | 2019-12-17 | 2024-06-07 | 腾讯科技(深圳)有限公司 | 歌曲推荐方法、装置、终端设备以及存储介质 |
CN113449099B (zh) * | 2020-03-25 | 2024-02-23 | 瑞典爱立信有限公司 | 文本分类方法和文本分类设备 |
CN112100524A (zh) * | 2020-09-17 | 2020-12-18 | 北京百度网讯科技有限公司 | 一种信息推荐的方法、装置、设备以及存储介质 |
CN112347778B (zh) * | 2020-11-06 | 2023-06-20 | 平安科技(深圳)有限公司 | 关键词抽取方法、装置、终端设备及存储介质 |
CN113314207A (zh) * | 2021-06-28 | 2021-08-27 | 挂号网(杭州)科技有限公司 | 一种对象推荐方法、装置、存储介质及电子设备 |
CN113792131B (zh) * | 2021-09-23 | 2024-02-09 | 深圳平安智慧医健科技有限公司 | 一种关键词的提取方法、装置、电子设备及存储介质 |
CN114461783A (zh) * | 2022-01-14 | 2022-05-10 | 腾讯科技(深圳)有限公司 | 关键词生成方法、装置、计算机设备、存储介质和产品 |
CN115269989B (zh) * | 2022-08-03 | 2023-05-05 | 百度在线网络技术(北京)有限公司 | 对象推荐方法、装置、电子设备和存储介质 |
-
2022
- 2022-08-03 CN CN202210927036.9A patent/CN115269989B/zh active Active
-
2023
- 2023-02-10 WO PCT/CN2023/075417 patent/WO2024027125A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024027125A1 (zh) | 2024-02-08 |
CN115269989A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114791982B (zh) | 对象推荐方法和装置 | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
CN115269989B (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
CN114547252A (zh) | 文本识别方法、装置、电子设备和介质 | |
CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
CN115600646B (zh) | 语言模型的训练方法、装置、介质及设备 | |
CN113868453B (zh) | 对象推荐方法和装置 | |
CN114219046B (zh) | 模型训练方法、匹配方法、装置、系统、电子设备和介质 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN116070711B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN115809364B (zh) | 对象推荐方法和模型训练方法 | |
CN113836939B (zh) | 基于文本的数据分析方法和装置 | |
CN114648638B (zh) | 语义分割模型的训练方法、语义分割方法与装置 | |
CN114861658B (zh) | 地址信息解析方法及装置、设备和介质 | |
CN113722534B (zh) | 视频推荐方法和装置 | |
CN116306862B (zh) | 用于文本处理神经网络的训练方法、装置和介质 | |
CN115170536B (zh) | 图像检测方法、模型的训练方法和装置 | |
CN114861071B (zh) | 对象推荐方法和装置 | |
CN112765975B (zh) | 分词岐义处理方法、装置、设备以及介质 | |
CN115829653A (zh) | 广告文本的相关度确定方法及装置、设备和介质 | |
CN116306862A (zh) | 用于文本处理神经网络的训练方法、装置和介质 | |
CN117291191A (zh) | 文本处理方法及装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |