CN109597874B - 信息推荐方法、装置及服务器 - Google Patents
信息推荐方法、装置及服务器 Download PDFInfo
- Publication number
- CN109597874B CN109597874B CN201811238927.3A CN201811238927A CN109597874B CN 109597874 B CN109597874 B CN 109597874B CN 201811238927 A CN201811238927 A CN 201811238927A CN 109597874 B CN109597874 B CN 109597874B
- Authority
- CN
- China
- Prior art keywords
- reference information
- information
- preset
- target reference
- target
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种信息推荐方法、装置和服务器,所述方法包括:对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息,所述检索信息与所述目标参考信息之间的相似度大于预设相似度阈值;获取所述目标参考信息的历史调用次数,所述历史调用次数为第一预设时间段内所述目标参考信息与至少一个用户输入的检索信息匹配的次数;根据所述历史调用次数确定推荐信息;向客户端发送所述推荐信息。通过实施上述方法,可以结合历史统计数据对用户可能感兴趣的内容进行分析,使得对用户进行更精确的画像,提升推荐结果的准确性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种信息推荐方法、装置及服务器。
背景技术
智能问答是将积累的无序语料问题,进行有序和科学的整理,并建立基于知识的分类模型;这些分类模型可以指导新增加的语料咨询和服务问题,节约人力资源,提高问题处理的自动性,降低网站运行成本。
相关问题推荐是智能问答的核心功能之一,当用户向智能问答***提出问题时,***不仅将问题答案推送出来,而且会将与这个问题相关的知识也都推送出来供用户查询,这样就做到了一次提问全面掌握所有问题。常用的相关问题推荐方法是根据当前的用户的问题和历史的用户画像主动推荐用户可能感兴趣的问题或者服务。但该方法对于新知识库或者新的用户,无法对用户进行精确画像,导致推荐的相关问题用户并不感兴趣,没有达到推荐功能的目的。
发明内容
本发明实施例提供了一种信息推荐方法,可以对用户进行更精确的画像,提升推荐结果的准确性。
第一方面,本发明实施例提供了一种信息推荐方法,所述方法包括:
对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息,所述检索信息与所述目标参考信息之间的相似度大于预设相似度阈值;
获取所述目标参考信息的历史调用次数,所述历史调用次数为第一预设时间段内所述目标参考信息与至少一个用户输入的检索信息匹配的次数;
根据所述历史调用次数确定推荐信息;
向客户端发送所述推荐信息。
第二方面,本发明提供了一种信息推荐装置,所述装置包括:
分析模块,用于对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息,所述检索信息与所述目标参考信息之间的相似度大于预设相似度阈值;
获取模块,用于获取所述目标参考信息的历史调用次数,所述历史调用次数为第一预设时间段内所述目标参考信息与至少一个用户输入的检索信息匹配的次数;
确定模块,用于根据所述历史调用次数确定推荐信息;
发送模块,用于向客户端发送所述推荐信息。
本发明实施例中,用户在客户端中输入检索信息,客户端将该检索信息发送至服务器,服务器对用户输入的检索信息进行分析,得到与检索信息匹配的目标参考信息,服务器通过核心词检测找到与目标参考信息相似的推荐信息,并将推荐信息发送给客户端。通过实施上述方法,可以结合历史统计数据对用户可能感兴趣的内容进行分析,使得对用户进行更精确的画像,提升推荐结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种信息推荐方法的流程示意图;
图2为本发明实施例提供的另一种信息推荐方法的流程示意图;
图3为本发明实施例提供的一种客户端与服务器的交互示意图;
图4为本发明实施例提供的一种信息推荐装置的结构示意图;
图5为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参见图1,为本发明实施例提供的一种信息推荐方法的流程示意图,该方法可包括:
S101、服务器对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息。
本发明实施例中,用户可以在客户端提供的预设界面中输入检索信息,其中,检索信息可以为用户想提问的问题或者关键字等,问题如“某公司的地址在哪里?”,关键字如“小晓机器人”等,用户输入检索信息的方式可以为文字输入、语音输入等,在此不做限定。
客户端在接收到用户输入的检索信息之后,将该检索信息发送至服务器,服务器将对该检索信息进行分析,得到与该检索信息匹配的目标参考信息。其中,目标参考信息与用户输入的检索信息的相似度大于预设相似度阈值,目标参考信息可以为一个预置的问题,该预置的问题的答案可以在数据库中查询得到。具体实现中,数据库中存储了多个参考信息,且每个参考信息对应一段内容,当参考信息为一个问题时,参考信息对应的内容为该问题的答案。服务器获取到用户输入的检索信息后,将检测数据库中存储的每个参考信息与该检索信息的相似度,从中确定出相似度最大的参考信息,若该相似度最大参考信息与该检索信息的相似度大于预设相似度阈值,则将该相似度最大的参考信息确定为目标参考信息,服务器从数据库中找到该目标参考信息对应的内容,并将该内容发送至客户端进行显示。需要说明的是,参考信息与检索信息的相似度的计算方式可以为,服务器获取参考信息与检索信息中相同字符的数量,以及检索信息中字符的总数量,将该相同字符的数量与该总数量的比值确定为参考信息与检索信息的相似度。预设相似度阈值可以为30%、50%、70%等,具体可以由研发人员预先设定。
举例说明,用户输入的检索信息为“某公司的地址在哪里”,数据库中存储的参考信息以及计算得到的参考信息与检索信息的相似度如表1所示:
表1:
参考信息 | 参考信息对应的内容 | 相似度 |
某公司的地址位于 | 重庆 | 75% |
某公司的人员数量 | 200 | 50% |
某公司的工资水平 | 平均6000 | 50% |
预设相似度阈值为60%,则服务器确定参考信息“某公司的地址位于”为目标参考信息,并将对应的内容“重庆”发送至客户端进行显示。
S102、服务器获取目标参考信息的历史调用次数。
本发明实施例中,服务器确定用户输入的检索信息对应的目标参考信息之后,将获取该目标参考信息对应的历史调用次数,其中,历史调用次数为第一预设时间段内目标参考信息与至少一个用户输入的检索信息匹配的次数,也即第一预设时间段内服务器向客户端发送该目标参考信息对应的内容的次数,其中,第一预设时间段可以为近一年、近一个月、近一周等,具体可以由研发人员预先设置,本发明实施例不做限定。
举例说明,预设时间段为近一个月,参考信息为“某公司的地址位于”,服务器获取到近一个月内参考信息“某公司的地址位于”作为目标参考信息匹配至少一个用户输入的检索信息的次数为20次,则服务器将20次确定为历史调用次数。
S103、服务器根据历史调用次数确定推荐信息。
本发明实施例中,服务器获取到目标参考信息的历史调用次数之后,将根据该历史调用次数确定推荐信息。
具体的,服务器判断目标参考信息的历史调用次数是否小于第一预设次数,若目标参考信息的历史调用次数小于第一预设次数,则获取数据库中存储的每个参考信息与目标参考信息的交集长度,将数据库中交集长度较大的参考信息作为所述推荐信息,其中,数据库中存储了至少一个参考信息。在一种实现方式中,交集长度可以为数据库中的参考信息与目标参考信息之间的相同字符的长度。在一种实现方式中,交集长度的具体确定方式也可以为,服务器获取第一参考信息的第一核心词组,以及目标参考信息的第二核心词组,第一参考信息为所述数据库中存储的至少一个参考信息中的任意一个,第一核心词组包括至少一个第一核心词,第二核心词组包括至少一个第二核心词,第一核心词或者第二核心词的词性为预设词性,服务器获取与第二核心词相同的第一核心词的数量,将该数量确定为所述第一参考信息与所述目标参考信息的交集长度。其中,词性可以为实体名词、动词、形容词等。第一核心词和第二核心词的可以为在构建数据库时对每个参考信息进行分词处理,将得到的预设词性的词确定为核心词。例如,预设词性为实体名词,第一参考信息为“某公司的工资水平”,则第一核心词组为“某公司、工资”,目标参考信息为“某公司的地址位于”,则第二核心词组为“某公司、地址”,服务器确定第一参考信息中与第二核心词相同的第一核心词的数量为1,即第一参考信息与目标参考信息的交集长度为1。可选的,核心词也可以为研发人员在构建数据库时针对每一个参考信息预先设定。
需要说明的是,数据库中交集长度较大的参考信息的具体确定方式可以为根据交集长度的大小顺序对数据库中存储的至少一个参考信息进行排序,并将排序为前n位的参考信息确定为交集长度较大的参考信息,其中,n为大于或等于1的整数,具体可以由研发人员或用户预先设置。
S104、服务器向客户端发送推荐信息。
本发明实施例中,服务器确定推荐信息之后,将向客户端发送该推荐信息,并接收用户对于推荐信息的选择操作,服务器在检测到用户对于推荐信息的选择操作后,将会继续向客户端发送推荐信息对应的内容,其中,推荐信息可以为用户希望提问的问题,推荐信息对应的内容为该问题的答案。
如图3所示,为服务器与客户端的交互示意图,用户在客户端301中输入检索信息“某公司的地理位置在哪里”,服务器302查询与该检索信息匹配的目标参考信息为“某公司的地理位置位于”,并在数据库中查询到该目标参考信息对应的内容为“重庆”,服务器302将“重庆”发送至客户端301进行显示后,还发送了推荐信息“某公司的人员数量、某公司的工资水平”至客户端301进行显示,使得用户可以针对推荐信息进行选择。
本发明实施例中,用户在客户端中输入检索信息,客户端将该检索信息发送至服务器,服务器对用户输入的检索信息进行分析,得到与检索信息匹配的目标参考信息,服务器通过核心词检测找到与目标参考信息相似的推荐信息,并将推荐信息发送给客户端。通过实施上述方法,可以结合历史统计数据对用户可能感兴趣的内容进行分析,使得对用户进行更精确的画像,提升推荐结果的准确性。
请参见图2,为本发明实施例提供的另一种信息推荐方法的流程示意图,该方法可包括:
S201、服务器对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息。
S202、服务器获取目标参考信息的历史调用次数。
S203、若目标参考信息的历史调用次数大于或等于第一预设次数,则服务器获取在第一预设时间段内关于目标参考信息的会话终止次数。
本发明实施例中,服务器获取到目标参考信息的历史调用次数之后,将判断目标参考信息的历史调用次数是否小于第一预设次数,若目标参考信息的历史调用次数大于或等于第一预设次数,则服务器获取在第一预设时间段内关于目标参考信息的会话终止次数,其中,第一预设时间段可以为近一年、近一个月、近一周等,会话终止次数为服务器向客户端发送目标参考信息对应的内容之后,在第二预设时间段内未再次接收到至少一个用户输入的检索信息的次数,第二预设时间段可以为服务器向客户端发送目标参考信息对应的内容之后的1 小时、3小时、一天等,具体可以由研发人员预先设定。
举例说明,预设时间段为服务器向客户端发送目标参考信息对应的内容之后的1小时,若在这一个小时之内,未再次接收到用户输入的检索信息,则服务器将数据库中记录的目标参考信息的会话终止次数加1,使得数据库中存储的目标参考信息的会话终止次数得到更新。
S204、服务器计算会话终止次数与目标参考信息的历史调用次数之间的目标比值,并判断该目标比值是否大于预设比值。
本发明实施例中,服务器获取到第一预设时间段内关于目标参考信息的会话终止次数之后,将计算会话终止次数与目标参考信息的历史调用次数之间的目标比值,并判断目标比值是否大于预设比值。若目标比值大于预设比值,则执行步骤S205,若目标比值小于或等于预设比值,则执行步骤S206。
S205、若目标比值大于预设比值,则服务器暂停输出推荐信息。
本发明实施例中,若会话终止次数与目标参考信息的历史调用次数之间的目标比值大于预设比值,则说明目标参考信息常与至少一个用户在一次会话中输入的最后一个检索信息相匹配,用户在获取到该目标推荐信息对应的内容后不再对其他信息进行检索的概率较大。服务器则在向客户端发送目标参考信息对应的内容后暂停输出推荐信息,即不针对此次用户输入的检索信息输出相应的推荐信息,并结束本流程。
S206、若目标比值小于或等于预设比值,则服务器根据参考信息与目标参考信息之间的关联次数确定推荐信息。
本发明实施例中,服务器确定会话终止次数与目标参考信息的历史调用次数之间的目标比值小于或等于预设比值之后,将根据数据库中存储的参考信息与目标参考信息之间的关联次数确定推荐信息。
在一种实现方式中,服务器判断目标参考信息的历史调用次数是否大于第二预设次数,若目标参考信息的历史调用次数大于第二预设次数,则获取第三预设时间段内数据库存储的每个参考信息与目标参考信息之间的关联次数,其中,第二预设次数大于第一预设次数,关联次数为服务器输出目标参考信息对应的内容之后,在第二预设时间段内接收到用户输入参考信息的次数,第三预设时间段可以为近一年、近一个月、近一周等,第二预设时间段可以为服务器向客户端发送目标参考信息对应的内容之后的1小时、3小时、一天等,数据库中每个参考信息的关联次数的具体构建方式可以为,服务器根据历史接收到的检索信息以及数据库中预先存储的n个参考信息,构建关联特征矩阵M,其中, M为一个n*n的矩阵,M(i,j)表示参考信息i与作为目标参考信息与用户输入的检索信息相匹配后,在第二预设时间段内参考信息j作为目标参考信息与用户输入下一个检索信息相匹配的次数,服务器将该关联特征矩阵存储于数据库中。在接收到用户输入的新的检索信息之后,服务器会根据用户输入的检索信息的对存储的关联特征矩阵进行更新。
服务器获取第三预设时间段内数据库存储的每个参考信息与目标参考信息之间的关联次数之后,可以直接将关联次数较大的参考信息确定为推荐信息,在一种实现方式中,关联次数较大的参考信息的具体确定方式可以为,服务器根据关联次数的大小顺序对数据库中存储的至少一个参考信息进行排序,并将排序为前n位的参考信息确定为关联次数较大的参考信息,其中,n为大于或等于1的整数,具体可以由研发人员或用户预先设置。在一种实现方式中,服务器获取到关联值排序为前n位的参考信息之后,还将检测该排序为前n位的参考信息的关联次数是否大于预设关联次数,若是,则将该排序为前n位的参考信息确定为关联次数较大的参考信息,其中,预设关联次数可以为数据库中存储的各个参考信息的关联次数的平均值、二倍平均值等。若排序为前n位的参考信息的关联次数均小于预设次数,则服务器根据参考信息与目标参考信息的交集长度的大小顺序对数据库中存储的至少一个参考信息进行排序,并将交集长度排序为前n位的参考信息确定为推荐信息。
在一种实现方式中,若目标参考信息的历史调用次数小于或等于第二预设次数,则服务器获取第三预设时间段内数据库存储的每个参考信息与目标参考信息之间的交集长度以及每个参考信息与目标参考信息之间的关联次数,通过预设算法对所述交集长度以及所述关联次数进行处理,得到关联值,其中,关联值的具体确定算法可以为:
Y(i,j)=log(M(i,j))*T(i,j)
其中,Y(i,j)表示参考信息j与目标参考信息i之间的关联值,M(i,j)表示参考信息j与目标参考信息i之间的关联次数,T(i,j)表示参考信息j与目标参考信息i之间的交集长度,服务器将关联值较大的参考信息确定为推荐信息。其中,关联值较大的参考信息可以为关联值排序为前n位的参考信息。
S207、服务器向客户端发送推荐信息。
在一种实现方式中,服务器向客户端发送推荐信息之前,还将进一步对推荐信息进行筛选,具体的,服务器获取最近一次向所述客户端发送所述推荐信息的目标历史时间,检测目标历史时间与当前***时间之间的时间间隔是否大于预设时间间隔,若是,则执行向客户端发送推荐信息的操作。通过上述方式,可以防止服务器对近期推荐过的用户不感兴趣的内容进行重复推荐。
在一种实现方式中,服务器确定推荐信息之后,也可以直接向客户端发送该推荐信息,并接收用户对于推荐信息的选择操作,服务器在检测到用户对于推荐信息的选择操作后,将会继续向客户端发送推荐信息对应的内容,其中,推荐信息可以为用户希望提问的问题,推荐信息对应的内容为该问题的答案。
本发明实施例中,用户在客户端中输入需要检索信息,客户端将该检索信息发送至服务器,服务器对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息以及目标参考信息的历史调用次数,若目标参考信息的历史调用次数大于或等于第一预设次数,则服务器获取在第一预设时间段内关于目标参考信息的会话终止次数,对于会话终止次数较大的目标参考信息,服务器暂停输出推荐信息,可以减少服务器的工作量,对于会话终止次数较小的目标参考信息,则继续通过数据库中参考信息与目标参考信息之间的交集长度或关联次数确定推荐信息,通过上述方式,即使用户为第一次检索,也可以结合历史统计得到的其他用户的数据确定出该用户希望获取到的推荐信息,使得服务器对用户的画像更精确,提升推荐结果的准确性。
下面结合具体应用场景对本发明实施例1-2的内容进行详细的阐述,假设数据库中存储了n组参考信息,用户输入的检索信息为user_que,和数据库中已录入的参考信息que_i相匹配,即que_i为目标参考信息。服务器根据数据库中存储的各个用户的历史会话情况,从中提取出用户的信息关联特征M(i,:)、最近询问的数据库信息特征R、关联核心词特征T、结束特征E和匹配次数特征F。
其中,信息关联特征M(i,:)为一个n*n的矩阵,M(i,j),j=1...n表示用户输入的检索信息匹配数据库中的参考信息que_i后,接连匹配数据库中参考信息que_j的频次。最近询问的数据库信息特征R为长度为n的行向量,r(i)表示数据库中的参考信息que_i被用户的前r(i)次对话中匹配。如果为当前对话是r(i) 为0,如果que_i一直未被匹配,取设定的最大值,关联核心词特征T为长度为 n的行向量,T(j)表示目标参考信息对应的核心词和数据库中参考信息que_j核心词的交集长度,结束特征E表示用户输入的检索信息匹配数据库中的参考信息que_i后,该次会话结束的次数,E为一个行向量。匹配次数特征F表示参考信息que_i被匹配用户输入的检索信息的次数,F为行向量。
假设推荐信息的集合为C,推荐信息的个数为MaxC。
如果F(i)<F_thread0,表明数据库中参考信息que_i很少被问到,此时:C =rule_T(T)。其中,F(i)表示数据库中参考信息que_i匹配用户输入的检索信息的次数,F_thread0表示第一预设阈值,可以由研发人员预先设置,rule_T(T) 表示将参考信息按照T值由高到低排序,选择前MaxC的参考信息组成推荐信息的集合C,T值表示目标参考信息对应的核心词和数据库中参考信息的核心词的交集长度。
如果F(i)>thread0且E(i)/F(i)>ef_thread,则不推荐。此时:C=空集。其中,E(i)表示用户输入的检索信息匹配数据库中的参考信息que_i后,该次会话结束的次数,ef_thread表示预设比值,具体可以由研发人员预先设定。
如果F(i)>F_thread0且E(i)/F(i)<ef_thread且F(i)>F_thread1,则表明数据库中参考信息que_i常被问到,此时
1)C=rule_M(M(i,:)),将参考信息按照M(i,:)值由高到低排序,选择前MaxC的参考信息作为C。
2)过滤:que_j属于C,满足M(i,j)>2*sum(M(i,:))/n,及需要高于2 倍平均关联值才能够被推荐。
3)如果过滤后C为空集,那么C=rule_T(T)。其中,thread1表示第二预设阈值,thread1>thread0。
如果F(i)>F_thread0且E/F(i)<ef_thread且F(i)<F_thread1,那么:
C=rule_MT(M(i,:),T),即将按照log(M(i,:))*T值由高到低排序,选择前MaxC的参考信息作为C。
用R过滤C中的结果,将C中本次会话中后R_thread次出现的参考信息过滤掉,及:
C=C-R(R(j)<R_thread)。
服务器确定推荐信息的集合C之后,将集合C发送至用户的客户端。
下面将结合附图4对本发明实施例提供的信息推荐装置进行详细介绍。需要说明的是,附图4所示的信息推荐装置,用于执行本发明图1-图2所示实施例的方法,为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,经参照本发明图1-图2所示的实施例。
请参见图4,为本发明提供的一种信息推荐装置的结构示意图,该信息推荐装置40可包括:分析模块401、获取模块402、确定模块403、发送模块404。
分析模块401,用于对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息,所述检索信息与所述目标参考信息之间的相似度大于预设相似度阈值;
获取模块402,用于获取所述目标参考信息的历史调用次数,所述历史调用次数为第一预设时间段内所述目标参考信息与至少一个用户输入的检索信息匹配的次数;
确定模块403,用于根据所述历史调用次数确定推荐信息;
发送模块404,用于向客户端发送所述推荐信息。
在一种实现方式中,所述确定模块403,具体用于:
判断所述目标参考信息的历史调用次数是否小于第一预设次数;
若所述目标参考信息的历史调用次数小于第一预设次数,则获取数据库中存储的每个参考信息与所述目标参考信息的交集长度,所述数据库包括至少一个参考信息;
将所述数据库中交集长度较大的参考信息确定为所述推荐信息。
在一种实现方式中,所述确定模块403,具体用于:
获取第一参考信息的第一核心词组,以及所述目标参考信息的第二核心词组,所述第一参考信息为所述数据库中存储的至少一个参考信息中的任意一个,所述第一核心词组包括至少一个第一核心词,所述第二核心词组包括至少一个第二核心词,所述第一核心词或者第二核心词的词性为预设词性;
获取与所述第二核心词相同的第一核心词的数量;
将所述数量确定为所述第一参考信息与所述目标参考信息的交集长度。
在一种实现方式中,所述确定模块403,具体用于:
若所述目标参考信息的历史调用次数大于或等于第一预设次数,则获取在所述第一预设时间段内关于所述目标参考信息的会话终止次数,所述会话终止次数为向客户端发送所述目标参考信息对应的内容之后,在第二预设时间段内未再次接收到用户输入检索信息的次数;
计算所述会话终止次数与所述目标参考信息的历史调用次数之间的目标比值;
若所述目标比值大于预设比值,则暂停输出推荐信息。
在一种实现方式中,所述确定模块403,具体用于:
若所述目标比值小于或等于预设比值,则判断所述目标参考信息的历史调用次数是否大于第二预设次数,所述第二预设次数大于所述第一预设次数;
若所述目标参考信息的历史调用次数大于所述第二预设次数,则获取第三预设时间段内所述数据库存储的每个参考信息与所述目标参考信息之间的关联次数,所述关联次数为输出所述目标参考信息对应的内容之后,在第二预设时间段内接收到用户输入所述参考信息的次数;
将关联次数较大的参考信息确定为推荐信息。
在一种实现方式中,所述确定模块403,具体用于:
若所述目标参考信息的历史调用次数小于或等于第二预设次数,则获取第三预设时间段内所述数据库存储的每个参考信息与所述目标参考信息之间的交集长度以及所述每个参考信息与所述目标参考信息之间的关联次数;
通过预设算法对所述交集长度以及所述关联次数进行处理,得到关联值;
将关联值较大的参考信息确定为推荐信息。
在一种实现方式中,所述确定模块403还用于:
获取最近一次向所述客户端发送所述推荐信息的目标历史时间;
检测所述目标历史时间与所述当前***时间之间的时间间隔是否大于预设时间间隔;
若是,则执行向所述客户端发送推荐信息的操作。
本发明实施例中,用户在客户端中输入检索信息,客户端将该检索信息发送至服务器,分析模块401对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息,所述检索信息与所述目标参考信息之间的相似度大于预设相似度阈值,获取模块402获取所述目标参考信息的历史调用次数,所述历史调用次数为第一预设时间段内所述目标参考信息与至少一个用户输入的检索信息匹配的次数;确定模块403根据所述历史调用次数确定推荐信息;发送模块404向客户端发送所述推荐信息。通过实施上述方法,可以结合历史统计数据对用户可能感兴趣的内容进行分析,使得对用户进行更精确的画像,提升推荐结果的准确性。
请参见图5,为本发明实施例提供了一种服务器的结构示意图。如图5所示,该服务器包括:至少一个处理器501,输入设备503,输出设备504,存储器505,至少一个通信总线502。其中,通信总线502用于实现这些组件之间的连接通信。其中,输入设备503可以是控制面板或者麦克风等,输出设备504可以是显示屏等。其中,存储器505可以是高速RAM存储器,也可以是非不稳定的存储器 (non-volatile memory),例如至少一个磁盘存储器。存储器505可选的还可以是至少一个位于远离前述处理器501的存储装置。其中处理器501可以结合图4所描述的信息推荐装置,存储器505中存储一组程序代码,且处理器501,输入设备503,输出设备504调用存储器505中存储的程序代码,用于执行以下操作:
处理器501,用于对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息,所述检索信息与所述目标参考信息之间的相似度大于预设相似度阈值;
处理器501,用于获取所述目标参考信息的历史调用次数,所述历史调用次数为第一预设时间段内所述目标参考信息与至少一个用户输入的检索信息匹配的次数;
处理器501,用于根据所述历史调用次数确定推荐信息;
输出设备504,用于向客户端发送所述推荐信息。
在一种实现方式中,处理器501具体用于:
判断所述目标参考信息的历史调用次数是否小于第一预设次数;
若所述目标参考信息的历史调用次数小于第一预设次数,则获取数据库中存储的每个参考信息与所述目标参考信息的交集长度,所述数据库包括至少一个参考信息;
将所述数据库中交集长度较大的参考信息确定为所述推荐信息。
在一种实现方式中,处理器501具体用于:
获取第一参考信息的第一核心词组,以及所述目标参考信息的第二核心词组,所述第一参考信息为所述数据库中存储的至少一个参考信息中的任意一个,所述第一核心词组包括至少一个第一核心词,所述第二核心词组包括至少一个第二核心词,所述第一核心词或者第二核心词的词性为预设词性;
获取与所述第二核心词相同的第一核心词的数量;
将所述数量确定为所述第一参考信息与所述目标参考信息的交集长度。
在一种实现方式中,处理器501具体用于:
若所述目标参考信息的历史调用次数大于或等于第一预设次数,则获取在所述第一预设时间段内关于所述目标参考信息的会话终止次数,所述会话终止次数为向客户端发送所述目标参考信息对应的内容之后,在第二预设时间段内未再次接收到用户输入检索信息的次数;
计算所述会话终止次数与所述目标参考信息的历史调用次数之间的目标比值;
若所述目标比值大于预设比值,则暂停输出推荐信息。
在一种实现方式中,处理器501具体用于:
若所述目标比值小于或等于预设比值,则判断所述目标参考信息的历史调用次数是否大于第二预设次数,所述第二预设次数大于所述第一预设次数;
若所述目标参考信息的历史调用次数大于所述第二预设次数,则获取第三预设时间段内所述数据库存储的每个参考信息与所述目标参考信息之间的关联次数,所述关联次数为输出所述目标参考信息对应的内容之后,在第二预设时间段内接收到用户输入所述参考信息的次数;
将关联次数较大的参考信息确定为推荐信息。
在一种实现方式中,处理器501具体用于:
若所述目标参考信息的历史调用次数小于或等于第二预设次数,则获取第三预设时间段内所述数据库存储的每个参考信息与所述目标参考信息之间的交集长度以及所述每个参考信息与所述目标参考信息之间的关联次数;
通过预设算法对所述交集长度以及所述关联次数进行处理,得到关联值;
将关联值较大的参考信息确定为推荐信息。
在一种实现方式中,处理器501具体用于:
获取最近一次向所述客户端发送所述推荐信息的目标历史时间;
检测所述目标历史时间与所述当前***时间之间的时间间隔是否大于预设时间间隔;
若是,则执行向所述客户端发送推荐信息的操作。
本发明实施例中,通过处理器501对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息,所述检索信息与所述目标参考信息之间的相似度大于预设相似度阈值;处理器501获取所述目标参考信息的历史调用次数,所述历史调用次数为第一预设时间段内所述目标参考信息与至少一个用户输入的检索信息匹配的次数;处理器501根据所述历史调用次数确定推荐信息;输出设备504向客户端发送所述推荐信息。可以结合历史统计数据对用户可能感兴趣的内容进行分析,使得对用户进行更精确的画像,提升推荐结果的准确性。
本发明实施例中所述模块,可以通过通用集成电路,例如CPU(CentralProcessing Unit,中央处理器),或通过ASIC(Application Specific IntegratedCircuit,专用集成电路)来实现。
应当理解,在本发明实施例中,所称处理器501可以是中央处理模块 (CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array, FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
总线502可以是工业标准体系结构(Industry Standard Architecture,ISA) 总线、外部设备互联(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等,该总线502可以分为地址总线、数据总线、控制总线等,为便于表示,图5仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的计算机存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种信息推荐方法,其特征在于,所述方法包括:
对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息,所述检索信息与所述目标参考信息之间的相似度大于预设相似度阈值;
获取所述目标参考信息的历史调用次数,所述历史调用次数为第一预设时间段内所述目标参考信息与至少一个用户输入的检索信息匹配的次数;
若所述历史调用次数小于第一预设次数,则获取数据库中存储的每个参考信息与所述目标参考信息的交集长度,所述数据库包括至少一个参考信息;
根据交集长度的大小顺序,对所述数据库中存储的至少一个参考信息进行排序;
将排序为前n位的参考信息确定为推荐信息,其中,n为大于或等于1的整数;
向客户端发送所述推荐信息。
2.根据权利要求1所述的方法,其特征在于,所述获取数据库中存储的每个参考信息与所述目标参考信息的交集长度,包括:
获取第一参考信息的第一核心词组,以及所述目标参考信息的第二核心词组,所述第一参考信息为所述数据库中存储的至少一个参考信息中的任意一个,所述第一核心词组包括至少一个第一核心词,所述第二核心词组包括至少一个第二核心词,所述第一核心词或者第二核心词的词性为预设词性;
获取与所述第二核心词相同的第一核心词的数量;
将所述数量确定为所述第一参考信息与所述目标参考信息的交集长度。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述目标参考信息的历史调用次数大于或等于第一预设次数,则获取在所述第一预设时间段内关于所述目标参考信息的会话终止次数,所述会话终止次数为向客户端发送所述目标参考信息对应的内容之后,在第二预设时间段内未再次接收到用户输入检索信息的次数;
计算所述会话终止次数与所述目标参考信息的历史调用次数之间的目标比值;
若所述目标比值大于预设比值,则暂停输出推荐信息。
4.根据权利要求3所述的方法,其特征在于,所述计算所述会话终止次数与所述目标参考信息的历史调用次数之间的目标比值之后,还包括:
若所述目标比值小于或等于预设比值,则判断所述目标参考信息的历史调用次数是否大于第二预设次数,所述第二预设次数大于所述第一预设次数;
若所述目标参考信息的历史调用次数大于所述第二预设次数,则获取第三预设时间段内所述数据库存储的每个参考信息与所述目标参考信息之间的关联次数,所述关联次数为输出所述目标参考信息对应的内容之后,在第二预设时间段内接收到用户输入所述参考信息的次数;
根据关联次数的大小顺序,对所述数据库中存储的至少一个参考信息进行排序;
将排序为前n位的参考信息确定为所述推荐信息,其中,n为大于或等于1的整数。
5.根据权利要求4所述的方法,其特征在于,所述判断所述目标参考信息的历史调用次数是否大于第二预设次数之后,还包括:
若所述目标参考信息的历史调用次数小于或等于第二预设次数,则获取第三预设时间段内所述数据库存储的每个参考信息与所述目标参考信息之间的交集长度以及所述每个参考信息与所述目标参考信息之间的关联次数;
通过预设算法对所述交集长度以及所述关联次数进行处理,得到关联值;
根据关联值的大小顺序,对所述数据库中存储的至少一个参考信息进行排序;
将排序为前n位的参考信息确定为所述推荐信息,其中,n为大于或等于1的整数。
6.根据权利要求1所述的方法,其特征在于,所述根据所述历史调用次数确定推荐信息之后,还包括:
获取最近一次向所述客户端发送所述推荐信息的目标历史时间;
检测所述目标历史时间与当前***时间之间的时间间隔是否大于预设时间间隔;
若是,则执行向所述客户端发送推荐信息的操作。
7.一种信息推荐装置,其特征在于,包括:
分析模块,用于对用户输入的检索信息进行分析,得到与所述检索信息匹配的目标参考信息,所述检索信息与所述目标参考信息之间的相似度大于预设相似度阈值;
获取模块,用于获取所述目标参考信息的历史调用次数,所述历史调用次数为第一预设时间段内所述目标参考信息与至少一个用户输入的检索信息匹配的次数;
确定模块,用于若所述历史调用次数小于第一预设次数,则获取数据库中存储的每个参考信息与所述目标参考信息的交集长度,所述数据库包括至少一个参考信息;根据交集长度的大小顺序,对所述数据库中存储的至少一个参考信息进行排序;将排序为前n位的参考信息确定为推荐信息,其中,n为大于或等于1的整数;
发送模块,用于向客户端发送所述推荐信息。
8.一种服务器,其特征在于,包括处理器和存储器,所述处理器和所述存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-6任一项所述的方法。
9.一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存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811238927.3A CN109597874B (zh) | 2018-10-23 | 2018-10-23 | 信息推荐方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811238927.3A CN109597874B (zh) | 2018-10-23 | 2018-10-23 | 信息推荐方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109597874A CN109597874A (zh) | 2019-04-09 |
CN109597874B true CN109597874B (zh) | 2023-05-23 |
Family
ID=65957963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811238927.3A Active CN109597874B (zh) | 2018-10-23 | 2018-10-23 | 信息推荐方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109597874B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733006B (zh) * | 2019-10-14 | 2022-12-02 | ***通信集团上海有限公司 | 用户画像的生成方法、装置、设备及存储介质 |
CN110855483A (zh) * | 2019-11-05 | 2020-02-28 | 杭州安恒信息技术股份有限公司 | 一种运维命令管理方法、***及电子设备 |
CN111046286B (zh) * | 2019-12-12 | 2023-04-18 | 腾讯科技(深圳)有限公司 | 一种对象推荐方法、装置、以及计算机存储介质 |
CN112541123A (zh) * | 2020-12-24 | 2021-03-23 | 北京百度网讯科技有限公司 | 地图图区推荐方法、装置、设备及存储介质 |
CN113472856A (zh) * | 2021-06-08 | 2021-10-01 | 北京城市网邻信息技术有限公司 | 一种消息推送处理方法、装置、电子设备及存储介质 |
CN113469704A (zh) * | 2021-06-10 | 2021-10-01 | 云南电网有限责任公司 | 一种自动推荐客户服务策略的***和方法 |
CN113468279B (zh) * | 2021-06-30 | 2023-09-08 | 杭州云深科技有限公司 | 获取目标用户关联关系的*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101465749A (zh) * | 2008-12-29 | 2009-06-24 | 武汉大学 | 基于Web Service组合的问答服务构建方法 |
CN106095988A (zh) * | 2016-06-21 | 2016-11-09 | 上海智臻智能网络科技股份有限公司 | 自动问答方法及装置 |
CN107402961A (zh) * | 2017-06-16 | 2017-11-28 | 北京三快在线科技有限公司 | 一种推荐方法及装置,电子设备 |
CN107609056A (zh) * | 2017-08-25 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 一种基于图片识别的问答处理方法与设备 |
CN107784092A (zh) * | 2017-10-11 | 2018-03-09 | 深圳市金立通信设备有限公司 | 一种推荐热词的方法、服务器及计算机可读介质 |
CN108681564A (zh) * | 2018-04-28 | 2018-10-19 | 北京京东尚科信息技术有限公司 | 关键词和答案的确定方法、装置和计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9251360B2 (en) * | 2012-04-27 | 2016-02-02 | Intralinks, Inc. | Computerized method and system for managing secure mobile device content viewing in a networked secure collaborative exchange environment |
-
2018
- 2018-10-23 CN CN201811238927.3A patent/CN109597874B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101465749A (zh) * | 2008-12-29 | 2009-06-24 | 武汉大学 | 基于Web Service组合的问答服务构建方法 |
CN106095988A (zh) * | 2016-06-21 | 2016-11-09 | 上海智臻智能网络科技股份有限公司 | 自动问答方法及装置 |
CN107402961A (zh) * | 2017-06-16 | 2017-11-28 | 北京三快在线科技有限公司 | 一种推荐方法及装置,电子设备 |
CN107609056A (zh) * | 2017-08-25 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 一种基于图片识别的问答处理方法与设备 |
CN107784092A (zh) * | 2017-10-11 | 2018-03-09 | 深圳市金立通信设备有限公司 | 一种推荐热词的方法、服务器及计算机可读介质 |
CN108681564A (zh) * | 2018-04-28 | 2018-10-19 | 北京京东尚科信息技术有限公司 | 关键词和答案的确定方法、装置和计算机可读存储介质 |
Non-Patent Citations (3)
Title |
---|
A similarity search method of time series data with combination of Fourier and wavelet transforms;K. Kawagoe et al.;《Proceedings Ninth International Symposium on Temporal Representation and Reasoning》;20021107;86-92 * |
基于社区问答***的探索式搜索查询扩展方法研究;高礼;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315;I138-5968 * |
智能推荐引擎中心管理***的设计与实现;范艳华;《有线电视技术》;20160131(第313期);106-108 * |
Also Published As
Publication number | Publication date |
---|---|
CN109597874A (zh) | 2019-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109597874B (zh) | 信息推荐方法、装置及服务器 | |
CN106874441B (zh) | 智能问答方法和装置 | |
CN109167816B (zh) | 信息推送方法、装置、设备和存储介质 | |
WO2017097061A1 (zh) | 智能应答方法及装置 | |
CN107526846B (zh) | 频道排序模型的生成、排序方法、装置、服务器和介质 | |
CN109858528B (zh) | 推荐***训练方法、装置、计算机设备及存储介质 | |
CN112487150B (zh) | 档案管理方法、***、存储介质及电子设备 | |
CN109977233B (zh) | 一种成语知识图谱构建方法及装置 | |
US20190114711A1 (en) | Financial analysis system and method for unstructured text data | |
CN109522397B (zh) | 信息处理方法及装置 | |
CN112199588A (zh) | 舆情文本筛选方法及装置 | |
CN111435406A (zh) | 一种纠正数据库语句拼写错误的方法和装置 | |
CN110941702A (zh) | 一种法律法规和法条的检索方法及装置、可读存储介质 | |
KR102285232B1 (ko) | 형태소 기반 ai 챗봇 및 그의 문장의도 결정 방법 | |
CN109344232B (zh) | 一种舆情信息检索方法及终端设备 | |
KR101923820B1 (ko) | 개인 맞춤형 문장 자동추천 외국어 학습시스템 | |
CN113342954A (zh) | 一种应用于问答***的图像信息处理方法、装置及电子设备 | |
CN110929014B (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN110837732B (zh) | 目标人物间亲密度识别方法、装置、电子设备及存储介质 | |
AU2018273369A1 (en) | Automated classification of network-accessible content | |
CN117216275A (zh) | 一种文本处理方法、装置、设备以及存储介质 | |
CN105893397A (zh) | 一种视频推荐方法及装置 | |
KR102308521B1 (ko) | 정보 업데이트 방법 및 장치 | |
CN111159526B (zh) | 查询语句处理方法、装置、设备及存储介质 | |
CN112148751B (zh) | 用于查询数据的方法和装置 |
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 |