CN116304329A - 信息推荐方法、装置、设备及介质 - Google Patents
信息推荐方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116304329A CN116304329A CN202310262982.0A CN202310262982A CN116304329A CN 116304329 A CN116304329 A CN 116304329A CN 202310262982 A CN202310262982 A CN 202310262982A CN 116304329 A CN116304329 A CN 116304329A
- Authority
- CN
- China
- Prior art keywords
- resource
- layer
- vector
- dimension
- ring layer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000003993 interaction Effects 0.000 claims abstract description 103
- 230000002452 interceptive effect Effects 0.000 claims abstract description 102
- 239000013598 vector Substances 0.000 claims description 180
- 238000003860 storage Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 7
- 238000003058 natural language processing Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 14
- 238000009826 distribution Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000002776 aggregation Effects 0.000 description 7
- 238000004220 aggregation Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 7
- 238000009792 diffusion process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06F16/90—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
- G06F16/9536—Search customisation based on social or collaborative filtering
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种信息推荐方法、装置、设备及介质,涉及计算机技术领域,具体涉及自然语言处理、人工智能和大数据领域。具体实现方案为:获取应用的资源维度,所述应用用于提供至少一个资源维度下的交互资源;响应于对象针对所述应用提供的交互资源的操作,获取对象交互信息;根据使用所述应用的对象的对象交互信息,对各所述资源维度进行聚类,形成至少一个资源圈层;向所述资源圈层对应的对象,推送所述资源圈层的推荐事件对应的交互资源。本公开实施例可以实现提高信息推荐的准确性和实时性。
Description
技术领域
本公开涉及计算机技术领域,具体涉及自然语言处理、人工智能和大数据领域,尤其涉及一种信息推荐方法、装置、设备及介质。
背景技术
随着信息技术和互联网的发展,人们可以快速和实时地获取各种信息,信息呈现爆炸性的增长。
对象可以通过应用浏览信息,并与其他对象进行交流。
发明内容
本公开提供了一种信息推荐方法、装置、设备及介质。
根据本公开的一方面,提供了一种信息推荐方法,包括:
获取应用的资源维度,所述应用用于提供至少一个资源维度下的交互资源;
响应于对象针对所述应用提供的交互资源的操作,获取对象交互信息;
根据使用所述应用的对象的对象交互信息,对各所述资源维度进行聚类,形成至少一个资源圈层;
向所述资源圈层对应的对象,推送所述资源圈层的推荐事件对应的交互资源。
根据本公开的一方面,提供了一种信息推荐装置,包括:
资源维度获取模块,用于获取应用的资源维度,所述应用用于提供至少一个资源维度下的交互资源;
对象交互信息获取模块,用于响应于对象针对所述应用提供的交互资源的操作,获取对象交互信息;
资源圈层检测模块,用于根据使用所述应用的对象的对象交互信息,对各所述资源维度进行聚类,形成至少一个资源圈层;
交互资源推送模块,用于向所述资源圈层对应的对象,推送所述资源圈层的推荐事件对应的交互资源。
根据本公开的另一方面,提供了一种信息推荐设备,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本公开任一实施例所述的信息推荐方法。
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本公开任一实施例所述的信息推荐方法。
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,所述计算机程序在被处理器执行时实现本公开任一实施例所述的信息推荐方法。
本公开实施例可以提高信息推荐的准确性和实时性。
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
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例公开的一种信息推荐方法的流程图;
图2是根据本公开实施例公开的另一种信息推荐方法的流程图;
图3是根据本公开实施例公开的另一种信息推荐方法的流程图;
图4是根据本公开实施例公开的一种信息推荐方法的场景图;
图5是根据本公开实施例公开的一种交互资源检测的场景图;
图6是根据本公开实施例公开的一种向量匹配的场景图;
图7是根据本公开实施例公开的一种交互资源分发的场景图;
图8是根据本公开实施例公开的一种信息推荐装置的结构示意图;
图9是用来实现本公开实施例的信息推荐方法的电子设备的框图。
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和精神。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。
图1是根据本公开实施例公开的一种信息推荐方法的流程图,本实施例可以适用于根据应用的核心表示维度,适应性建立符合应用的产品形态的推荐体系的情况。本实施例方法可以由信息推荐装置来执行,该装置可采用软件和/或硬件的方式实现,并具体配置于具有一定数据运算能力的电子设备中,该电子设备可以是客户端设备或服务器设备,客户端设备例如手机、平板电脑、车载终端和台式电脑等。
S101、获取应用的资源维度,所述应用用于提供至少一个资源维度下的交互资源。
应用可以是对象与其他对象产生交互所使用的应用程序。应用的资源用于提供信息,并且可以被操作,以实现对象之间的交互。示例性的,对象可以生成交互资源,以使其他对象可以浏览到该交互资源,以及对象可以对交互资源进行操作,在交互资源中增加交互内容,以使其他对象可以浏览到交互资源中增加的内容,实现对象之间的交互。交互资源可以包括文本、图像、音频和视频等至少一项。
交互资源可以是以贴吧、问答、社区、论坛、小组、话题、图文、视频和数据(feed)流等产品形态进行表示。不同交互资源的传播形式不同,例如,传播形式是圈式结构:社区资源是对象成员加入同一个组内,基于共同的兴趣进行交流。又如,传播形式是链式结构:对象基于对象关系进行信息分享。此外,不同的资源的展示结构不同。例如,论坛资源是以一层层树形结构作为展示的顺序,问答资源是隐藏起树形结构,仅显示单一的问题和相应的答案。相应的,不同功能的应用,其交互资源的表示维度不同。而表示维度是由应用的功能定位、深耕领域和受众对象等信息确定。
资源维度可以是指交互资源的表示维度,资源维度用于对资源进行划分。对象使用应用可以显示多个资源维度下的交互资源。示例性的,问答资源中,资源维度是问题的内容,交互资源为该问题的答案。贴吧资源中,资源维度为吧,交互资源为该吧内的帖子。话题资源中,资源维度为话题,交互资源为该话题下的事情。
可以通过对象输入,获取应用的资源维度;或者,可以根据应用的传播形式、展示结构、功能定位、深耕领域和受众对象等信息确定。
S102、响应于对象针对所述应用提供的交互资源的操作,获取对象交互信息。
应用可以播放交互资源,还可以显示交互资源。对象对交互资源的操作可以包括下述至少一项:点击、触发、浏览、播放、编辑、转发、评论和跳转等。经过对象的合法合理授权之后,合法合理获取对象的操作,确定对象交互信息。对象交互信息可以是指对象与交互资源的交互行为,具体是指对象对交互资源的操作。示例性的,操作为:对象对答案资源进行评论一次,对象交互信息为:该对象、该答案资源、评论、一次。对象交互信息可以预设数据结构,并根据操作,生成相应数据结构的内容,确定为对象交互信息。
S103、根据使用所述应用的对象的对象交互信息,对各所述资源维度进行聚类,形成至少一个资源圈层。
资源圈层用于对资源维度聚合。可以根据使用应用的大量对象所生成的对象交互信息,进行聚合汇总,确定资源维度的描述信息,根据应用存在的各资源维度的描述信息,对各资源维度进行聚类,得到至少一个类,一个类作为一个资源圈层。
实际上,对象对交互资源进行操作,也是对资源维度进行操作;针对同一个对象的不同资源维度的操作进行汇总处理,可以得到可引起同一兴趣的资源维度的描述信息,并扩散到不同对象的操作,可以进一步提取引起共同兴趣的资源维度的描述信息。相应的,根据前述描述信息,可以更好的描述资源维度之间的关系,据此聚类,可以实现资源维度的划分准确性,同时描述了共同兴趣,也可用于对对象进行兴趣划分,即描述了不同对象的兴趣圈层。
S104、向所述资源圈层对应的对象,推送所述资源圈层的推荐事件对应的交互资源。
在划分资源圈层之后,确定资源圈层对应的对象。示例性的,可以将资源圈层中资源维度关联的对象,确定为资源圈层对应的对象,其中,属于资源维度的对象群体中的对象可以是资源维度关联的对象。又如,可以将资源圈层的关键词与对象的标签进行匹配,确定资源圈层对应的对象。
资源圈层的推荐事件,可以是指基于资源圈层中资源维度下的资源生成的推荐事件,实际对资源圈层中的资源进行整合筛选得到的推荐事件。推荐事件对应的交互资源,可以是指与推荐事件关联的交互资源,实际是针对推荐事件,在应用提供的全部资源中与该推荐事件关联的交互资源。示例性的,推荐事件为资源圈层内的实时热点事件。不同资源圈层的推荐事件可以不同。资源圈层的推荐事件对应的交互资源与资源圈层独立,即推荐事件对应的交互资源可以是该资源圈层下的交互资源,也可以是除该资源圈层之外的其他资源圈层下的交互资源。
向资源圈层对应的对象,推送资源圈层的推荐事件,实现以资源圈层的角度进行信息推送。
现有的推送方法中通常监控某个维度下资源的热度值,当达到一定阈值后,提取热点并编辑,该方式监控效率低,以致人工成本太大。若在资源的类目下进行监控,导致热点发现的准确性较低。若利用知识图谱,在一二级类目和原生维度之间建立一个中间维度,该方式成本较大,且经常会出现新维度内容,各个维度关系动态变化,导致难以准确及时获取新维度,导致热点的准确率有限。
根据本公开的技术方案,基于应用的资源维度构建应用适配的资源维度的圈层,并在资源圈层内,生成推荐事件,并向该资源圈层对应的对象推送推荐事件对应的交互资源,实现适配应用的功能结构,生成推荐信息,提高推荐信息的丰富性和准确性,并且,可以将新维度及时添加入资源圈层中,提高推荐事件生成的实时性,以及降低推荐资源的生成成本,最后基于资源圈层进行圈内资源分发,提高资源推送的准确性。
图2是根据本公开实施例公开的另一种信息推荐方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。所述根据使用所述应用的对象的对象交互信息,对各所述资源维度进行聚类,形成至少一个资源圈层,具体化为:根据所述对象交互信息,生成至少一个资源维度的维度向量;根据各所述维度向量,对各所述资源维度进行聚类,形成至少一个资源圈层。
S201、获取应用的资源维度,所述应用用于提供至少一个资源维度下的交互资源。
S202、响应于对象针对所述应用提供的交互资源的操作,获取对象交互信息。
S203、根据所述对象交互信息,生成至少一个资源维度的维度向量。
对象交互信息的数量为多个。示例性的,一个对象交互信息可以是对象交互操作的序列,例如,对象A(点击、资源维度1、交互资源3、1次;点击、资源维度1、交互资源20、1次;评论、资源维度2、交互资源60、1次)。将获取的多个对象的对象交互信息,进行处理,可以同时得到各对象的对象向量、各资源维度的维度向量和各交互资源的资源向量。由于一个对象对多个资源维度下的多个交互资源进行操作,对象向量能够反映其具有的共同兴趣特征,多个对象对同一资源维度下的多个交互资源进行操作,或者多个对象对同一资源维度下的同一交互资源进行操作,资源向量能够反映多个对象的共有兴趣资源特征,维度向量能够反映多个对象的共有兴趣维度特征。其中,对象交互信息中存在的资源维度才能计算其维度向量,以及对象交互信息中存在的交互资源才能计算其资源向量。为了全面覆盖资源维度和交互资源,尽可能使得获取的对象交互信息覆盖有更多的资源维度和交互资源。
示例性的,可以采用机器学习模型对输入的对象交互信息进行处理,生成向量。示例性的,机器学习模型可以包括:word2vec(word to vector,单词到向量)模型或者图模型等。例如,采用图模型,建立对象、资源维度和交互资源之间的图结构,建立对象节点、资源维度节点和交互资源节点,并按照对象交互操作,建立对象、资源维度和交互资源之间的连线,根据建立的图结构,生成相应向量。可以对机器学习模型进行训练,根据训练完成的模型对输入的对象交互信息进行处理,生成向量。通过模型学习资源维度的共现特征,得到资源维度的向量表示,即维度向量。
其中,一个对象存在唯一一个对象向量,一个资源维度存在唯一一个维度向量,一个交互资源存在唯一一个资源向量。在对象新产生了对象交互信息,可以对唯一的向量进行更新,即对象向量、维度向量和资源向量可以根据实时的对象交互信息进行实时更新。
S204,根据各所述维度向量,对各所述资源维度进行聚类,形成至少一个资源圈层。
示例性的,可以采用层次聚类或自定义算法等,对维度向量进行聚类,将属于一类的维度向量所表示的资源维度划分为一类。一类资源维度形成一个资源圈层。此外,为了确保聚类以及后续处理的数据准确性,可以设置待聚类的维度向量的数量为100-200,并且能够覆盖足够多的流量,即覆盖足够多的对象操作。
在生成资源圈层之后,还可以通过人工审核,剔除异常数据,得到符合对象交互的个性化圈层。
S205,向所述资源圈层对应的对象,推送所述资源圈层的推荐事件对应的交互资源。
推荐事件的获取可以是获取网络中实时热点信息,确定推荐事件。可以通过分词匹配、实体词匹配和资源库检索等方式中的至少一项,获取资源圈层中各资源维度下的交互资源。示例性的,分词匹配可以是将资源圈层中的每个交互资源进行分词,将一个交互资源的分词结果与该推荐事件进行匹配,检测该交互资源是否与推荐事件对应。实体词匹配可以是将上述分词结果筛选得到实体词,将一个交互资源的实体词与该推荐事件进行匹配,检测该交互资源是否与推荐事件对应。资源库检索,可以是在交互资源形成的数据库中,通过数据库的检索方式,检测数据库内与推荐事件对应的交互资源。
可以响应于对象针对推送的交互资源执行的后验操作,获取对象后验信息。获取多个对象的对象后验信息,在确定满足扩散推送条件时,例如后验统计数值大于等于后验阈值,获取推送的交互资源的一二级类目,向一二级类目对应的对象,推送这些交互资源。同样响应于对象针对推送的交互资源执行的后验操作,获取新的对象后验信息。获取多个对象的新的对象后验信息,在确定新的对象后验信息满足扩散推送条件时,向其他资源圈层对应的对象推送该资源圈层的这些交互资源。同样在确定新的对象后验信息满足扩散推送条件时,向应用以外的应用或网络平台的使用对象进行推送。
根据本公开的技术方案,通过对象交互信息,生成资源维度的维度向量,并根据维度向量对资源维度进行聚类,形成资源圈层,建立可解释性强的资源圈层,可以在整个推送过程中,以资源圈层为单元进行信息推送,可增加信息推送的灵活性和粒度,并且精准适配不同的应用场景,丰富应用场景,降低不同应用推送的成本。
图3是根据本公开实施例公开的另一种信息推荐方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。所述向所述资源圈层对应的对象,推送所述资源圈层的推荐事件对应的交互资源,具体化为:根据各所述资源圈层的资源内容,生成推荐事件;获取所述资源圈层对应的对象;向所述资源圈层对应的对象,推送所述资源圈层下与所述推荐事件对应的交互资源。
S301、获取应用的资源维度,所述应用用于提供至少一个资源维度下的交互资源。
S302、响应于对象针对所述应用提供的交互资源的操作,获取对象交互信息。
S303、根据使用所述应用的对象的对象交互信息,对各所述资源维度进行聚类,形成至少一个资源圈层。
S304、根据各所述资源圈层的资源内容,生成推荐事件。
根据各资源圈层的资源内容,获取热点内容,生成推荐事件。示例性的,可以根据各资源圈层的交互资源的热度,获取热点资源,获取热点资源中的内容,确定为热点内容,并生成推荐事件。可以周期性根据资源圈层的资源内容,生成推荐事件。实际上随着时间流逝,不断发生新的事件,推荐事件需要根据最新事件进行更新,最新事件通常会在新的交互资源中体现,周期性获取交互资源的资源内容,可以实时更新推荐事件,及时检测到热点内容,其中周期可以设置为n小时。
示例性的,可以基于NLPC(Natural Language Processing Cloud,自然语言处理云服务器)的向量聚合、基于分词匹配的内容聚合以及基于BTM((Biterm Topic Model,主题模型)等方式,对交互资源的内容(热点内容)进行聚合,生成原生热点话题,即推荐事件。可以采用多种算法对圈层内的资源进行聚类,可以降低聚类噪声,提升推荐事件检测的准确率和召回率。示例性的,推荐事件包括推荐的名称和关键词,例如,推荐事件为:名称:A夺冠,关键词:A、夺冠、足球、A所属球队、A所属国家和世界杯等。
在生成推荐事件之后,还可以通过人工审核,剔除异常数据,增加补充推荐事件,得到实时推荐事件。
可选的,所述根据各所述资源圈层的资源内容,生成推荐事件,包括:根据各所述资源圈层中各资源维度下的交互资源的对象交互信息,对各所述资源圈层进行筛选,得到目标资源圈层;从所述目标资源圈层中提取资源内容,生成所述资源圈层的推荐事件。
对资源圈层进行筛选,实际是获取更新频率高和更新内容多的资源圈层。示例性的,可以根据资源圈层的热度,对资源圈层进行筛选。目标资源圈层的数量可以为多个。目标资源圈层可以是指存在实时更新情况、更新频率高和更新内容多等的资源圈层,示例性的,目标资源圈层可以是热点高的资源圈层。
监控每个资源圈层的热度,筛选出热度高的前n个资源圈层,确定为目标资源圈层。示例性的,在一个资源圈层中,获取全部交互资源关联的对象交互信息,确定交互操作量,并根据交互操作量计算交互资源的热度值,并根据该资源圈层内的全部交互资源的热度值,计算该资源圈层的热度值。示例性的,交互操作量可以是操作的统计数值,例如操作的次数、操作的频率和操作的内容的数据量(例如发送的文字数量或图像大小等)等。热度值可以等于交互操作量,或者按照预设的计算关系计算。资源圈层的热度值可以其下全部交互资源的热度值的累加值,或者加权值等。具体计算方式可以根据需要进行设定。
获取目标资源圈层的全部交互资源的资源内容,对资源内容进行聚合,生成推荐事件。其中,推荐事件是基于多个的目标资源圈层生成。推荐事件按照类型可以分为不同应用的推荐内容和当前应用的原生推荐内容。实际上,不同应用的功能定位、产品形态和深耕领域等不同,应用提供的交互资源的侧重点或者内容领域不同,因此,除了社会性质的推荐事件之外,还有一些适配当前应用的内容,可作为推荐事件。
通过对多个资源圈层的交互资源的对象交互信息,对资源圈层进行筛选得到目标圈层,从多个目标圈层中提取资源内容,生成资源圈层的推荐事件,实现在多个资源圈层的范围内,筛选热度圈层,从而从热度圈层的资源内容中提取推荐事件,增加热度内容范围,同时,在适配当前应用的圈层范围内提取推荐事件,可以精准提取适配当前应用的推荐内容。
S305、获取所述资源圈层对应的对象。
资源圈层对应的对象,可以是与资源圈层中资源维度和/或交互资源对应的对象。示例性的,对交互资源操作过的对象,又如,对资源维度操作过的对象,又如,参与资源维度关联的对象群体的对象。资源圈层对应的对象可以是指期望对其资源维度和交互资源进行操作的对象,可以理解为对资源圈层内交互资源感兴趣的对象。
可选的,所述获取所述资源圈层对应的对象,包括:获取使用所述应用的对象的对象向量;获取所述资源圈层的圈层向量;将多个对象的对象向量和多个资源圈层的圈层向量进行匹配,得到所述资源圈层对应的对象。
对象向量用于描述使用应用,对应用提供的交互资源进行操作的对象。圈层向量用于描述资源维度中共现特征,同样用于描述具有相同兴趣的对象的资源公共特征。
可以在根据对象交互信息,生成至少一个资源维度的维度向量的同时,生成对象向量和资源向量。其中,对象向量还可以是人工提供的向量,例如适配其他应用的对象向量。若人工提供对象向量,可以对对象向量进行调整,在与圈层向量进行匹配。可以将资源圈层中资源维度和交互资源的资源内容进行处理,得到资源圈层的圈层向量。示例性的,可以将资源圈层中资源维度和交互资源的资源内容,提取内容特征,得到向量表示,确定圈层向量。
将对象向量与圈层向量进行匹配,实际是计算各对象向量与哪些个圈层向量相似。可以针对每个对象向量,计算该对象向量与各圈层向量之间的相似度,筛选出该对象向量相似度最高的前k个圈层向量,确定为该对象向量所表示的对象,对应的资源圈层的圈层向量,从而建立起对象与资源圈层的对应关系。根据该对应关系,从中确定每个资源圈层对应的对象,并作为该资源圈层的推送对象。
通过将各对象的对象向量,与各资源圈层的圈层向量进行匹配,建立对象与资源圈层之间的对应关系,最终确定资源圈层对应的对象,实现对对象进行划分,可以以资源圈层的角度对对象进行精准刻画,从而实现圈层推荐事件的精准推送。
可选的,所述获取所述资源圈层的圈层向量,包括:获取各所述资源维度的维度向量;根据所述资源圈层中各资源维度的维度向量,生成所述资源圈层的圈层向量。
将资源圈层中各资源维度的维度向量进行融合,得到圈层向量。示例性的,可以将资源圈层中各资源维度的维度向量进行求和平均,得到该资源圈层的圈层向量。维度向量能够反映多个对象的共有兴趣维度特征。对维度向量进行融合得到圈层向量,相应的,圈层向量反映兴趣维度特征的共有特征以及具有共有兴趣维度的对象特征。
通过将资源圈层中各资源维度的维度向量进行融合得到该资源圈层的圈层向量,可以精准描述对象的共性兴趣内容以及资源之间的共性。
S306、向所述资源圈层对应的对象,推送所述资源圈层下与所述推荐事件对应的交互资源。
资源圈层的对象通常期望对资源圈层内的交互资源进行操作,向资源圈层对应的对象推送该资源圈层的交互资源,可以满足对象需求。推荐事件通常是热点事件,与生活正在发生的事件息息相关,向对象推送与推荐事件相关,且属于关注的资源圈层下的交互资源,可以提高推送准确性,有利于信息的扩散。
可选的,所述将各所述对象向量和各所述圈层向量进行匹配,得到所述资源圈层对应的对象,包括:对各所述对象向量和各所述圈层向量进行调整;将调整后的对象向量和调整后的圈层向量进行匹配,得到与所述对象向量相似的多个圈层向量;将所述资源圈层的圈层向量相似的对象向量的对象,确定为所述资源圈层对应的对象。
对象向量和圈层向量获取的方式可以不同,其中数据结构也可以不同。通过对对象向量和圈层向量进行调整,可以减少对象向量和圈层向量之间的差异对匹配造成的干扰。调整具体可以是采用相同方式处理得到新的向量表示,或者可以是调整成相同数据结构的向量。
通过对对象向量和圈层向量进行调整,基于调整后的向量进行匹配,减少向量差异增加的干扰信息,从而可以提高匹配准确性。
根据本公开的技术方案,通过在多个圈层范围内,根据其资源内容生成推荐事件,可以实时获取且适配应用的推荐事件,提高推荐事件检测实时性和灵活性,通过向资源圈层对应的对象,推送与该推荐事件关联的且属于该资源圈层的交互资源,实现在资源圈层内部进行内部资源推送,提高推送的精准性。
图4-7是根据本公开实施例公开的一种信息推荐方法的场景图。
图4是根据本公开实施例公开的一种信息推荐方法的整体示意图。建立符合应用的产品调性的资源圈层,并用于推荐的各个环节中。具体地:监控各个资源圈层下的资源热度,到达一定阈值后基于话题聚合算法,生成候选事件,作为候选热点并推至人工审核,如果审核通过,则建立合适的热点名称,并给出热点关键词,形成推荐事件;得到推荐事件的名称和关键词之后,利用搜索和自然语言处理等基础技术,并结合人工复核后对推荐事件对应的资源进行增删改等操作,确定原生热点的交互资源;采用流量阶梯机制,对原生热点的交互资源进行分发。
接下来进行详细说明:
基于应用的产品调性的对象个性化的资源圈层的建立
资源圈层构建:
1、基于产品调性的对象个性化圈层的建立
Step1:确定符合应用的产品调性和产品形态的表示维度,也即资源维度:问答、话题、帖子、图文或视频等;
Step2:获取对象交互信息,选择预先训练的向量生成模型,如word2vec、图模型(如Graph-based Collaborative Filtering,GCF基于图的协同过滤系统)或双塔模型等,学习资源维度的共现特征,得到资源维度的向量表示;
Step3:基于聚类算法,如层次聚类或自定义算法等,对资源维度聚类,并保证聚类个数合适(如100~200)且能覆盖足够多流量;
Step4:聚类结果由人工复核,剔除异常数据(badcase),得到代表对象交互兴趣的资源圈层;
Step5:周期执行上述步骤,如周级别更新,以便能捕捉到资源圈层的动态变化。
通过选择不同的监控维度,能用于到不同的应用;可以适配不同的应用功能,以符合不同定位,可以建立可解释性强的对象隐式的资源圈层,可利用在新热推荐系统乃至整个推荐系统里的各个环节。
原生热点聚合算法
2、基于资源圈层的推荐事件确定(如图5所示)
Step1:监控所有资源圈层的热度,并选出热度值TopN的资源圈层;
Step2:采用bagging的方法对各个Top资源圈层的所有资源进行聚合,具体包括基于自然语言处理的向量聚合,基于分词匹配的内容聚合以及基于BTM,得到候选原生新热话题;
Step3:候选话题经过人工复核,得到原生热点并编辑合适的话题名称和对应的话题关键词,形成推荐事件;
Step4:周期执行上述步骤,如小时级别更新,以便及时发现原生热点,产生适配应用的推荐事件。
可以采用多种算法对圈层内的资源进行聚类,可以降低聚类噪声,提升挖掘的准确率和召回率。
基于资源圈层与推荐事件对应的交互资源检测
为了保证资源挖掘的准确率和召回率,充分利用搜索自然语言处理等基础技术,构建了多个交互资源检测通路:包括资源内容分词匹配通路、内容实体词匹配通路以及整个资源库的内容检索通路,各个策略挖掘通路均经过人工复核,并进行增加、修改和删除等操作,保证交互资源检测的丰富度和准确性。
基于流量阶梯的交互资源分发
对象与资源圈层匹配
在交互资源的分发通路中,需要获取对象所属的圈层,对于中高活对象来说,有足够多的描述内容,容易判断出所属资源圈层,而低活对象的描述内容少,较难判断资源圈层,可以通过图6所示的模型结构,检测资源圈层对应的对象。
根据向量生成模型(例如前述GCF模型),得到对象向量和各个维度向量,其中,将各维度向量经过池化(pooling,池化)得到圈层向量。将圈层向量和对象向量分别经过DNN(Deep Neural Networks,深度神经网络)处理,输出各自的embedding(嵌入向量)表示,得到的两个结果经过相似度算子(cos similarity)得到相似度值。在训练时,根据存在描述内容的对象构建的标注(label)样本对该模型进行训练,调整模型参数。在模型训练完成之后,输入全部对象(包括没有描述内容的对象)的对象向量,将对象向量相似的前n个topN作为该对象向量所表示对象对应的资源圈层。
交互资源分发通路
图7是基于流量阶梯的交互资源分发通路
根据确定不同资源圈层对应的对象,并将资源圈层内的交互资源分发给该资源圈层内的所有对象。可以获取对象的对象后验信息,满足确定对象后验信息扩散推送条件时,该交互资源所属的一二级类目进行扩散分发,使其有更多的受众,同样根据后验判断是否继续扩散分发;对于需要进一步扩散的交互资源,会推至其他资源圈层进行应用的服务系统的全面分发,甚至扩散至全网分发。
根据本公开的技术方案,通过提供的信息推荐方法,可以适配应用的资源维度,构建资源圈层,技术通用性强,实现成本低,能在不同功能的应用上部署实施,可以有效降低原生推荐事件检测的成本,以及提升了交互资源检测的精度和效率,基于兴趣圈层流量阶梯的热点分发机制,增加信息推荐的方式的多样性和层次。
根据本公开的实施例,图8是本公开实施例中的信息推荐装置的结构图,本公开实施例适用于根据应用的核心表示维度,适应性建立符合应用的产品形态的推荐体系的情况。该装置采用软件和/或硬件实现,并具体配置于具备一定数据运算能力的电子设备中。
如图8所示的一种信息推荐装置800,包括:资源维度获取模块801、对象交互信息获取模块802、资源圈层检测模块803和交互资源推送模块804。其中,
资源维度获取模块,用于获取应用的资源维度,所述应用用于提供至少一个资源维度下的交互资源;
对象交互信息获取模块,用于响应于对象针对所述应用提供的交互资源的操作,获取对象交互信息;
资源圈层检测模块,用于根据使用所述应用的对象的对象交互信息,对各所述资源维度进行聚类,形成至少一个资源圈层;
交互资源推送模块,用于向所述资源圈层对应的对象,推送所述资源圈层的推荐事件对应的交互资源。
根据本公开的技术方案,基于应用的资源维度构建应用适配的资源维度的圈层,并在资源圈层内,生成推荐事件,并向该资源圈层对应的对象推送推荐事件对应的交互资源,实现适配应用的功能结构,生成推荐信息,提高推荐信息的丰富性和准确性,并且,可以将新维度及时添加入资源圈层中,提高推荐事件生成的实时性,以及降低推荐资源的生成成本,最后基于资源圈层进行圈内资源分发,提高资源推送的准确性。
进一步的,所述资源圈层检测模块803,包括:维度向量单元,用于根据所述对象交互信息,生成至少一个资源维度的维度向量;资源圈层生成单元,用于根据各所述维度向量,对各所述资源维度进行聚类,形成至少一个资源圈层。
进一步的,所述交互资源推送模块804,包括:推荐事件生成单元,用于根据各所述资源圈层的资源内容,生成推荐事件;对象获取单元,用于获取所述资源圈层对应的对象;资源推送单元,用于向所述资源圈层对应的对象,推送所述资源圈层下与所述推荐事件对应的交互资源。
进一步的,所述推荐事件生成单元,包括:圈层筛选子单元,用于根据各所述资源圈层中各资源维度下的交互资源的对象交互信息,对各所述资源圈层进行筛选,得到目标资源圈层;推荐内容获取子单元,用于从所述目标资源圈层中提取资源内容,生成所述资源圈层的推荐事件。
进一步的,所述对象获取单元,包括:对象向量获取子单元,用于获取使用所述应用的对象的对象向量;圈层向量获取子单元,用于获取所述资源圈层的圈层向量;向量匹配子单元,用于将多个对象的对象向量和多个资源圈层的圈层向量进行匹配,得到所述资源圈层对应的对象。
进一步的,所述圈层向量获取子单元,用于:获取各所述资源维度的维度向量;根据所述资源圈层中各资源维度的维度向量,生成所述资源圈层的圈层向量。
进一步的,所述向量匹配子单元,用于:对各所述对象向量和各所述圈层向量进行调整;将调整后的对象向量和调整后的圈层向量进行匹配,得到与所述对象向量相似的多个圈层向量;将所述资源圈层的圈层向量相似的对象向量的对象,确定为所述资源圈层对应的对象。
上述信息推荐装置可执行本公开任意实施例所提供的信息推荐方法,具备执行信息推荐方法相应的功能模块和有益效果。
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,本公开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。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,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9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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。
计算单元901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901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901执行上文所描述的各个方法和处理,例如信息推荐方法。例如,在一些实施例中,信息推荐方法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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的信息推荐方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行信息推荐方法。
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、现场可编程门阵列(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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。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。
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、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
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执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种信息推荐方法,包括:
获取应用的资源维度,所述应用用于提供至少一个资源维度下的交互资源;
响应于对象针对所述应用提供的交互资源的操作,获取对象交互信息;
根据使用所述应用的对象的对象交互信息,对各所述资源维度进行聚类,形成至少一个资源圈层;
向所述资源圈层对应的对象,推送所述资源圈层的推荐事件对应的交互资源。
2.根据权利要求1所述的方法,其中,所述根据使用所述应用的对象的对象交互信息,对各所述资源维度进行聚类,形成至少一个资源圈层,包括:
根据所述对象交互信息,生成至少一个资源维度的维度向量;
根据各所述维度向量,对各所述资源维度进行聚类,形成至少一个资源圈层。
3.根据权利要求1所述的方法,其中,所述向所述资源圈层对应的对象,推送所述资源圈层的推荐事件对应的交互资源,包括:
根据各所述资源圈层的资源内容,生成推荐事件;
获取所述资源圈层对应的对象;
向所述资源圈层对应的对象,推送所述资源圈层下与所述推荐事件对应的交互资源。
4.根据权利要求3所述的方法,其中,所述根据各所述资源圈层的资源内容,生成推荐事件,包括:
根据各所述资源圈层中各资源维度下的交互资源的对象交互信息,对各所述资源圈层进行筛选,得到目标资源圈层;
从所述目标资源圈层中提取资源内容,生成所述资源圈层的推荐事件。
5.根据权利要求3所述的方法,其中,所述获取所述资源圈层对应的对象,包括:
获取使用所述应用的对象的对象向量;
获取所述资源圈层的圈层向量;
将多个对象的对象向量和多个资源圈层的圈层向量进行匹配,得到所述资源圈层对应的对象。
6.根据权利要求5所述的方法,其中,所述获取所述资源圈层的圈层向量,包括:
获取各所述资源维度的维度向量;
根据所述资源圈层中各资源维度的维度向量,生成所述资源圈层的圈层向量。
7.根据权利要求5所述的方法,其中,所述将各所述对象向量和各所述圈层向量进行匹配,得到所述资源圈层对应的对象,包括:
对各所述对象向量和各所述圈层向量进行调整;
将调整后的对象向量和调整后的圈层向量进行匹配,得到与所述对象向量相似的多个圈层向量;
将所述资源圈层的圈层向量相似的对象向量的对象,确定为所述资源圈层对应的对象。
8.一种信息推荐装置,包括:
资源维度获取模块,用于获取应用的资源维度,所述应用用于提供至少一个资源维度下的交互资源;
对象交互信息获取模块,用于响应于对象针对所述应用提供的交互资源的操作,获取对象交互信息;
资源圈层检测模块,用于根据使用所述应用的对象的对象交互信息,对各所述资源维度进行聚类,形成至少一个资源圈层;
交互资源推送模块,用于向所述资源圈层对应的对象,推送所述资源圈层的推荐事件对应的交互资源。
9.根据权利要求8所述的装置,其中,所述资源圈层检测模块,包括:
维度向量单元,用于根据所述对象交互信息,生成至少一个资源维度的维度向量;
资源圈层生成单元,用于根据各所述维度向量,对各所述资源维度进行聚类,形成至少一个资源圈层。
10.根据权利要求8所述的装置,其中,所述交互资源推送模块,包括:
推荐事件生成单元,用于根据各所述资源圈层的资源内容,生成推荐事件;
对象获取单元,用于获取所述资源圈层对应的对象;
资源推送单元,用于向所述资源圈层对应的对象,推送所述资源圈层下与所述推荐事件对应的交互资源。
11.根据权利要求10所述的装置,其中,所述推荐事件生成单元,包括:
圈层筛选子单元,用于根据各所述资源圈层中各资源维度下的交互资源的对象交互信息,对各所述资源圈层进行筛选,得到目标资源圈层;
推荐内容获取子单元,用于从所述目标资源圈层中提取资源内容,生成所述资源圈层的推荐事件。
12.根据权利要求10所述的装置,其中,所述对象获取单元,包括:
对象向量获取子单元,用于获取使用所述应用的对象的对象向量;
圈层向量获取子单元,用于获取所述资源圈层的圈层向量;
向量匹配子单元,用于将多个对象的对象向量和多个资源圈层的圈层向量进行匹配,得到所述资源圈层对应的对象。
13.根据权利要求12所述的装置,其中,所述圈层向量获取子单元,用于:
获取各所述资源维度的维度向量;
根据所述资源圈层中各资源维度的维度向量,生成所述资源圈层的圈层向量。
14.根据权利要求12所述的装置,其中,所述向量匹配子单元,用于:
对各所述对象向量和各所述圈层向量进行调整;
将调整后的对象向量和调整后的圈层向量进行匹配,得到与所述对象向量相似的多个圈层向量;
将所述资源圈层的圈层向量相似的对象向量的对象,确定为所述资源圈层对应的对象。
15.一种信息推荐设备,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中任一项所述的信息推荐方法。
16.一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中任一项所述的信息推荐方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的信息推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310262982.0A CN116304329A (zh) | 2023-03-14 | 2023-03-14 | 信息推荐方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310262982.0A CN116304329A (zh) | 2023-03-14 | 2023-03-14 | 信息推荐方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116304329A true CN116304329A (zh) | 2023-06-23 |
Family
ID=86835656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310262982.0A Pending CN116304329A (zh) | 2023-03-14 | 2023-03-14 | 信息推荐方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116304329A (zh) |
-
2023
- 2023-03-14 CN CN202310262982.0A patent/CN116304329A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7222022B2 (ja) | 情報検索方法、装置、設備、記憶媒体、及びプログラム | |
CN114265979B (zh) | 确定融合参数的方法、信息推荐方法和模型训练方法 | |
CN111708901A (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN112765373B (zh) | 资源推荐方法、装置、电子设备和存储介质 | |
CN109471978B (zh) | 一种电子资源推荐方法及装置 | |
US20140244614A1 (en) | Cross-Domain Topic Space | |
CN112000763B (zh) | 兴趣点竞争关系确定方法、装置、设备和介质 | |
CN112395515B (zh) | 一种信息推荐方法、装置、计算机设备及存储介质 | |
CN112765452B (zh) | 搜索推荐方法、装置及电子设备 | |
CN113761359B (zh) | 数据包推荐方法、装置、电子设备和存储介质 | |
WO2023231542A1 (zh) | 表示信息的确定方法、装置、设备及存储介质 | |
CN115329078B (zh) | 文本数据处理方法、装置、设备以及存储介质 | |
JP7454630B2 (ja) | ラベル推奨モデルのトレーニング方法及び装置、ラベル取得方法及び装置 | |
WO2023087933A1 (zh) | 内容推荐方法、装置、设备、存储介质及程序产品 | |
CN113535939A (zh) | 文本处理方法和装置、电子设备以及计算机可读存储介质 | |
CN110442789A (zh) | 基于用户行为的关联结果确定方法、装置及电子设备 | |
CN112801053B (zh) | 视频数据处理方法、装置 | |
CN115809339A (zh) | 跨领域推荐方法、系统、设备及存储介质 | |
CN116304329A (zh) | 信息推荐方法、装置、设备及介质 | |
CN114329231A (zh) | 对象特征处理方法、装置、电子设备及存储介质 | |
CN114357242A (zh) | 基于召回模型的训练评估方法及装置、设备、存储介质 | |
CN116150429A (zh) | 异常对象识别方法、装置、计算设备以及存储介质 | |
CN114090848A (zh) | 数据推荐及分类方法、特征融合模型及电子设备 | |
CN113365090A (zh) | 对象推荐方法、对象推荐装置、电子设备及可读存储介质 | |
CN113761272A (zh) | 一种数据处理方法、设备以及计算机可读存储介质 |
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 |