CN117150137A - 办公应用的推荐方法和电子设备 - Google Patents
办公应用的推荐方法和电子设备 Download PDFInfo
- Publication number
- CN117150137A CN117150137A CN202311167691.XA CN202311167691A CN117150137A CN 117150137 A CN117150137 A CN 117150137A CN 202311167691 A CN202311167691 A CN 202311167691A CN 117150137 A CN117150137 A CN 117150137A
- Authority
- CN
- China
- Prior art keywords
- application
- information
- user
- office
- behavior
- 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 60
- 230000006399 behavior Effects 0.000 claims description 133
- 239000011159 matrix material Substances 0.000 claims description 66
- 238000012545 processing Methods 0.000 claims description 49
- 239000013598 vector Substances 0.000 claims description 38
- 238000013507 mapping Methods 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 11
- 230000003542 behavioural effect Effects 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 11
- 230000004927 fusion Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F16/35—Clustering; Classification
-
- 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
- G06F16/9538—Presentation of query results
-
- 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
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种办公应用的推荐方法和电子设备,可用于人工智能领域。该方法包括:获取用户使用办公应用的应用操作信息,并获取用户使用办公应用的应用使用信息和应用阅读信息;根据应用操作信息,确定用户的行为信息特征;根据应用使用信息和应用阅读信息,确定用户的标签;根据行为信息特征和标签,生成并显示用户的办公应用推荐结果。本申请的方法,可以向用户推荐更准确的办公应用,满足用户对办公应用的需求。
Description
技术领域
本申请涉及人工智能领域,尤其涉及一种办公应用的推荐方法和电子设备。
背景技术
应用平台具有大量的办公应用,为了便于用户能够及时快速的找到目标应用和常用应用,需要为用户进行应用推荐。
现有技术中,基于人工智能模型,对用户所使用过的应用的访问记录或者应用操作记录,进行分析处理,得到用户对每一应用的喜好程度,进一步向用户推荐喜好程度高的应用。
但是上述方式中,只对应用的访问记录进行分析,或者只对应用操作记录进行分析,导致得到的用户对每一应用的喜好程度不够准确,进而导致所推荐的应用无法满足用户的需求。
发明内容
本申请提供一种办公应用的推荐方法和电子设备,用以解决因只对应用的访问记录进行分析导致所推荐的应用无法满足用户的需求的问题。
第一方面,本申请提供一种办公应用的推荐方法,所述方法包括:
获取用户使用办公应用的应用操作信息,并获取所述用户使用办公应用的应用使用信息和应用阅读信息;其中,所述应用操作信息表征预设时间段内用户所使用的办公应用的功能操作记录;所述应用使用信息表征预设时间段内用户所使用的办公应用的应用使用情况;所述应用阅读信息为预设时间段内用户在使用办公应用进行文本阅读所产生的文本数据;
根据所述应用操作信息,确定所述用户的行为信息特征;其中,所述行为信息特征表征用户所偏好的办公应用操作行为的行为特征;
根据所述应用使用信息和所述应用阅读信息,确定所述用户的标签;其中,所述标签表征用户偏好的办公应用的类别,和/或,用户的岗位类别;
根据所述行为信息特征和所述标签,生成并显示所述用户的办公应用推荐结果;其中,所述办公应用推荐结果包括向用户推荐的办公应用。
一个示例中,根据所述应用操作信息,确定所述用户的行为信息特征,包括:
调取预设的行为信息特征库;其中,所述预设的行为信息特征库中包括至少一个文本信息和至少一个预设的行为信息特征;所述文本信息包括用户的办公应用操作行为的关联单词;所述文本信息与所述预设的行为信息特征一一对应;
针对每一所述文本信息,根据所述文本信息和所述应用操作信息,确定语义相似度;其中,所述语义相似度表征文本信息与应用操作信息二者之间的语义相似程度;
根据各所述语义相似度,生成关联矩阵;其中,所述关联矩阵表征应用操作信息与预设的行为信息特征之间的关联关系;
基于预设的卷积神经网络中,对所述关联矩阵进行处理,得到所述用户的行为信息特征。
一个示例中,针对每一所述文本信息,根据所述文本信息和所述应用操作信息,确定语义相似度,包括:
对每一所述文本信息中的文本内容进行向量化处理,得到每一所述文本信息对应的第一词向量;
对所述应用操作信息中的文本内容进行向量化处理,得到所述应用操作信息对应的第二词向量;
针对每一所述第一词向量,将所述第一词向量与所述第二词向量进行计算处理,得到所述语义相似度。
一个示例中,根据所述应用使用信息和所述应用阅读信息,确定所述用户的标签,包括:
对所述应用使用信息进行编码处理,得到所述应用使用信息对应的第一矩阵;
对所述应用阅读信息进行编码处理,得到所述应用阅读信息对应的第二矩阵;
将所述第一矩阵和第二矩阵进行拼接处理,得到拼接矩阵;
将所述拼接矩阵输入至预设的分类器中进行识别,得到所述用户的标签。
一个示例中,对所述应用阅读信息进行编码处理,得到所述应用阅读信息对应的第二矩阵,包括:
对所述应用阅读信息进行关键字识别,得到关键字集合;
对所述关键字集合进行编码处理,得到所述第二矩阵。
一个示例中,根据所述行为信息特征和所述标签,生成所述用户的办公应用推荐结果,包括:
调取第一映射关系和第二映射关系;其中,所述第一映射关系为行为信息特征与办公应用的对应关系;所述第二映射关系为标签与办公应用的对应关系;
根据所述第一映射关系,从预设应用库中确定与所述行为信息特征所对应的第一应用集合;其中,所述预设应用库被用于存储用户所使用过的至少一个办公应用;
根据所述第二映射关系,从所述预设应用库中确定与所述标签所对应的第二应用集合;
将归属于所述第一应用集合、且归属于所述第二应用集合的办公应用,确定为所述用户的办公应用推荐结果中的办公应用。
一个示例中,在根据所述应用操作信息,确定所述用户的行为信息特征之后,还包括:
获取所述用户的应用评论信息集合;其中,所述应用评论信息集合包括至少一个评论信息,所述评论信息为用户所使用过的办公应用的评论信息;
根据所述应用评论信息集合和所述行为信息特征,生成所述用户的办公应用推荐结果。
一个示例中,根据所述应用评论信息集合和所述行为信息特征,生成所述用户的办公应用推荐结果,包括:
针对每一所述评论信息,根据所述评论信息,生成推荐指数;其中,所述推荐指数表征用户所使用过的每一办公应用的用户喜好程度;
根据所述行为信息特征,确定与所述行为信息特征所对应的第三应用集合;
将所述第三应用集合中推荐指数高的办公应用,确定为所述用户的办公应用推荐结果中的办公应用。
第二方面,本申请提供一种办公应用的推荐装置,所述装置包括:
第一获取单元,用于获取用户使用办公应用的应用操作信息,并获取所述用户使用办公应用的应用使用信息和应用阅读信息;其中,所述应用操作信息表征预设时间段内用户所使用的办公应用的功能操作记录;所述应用使用信息表征预设时间段内用户所使用的办公应用的应用使用情况;所述应用阅读信息为预设时间段内用户在使用办公应用进行文本阅读所产生的文本数据;
第一确定单元,用于根据所述应用操作信息,确定所述用户的行为信息特征;其中,所述行为信息特征表征用户所偏好的办公应用操作行为的行为特征;
第二确定单元,用于根据所述应用使用信息和所述应用阅读信息,确定所述用户的标签;其中,所述标签表征用户偏好的办公应用的类别,和/或,用户的岗位类别;
第一生成单元,用于根据所述行为信息特征和所述标签,生成并显示所述用户的办公应用推荐结果;其中,所述办公应用推荐结果包括向用户推荐的办公应用。
一个示例中,所述第一确定单元,包括:
第一调取模块,用于调取预设的行为信息特征库;其中,所述预设的行为信息特征库中包括至少一个文本信息和至少一个预设的行为信息特征;所述文本信息包括用户的办公应用操作行为的关联单词;所述文本信息与所述预设的行为信息特征一一对应;
第一确定模块,用于针对每一所述文本信息,根据所述文本信息和所述应用操作信息,确定语义相似度;其中,所述语义相似度表征文本信息与应用操作信息二者之间的语义相似程度;
第一生成模块,用于根据各所述语义相似度,生成关联矩阵;其中,所述关联矩阵表征应用操作信息与预设的行为信息特征之间的关联关系;
处理模块,用于基于预设的卷积神经网络中,对所述关联矩阵进行处理,得到所述用户的行为信息特征。
一个示例中,所述第一确定模块,包括:
第一处理子模块,用于对每一所述文本信息中的文本内容进行向量化处理,得到每一所述文本信息对应的第一词向量;
第二处理子模块,用于对所述应用操作信息中的文本内容进行向量化处理,得到所述应用操作信息对应的第二词向量;
第三处理子模块,用于针对每一所述第一词向量,将所述第一词向量与所述第二词向量进行计算处理,得到所述语义相似度。
一个示例中,所述第二确定单元,包括:
第一编码模块,用于对所述应用使用信息进行编码处理,得到所述应用使用信息对应的第一矩阵;
第二编码模块,用于对所述应用阅读信息进行编码处理,得到所述应用阅读信息对应的第二矩阵;
拼接模块,用于将所述第一矩阵和第二矩阵进行拼接处理,得到拼接矩阵;
分类模块,用于将所述拼接矩阵输入至预设的分类器中进行识别,得到所述用户的标签。
一个示例中,所述第二编码模块,包括:
识别子模块,用于对所述应用阅读信息进行关键字识别,得到关键字集合;
编码子模块,用于对所述关键字集合进行编码处理,得到所述第二矩阵。
一个示例中,所述第一生成单元,包括:
第二调取模块,用于调取第一映射关系和第二映射关系;其中,所述第一映射关系为行为信息特征与办公应用的对应关系;所述第二映射关系为标签与办公应用的对应关系;
第二确定模块,用于根据所述第一映射关系,从预设应用库中确定与所述行为信息特征所对应的第一应用集合;其中,所述预设应用库被用于存储用户所使用过的至少一个办公应用;
第三确定模块,用于根据所述第二映射关系,从所述预设应用库中确定与所述标签所对应的第二应用集合;
第四确定模块,用于将归属于所述第一应用集合、且归属于所述第二应用集合的办公应用,确定为所述用户的办公应用推荐结果中的办公应用。
一个示例中,在所述第一确定单元用于根据所述应用操作信息,确定所述用户的行为信息特征之后,还包括:
第二获取单元,用于获取所述用户的应用评论信息集合;其中,所述应用评论信息集合包括至少一个评论信息,所述评论信息为用户所使用过的办公应用的评论信息;
第二生成单元,用于根据所述应用评论信息集合和所述行为信息特征,生成所述用户的办公应用推荐结果。
一个示例中,所述第二生成单元,包括:
第二生成模块,用于针对每一所述评论信息,根据所述评论信息,生成推荐指数;其中,所述推荐指数表征用户所使用过的每一办公应用的用户喜好程度;
第五确定模块,用于根据所述行为信息特征,确定与所述行为信息特征所对应的第三应用集合;
第六确定模块,用于将所述第三应用集合中推荐指数高的办公应用,确定为所述用户的办公应用推荐结果中的办公应用。
第三方面,本申请提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现第一方面所述的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现第一方面所述的方法。
第五方面,本申请提供一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序,使得电子设备执行第一方面所述的方法。
本申请提供的办公应用的推荐方法和电子设备,通过对用户所使用的每一办公应用的功能操作记录,分析得到用户所偏好的办公应用操作行为,并通过对用户所使用的每一办公应用的应用使用情况和用户在使用每一办公应用进行文本阅读所产生的文本数据进行分析,得到用户偏好的办公应用的类别,和/或,用户的岗位类别;进一步将用户所偏好的办公应用操作行为、用户偏好的办公应用的类别、和/或、用户的岗位类别进行融合分析,向用户推荐合适的办公应用;进而,通过融合分析用户的应用使用行为以及用户的岗位类别等,向用户推荐更准确的办公应用,满足用户对办公应用的需求。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请提供的一种应用场景示意图;
图2为本申请实施例提供的一种办公应用的推荐方法的流程示意图;
图3为本申请实施例提供的另一种办公应用的推荐方法的流程示意图;
图4为本申请实施例提供的一种办公应用的推荐装置的结构示意图;
图5为本申请实施例提供的另一种办公应用的推荐装置的结构示意图;
图6为本申请实施例提供的一种电子设备的结构示意图;
图7为根据一示例性实施例示出的一种电子设备的框图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
图1为本申请提供的一种应用场景示意图。如图1所示,该场景中包括电子设备101和用户102。基于电子设备101,部署着应用平台,用户102可以使用电子设备101中所安装的办公应用进行办公,电子设备101会定时向工作人员102推荐合适的办公应用,并通过电子设备101的办公应用界面,显示所推荐的办公应用图标。
应用平台具有大量的办公应用,为了便于用户能够及时快速的找到目标应用和常用应用,需要为用户进行应用推荐。
一个示例中,基于人工智能模型,对用户所使用过的应用的访问记录或者应用操作记录,进行分析处理,得到用户对每一应用的喜好程度,进一步向用户推荐喜好程度高的应用。
但是上述方式中,只对应用的访问记录进行分析,或者只对应用操作记录进行分析,导致得到的用户对每一应用的喜好程度不够准确,进而导致所推荐的应用无法满足用户的需求。
本申请提供的办公应用的推荐方法和电子设备,旨在解决现有技术的如上技术问题。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
需要说明的是,本申请办公应用的推荐方法和电子设备可用于人工智能领域,也可用于除人工智能领域之外的任意领域,本申请办公应用的推荐方法和电子设备的应用领域不做限定。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请实施例提供的一种办公应用的推荐方法的流程示意图,如图2所示,该方法包括:
S101、获取用户使用办公应用的应用操作信息,并获取用户使用办公应用的应用使用信息和应用阅读信息;其中,应用操作信息表征预设时间段内用户所使用的办公应用的功能操作记录;应用使用信息表征预设时间段内用户所使用的办公应用的应用使用情况;应用阅读信息为预设时间段内用户在使用办公应用进行文本阅读所产生的文本数据。
示例性地,本实施例的执行主体可以是电子设备。首先,基于电子设备,根据预先设定好的时间,或者,用户输入的推荐指令,电子设备基于预设的应用数据获取算法,从本地数据库或者后台服务器中,获取预设一段时间内,比如近两个月内包括文档操作的应用、图像处理的应用、绘制流程图的应用、远程操作的应用、会议的应用以及聊天的应用中的每一办公应用的数据,包括用户所使用的每一办公应用的功能操作记录,即每一办公应用的应用操作信息,如在内部办公APP内打开“考勤打卡”应用,点击“打卡”按钮;还包括用户所使用的每一办公应用的应用使用情况,即应用使用信息,如使用时长和使用次数等;还包括用户在使用每一办公应用进行文本阅读所产生的文本数据,即应用阅读信息,或者日志信息。
S102、根据应用操作信息,确定用户的行为信息特征;其中,行为信息特征表征用户所偏好的办公应用操作行为的行为特征。
示例性地,根据获取的用户所使用的每一办公应用的功能操作记录,即应用操作信息,基于预设的操作记录分析算法,对每一办公应用的应用操作信息,进行分析处理,可以得到用户的行为信息特征,即可以了解到用户所偏好的办公应用操作行为的行为特征,比如用户更偏好的办公应用操作行为为开会办公。
S103、根据应用使用信息和应用阅读信息,确定用户的标签;其中,标签表征用户偏好的办公应用的类别,和/或,用户的岗位类别。
示例性地,根据获取的用户所使用的每一办公应用的应用使用情况,即应用使用信息,以及用户在使用每一办公应用进行文本阅读所产生的文本数据,即应用阅读信息,基于预设的应用数据融合分析算法,对每一办公应用的应用使用信息和应用阅读信息,进行融合分析处理,可以得到用户的标签,即可以了解到用户偏好的办公应用的类别,和/或,用户的岗位类别,比如用户的岗位为代码开发岗位、界面设计岗位、人事管理岗位等中的一类。
S104、根据行为信息特征和标签,生成并显示用户的办公应用推荐结果;其中,办公应用推荐结果包括向用户推荐的办公应用。
示例性地,为了准确的向用户推荐合适的应用,根据预设算法分析所确定的用户的行为信息特征和标签,进行进一步的融合分析,比如可以通过人工分析或者人工智能模型分析的方法,从用户的行为信息特征和标签中,确定出该用户的办公应用推荐结果,即确定出向用户所推荐的各个办公应用,并通过电子设备的办公应用界面,显示出向用户推荐的办公应用,比如显示出向用户推荐的办公应用的图标。
本实施例中,提供了一种办公应用的推荐方法,通过对用户所使用的每一办公应用的功能操作记录,分析得到用户所偏好的办公应用操作行为,并通过对用户所使用的每一办公应用的应用使用情况和用户在使用每一办公应用进行文本阅读所产生的文本数据进行分析,得到用户偏好的办公应用的类别,和/或,用户的岗位类别;进一步将用户所偏好的办公应用操作行为、用户偏好的办公应用的类别、和/或、用户的岗位类别进行融合分析,向用户推荐合适的办公应用;进而,通过融合分析用户的应用使用行为以及用户的岗位类别等,向用户推荐更准确的办公应用,满足用户对办公应用的需求。
图3为本申请实施例提供的另一种办公应用的推荐方法的流程示意图,如图3所示,该方法包括:
S201、获取用户使用办公应用的应用操作信息,并获取用户使用办公应用的应用使用信息和应用阅读信息;其中,应用操作信息表征预设时间段内用户所使用的办公应用的功能操作记录;应用使用信息表征预设时间段内用户所使用的办公应用的应用使用情况;应用阅读信息为预设时间段内用户在使用办公应用进行文本阅读所产生的文本数据。
示例性地,本步骤可以参见步骤101,不再赘述。
S202、调取预设的行为信息特征库;其中,预设的行为信息特征库中包括至少一个文本信息和至少一个预设的行为信息特征;文本信息包括用户的办公应用操作行为的关联单词;文本信息与预设的行为信息特征一一对应。
示例性地,为了准确的确定出用户的办公应用操作行为,预先在预设的行为信息特征库中,存储了一个或者多个预设的行为信息特征,并存储了与每一预设的行为信息特征一一对应的文本信息,其中,每一文本信息包括用户的办公应用操作行为的关联单词,比如,开会办公的行为,对应的关联单词包括会议、议程、远程、开会、共享等单词;当需要进行用户行为特征确定时,调取预设的行为信息特征库中的每一预设的行为信息特征以及对应的每一文本信息。
S203、针对每一文本信息,根据文本信息和应用操作信息,确定语义相似度;其中,语义相似度表征文本信息与应用操作信息二者之间的语义相似程度。
示例性地,针对每一调取的文本信息,基于语义对比方法,将每一文本信息和每一应用操作信息,进行语义对比,得到每一文本信息和每一每一应用操作信息这两者之间的语义相似度,进而了解到每一文本信息和每一每一应用操作信息这两者之间的语义相似程度。
一个示例中,步骤S203包括以下步骤:
步骤S203的第一步骤、对每一文本信息中的文本内容进行向量化处理,得到每一文本信息对应的第一词向量。
步骤S203的第二步骤、对应用操作信息中的文本内容进行向量化处理,得到应用操作信息对应的第二词向量。
步骤S203的第三步骤、针对每一第一词向量,将第一词向量与第二词向量进行计算处理,得到语义相似度。
具体地,基于数据向量化处理技术,将每一调取的文本信息的文本内容进行向量化转换处理,得到每一文本信息对应的词向量,即第一词向量。基于数据向量化处理技术,将每一应用操作信息中的文本内容进行向量化转换处理,得到每一应用操作信息对应的词向量,即第二词向量。基于语义相似度计算技术,将每一文本信息对应的词向量和每一应用操作信息对应的词向量,进行计算处理,得到这两个词向量之间的语义相似度,即可以知道每一文本信息和每一每一应用操作信息这两者之间的语义相似度。
S204、根据各语义相似度,生成关联矩阵;其中,关联矩阵表征应用操作信息与预设的行为信息特征之间的关联关系。
示例性地,根据计算处理得到的每一语义相似度,通过矩阵生成方法,对各语义相似度进行处理,得到各语义相似度对应的语义相似度矩阵,即关联矩阵,基于每一文本信息与每一预设的行为信息特征的对应关系,该关联矩阵可以表征应用操作信息与预设的行为信息特征之间的关联关系。
S205、基于预设的卷积神经网络中,对关联矩阵进行处理,得到用户的行为信息特征。
示例性地,调用预设的卷积神经网络,将计算得到的关联矩阵,输入至预设的卷积神经网络中,基于预设的卷积神经网络中,对关联矩阵进行卷积计算处理,可以得到用户的行为信息特征,即可以了解到用户所偏好的办公应用操作行为的行为特征,比如用户更偏好的办公应用操作行为为开会办公。
在步骤S205之后,可以执行步骤S206或者步骤S214。
S206、对应用使用信息进行编码处理,得到应用使用信息对应的第一矩阵。
示例性地,在步骤S205之后,对获取的用户所使用的每一办公应用的应用使用信息,进行编码处理,可以先得到对应的向量,再进一步对该向量进行转换处理,得到所有应用使用信息对应的矩阵,即第一矩阵。
S207、对应用阅读信息进行编码处理,得到应用阅读信息对应的第二矩阵。
示例性地,对获取的用户所使用的每一办公应用的应用阅读信息,进行编码处理,可以先得到对应的向量,再进一步对该向量进行转换处理,得到所有应用阅读信息对应的矩阵,即第二矩阵。
一个示例中,步骤S207包括以下步骤:
步骤S207的第一步骤、对应用阅读信息进行关键字识别,得到关键字集合。
步骤S207的第二步骤、对关键字集合进行编码处理,得到第二矩阵。
示例性地,对获取的用户所使用的每一办公应用的应用阅读信息,进行关键字识别,比如高频词,并将识别出的各个关键字整理成关键字集合。然后,将关键字集合中的每一关键字进行编码处理,可以先得到关键字集合对应的向量,再进一步对该向量进行转换处理,得到关键字集合对应的矩阵,即所有应用阅读信息对应的矩阵,第二矩阵。
S208、将第一矩阵和第二矩阵进行拼接处理,得到拼接矩阵。
示例性地,根据编码处理得到的所有应用使用信息对应的矩阵、以及所有应用阅读信息对应的矩阵,将这两个矩阵进行矩阵拼接,得到两者对应的拼接矩阵,以完成对所有应用使用信息和所有应用阅读信息的信息融合处理。
S209、将拼接矩阵输入至预设的分类器中进行识别,得到用户的标签。
示例性地,调用预设的用户标签的分类器,将所有应用使用信息和所有应用阅读信息二者对应的拼接矩阵,输入至该预设分类器中,基于该预设分类器,对拼接矩阵进行识别处理,得到用户的标签,进而,可以知道用户偏好的办公应用的类别,和/或,用户的岗位类别。
S210、调取第一映射关系和第二映射关系;其中,第一映射关系为行为信息特征与办公应用的对应关系;第二映射关系为标签与办公应用的对应关系。
示例性地,调取预先存储的每一行为信息特征与每一办公应用的对应关系,即第一映射关系,再调取预先存储的每一标签与每一办公应用的对应关系,即第二映射关系。
S211、根据第一映射关系,从预设应用库中确定与行为信息特征所对应的第一应用集合;其中,预设应用库被用于存储用户所使用过的至少一个办公应用。
示例性地,根据调取的每一行为信息特征与每一办公应用的对应关系,根据已确定的用户的行为信息特征,从预设应用库中确定与行为信息特征所对应的一个或者多个办公应用,整理为应用集合,即第一应用集合。其中,预设应用库被用于存储用户所使用过的一个或者多个办公应用。
S212、根据第二映射关系,从预设应用库中确定与标签所对应的第二应用集合。
示例性地,根据调取的每一标签与每一办公应用的对应关系,根据已确定的用户的标签,从预设应用库中确定与该用户的标签所对应的一个或者多个办公应用,整理为应用集合,即第二应用集合。
S213、将归属于第一应用集合、且归属于第二应用集合的办公应用,确定为用户的办公应用推荐结果中的办公应用。
示例性地,对得到的第一应用集合和第二应用集合进行分析,确定出既归属于第一应用集合、且归属于第二应用集合的办公应用,比如分析每一办公应用的名称,将名称相同的办公应用确定出来,然后确定出的一个或者多个办公应用,作为向用户进行办公应用推荐的推荐结果。
S214、获取用户的应用评论信息集合;其中,应用评论信息集合包括至少一个评论信息,评论信息为用户所使用过的办公应用的评论信息。
示例性地,在步骤S205之后,还可以从电子设备部署的应用平台中,获取用户所使用的每一办公应用的所有评论信息,即所有的评论信息,并整理为应用评论信息集合。
S215、根据应用评论信息集合和行为信息特征,生成用户的办公应用推荐结果。
示例性地,根据获取的应用评论信息集合和每一办公应用的行为信息特征,可以通过人工分析或者基于人工智能模型分析处理技术,对应用评论信息集合和所有行为信息特征进行融合分析,从办公应用中,确定出的一个或者多个办公应用,作为向用户进行办公应用推荐的推荐结果。
一个示例中,步骤S215包括以下步骤:
步骤S215的第一步骤、针对每一评论信息,根据评论信息,生成推荐指数;其中,推荐指数表征用户所使用过的每一办公应用的用户喜好程度。
步骤S215的第二步骤、根据行为信息特征,确定与行为信息特征所对应的第三应用集合。
步骤S215的第三步骤、将第三应用集合中推荐指数高的办公应用,确定为用户的办公应用推荐结果中的办公应用。
具体地,根据获取用户所使用过的办公应用的应用评论信息集合,针对每一办公应用的所有评论信息,进行分析处理,得到每一办公应用的推荐指数,比如,办公应用A的评论用户为10个人,其中收到的评论中评论内容为“好”的用户为8个,则办公应用A的推荐指数为(8/10)=0.8,进而,可以知道用户所使用过的每一办公应用的用户喜好程度。根据已确定好的用户的行为信息特征,基于预设的每一行为信息特征和每一办公应用的对应关系,从应用平台中,确定出与该用户的行为信息特征所对应的一个或者多个办公应用,并整理为应用集合,即第三应用集合。根据每一办公应用的推荐指数,将与该用户的行为信息特征所对应的应用集合中的每一办公应用,按照每一办公应用的推荐指数高低,进行排序,并将该应用集合中推荐指数最高的预设个数的办公应用,比如推荐指数前三的办公应用,作为向用户所推荐的各个办公应用。
S216、显示用户的办公应用推荐结果;其中,办公应用推荐结果包括向用户推荐的办公应用。
示例性地,根据确定的用户的办公应用推荐结果,通过电子设备的办公应用界面,显示出该办公应用推荐结果中包括的向用户推荐的办公应用,比如显示出向用户推荐的办公应用的图标。
本实施例中,在上述实施例的基础上,一方面,通过对用户所使用的每一办公应用的功能操作记录,分析得到用户所偏好的办公应用操作行为,并通过对用户所使用的每一办公应用的应用使用情况和用户在使用每一办公应用进行文本阅读所产生的文本数据进行分析,得到用户偏好的办公应用的类别,和/或,用户的岗位类别;进一步将用户所偏好的办公应用操作行为、用户偏好的办公应用的类别、和/或、用户的岗位类别进行融合分析,向用户推荐合适的办公应用;进而,通过融合分析用户的应用使用行为以及用户的岗位类别等,向用户推荐更准确的办公应用;另一方面,还可以对每一办公应用的评论信息和用户所偏好的办公应用操作行为,来向用户推荐合适的办公应用,进而满足用户对办公应用的需求。
图4为本申请实施例提供的一种办公应用的推荐装置的结构示意图,如图4所示,该装置300包括:
第一获取单元301,用于获取用户使用办公应用的应用操作信息,并获取用户使用办公应用的应用使用信息和应用阅读信息;其中,应用操作信息表征预设时间段内用户所使用的办公应用的功能操作记录;应用使用信息表征预设时间段内用户所使用的办公应用的应用使用情况;应用阅读信息为预设时间段内用户在使用办公应用进行文本阅读所产生的文本数据。
第一确定单元302,用于根据应用操作信息,确定用户的行为信息特征;其中,行为信息特征表征用户所偏好的办公应用操作行为的行为特征。
第二确定单元303,用于根据应用使用信息和应用阅读信息,确定用户的标签;其中,标签表征用户偏好的办公应用的类别,和/或,用户的岗位类别。
第一生成单元304,用于根据行为信息特征和标签,生成并显示用户的办公应用推荐结果;其中,办公应用推荐结果包括向用户推荐的办公应用。
本实施例的装置,可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
图5为本申请实施例提供的另一种办公应用的推荐装置的结构示意图,如图5所示,该装置400包括:
第一获取单元401,用于获取用户使用办公应用的应用操作信息,并获取用户使用办公应用的应用使用信息和应用阅读信息;其中,应用操作信息表征预设时间段内用户所使用的办公应用的功能操作记录;应用使用信息表征预设时间段内用户所使用的办公应用的应用使用情况;应用阅读信息为预设时间段内用户在使用办公应用进行文本阅读所产生的文本数据。
第一确定单元402,用于根据应用操作信息,确定用户的行为信息特征;其中,行为信息特征表征用户所偏好的办公应用操作行为的行为特征。
第二确定单元403,用于根据应用使用信息和应用阅读信息,确定用户的标签;其中,标签表征用户偏好的办公应用的类别,和/或,用户的岗位类别。
第一生成单元404,用于根据行为信息特征和标签,生成并显示用户的办公应用推荐结果;其中,办公应用推荐结果包括向用户推荐的办公应用。
一个示例中,第一确定单元402,包括:
第一调取模块4021,用于调取预设的行为信息特征库;其中,预设的行为信息特征库中包括至少一个文本信息和至少一个预设的行为信息特征;文本信息包括用户的办公应用操作行为的关联单词;文本信息与预设的行为信息特征一一对应。
第一确定模块4022,用于针对每一文本信息,根据文本信息和应用操作信息,确定语义相似度;其中,语义相似度表征文本信息与应用操作信息二者之间的语义相似程度。
第一生成模块4023,用于根据各语义相似度,生成关联矩阵;其中,关联矩阵表征应用操作信息与预设的行为信息特征之间的关联关系。
处理模块4024,用于基于预设的卷积神经网络中,对关联矩阵进行处理,得到用户的行为信息特征。
一个示例中,第一确定模块4022,包括:
第一处理子模块,用于对每一文本信息中的文本内容进行向量化处理,得到每一文本信息对应的第一词向量。
第二处理子模块,用于对应用操作信息中的文本内容进行向量化处理,得到应用操作信息对应的第二词向量。
第三处理子模块,用于针对每一第一词向量,将第一词向量与第二词向量进行计算处理,得到语义相似度。
一个示例中,第二确定单元403,包括:
第一编码模块4031,用于对应用使用信息进行编码处理,得到应用使用信息对应的第一矩阵。
第二编码模块4032,用于对应用阅读信息进行编码处理,得到应用阅读信息对应的第二矩阵。
拼接模块4033,用于将第一矩阵和第二矩阵进行拼接处理,得到拼接矩阵。
分类模块4034,用于将拼接矩阵输入至预设的分类器中进行识别,得到用户的标签。
一个示例中,第二编码模块4032,包括:
识别子模块,用于对应用阅读信息进行关键字识别,得到关键字集合。
编码子模块,用于对关键字集合进行编码处理,得到第二矩阵。
一个示例中,第一生成单元404,包括:
第二调取模块4041,用于调取第一映射关系和第二映射关系;其中,第一映射关系为行为信息特征与办公应用的对应关系;第二映射关系为标签与办公应用的对应关系。
第二确定模块4042,用于根据第一映射关系,从预设应用库中确定与行为信息特征所对应的第一应用集合;其中,预设应用库被用于存储用户所使用过的至少一个办公应用。
第三确定模块4043,用于根据第二映射关系,从预设应用库中确定与标签所对应的第二应用集合。
第四确定模块4044,用于将归属于第一应用集合、且归属于第二应用集合的办公应用,确定为用户的办公应用推荐结果中的办公应用。
一个示例中,在第一确定单元402用于根据应用操作信息,确定用户的行为信息特征之后,还包括:
第二获取单元405,用于获取用户的应用评论信息集合;其中,应用评论信息集合包括至少一个评论信息,评论信息为用户所使用过的办公应用的评论信息。
第二生成单元406,用于根据应用评论信息集合和行为信息特征,生成用户的办公应用推荐结果。
一个示例中,第二生成单元406,包括:
第二生成模块4061,用于针对每一评论信息,根据评论信息,生成推荐指数;其中,推荐指数表征用户所使用过的每一办公应用的用户喜好程度。
第五确定模块4062,用于根据行为信息特征,确定与行为信息特征所对应的第三应用集合。
第六确定模块4063,用于将第三应用集合中推荐指数高的办公应用,确定为用户的办公应用推荐结果中的办公应用。
本实施例的装置,可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
图6为本申请实施例提供的一种电子设备的结构示意图,如图6所示,电子设备500包括:存储器501,处理器502;存储器501;用于存储处理器502可执行指令的存储器。
其中,处理器502被配置为执行如上述实施例提供的方法。
电子设备500还包括接收器503和发送器504。接收器503用于接收其他设备发送的指令和数据,发送器504用于向外部设备发送指令和数据。
图7是根据一示例性实施例示出的一种电子设备的框图,该电子设备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。
电子设备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通常控制电子设备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。处理组件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电子设备800的操作。这些数据的示例包括用于在电子设备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,电可擦除可编程只读存储器,可擦除可编程只读存储器,可编程只读存储器,只读存储器,磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备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,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在电子设备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和触摸面板。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。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。当电子设备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,当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,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88还包括一个扬声器,用于输出音频信号。
输入/输出接口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,用于为电子设备800提供各个方面的状态信息。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备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,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被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络。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,通信组件816还包括近场通信模块,以促进短程通信。例如,在近场通信模块可基于射频识别技术,红外数据协会技术,超宽带技术,蓝牙技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路、数字信号处理器、数字信号处理设备、可编程逻辑器件、现场可编程门阵列、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,上述指令可由电子设备800的处理器820执行以完成上述方法。例如,非临时性计算机可读存储介质可以是随机存取存储器、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种非临时性计算机可读存储介质,当该存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述方法。
根据本申请的实施例,本申请还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请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,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请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。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种办公应用的推荐方法,其特征在于,所述方法包括:
获取用户使用办公应用的应用操作信息,并获取所述用户使用办公应用的应用使用信息和应用阅读信息;其中,所述应用操作信息表征预设时间段内用户所使用的办公应用的功能操作记录;所述应用使用信息表征预设时间段内用户所使用的办公应用的应用使用情况;所述应用阅读信息为预设时间段内用户在使用办公应用进行文本阅读所产生的文本数据;
根据所述应用操作信息,确定所述用户的行为信息特征;其中,所述行为信息特征表征用户所偏好的办公应用操作行为的行为特征;
根据所述应用使用信息和所述应用阅读信息,确定所述用户的标签;其中,所述标签表征用户偏好的办公应用的类别,和/或,用户的岗位类别;
根据所述行为信息特征和所述标签,生成并显示所述用户的办公应用推荐结果;其中,所述办公应用推荐结果包括向用户推荐的办公应用。
2.根据权利要求1所述的方法,其特征在于,根据所述应用操作信息,确定所述用户的行为信息特征,包括:
调取预设的行为信息特征库;其中,所述预设的行为信息特征库中包括至少一个文本信息和至少一个预设的行为信息特征;所述文本信息包括用户的办公应用操作行为的关联单词;所述文本信息与所述预设的行为信息特征一一对应;
针对每一所述文本信息,根据所述文本信息和所述应用操作信息,确定语义相似度;其中,所述语义相似度表征文本信息与应用操作信息二者之间的语义相似程度;
根据各所述语义相似度,生成关联矩阵;其中,所述关联矩阵表征应用操作信息与预设的行为信息特征之间的关联关系;
基于预设的卷积神经网络中,对所述关联矩阵进行处理,得到所述用户的行为信息特征。
3.根据权利要求2所述的方法,其特征在于,针对每一所述文本信息,根据所述文本信息和所述应用操作信息,确定语义相似度,包括:
对每一所述文本信息中的文本内容进行向量化处理,得到每一所述文本信息对应的第一词向量;
对所述应用操作信息中的文本内容进行向量化处理,得到所述应用操作信息对应的第二词向量;
针对每一所述第一词向量,将所述第一词向量与所述第二词向量进行计算处理,得到所述语义相似度。
4.根据权利要求1所述的方法,其特征在于,根据所述应用使用信息和所述应用阅读信息,确定所述用户的标签,包括:
对所述应用使用信息进行编码处理,得到所述应用使用信息对应的第一矩阵;
对所述应用阅读信息进行编码处理,得到所述应用阅读信息对应的第二矩阵;
将所述第一矩阵和第二矩阵进行拼接处理,得到拼接矩阵;
将所述拼接矩阵输入至预设的分类器中进行识别,得到所述用户的标签。
5.根据权利要求4所述的方法,其特征在于,对所述应用阅读信息进行编码处理,得到所述应用阅读信息对应的第二矩阵,包括:
对所述应用阅读信息进行关键字识别,得到关键字集合;
对所述关键字集合进行编码处理,得到所述第二矩阵。
6.根据权利要求1-5中任一项所述的方法,其特征在于,根据所述行为信息特征和所述标签,生成所述用户的办公应用推荐结果,包括:
调取第一映射关系和第二映射关系;其中,所述第一映射关系为行为信息特征与办公应用的对应关系;所述第二映射关系为标签与办公应用的对应关系;
根据所述第一映射关系,从预设应用库中确定与所述行为信息特征所对应的第一应用集合;其中,所述预设应用库被用于存储用户所使用过的至少一个办公应用;
根据所述第二映射关系,从所述预设应用库中确定与所述标签所对应的第二应用集合;
将归属于所述第一应用集合、且归属于所述第二应用集合的办公应用,确定为所述用户的办公应用推荐结果中的办公应用。
7.根据权利要求1-5中任一项所述的方法,其特征在于,在根据所述应用操作信息,确定所述用户的行为信息特征之后,还包括:
获取所述用户的应用评论信息集合;其中,所述应用评论信息集合包括至少一个评论信息,所述评论信息为用户所使用过的办公应用的评论信息;
根据所述应用评论信息集合和所述行为信息特征,生成所述用户的办公应用推荐结果。
8.根据权利要求7所述的方法,其特征在于,根据所述应用评论信息集合和所述行为信息特征,生成所述用户的办公应用推荐结果,包括:
针对每一所述评论信息,根据所述评论信息,生成推荐指数;其中,所述推荐指数表征用户所使用过的每一办公应用的用户喜好程度;
根据所述行为信息特征,确定与所述行为信息特征所对应的第三应用集合;
将所述第三应用集合中推荐指数高的办公应用,确定为所述用户的办公应用推荐结果中的办公应用。
9.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至8中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311167691.XA CN117150137A (zh) | 2023-09-11 | 2023-09-11 | 办公应用的推荐方法和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311167691.XA CN117150137A (zh) | 2023-09-11 | 2023-09-11 | 办公应用的推荐方法和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117150137A true CN117150137A (zh) | 2023-12-01 |
Family
ID=88905955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311167691.XA Pending CN117150137A (zh) | 2023-09-11 | 2023-09-11 | 办公应用的推荐方法和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150137A (zh) |
-
2023
- 2023-09-11 CN CN202311167691.XA patent/CN117150137A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112926339B (zh) | 文本相似度确定方法、系统、存储介质以及电子设备 | |
CN111931844B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111539443A (zh) | 一种图像识别模型训练方法及装置、存储介质 | |
CN109255128B (zh) | 多层级标签的生成方法、装置和存储介质 | |
CN110232181B (zh) | 评论分析方法及装置 | |
CN111813932B (zh) | 文本数据的处理方法、分类方法、装置及可读存储介质 | |
CN110738267B (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN111046927B (zh) | 标注数据的处理方法、装置、电子设备及存储介质 | |
CN112183953A (zh) | 客服资源的分配方法、装置、电子设备和存储介质 | |
CN115909127A (zh) | 异常视频识别模型的训练方法、异常视频识别方法和装置 | |
CN114168798B (zh) | 文本存储管理与检索方法及装置 | |
CN115203573A (zh) | 画像标签生成方法、模型训练方法、装置、介质及芯片 | |
CN113609380B (zh) | 标签体系更新方法、搜索方法、装置以及电子设备 | |
CN111428806B (zh) | 图像标签确定方法、装置、电子设备及存储介质 | |
CN113869063A (zh) | 数据推荐方法、装置、电子设备及存储介质 | |
CN111797746B (zh) | 人脸识别方法、装置及计算机可读存储介质 | |
CN112328809A (zh) | 实体分类方法、装置及计算机可读存储介质 | |
CN108241438B (zh) | 一种输入方法、装置和用于输入的装置 | |
CN113157923B (zh) | 实体分类方法、装置及可读存储介质 | |
CN112784700B (zh) | 人脸图像显示的方法、装置及存储介质 | |
CN112036507B (zh) | 图像识别模型的训练方法、装置、存储介质和电子设备 | |
CN117150137A (zh) | 办公应用的推荐方法和电子设备 | |
CN115146633A (zh) | 一种关键词识别方法、装置、电子设备及存储介质 | |
CN116415595A (zh) | 对话意图识别方法、系统和存储介质 | |
CN112149653A (zh) | 信息处理方法、装置、电子设备及存储介质 |
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 |