CN116827894B - 广播剧用户评论信息发送方法、装置、设备和介质 - Google Patents

广播剧用户评论信息发送方法、装置、设备和介质 Download PDF

Info

Publication number
CN116827894B
CN116827894B CN202311076202.XA CN202311076202A CN116827894B CN 116827894 B CN116827894 B CN 116827894B CN 202311076202 A CN202311076202 A CN 202311076202A CN 116827894 B CN116827894 B CN 116827894B
Authority
CN
China
Prior art keywords
information
user
comment
invalid
word
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
Application number
CN202311076202.XA
Other languages
English (en)
Other versions
CN116827894A (zh
Inventor
钱达
王凯
陈秋绚
刘小豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Kilakila Technology Co ltd
Original Assignee
Shenzhen Kilakila Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Kilakila Technology Co ltd filed Critical Shenzhen Kilakila Technology Co ltd
Priority to CN202311076202.XA priority Critical patent/CN116827894B/zh
Publication of CN116827894A publication Critical patent/CN116827894A/zh
Application granted granted Critical
Publication of CN116827894B publication Critical patent/CN116827894B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开的实施例公开了广播剧用户评论信息请求处理方法、装置、设备和介质。该方法的一具体实施方式包括:获取用户评论信息集合;确定平均用户评论字数;执行以下步骤:生成用户点赞信息;生成用户回复信息;根据预设用户评论字数占比阈值、平均用户评论字数和用户评论字数,生成用户评论字数信息;根据预设时间比重阈值、当前时间和评论发布时间,生成用户评论时间信息;根据用户点赞信息、用户回复信息、用户评论字数信息和用户评论时间信息,生成用户评论比重信息;对各个用户评论信息进行排序;将各个用户评论信息发送至客户端。该实施方式可以提高广播剧的用户活跃度,增强用户粘性,提高广播剧的曝光度和点击率,增加用户浏览量。

Description

广播剧用户评论信息发送方法、装置、设备和介质
技术领域
本公开的实施例涉及计算机技术领域,具体涉及广播剧用户评论信息发送方法、装置、设备和介质。
背景技术
随着互联网技术的发展,广播剧的发展也有了更为广泛的网络传播基础。目前,在对广播剧用户评论信息进行发送操作时,通常采用的方式为:服务器端在接到客户端发起的广播剧用户评论信息处理请求时,对对应广播剧的各个用户评论按照评论时间或者点赞数量进行排序,以及将排序处理后的各个用户评论发送到客户端以供显示。
然而,发明人发现,当采用上述方式对广播剧用户评论信息进行发送操作时,经常会存在如下技术问题:
第一,仅按照评论时间或者点赞数量进行排序,评论排序维度较为单一。当按照评论时间进行排序时,头部评论显示的是最新发布的评论,容易导致评论内容的价值较低(质量较差);当按照点赞数量进行排序时,容易导致头部评论排序内容的多样性较差。从而导致广播剧的用户活跃度较低,用户粘性较差,进而导致该广播剧的曝光度和点击率较低,用户浏览量较少。
第二,未对广播剧评论信息从评论内容(例如情感和相关度)方面进行等级细分并赋予不同的排序权重,导致优质的评论信息未得到充分的曝光,该广播剧的用户活跃度较低,用户粘性较差,从而导致该广播剧的曝光度和点击率较低,用户浏览量较少。
第三,未对广播剧评论内容进行无效评论信息(例如敏感言论)的筛选和删除处理,导致广播剧用户评论信息的内容质量较差,用户活跃度较低,用户粘性较差,从而导致该广播剧的曝光度和点击率较低,用户浏览量较少。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了广播剧用户评论信息发送方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种广播剧用户评论信息发送方法,该方法包括:响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,获取上述目标广播剧的用户评论信息集合,其中,上述用户评论信息集合中的用户评论信息包括:用户点赞数量信息、用户回复数量信息、用户评论字数和评论发布时间;根据上述用户评论信息集合包括的各个用户评论字数,确定平均用户评论字数;对于上述用户评论信息集合中的每个用户评论信息,执行以下步骤:根据预设点赞占比阈值信息和上述用户评论信息包括的用户点赞数量信息,生成用户点赞信息;根据预设用户回复占比阈值信息和上述用户评论信息包括的用户回复数量信息,生成用户回复信息;根据预设用户评论字数占比阈值、上述平均用户评论字数和上述用户评论信息包括的用户评论字数,生成用户评论字数信息;根据预设时间比重阈值、当前时间和上述用户评论信息包括的评论发布时间,生成用户评论时间信息;根据上述用户点赞信息、上述用户回复信息、上述用户评论字数信息和上述用户评论时间信息,生成用户评论比重信息;根据所生成的各个用户评论比重信息,对上述用户评论信息集合包括的各个用户评论信息进行排序,得到用户评论信息序列;将上述用户评论信息序列包括的各个用户评论信息发送至上述客户端。
第二方面,本公开的一些实施例提供了一种广播剧用户评论信息发送装置,装置包括:获取单元,被配置成响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,获取上述目标广播剧的用户评论信息集合,其中,上述用户评论信息集合中的用户评论信息包括:用户点赞数量信息、用户回复数量信息、用户评论字数和评论发布时间;确定单元,被配置成根据上述用户评论信息集合包括的各个用户评论字数,确定平均用户评论字数;执行单元,被配置成对于上述用户评论信息集合中的每个用户评论信息,执行以下步骤:根据预设点赞占比阈值信息和上述用户评论信息包括的用户点赞数量信息,生成用户点赞信息;根据预设用户回复占比阈值信息和上述用户评论信息包括的用户回复数量信息,生成用户回复信息;根据预设用户评论字数占比阈值、上述平均用户评论字数和上述用户评论信息包括的用户评论字数,生成用户评论字数信息;根据预设时间比重阈值、当前时间和上述用户评论信息包括的评论发布时间,生成用户评论时间信息;根据上述用户点赞信息、上述用户回复信息、上述用户评论字数信息和上述用户评论时间信息,生成用户评论比重信息;排序单元,被配置成根据所生成的各个用户评论比重信息,对上述用户评论信息集合包括的各个用户评论信息进行排序,得到用户评论信息序列;发送单元,被配置成将上述用户评论信息序列包括的各个用户评论信息发送至上述客户端。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的广播剧用户评论信息发送方法,可以提高广播剧的用户活跃度,增强用户粘性,提高广播剧的曝光度和点击率,增加用户浏览量。具体来说,导致广播剧的用户活跃度较低,用户粘性较差,从而导致该广播剧的曝光度和点击率较低,用户浏览量较少的原因在于:仅按照评论时间或者点赞数量进行排序,评论排序维度较为单一。当按照评论时间进行排序时,头部评论显示的是最新发布的评论,容易导致评论内容的价值较低(质量较差);当按照点赞数量进行排序时,容易导致头部评论排序内容的多样性较差。从而导致广播剧的用户活跃度较低,用户粘性较差,进而导致该广播剧的曝光度和点击率较低,用户浏览量较少。基于此,本公开的一些实施例的广播剧用户评论信息发送方法,首先,响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,获取上述目标广播剧的用户评论信息集合。其中,上述用户评论信息集合中的用户评论信息包括:用户点赞数量信息、用户回复数量信息、用户评论字数和评论发布时间。由此,可以得到表征广播剧评论信息排序影响因素的用户评论信息集合。然后,根据上述用户评论信息集合包括的各个用户评论字数,确定平均用户评论字数。由此,可以得到平均用户评论字数,从而可以用于确定用户评论字数信息。之后,对于上述用户评论信息集合中的每个用户评论信息,执行以下步骤:随后,根据预设点赞占比阈值信息和上述用户评论信息包括的用户点赞数量信息,生成用户点赞信息。由此,可以得到表征用户点赞影响因素的用户点赞信息。随之,根据预设用户回复占比阈值信息和上述用户评论信息包括的用户回复数量信息,生成用户回复信息。由此,可以得到表征用户回复信息影响因素的用户回复信息。其次,根据预设用户评论字数占比阈值、上述平均用户评论字数和上述用户评论信息包括的用户评论字数,生成用户评论字数信息。由此,可以得到表征用户评论字数因素的用户评论字数信息。然后,根据预设时间比重阈值、当前时间和上述用户评论信息包括的评论发布时间,生成用户评论时间信息。由此,可以得到表征时间影响因素的用户评论时间信息。之后,根据上述用户点赞信息、上述用户回复信息、上述用户评论字数信息和上述用户评论时间信息,生成用户评论比重信息。由此,可以得到受用户点赞影响因素、用户回复影响因素、用户评论字数影响因素和用户评论时间影响因素影响的用户评论比重信息。随后,根据所生成的各个用户评论比重信息,对上述用户评论信息集合包括的各个用户评论信息进行排序,得到用户评论信息序列。由此,可以得到用户评论信息序列,从而可以用于对发起评论信息查询请求客户端的用户进行信息展示。最后,将上述用户评论信息序列包括的各个用户评论信息发送至上述客户端。由此,可以将评论信息对客户端对应的用户进行展示,以供用户进行浏览。因为可以从用户点赞、用户回复、用户评论字数和用户评论时间多个维度对用户评论信息进行排序展示,提高了用户评论排序的价值和评论排序的多样性,从而提高了广播剧的用户活跃度,增强了用户粘性,提高了该广播剧的曝光度和点击率,增加了用户浏览量。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的广播剧用户评论信息发送方法的一些实施例的流程图;
图2是根据本公开的广播剧用户评论信息发送装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的广播剧用户评论信息发送方法的一些实施例的流程100。该广播剧用户评论信息发送方法,包括以下步骤:
步骤101,响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,获取目标广播剧的用户评论信息集合。
在一些实施例中,响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,广播剧用户评论信息发送方法的执行主体(例如计算设备)可以获取上述目标广播剧的用户评论信息集合。其中,上述用户评论信息集合中的用户评论信息可以包括:用户点赞数量信息、用户回复数量信息、用户评论字数和评论发布时间。其中,上述评论发布时间可以为用户评论信息被发布的时间。上述用户点赞数量信息可以包括用户一级评论点赞数量和用户二级评论点赞数量。上述用户一级评论点赞数量可以为对用户评论信息进行直接点赞的数量。上述用户二级评论点赞数量可以为对用户评论信息的评论进行点赞和评论的数量。上述预设点赞阈值信息可以包括预设一级评论点赞占比阈值和预设二级评论点赞占比阈值。上述预设一级评论点赞占比阈值可以为预先设定的对应用户一级评论点赞数量的阈值。例如,上述预设一级评论点赞占比阈值可以为2/8。上述预设二级评论点赞占比阈值可以为预先设定的对应用户二级评论点赞数量的阈值。例如,上述预设二级评论点赞占比阈值可以为1/8。其中,上述用户回复数量信息可以包括创作者回复数量和普通用户回复数量。上述创作者回复数量可以为目标广播剧的创作者对评论信息进行信息回复的数量。具体地,创作者可以为以下任意一项:策划者、编剧、导演、后期制作者、原著、美工、宣传者、字幕制作者、词作和曲作。上述普通用户回复数量可以为广播剧的注册用户对广播剧的评论信息进行信息回复的数量。上述预设用户回复占比阈值信息可以包括预设创作者回复占比阈值和预设普通用户回复占比阈值。上述预设创作者回复占比阈值可以为预先设定的对应创作者回复数量的阈值。例如,上述预设创作者回复占比阈值可以为1/8。上述普通用户回复数量可以为预先设定的对应普通用户回复数量的阈值。例如,上述普通用户回复数量可以为1/8。上述客户端可以为任意的可以发起目标广播剧用户评论信息查看请求的客户端。上述客户端在此不做具体限定。上述用户评论查看请求可以为客户端的用户请求查看目标广播剧的用户评论的查看请求。
实践中,响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,上述执行主体可以通过有线连接方式或者无线连接方式从目标数据服务器中获取目标广播剧的用户评论信息集合。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。上述目标服务器可以为装载有上述目标广播剧相关联的信息的服务器。
作为示例,响应于当前时刻满足预设获取时间条件,上述执行主体可以从目标数据服务器中获取目标广播剧的用户评论信息集合。其中,上述预设获取时间条件为当前时刻与上一次获取用户评论信息集合的时刻的时间间隔等于预设时间间隔阈值。上述预设时间间隔阈值可以为预先设定的时间间隔阈值。例如,上述预设时间间隔阈值可以为30min。
步骤102,根据用户评论信息集合包括的各个用户评论字数,确定平均用户评论字数。
在一些实施例中,根据上述用户评论信息集合包括的各个用户评论字数,上述执行主体可以确定平均用户评论字数。实践中,根据上述用户评论信息集合包括的各个用户评论字数,上述执行主体可以通过以下步骤确定平均用户评论字数:
第一步,将上述用户评论信息集合包括的各个用户评论信息的数量确定为用户评论数量。
第二步,将上述用户评论信息集合包括的各个用户评论字数的和确定为用户评论总字数。
第三步,将上述用户评论总字数与上述用户评论数量的比值确定为平均用户评论字数。
步骤103,对于用户评论信息集合中的每个用户评论信息,执行以下步骤:
步骤1031,根据预设点赞占比阈值信息和用户评论信息包括的用户点赞数量信息,生成用户点赞信息。
在一些实施例中,根据预设点赞占比阈值信息和上述用户评论信息包括的用户点赞数量信息,生成用户点赞信息。
在一些实施例的一些可选的实现方式中,根据预设点赞占比阈值信息和上述用户评论信息包括的用户点赞数量信息,上述执行主体可以通过以下步骤生成用户点赞信息:
第一步,根据上述预设一级评论点赞占比阈值和上述用户一级评论点赞数量,生成一级评论用户点赞信息。实践中,上述执行主体可以将上述预设一级评论点赞占比阈值和上述用户一级评论点赞数量的乘积确定为一级评论用户点赞信息。
第二步,根据上述预设二级评论点赞占比阈值和上述用户二级评论点赞数量,生成二级评论用户点赞信息。实践中,上述执行主体可以将上述预设二级评论点赞占比阈值和上述用户二级评论点赞数量的乘积确定为二级评论用户点赞信息。
第三步,根据上述一级评论用户点赞信息和上述二级评论用户点赞信息,生成用户点赞信息。实践中,上述执行主体可以将上述一级评论用户点赞信息和上述二级评论用户点赞信息的和确定为用户点赞信息。
步骤1032,根据预设用户回复占比阈值信息和用户评论信息包括的用户回复数量信息,生成用户回复信息。
在一些实施例中,根据预设用户回复占比阈值信息和上述用户评论信息包括的用户回复数量信息,上述执行主体可以生成用户回复信息。
在一些实施例的一些可选的实现方式中,根据预设用户回复占比阈值信息和上述用户评论信息包括的用户回复数量信息,上述执行主体可以通过以下步骤生成用户回复信息:
第一步,根据上述创作者回复数量和上述预设创作者回复占比阈值,生成创作者回复信息。实践中,上述执行主体可以将上述创作者回复数量和上述预设创作者回复占比阈值的乘积确定为创作者回复信息。
第二步,根据上述普通用户回复数量和上述预设普通用户回复占比阈值,生成普通用户回复信息。实践中,上述执行主体可以将上述普通用户回复数量和上述预设普通用户回复占比阈值的乘积确定为普通用户回复信息。
第三步,根据上述创作者回复信息和上述普通用户回复信息,生成用户回复信息。实践中,上述执行主体可以将上述创作者回复信息和上述普通用户回复信息的和确定为用户回复信息。
步骤1033,根据预设用户评论字数占比阈值、平均用户评论字数和用户评论信息包括的用户评论字数,生成用户评论字数信息。
在一些实施例中,根据预设用户评论字数占比阈值、上述平均用户评论字数和上述用户评论信息包括的用户评论字数,上述执行主体可以生成用户评论字数信息。其中,上述预设用户评论字数占比阈值可以为预先设定的用户评论字数占比阈值。这里,上述预设用户评论字数占比阈值可以为1/8。
实践中,首先,上述执行主体可以将上述用户评论字数与上述平均用户评论字数的比值确定为用户评论字数占比信息。然后,可以将上述用户评论字数占比信息与上述预设用户评论字数占比阈值的乘积确定为用户评论字数信息。
步骤1034,根据预设时间比重阈值、当前时间和用户评论信息包括的评论发布时间,生成用户评论时间信息。
在一些实施例中,根据预设时间比重阈值、当前时间和上述用户评论信息包括的评论发布时间,上述执行主体可以生成用户评论时间信息。
在一些实施例的一些可选的实现方式中,根据预设时间比重阈值、当前时间和上述用户评论信息包括的评论发布时间,上述执行主体可以生成用户评论时间信息:
第一步,将上述当前时间与上述评论发布时间的时间间隔确定为发布时间间隔信息。
第二步,根据上述发布时间间隔信息和上述预设时间比重阈值,生成用户评论时间信息。其中,上述预设时间比重阈值可以为预先设定时间比重阈值。例如,上述预设时间比重阈值可以为1.8。实践中,首先,上述执行主体可以将上述发布时间间隔信息与预设时间阈值的和确定为调整发布时间间隔信息。然后,可以将以调整发布时间间隔信息为底数,以上述预设时间比重阈值为指数所组成的数确定为用户评论时间信息。其中,上述预设时间阈值可以为预先设定时间阈值。例如,上述预设时间阈值可以为2。
步骤1035,根据用户点赞信息、用户回复信息、用户评论字数信息和用户评论时间信息,生成用户评论比重信息。
在一些实施例中,根据上述用户点赞信息、上述用户回复信息、上述用户评论字数信息和上述用户评论时间信息,上述执行主体可以生成用户评论比重信息。
在一些实施例的一些可选的实现方式中,根据上述用户点赞信息、上述用户回复信息、上述用户评论字数信息和上述用户评论时间信息,上述执行主体可以通过以下步骤生成用户评论比重信息:
第一步,将上述用户点赞信息、上述用户回复信息与上述用户评论字数信息的和确定为总评论信息。
第二步,将上述总评论信息与上述用户评论时间信息的乘积确定为用户评论比重信息。
可选地,上述执行主体还可以执行以下步骤:
第一步,响应于接收到上述客户端发送的评论发布请求,将对应上述评论发布请求的评论信息输入至预先训练的评论信息等级检测模型的嵌入向量层,得到评论信息嵌入向量,其中,上述评论信息等级检测模型还可以包括:特征提取层、全连接层和分类层。上述评论信息等级检测模型可以为以评论信息为输入,以评论信息等级为输出的网络模型。上述特征提取层可以为能够对评论信息进行特征提取的网络层。这里,特征提取层可以为能够对对应上述评论发布请求的评论信息进行特征提取得到特征提取向量的网络层。上述全连接层可以为能够对特征向量进行特征的高级处理和特征抽象表示的网络层。这里,上述全连接层可以为将特征提取向量输入至激活函数,得到表征特征整合后的全连接评论向量的网络层。上述激活函数可以包括但不限于Relu函数和Sigmoid函数。上述分类层可以为通过Softmax激活函数对特征向量进行分类的网络层。这里,上述分类层可以为通过Softmax激活函数对全连接评论向量进行分类得到评论信息等级的网络层。
第二步,对上述评论信息嵌入向量进行归一化处理,得到归一化处理后的评论信息嵌入向量作为归一化评论信息嵌入向量。其中,上述归一化处理可以包括但不限于:删除重复的空格和标点符号、去除口音、替换单词缩写、为特殊符号替换和将单词数字转换为阿拉伯数字。
第三步,根据预设自定义广播剧嵌入向量和上述归一化评论信息嵌入向量,生成融合评论信息嵌入向量。其中,上述预设自定义广播剧嵌入向量可以为表征上述目标广播剧的向量。例如,上述预设自定义广播剧嵌入向量可以为表征广播剧的剧名、广播剧的主人公名字和广播剧的主题类型的向量。实践中,上述执行主体可以将预设自定义广播剧嵌入向量和上述归一化评论信息嵌入向量进行向量拼接,以生成融合评论信息嵌入向量。
第四步,将上述融合评论信息嵌入向量输入至特征提取层,得到特征提取向量。其中,上述特征提取层可以包括:两个残差归一化模块、一个多头注意力机制模块和两个全连接模块,上述两个全连接模块中的第一个全连接模块为激活函数模块。
第五步,将上述特征提取向量输入至上述全连接层,得到全连接评论向量。
第六步,将上述全连接评论向量输入至上述分类层,得到评论信息等级。其中,上述评论信息等级对应有评论权重,上述评论信息等级为以下任意一项:第一等级评论信息、第二等级评论信息、第三等级评论信息和第四等级评论信息,上述第一等级评论信息对应的评论权重大于上述第二等级评论信息对应的评论权重,上述第二等级评论信息对应的评论权重大于上述第三等级评论信息对应的评论权重,上述第三等级评论信息对应的评论权重大于上述第四等级评论信息对应的评论权重。上述第一等级评论信息可以表征评论信息与目标广播剧的内容相关度和评论内容价值高。第二等级评论信息可以表征评论信息与目标广播剧的内容相关度和评论内容价值一般。第三等级评论信息可以表征评论信息与目标广播剧的内容相关度和评论内容价值低。第四等级评论信息可以表征评论信息与目标广播剧的内容相关度和评论内容价值较低。其中,目标广播剧的内容相关度和评论内容价值的优先级为:高>一般>低>较低。
第七步,根据上述评论信息等级和上述评论信息等级对应的评论权重,生成评论信息发布权重。实践中,上述执行主体可以将上述评论信息等级和上述评论信息等级对应的评论权重的乘积确定为评论信息发布权重。
第八步,根据上述评论信息发布权重、上述用户点赞信息、上述用户回复信息、上述用户评论字数信息和上述用户评论时间信息,生成用户评论比重信息。实践中,首先,上述执行主体可以将上述评论信息发布权重、上述用户点赞信息、上述用户回复信息和上述用户评论字数信息的和确定为第一评论比重信息。然后,可以将第一评论比重信息与上述用户评论时间信息的乘积确定为用户评论比重信息。
上述第一步至第八步及其相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“未对广播剧评论信息从评论内容(例如情感和相关度)方面进行等级细分并赋予不同的排序权重,导致优质的评论信息未得到充分的曝光,该广播剧的用户活跃度较低,用户粘性较差,从而导致该广播剧的曝光度和点击率较低,用户浏览量较少”。导致优质的评论信息未得到充分的曝光,该广播剧的用户活跃度较低,用户粘性较差,从而导致该广播剧的曝光度和点击率较低,用户浏览量较少的因素往往如下:未对广播剧评论信息从评论内容(例如情感和相关度)方面进行等级细分并赋予不同的排序权重,导致优质的评论信息未得到充分的曝光,该广播剧的用户活跃度较低,用户粘性较差,从而导致该广播剧的曝光度和点击率较低,用户浏览量较少。如果解决了上述因素,就能达到提高优质的评论信息曝光度,提高广播剧的用户活跃度,增强用户粘性,从而提高该广播剧的曝光度和点击率,增加用户浏览量的效果。为了达到这一效果,首先,响应于接收到上述客户端发送的评论发布请求,将对应上述评论发布请求的评论信息输入至预先训练的评论信息等级检测模型的嵌入向量层,得到评论信息嵌入向量。其中,上述评论信息等级检测模型还可以包括:特征提取层、全连接层和分类层。由此,可以得到表征评论信息低维特征向量的评论信息嵌入向量。然后,对上述评论信息嵌入向量进行归一化处理,得到归一化处理后的评论信息嵌入向量作为归一化评论信息嵌入向量。由此,可以得到表征进行规范化处理后的归一化评论信息嵌入向量。之后,根据预设自定义广播剧嵌入向量和上述归一化评论信息嵌入向量,生成融合评论信息嵌入向量。其中,上述预设自定义广播剧嵌入向量为表征上述目标广播剧的向量。由此,通过将表征目标广播剧的自定义广播剧嵌入向量与表征评论信息的归一化评论信息嵌入向量进行特征拼接,可以得到融合评论信息嵌入向量,从而可以提高评论信息与目标广播剧的相关度,丰富评论信息的特征表达能力。其次,将上述融合评论信息嵌入向量输入至特征提取层,得到特征提取向量。其中,上述特征提取层可以包括:两个残差归一化模块、一个多头注意力机制模块和两个全连接模块,上述两个全连接模块中的第一个全连接模块为激活函数模块。由此,可以得到对评论信息进行特征提取后的特征提取向量。然后,将上述特征提取向量输入至上述全连接层,得到全连接评论向量。由此,可以得到表征评论信息高层次处理和抽象特征表示的全连接评论向量。之后,将上述全连接评论向量输入至上述分类层,得到评论信息等级。由此,可以得到表征评论信息分类结果的评论信息等级。其中,上述评论信息等级对应有评论权重,上述评论信息等级为以下任意一项:第一等级评论信息、第二等级评论信息、第三等级评论信息和第四等级评论信息,上述第一等级评论信息对应的评论权重大于上述第二等级评论信息对应的评论权重,上述第二等级评论信息对应的评论权重大于上述第三等级评论信息对应的评论权重,上述第三等级评论信息对应的评论权重大于上述第四等级评论信息对应的评论权重。随之,根据上述评论信息等级和上述评论信息等级对应的评论权重,生成评论信息发布权重。由此,可以得表征评论内容等级影响因素的评论信息发布权重。最后,根据上述评论信息发布权重、上述用户点赞信息、上述用户回复信息、上述用户评论字数信息和上述用户评论时间信息,生成用户评论比重信息。由此,可以得到表征评论内容等级影响因素、用户点赞影响因素、用户回复影响因素、用户评论字数影响因素和用户评论时间影响因素的用户评论比重信息。也因为对用户评论信息进行排序时,从评论信息的内容上进行等级细分,并赋予相应的权重,从而可以得到评论信息发布权重,由此,可以得到受评论信息发布权重影响因素、用户点赞影响因素、用户回复影响因素、用户评论字数影响因素和用户评论时间影响因素影响的用户评论比重信息。可以进一步提高评论排序的价值。还因为将预设自定义广播剧嵌入向量和上述归一化评论信息嵌入向量进行结合,可以更进一步提高评论排序的价值,从而可以提高优质的评论信息的曝光度,提高广播剧的用户活跃度,增强用户粘性,进而提高该广播剧的曝光度和点击率,增加用户浏览量。
步骤104,根据所生成的各个用户评论比重信息,对用户评论信息集合包括的各个用户评论信息进行排序,得到用户评论信息序列。
在一些实施例中,根据所生成的各个用户评论比重信息,上述执行主体可以对上述用户评论信息集合包括的各个用户评论信息进行排序,得到用户评论信息序列。其中,上述各个用户评论比重信息中的用户评论比重信息与上述用户评论信息集合中的用户评论信息一一对应。
实践中,首先,上述执行主体可以对各个用户评论比重信息进行降序排序,得到用户评论比重信息序列。然后,可以将上述用户评论信息集合中对应上述用户评论比重信息序列的各个用户评论比重信息组成的序列确定为用户评论信息序列。
步骤105,将用户评论信息序列包括的各个用户评论信息发送至客户端。
在一些实施例中,上述执行主体可以将上述用户评论信息序列包括的各个用户评论信息发送至上述客户端。实践中,上述执行主体可以将上述用户评论信息序列包括的各个用户评论信息发送至上述客户端。
可选地,在上述将上述用将上述用户评论信息序列包括的各个用户评论信息发送至上述客户端之前,上述执行主体还可以执行以下步骤:
第一步,对于上述用户评论信息序列中的每个用户评论信息,执行以下步骤:
第一子步骤,响应于确定上述用户评论信息与预设无效词表中的至少一个预设无效词匹配,将上述用户评论信息确定为无效用户评论信息。其中,预设无效词表可以为预先设定的无效词表。上述预设无效词表中的无效词可以表征用户评论信息不符合发表规定。例如,上述预设无效词表中的无效词可以为敏感词。
第二子步骤,响应于确定上述用户评论信息与上述预设无效词表中的各个无效词均不匹配,且与预设待确定无效词表中的各个待确定无效词均不匹配,将上述用户评论信息确定为有效用户评论信息。
第三子步骤,响应于确定上述用户评论信息与上述预设无效词表中的各个无效词均不匹配,且与上述预设待确定无效词表中的至少一个预设待确定无效词匹配,将上述用户评论信息确定为待确定无效评论信息。
第四子步骤,对上述待确定无效评论信息进行分字处理,得到待确定无效评论字序列。实践中,上述执行主体可以利用预设分字算法对上述待确定无效评论信息进行分字处理,得到待确定无效评论字序列。其中,上述预设分字算法可以为预先设定的可以对用户评论信息进行分词处理的算法。例如,上述预设分字算法可以为wordpiece算法。
第五子步骤,对上述待确定无效评论信息进行分词处理,得到待确定无效评论词序列。实践中,上述执行主体可以利用分词词库(例如jieba)对上述待确定无效评论信息进行分词处理,得到待确定无效评论词序列。
第六子步骤,对上述待确定无效评论字序列包括的各个待确定无效评论字进行拼音转换处理,得到拼音转换处理后的各个待确定无效评论字作为待确定无效评论字拼音序列。实践中,上述执行主体可以利用预设汉字拼音转换函数接口对上述待确定无效评论字序列包括的各个待确定无效评论字进行拼音转换处理,得到拼音转换处理后的各个待确定无效评论字作为待确定无效评论字拼音序列。其中,上述预设汉字拼音转换函数接口可以为预先设定的可以将汉字转换为拼音的函数。
第七子步骤,对上述待确定无效评论词序列包括的各个待确定无效评论词进行拼音转换处理,得到拼音转换处理后的各个待确定无效评论词作为待确定无效评论词拼音序列。
第八子步骤,根据上述待确定无效评论字拼音序列和上述待确定无效评论词拼音序列,确定待确定无效评论字词拼音序列。实践中,上述执行主体可以将上述待确定无效评论字拼音序列和上述待确定无效评论词拼音序列进行组合,以生成待确定无效评论字词拼音序列。
第九子步骤,将上述待确定无效评论字序列输入至预先训练的无效字识别模型中,得到上述用户评论信息对应的无效识别信息作为第一无效识别信息。其中,上述第一无效识别信息可以表征上述用户评论信息有效或无效。上述无效字识别模型可以为以评论字序列为输入,以无效识别信息为输出的神经网络模型。这里,上述无效字识别模型可以为以待确定无效评论字序列为输入,以无效识别信息为输出的网络模型。上述无效字识别模型可以包括:嵌入层、卷积层、池化层和分类层。
第十子步骤,将上述待确定无效评论词序列输入至预先训练的无效词识别模型中。得到上述用户评论信息对应的无效识别信息作为第二无效识别信息。其中,上述第二无效识别信息表征上述用户评论信息有效或无效。上述无效词识别模型可以为以评论词序列为输入,以无效识别信息为输出的网络模型。这里,上述无效词识别模型可以为以待确定无效评论词序列为输入,以无效识别信息为输出的网络模型。上述无效词识别模型可以包括:嵌入层、卷积层、池化层和分类层。
第十一子步骤,将上述待确定无效评论字词拼音序列输入至预先训练的无效字词拼音识别模型中,得到上述用户评论信息对应的无效识别信息作为第三无效识别信息。其中,上述第三无效识别信息表征上述用户评论信息有效或无效。上述无效字词拼音识别模型可以为以字词拼音序列为输入,以无效识别信息为输出的网络模型。这里,上述无效字词拼音识别模型可以为以待确定无效评论字词拼音序列为输入,以无效识别信息为输出的网络模型。上述无效词识别模型可以包括:嵌入层、卷积层、池化层和分类层。
第十二子步骤,响应于确定上述第一无效识别信息、上述第二无效识别信息和上述第三无效识别信息满足无效评论条件,将上述用户评论信息确定为无效用户评论信息。其中,上述无效评论条件可以为上述第一无效识别信息、上述第二无效识别信息和上述第三无效识别信息中至少有2项均表征上述用户评论信息无效。
第十三子步骤,响应于确定上述无效字识别信息、上述无效词识别信息和上述无效字词拼音识别信息不满足上述无效评论条件,将上述用户评论信息确定为有效用户评论信息。
第二步,将上述用户评论信息序列中与所确定的各个无效用户评论信息对应的各个用户评论信息从上述用户评论信息序列中删除,以及将删除后的各个用户评论信息作为用户评论信息序列,以对上述用户评论信息序列进行更新。
上述第一步至第二步及其相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题三“未对广播剧评论内容进行无效评论信息(例如辱骂言论)的筛选和删除处理,导致广播剧用户评论信息的内容质量较差,用户活跃度较低,用户粘性较差,从而导致该广播剧的曝光度和点击率较低,用户浏览量较少”。导致广播剧用户评论信息的内容质量较差,用户活跃度较低,用户粘性较差,从而导致该广播剧的曝光度和点击率较低,用户浏览量较少的因素往往如下:未对广播剧评论内容进行无效评论信息(例如辱骂言论)的筛选和删除处理,导致广播剧用户评论信息的内容质量较差,用户活跃度较低,用户粘性较差,从而导致该广播剧的曝光度和点击率较低,用户浏览量较少。如果解决了上述因素,就能达到提高广播剧用户评论信息的内容质量,提高用户活跃度,增强用户粘性,从而提高该广播剧的曝光度和点击率较低,增加用户浏览量的效果。为了达到这一效果,首先,对于上述用户评论信息序列中的每个用户评论信息,执行以下步骤:响应于确定上述用户评论信息与预设无效词表中的至少一个预设无效词匹配,将上述用户评论信息确定为无效用户评论信息。由此,通过预设无效词表可以筛选出无效用户评论信息。然后,响应于确定上述用户评论信息与上述预设无效词表中的各个无效词均不匹配,且与预设待确定无效词表中的各个待确定无效词均不匹配,将上述用户评论信息确定为有效用户评论信息。由此,通过与预设无效词表和预设待确定无效词表的比对,可以筛选出有效用户评论信息,以供展示给用户。之后,响应于确定上述用户评论信息与上述预设无效词表中的各个无效词均不匹配,且与上述预设待确定无效词表中的至少一个预设待确定无效词匹配,将上述用户评论信息确定为待确定无效评论信息。由此,通过与预设无效词表和预设待确定无效词表的比对,可以筛选出待确定无效评论信息,从而可以进一步对待确定无效评论信息进行无效与有效的分类。随后,对上述待确定无效评论信息进行分字处理,得到待确定无效评论字序列。由此,可以得到从字粒度对待确定无效评论信息进行切的待确定无效评论字序列。随之,对上述待确定无效评论信息进行分词处理,得到待确定无效评论词序列。由此,可以得到从词粒度对待确定无效评论信息进行切的待确定无效评论词序列。随着,对上述待确定无效评论字序列包括的各个待确定无效评论字进行拼音转换处理,得到拼音转换处理后的各个待确定无效评论字作为待确定无效评论字拼音序列。由此,可以得到从拼音维度进行字粒度切分的待确定无效评论字拼音序列。接着,对上述待确定无效评论词序列包括的各个待确定无效评论词进行拼音转换处理,得到拼音转换处理后的各个待确定无效评论词作为待确定无效评论词拼音序列。由此,可以得到从拼音维度进行词粒度切分的待确定无效评论词拼音序列。其次,根据上述待确定无效评论字拼音序列和上述待确定无效评论词拼音序列,确定待确定无效评论字词拼音序列。由此,可以得到从拼音维度进行粒度切分的待确定无效评论字词拼音序列。然后,将上述待确定无效评论字序列输入至预先训练的无效字识别模型中,得到上述用户评论信息对应的无效识别信息作为第一无效识别信息。其中,上述第一无效识别信息表征上述用户评论信息有效或无效。由此,可以得到表征字粒度切分的分类结果的第一无效识别信息。之后,将上述待确定无效评论词序列输入至预先训练的无效词识别模型中。得到上述用户评论信息对应的无效识别信息作为第二无效识别信息。其中,上述第二无效识别信息表征上述用户评论信息有效或无效。由此,可以得到表征词粒度切分的分类结果的第二无效识别信息。接着,将上述待确定无效评论字词拼音序列输入至预先训练的无效字词拼音识别模型中,得到上述用户评论信息对应的无效识别信息作为第三无效识别信息。其中,上述第三无效识别信息表征上述用户评论信息有效或无效。由此,可以得到表征从拼音维度进行字词粒度切分的分类结果的第三无效识别信息。随之,响应于确定上述第一无效识别信息、上述第二无效识别信息和上述第三无效识别信息满足无效评论条件,将上述用户评论信息确定为无效用户评论信息。由此,可以得到表征待确定无效评论信息无效的无效用户评论信息。随后,响应于确定上述无效字识别信息、上述无效词识别信息和上述无效字词拼音识别信息不满足上述无效评论条件,将上述用户评论信息确定为有效用户评论信息。由此,可以得到表征待确定无效评论信息有效的无效用户评论信息。最后,将上述用户评论信息序列中与所确定的各个无效用户评论信息对应的各个用户评论信息从上述用户评论信息序列中删除,以及将删除后的各个用户评论信息作为用户评论信息序列,以对上述用户评论信息序列进行更新。由此,将所确定的各个无效用户评论信息从上述用户评论信息序列中删除,可以提高广播剧用户评论信息的内容质量,提升用户活跃度,增强用户粘性,从而可以提高该广播剧的曝光度和点击率,增加用户浏览量。也因为通过与预设无效词表和预设待确定无效词表的比对,可以初步筛选出有效用户评论信息和无效用户评论信息。还因为通过对待确定无效评论信息进行字粒度、词粒度和拼音维度字词粒度的切分,并进行对应模型的预测分类,可以进一步筛选出有效用户评论信息和无效用户评论信息。提高了筛选出的有效用户评论信息和无效用户评论信息的准确性。以及对筛选出的无效用户评论信息进行删除处理,可以提高广播剧用户评论信息的内容质量,提升用户活跃度,增强用户粘性,从而可以提高该广播剧的曝光度和点击率,增加用户浏览量。同时,对筛选出的无效用户评论信息进行删除处理,可以减少缓存资源的占用。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的广播剧用户评论信息发送方法,可以提高广播剧的用户活跃度,增强用户粘性,提高广播剧的曝光度和点击率,增加用户浏览量。具体来说,导致广播剧的用户活跃度较低,用户粘性较差,从而导致该广播剧的曝光度和点击率较低,用户浏览量较少的原因在于:仅按照评论时间或者点赞数量进行排序,评论排序维度较为单一。当按照评论时间进行排序时,头部评论显示的是最新发布的评论,容易导致评论内容的价值较低(质量较差);当按照点赞数量进行排序时,容易导致头部评论排序内容的多样性较差。从而导致广播剧的用户活跃度较低,用户粘性较差,进而导致该广播剧的曝光度和点击率较低,用户浏览量较少。基于此,本公开的一些实施例的广播剧用户评论信息发送方法,首先,响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,获取上述目标广播剧的用户评论信息集合。其中,上述用户评论信息集合中的用户评论信息包括:用户点赞数量信息、用户回复数量信息、用户评论字数和评论发布时间。由此,可以得到表征广播剧评论信息排序影响因素的用户评论信息集合。然后,根据上述用户评论信息集合包括的各个用户评论字数,确定平均用户评论字数。由此,可以得到平均用户评论字数,从而可以用于确定用户评论字数信息。之后,对于上述用户评论信息集合中的每个用户评论信息,执行以下步骤:随后,根据预设点赞占比阈值信息和上述用户评论信息包括的用户点赞数量信息,生成用户点赞信息。由此,可以得到表征用户点赞影响因素的用户点赞信息。随之,根据预设用户回复占比阈值信息和上述用户评论信息包括的用户回复数量信息,生成用户回复信息。由此,可以得到表征用户回复信息影响因素的用户回复信息。其次,根据预设用户评论字数占比阈值、上述平均用户评论字数和上述用户评论信息包括的用户评论字数,生成用户评论字数信息。由此,可以得到表征用户评论字数因素的用户评论字数信息。然后,根据预设时间比重阈值、当前时间和上述用户评论信息包括的评论发布时间,生成用户评论时间信息。由此,可以得到表征时间影响因素的用户评论时间信息。之后,根据上述用户点赞信息、上述用户回复信息、上述用户评论字数信息和上述用户评论时间信息,生成用户评论比重信息。由此,可以得到受用户点赞影响因素、用户回复影响因素、用户评论字数影响因素和用户评论时间影响因素影响的用户评论比重信息。随后,根据所生成的各个用户评论比重信息,对上述用户评论信息集合包括的各个用户评论信息进行排序,得到用户评论信息序列。由此,可以得到用户评论信息序列,从而可以用于对发起评论信息查询请求客户端的用户进行信息展示。最后,将上述用户评论信息序列包括的各个用户评论信息发送至上述客户端。由此,可以将评论信息对客户端对应的用户进行展示,以供用户进行浏览。因为可以从用户点赞、用户回复、用户评论字数和用户评论时间多个维度对用户评论信息进行排序展示,提高了用户评论排序的价值和评论排序的多样性,从而提高了广播剧的用户活跃度,增强了用户粘性,提高了该广播剧的曝光度和点击率,增加了用户浏览量。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种广播剧用户评论信息发送装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的广播剧用户评论信息发送装置200包括:获取单元201、确定单元202、执行单元203、排序单元204和发送单元205。其中,获取单元201被配置成响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,获取上述目标广播剧的用户评论信息集合,其中,上述用户评论信息集合中的用户评论信息包括:用户点赞数量信息、用户回复数量信息、用户评论字数和评论发布时间;确定单元202被配置成根据上述用户评论信息集合包括的各个用户评论字数,确定平均用户评论字数;执行单元203被配置成对于上述用户评论信息集合中的每个用户评论信息,执行以下步骤:根据预设点赞占比阈值信息和上述用户评论信息包括的用户点赞数量信息,生成用户点赞信息;根据预设用户回复占比阈值信息和上述用户评论信息包括的用户回复数量信息,生成用户回复信息;根据预设用户评论字数占比阈值、上述平均用户评论字数和上述用户评论信息包括的用户评论字数,生成用户评论字数信息;根据预设时间比重阈值、当前时间和上述用户评论信息包括的评论发布时间,生成用户评论时间信息;根据上述用户点赞信息、上述用户回复信息、上述用户评论字数信息和上述用户评论时间信息,生成用户评论比重信息;排序单元204被配置成根据所生成的各个用户评论比重信息,对上述用户评论信息集合包括的各个用户评论信息进行排序,得到用户评论信息序列;发送单元205被配置成将上述用户评论信息序列包括的各个用户评论信息发送至上述客户端。
可以理解的是,该广播剧用户评论信息发送装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于广播剧用户评论信息发送装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300(例如计算设备)的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置301(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,adhoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,获取上述目标广播剧的用户评论信息集合,其中,上述用户评论信息集合中的用户评论信息包括:用户点赞数量信息、用户回复数量信息、用户评论字数和评论发布时间;根据上述用户评论信息集合包括的各个用户评论字数,确定平均用户评论字数;对于上述用户评论信息集合中的每个用户评论信息,执行以下步骤:根据预设点赞占比阈值信息和上述用户评论信息包括的用户点赞数量信息,生成用户点赞信息;根据预设用户回复占比阈值信息和上述用户评论信息包括的用户回复数量信息,生成用户回复信息;根据预设用户评论字数占比阈值、上述平均用户评论字数和上述用户评论信息包括的用户评论字数,生成用户评论字数信息;根据预设时间比重阈值、当前时间和上述用户评论信息包括的评论发布时间,生成用户评论时间信息;根据上述用户点赞信息、上述用户回复信息、上述用户评论字数信息和上述用户评论时间信息,生成用户评论比重信息;根据所生成的各个用户评论比重信息,对上述用户评论信息集合包括的各个用户评论信息进行排序,得到用户评论信息序列;将上述用户评论信息序列包括的各个用户评论信息发送至上述客户端。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、确定单元、执行单元、排序单元和发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,获取上述目标广播剧的用户评论信息集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (6)

1.一种广播剧用户评论信息发送方法,包括:
响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,获取所述目标广播剧的用户评论信息集合,其中,所述用户评论信息集合中的用户评论信息包括:用户点赞数量信息、用户回复数量信息、用户评论字数和评论发布时间,其中,所述用户回复数量信息包括创作者回复数量和普通用户回复数量,所述创作者回复数量为目标广播剧的创作者对评论信息进行信息回复的数量,创作者为以下任意一项:策划者、编剧、导演、后期制作者、原著、美工、宣传者、字幕制作者、词作和曲作,所述普通用户回复数量为广播剧的注册用户对广播剧的评论信息进行信息回复的数量;
根据所述用户评论信息集合包括的各个用户评论字数,确定平均用户评论字数;
对于所述用户评论信息集合中的每个用户评论信息,执行以下步骤:
根据预设点赞占比阈值信息和所述用户评论信息包括的用户点赞数量信息,生成用户点赞信息;
根据预设用户回复占比阈值信息和所述用户评论信息包括的用户回复数量信息,生成用户回复信息,其中,所述预设用户回复占比阈值信息包括预设创作者回复占比阈值和预设普通用户回复占比阈值,所述根据预设用户回复占比阈值信息和所述用户评论信息包括的用户回复数量信息,生成用户回复信息,包括:
根据所述创作者回复数量和所述预设创作者回复占比阈值,生成创作者回复信息;
根据所述普通用户回复数量和所述预设普通用户回复占比阈值,生成普通用户回复信息;
根据所述创作者回复信息和所述普通用户回复信息,生成用户回复信息;
根据预设用户评论字数占比阈值、所述平均用户评论字数和所述用户评论信息包括的用户评论字数,生成用户评论字数信息;
根据预设时间比重阈值、当前时间和所述用户评论信息包括的评论发布时间,生成用户评论时间信息,其中,所述根据预设时间比重阈值、当前时间和所述用户评论信息包括的评论发布时间,生成用户评论时间信息,包括:
将所述当前时间与所述评论发布时间的时间间隔确定为发布时间间隔信息;
将所述发布时间间隔信息与预设时间阈值的和确定为调整发布时间间隔信息;
将以调整发布时间间隔信息为底数,以所述预设时间比重阈值为指数所组成的数确定为用户评论时间信息;
根据所述用户点赞信息、所述用户回复信息、所述用户评论字数信息和所述用户评论时间信息,生成用户评论比重信息,其中,所述根据所述用户点赞信息、所述用户回复信息、所述用户评论字数信息和所述用户评论时间信息,生成用户评论比重信息,包括:
将所述用户点赞信息、所述用户回复信息与所述用户评论字数信息的和确定为总评论信息;
将所述总评论信息与所述用户评论时间信息的乘积确定为用户评论比重信息;
根据所生成的各个用户评论比重信息,对所述用户评论信息集合包括的各个用户评论信息进行排序,得到用户评论信息序列;
将所述用户评论信息序列包括的各个用户评论信息发送至所述客户端,其中,在所述将所述用户评论信息序列包括的各个用户评论信息发送至所述客户端之前,所述方法还包括:
对于所述用户评论信息序列中的每个用户评论信息,执行以下步骤:
响应于确定所述用户评论信息与预设无效词表中的至少一个预设无效词匹配,将所述用户评论信息确定为无效用户评论信息;
响应于确定所述用户评论信息与所述预设无效词表中的各个无效词均不匹配,且与预设待确定无效词表中的各个待确定无效词均不匹配,将所述用户评论信息确定为有效用户评论信息;
响应于确定所述用户评论信息与所述预设无效词表中的各个无效词均不匹配,且与所述预设待确定无效词表中的至少一个预设待确定无效词匹配,将所述用户评论信息确定为待确定无效评论信息;
对所述待确定无效评论信息进行分字处理,得到待确定无效评论字序列;
对所述待确定无效评论信息进行分词处理,得到待确定无效评论词序列;
对所述待确定无效评论字序列包括的各个待确定无效评论字进行拼音转换处理,得到拼音转换处理后的各个待确定无效评论字作为待确定无效评论字拼音序列;
对所述待确定无效评论词序列包括的各个待确定无效评论词进行拼音转换处理,得到拼音转换处理后的各个待确定无效评论词作为待确定无效评论词拼音序列;
根据所述待确定无效评论字拼音序列和所述待确定无效评论词拼音序列,确定待确定无效评论字词拼音序列;
将所述待确定无效评论字序列输入至预先训练的无效字识别模型中,得到所述用户评论信息对应的无效识别信息作为第一无效识别信息,其中,所述第一无效识别信息表征所述用户评论信息有效或无效;
将所述待确定无效评论词序列输入至预先训练的无效词识别模型中,得到所述用户评论信息对应的无效识别信息作为第二无效识别信息,其中,所述第二无效识别信息表征所述用户评论信息有效或无效;
将所述待确定无效评论字词拼音序列输入至预先训练的无效字词拼音识别模型中,得到所述用户评论信息对应的无效识别信息作为第三无效识别信息,其中,所述第三无效识别信息表征所述用户评论信息有效或无效;
响应于确定所述第一无效识别信息、所述第二无效识别信息和所述第三无效识别信息满足无效评论条件,将所述用户评论信息确定为无效用户评论信息;
响应于确定所述第一无效识别信息、所述第二无效识别信息和所述第三无效识别信息不满足所述无效评论条件,将所述用户评论信息确定为有效用户评论信息;
将所述用户评论信息序列中与所确定的各个无效用户评论信息对应的各个用户评论信息从所述用户评论信息序列中删除,以及将删除后的各个用户评论信息作为用户评论信息序列,以对所述用户评论信息序列进行更新。
2.根据权利要求1所述的方法,其中,所述用户点赞数量信息包括用户一级评论点赞数量和用户二级评论点赞数量,所述预设点赞占比阈值信息包括预设一级评论点赞占比阈值和预设二级评论点赞占比阈值;以及
所述根据预设点赞占比阈值信息和所述用户评论信息包括的用户点赞数量信息,生成用户点赞信息,包括:
根据所述预设一级评论点赞占比阈值和所述用户一级评论点赞数量,生成一级评论用户点赞信息;
根据所述预设二级评论点赞占比阈值和所述用户二级评论点赞数量,生成二级评论用户点赞信息;
根据所述一级评论用户点赞信息和所述二级评论用户点赞信息,生成用户点赞信息。
3.根据权利要求1所述的方法,其中,所述获取所述目标广播剧的用户评论信息集合,包括:
响应于当前时刻满足预设获取时间条件,从目标数据服务器中获取目标广播剧的用户评论信息集合,其中,所述预设获取时间条件为当前时刻与上一次获取用户评论信息集合的时刻的时间间隔等于预设时间间隔阈值。
4.一种广播剧用户评论信息发送装置,包括:
获取单元,被配置成响应于接收到客户端发送的对应目标广播剧的用户评论查看请求,获取所述目标广播剧的用户评论信息集合,其中,所述用户评论信息集合中的用户评论信息包括:用户点赞数量信息、用户回复数量信息、用户评论字数和评论发布时间,其中,所述用户回复数量信息包括创作者回复数量和普通用户回复数量,所述创作者回复数量为目标广播剧的创作者对评论信息进行信息回复的数量,创作者为以下任意一项:策划者、编剧、导演、后期制作者、原著、美工、宣传者、字幕制作者、词作和曲作,所述普通用户回复数量为广播剧的注册用户对广播剧的评论信息进行信息回复的数量;
确定单元,被配置成根据所述用户评论信息集合包括的各个用户评论字数,确定平均用户评论字数;
执行单元,被配置成对于所述用户评论信息集合中的每个用户评论信息,执行以下步骤:根据预设点赞占比阈值信息和所述用户评论信息包括的用户点赞数量信息,生成用户点赞信息;根据预设用户回复占比阈值信息和所述用户评论信息包括的用户回复数量信息,生成用户回复信息,其中,所述预设用户回复占比阈值信息包括预设创作者回复占比阈值和预设普通用户回复占比阈值,所述根据预设用户回复占比阈值信息和所述用户评论信息包括的用户回复数量信息,生成用户回复信息,包括:
根据所述创作者回复数量和所述预设创作者回复占比阈值,生成创作者回复信息;
根据所述普通用户回复数量和所述预设普通用户回复占比阈值,生成普通用户回复信息;
根据所述创作者回复信息和所述普通用户回复信息,生成用户回复信息;根据预设用户评论字数占比阈值、所述平均用户评论字数和所述用户评论信息包括的用户评论字数,生成用户评论字数信息;根据预设时间比重阈值、当前时间和所述用户评论信息包括的评论发布时间,生成用户评论时间信息,其中,所述根据预设时间比重阈值、当前时间和所述用户评论信息包括的评论发布时间,生成用户评论时间信息,包括:
将所述当前时间与所述评论发布时间的时间间隔确定为发布时间间隔信息;
将所述发布时间间隔信息与预设时间阈值的和确定为调整发布时间间隔信息;
将以调整发布时间间隔信息为底数,以所述预设时间比重阈值为指数所组成的数确定为用户评论时间信息;根据所述用户点赞信息、所述用户回复信息、所述用户评论字数信息和所述用户评论时间信息,生成用户评论比重信息,其中,所述根据所述用户点赞信息、所述用户回复信息、所述用户评论字数信息和所述用户评论时间信息,生成用户评论比重信息,包括:
将所述用户点赞信息、所述用户回复信息与所述用户评论字数信息的和确定为总评论信息;
将所述总评论信息与所述用户评论时间信息的乘积确定为用户评论比重信息;
排序单元,被配置成根据所生成的各个用户评论比重信息,对所述用户评论信息集合包括的各个用户评论信息进行排序,得到用户评论信息序列;
发送单元,被配置成将所述用户评论信息序列包括的各个用户评论信息发送至所述客户端,其中,在所述将所述用户评论信息序列包括的各个用户评论信息发送至所述客户端之前,还包括:
对于所述用户评论信息序列中的每个用户评论信息,执行以下步骤:
响应于确定所述用户评论信息与预设无效词表中的至少一个预设无效词匹配,将所述用户评论信息确定为无效用户评论信息;
响应于确定所述用户评论信息与所述预设无效词表中的各个无效词均不匹配,且与预设待确定无效词表中的各个待确定无效词均不匹配,将所述用户评论信息确定为有效用户评论信息;
响应于确定所述用户评论信息与所述预设无效词表中的各个无效词均不匹配,且与所述预设待确定无效词表中的至少一个预设待确定无效词匹配,将所述用户评论信息确定为待确定无效评论信息;
对所述待确定无效评论信息进行分字处理,得到待确定无效评论字序列;
对所述待确定无效评论信息进行分词处理,得到待确定无效评论词序列;
对所述待确定无效评论字序列包括的各个待确定无效评论字进行拼音转换处理,得到拼音转换处理后的各个待确定无效评论字作为待确定无效评论字拼音序列;
对所述待确定无效评论词序列包括的各个待确定无效评论词进行拼音转换处理,得到拼音转换处理后的各个待确定无效评论词作为待确定无效评论词拼音序列;
根据所述待确定无效评论字拼音序列和所述待确定无效评论词拼音序列,确定待确定无效评论字词拼音序列;
将所述待确定无效评论字序列输入至预先训练的无效字识别模型中,得到所述用户评论信息对应的无效识别信息作为第一无效识别信息,其中,所述第一无效识别信息表征所述用户评论信息有效或无效;
将所述待确定无效评论词序列输入至预先训练的无效词识别模型中,得到所述用户评论信息对应的无效识别信息作为第二无效识别信息,其中,所述第二无效识别信息表征所述用户评论信息有效或无效;
将所述待确定无效评论字词拼音序列输入至预先训练的无效字词拼音识别模型中,得到所述用户评论信息对应的无效识别信息作为第三无效识别信息,其中,所述第三无效识别信息表征所述用户评论信息有效或无效;
响应于确定所述第一无效识别信息、所述第二无效识别信息和所述第三无效识别信息满足无效评论条件,将所述用户评论信息确定为无效用户评论信息;
响应于确定所述第一无效识别信息、所述第二无效识别信息和所述第三无效识别信息不满足所述无效评论条件,将所述用户评论信息确定为有效用户评论信息;
将所述用户评论信息序列中与所确定的各个无效用户评论信息对应的各个用户评论信息从所述用户评论信息序列中删除,以及将删除后的各个用户评论信息作为用户评论信息序列,以对所述用户评论信息序列进行更新。
5.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-3中任一所述的方法。
CN202311076202.XA 2023-08-25 2023-08-25 广播剧用户评论信息发送方法、装置、设备和介质 Active CN116827894B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311076202.XA CN116827894B (zh) 2023-08-25 2023-08-25 广播剧用户评论信息发送方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311076202.XA CN116827894B (zh) 2023-08-25 2023-08-25 广播剧用户评论信息发送方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN116827894A CN116827894A (zh) 2023-09-29
CN116827894B true CN116827894B (zh) 2023-12-19

Family

ID=88118760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311076202.XA Active CN116827894B (zh) 2023-08-25 2023-08-25 广播剧用户评论信息发送方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN116827894B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103957275A (zh) * 2014-05-19 2014-07-30 北京奇虎科技有限公司 用户评论信息的推送方法、客户端、服务器及系统
CN105392058A (zh) * 2015-10-28 2016-03-09 天脉聚源(北京)科技有限公司 一种互动电视系统生成互动信息的方法及装置
CN107408276A (zh) * 2015-04-03 2017-11-28 Qon株式会社 评论分析系统、评论分析方法及评论分析用程序
CN108256740A (zh) * 2017-12-22 2018-07-06 北京智慧星光信息技术有限公司 一种获取互联网信息传播指标的控制方法
WO2018231097A1 (ru) * 2017-06-14 2018-12-20 Общество С Ограниченной Ответственностью "Центр Разработки И Внедрения Инновационных Технологий" Интерактивная система и способ представления рекламного контента
CN111310079A (zh) * 2020-02-14 2020-06-19 腾讯科技(深圳)有限公司 评论信息排序方法、装置、存储介质及服务器
CN111414543A (zh) * 2020-03-25 2020-07-14 北京字节跳动网络技术有限公司 用于生成评论信息序列的方法、装置、电子设备和介质
CN111522940A (zh) * 2020-04-08 2020-08-11 百度在线网络技术(北京)有限公司 用于处理评论信息的方法和装置
CN114610979A (zh) * 2022-03-11 2022-06-10 平安科技(深圳)有限公司 一种社区平台内容排序方法、系统、终端及存储介质
CN116467522A (zh) * 2023-04-25 2023-07-21 北京奇艺世纪科技有限公司 一种评论排序和展示方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429148B (zh) * 2019-01-09 2024-05-21 北京京东尚科信息技术有限公司 评价界面进入方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103957275A (zh) * 2014-05-19 2014-07-30 北京奇虎科技有限公司 用户评论信息的推送方法、客户端、服务器及系统
CN107408276A (zh) * 2015-04-03 2017-11-28 Qon株式会社 评论分析系统、评论分析方法及评论分析用程序
CN105392058A (zh) * 2015-10-28 2016-03-09 天脉聚源(北京)科技有限公司 一种互动电视系统生成互动信息的方法及装置
WO2018231097A1 (ru) * 2017-06-14 2018-12-20 Общество С Ограниченной Ответственностью "Центр Разработки И Внедрения Инновационных Технологий" Интерактивная система и способ представления рекламного контента
CN108256740A (zh) * 2017-12-22 2018-07-06 北京智慧星光信息技术有限公司 一种获取互联网信息传播指标的控制方法
CN111310079A (zh) * 2020-02-14 2020-06-19 腾讯科技(深圳)有限公司 评论信息排序方法、装置、存储介质及服务器
CN111414543A (zh) * 2020-03-25 2020-07-14 北京字节跳动网络技术有限公司 用于生成评论信息序列的方法、装置、电子设备和介质
CN111522940A (zh) * 2020-04-08 2020-08-11 百度在线网络技术(北京)有限公司 用于处理评论信息的方法和装置
CN114610979A (zh) * 2022-03-11 2022-06-10 平安科技(深圳)有限公司 一种社区平台内容排序方法、系统、终端及存储介质
CN116467522A (zh) * 2023-04-25 2023-07-21 北京奇艺世纪科技有限公司 一种评论排序和展示方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
郭顺利 ; 张向先 ; 李中梅 ; .面向用户信息需求的移动O2O在线评论有用性排序模型研究――以美团为例.图书情报工作.2015,(23),全文. *
面向用户信息需求的移动O2O在线评论有用性排序模型研究――以美团为例;郭顺利;张向先;李中梅;;图书情报工作(23);全文 *

Also Published As

Publication number Publication date
CN116827894A (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
JP7206288B2 (ja) 音楽推薦方法、装置、コンピューティング機器及び媒体
CN113470619B (zh) 语音识别方法、装置、介质及设备
CN110278447B (zh) 基于连续特征的视频推送方法、装置及电子设备
CN114385780B (zh) 程序接口信息推荐方法、装置、电子设备和可读介质
CN111178056A (zh) 基于深度学习的文案生成方法、装置及电子设备
CN111767740A (zh) 音效添加方法和装置、存储介质和电子设备
CN115269786A (zh) 可解释的虚假文本检测方法、装置、存储介质以及终端
CN115270717A (zh) 一种立场检测方法、装置、设备及介质
CN111738316A (zh) 零样本学习的图像分类方法、装置及电子设备
CN113033707B (zh) 视频分类方法、装置、可读介质及电子设备
CN113051911A (zh) 提取敏感词的方法、装置、设备、介质及程序产品
CN110300329B (zh) 基于离散特征的视频推送方法、装置及电子设备
CN116827894B (zh) 广播剧用户评论信息发送方法、装置、设备和介质
CN111555960A (zh) 信息生成的方法
CN113836308B (zh) 网络大数据长文本多标签分类方法、系统、设备及介质
CN116244431A (zh) 文本分类方法、装置、介质及电子设备
CN110852078A (zh) 生成标题的方法和装置
CN112800230B (zh) 文本处理方法、装置、计算机可读存储介质及电子设备
CN115292487A (zh) 基于朴素贝叶斯的文本分类方法、装置、设备和介质
CN111581455B (zh) 文本生成模型的生成方法、装置和电子设备
CN114490946A (zh) 基于Xlnet模型的类案检索方法、系统及设备
CN117540021B (zh) 大语言模型训练方法、装置、电子设备和计算机可读介质
CN111581381B (zh) 文本分类模型的训练集合的生成方法、装置和电子设备
CN114385781B (zh) 基于语句模型的接口文件推荐方法、装置、设备和介质
CN117493688B (zh) 基于用户画像的教学信息推荐方法、装置、电子设备

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
GR01 Patent grant
GR01 Patent grant