CN110069698B - 信息推送方法和装置 - Google Patents

信息推送方法和装置 Download PDF

Info

Publication number
CN110069698B
CN110069698B CN201711058940.6A CN201711058940A CN110069698B CN 110069698 B CN110069698 B CN 110069698B CN 201711058940 A CN201711058940 A CN 201711058940A CN 110069698 B CN110069698 B CN 110069698B
Authority
CN
China
Prior art keywords
search information
information
historical
keyword
history
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
CN201711058940.6A
Other languages
English (en)
Other versions
CN110069698A (zh
Inventor
李煜
刘俞
闫国玉
武磊
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201711058940.6A priority Critical patent/CN110069698B/zh
Publication of CN110069698A publication Critical patent/CN110069698A/zh
Application granted granted Critical
Publication of CN110069698B publication Critical patent/CN110069698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

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

本申请实施例公开了信息推送方法和装置。该方法的一具体实施方式包括：接收终端设备发送的信息获取请求，其中，信息获取请求包括搜索信息；将搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，以生成候选搜索信息集合，其中，历史关键词子集与历史搜索信息对应；计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度；基于所计算的相似度，从候选搜索信息集合中选取出候选搜索信息作为目标搜索信息；获取利用目标搜索信息进行搜索所得到待推送信息集合，并推送给终端设备。该实施方式提高了信息推送的准确度。

Description

信息推送方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息推送方法和装置。
背景技术
信息推送，又称为“网络广播”，是通过一定的技术标准或协议，在互联网上通过推送用户需要的信息来减少信息过载的一项技术。信息推送技术通过主动推送信息给用户，可以减少用户在网络上搜索所花的时间。
现有的信息推送方式通常是推送利用用户输入的搜索信息进行搜索所得到待推送信息集合。
发明内容
本申请实施例的目的在于提出一种信息推送方法和装置。
第一方面，本申请实施例提供了一种信息推送方法，该方法包括：接收终端设备发送的信息获取请求，其中，信息获取请求包括搜索信息；将搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，以生成候选搜索信息集合，其中，历史关键词子集与历史搜索信息对应；计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度；基于所计算的相似度，从候选搜索信息集合中选取出候选搜索信息作为目标搜索信息；获取利用目标搜索信息进行搜索所得到待推送信息集合，并推送给终端设备。
在一些实施例中，将搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，包括：对搜索信息进行分词，得到搜索信息的多个关键词子集；将搜索信息的多个关键词子集在历史关键词子集组中匹配，获取匹配成功的历史关键词子集；基于历史关键词子集与历史搜索信息的对应关系，获取匹配成功的历史关键词子集所对应的历史搜索信息。
在一些实施例中，对搜索信息进行分词，得到搜索信息的多个关键词子集，包括：利用结巴分词方法对搜索信息进行分词，得到搜索信息的关键词集合；通过汉语语言模型利用搜索信息的关键词集合中的关键词在搜索信息中的搭配关系，生成搜索信息的多个关键词子集。
在一些实施例中，计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度，包括：获取匹配成功的历史关键词子集所对应的信息熵，其中，历史关键词子集与信息熵对应；基于匹配成功的历史关键词子集所对应的信息熵和候选搜索信息集合中的候选搜索信息所对应的历史关键词子集所对应的信息熵，计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度。
在一些实施例中，基于匹配成功的历史关键词子集所对应的信息熵和候选搜索信息集合中的候选搜索信息所对应的历史关键词子集所对应的信息熵，计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度，包括：对于候选搜索信息集合中的每个候选搜索信息，获取匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的交集所对应的信息熵和匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的差集所对应的信息熵，基于交集所对应的信息熵和差集所对应的信息熵，计算搜索信息与该候选搜索信息之间的相似度。
在一些实施例中，历史关键词子集组中的历史关键词子集通过如下步骤生成：获取历史时间段内的历史搜索点击记录集合，其中，历史搜索点击记录包括历史搜索信息和历史点击物品品类的点击频次；对各个历史搜索信息进行分词，得到各个历史搜索信息的多个历史关键词子集；对各个历史点击物品品类的点击频次进行统计分析，得到各个历史关键词子集的多个历史点击物品品类的点击频次；利用各个历史关键词子集的多个历史点击物品品类的点击频次计算各个历史关键词子集所对应的信息熵。
第二方面，本申请实施例提供了一种信息推送装置，该装置包括：接收单元，配置用于接收终端设备发送的信息获取请求，其中，信息获取请求包括搜索信息；匹配单元，配置用于将搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，以生成候选搜索信息集合，其中，历史关键词子集与历史搜索信息对应；计算单元，配置用于计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度；选取单元，配置用于基于所计算的相似度，从候选搜索信息集合中选取出候选搜索信息作为目标搜索信息；推送单元，配置用于获取利用目标搜索信息进行搜索所得到待推送信息集合，并推送给终端设备。
在一些实施例中，匹配单元包括：分词子单元，配置用于对搜索信息进行分词，得到搜索信息的多个关键词子集；匹配子单元，配置用于将搜索信息的多个关键词子集在历史关键词子集组中匹配，获取匹配成功的历史关键词子集；第一获取子单元，配置用于基于历史关键词子集与历史搜索信息的对应关系，获取匹配成功的历史关键词子集所对应的历史搜索信息。
在一些实施例中，分词子单元包括：分词模块，配置用于利用结巴分词方法对搜索信息进行分词，得到搜索信息的关键词集合；生成模块，配置用于通过汉语语言模型利用搜索信息的关键词集合中的关键词在搜索信息中的搭配关系，生成搜索信息的多个关键词子集。
在一些实施例中，计算单元包括：第二获取子单元，配置用于获取匹配成功的历史关键词子集所对应的信息熵，其中，历史关键词子集与信息熵对应；计算子单元，配置用于基于匹配成功的历史关键词子集所对应的信息熵和候选搜索信息集合中的候选搜索信息所对应的历史关键词子集所对应的信息熵，计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度。
在一些实施例中，计算子单元进一步配置用于：对于候选搜索信息集合中的每个候选搜索信息，获取匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的交集所对应的信息熵和匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的差集所对应的信息熵，基于交集所对应的信息熵和差集所对应的信息熵，计算搜索信息与该候选搜索信息之间的相似度。
在一些实施例中，历史关键词子集组中的历史关键词子集通过如下步骤生成：获取历史时间段内的历史搜索点击记录集合，其中，历史搜索点击记录包括历史搜索信息和历史点击物品品类的点击频次；对各个历史搜索信息进行分词，得到各个历史搜索信息的多个历史关键词子集；对各个历史点击物品品类的点击频次进行统计分析，得到各个历史关键词子集的多个历史点击物品品类的点击频次；利用各个历史关键词子集的多个历史点击物品品类的点击频次计算各个历史关键词子集所对应的信息熵。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；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如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的信息推送方法和装置，通过将从终端设备接收到的信息获取请求中的搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，以生成候选搜索信息集合；之后计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度；然后基于所计算的相似度，从候选搜索信息集合中选取出目标搜索信息；最后获取利用目标搜索信息进行搜索所得到的待推送信息集合，并推送给终端设备。利用与用户输入的搜索信息相似的目标搜索信息进行搜索，避免了由于用户输入的搜索信息不准确或不规范而导致的信息推送不准确的问题，从而提高了信息推送的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请实施例可以应用于其中的示例性***架构图；
图2是根据本申请的信息推送方法的一个实施例的流程图；
图3是根据本申请的信息推送方法的又一个实施例的流程图；
图4是根据本申请的历史关键词子集生成方法的一个实施例的流程图；
图5是根据本申请的信息推送装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。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。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的信息推送方法或信息推送装置的示例性***架构100。
如图1所示，***架构100可以包括终端设备101、102、103、网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如搜索类应用、网页浏览器应用、购物类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持信息浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以提供各种服务，例如服务器105可以对从终端设备101、102、103接收到的信息获取请求等数据进行分析等处理，并将处理结果(例如待推送信息集合)反馈给终端设备101、102、103。
需要说明的是，本申请实施例所提供的信息推送方法一般由服务器105执行，相应地，信息推送装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的信息推送方法的一个实施例的流程200。该信息推送方法，包括以下步骤：
步骤201，接收终端设备发送的信息获取请求。
在本实施例中，信息推送方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从终端设备(例如图1所示的终端设备101、102、103)接收信息获取请求。其中，信息获取请求可以包括搜索信息。搜索信息可以是用户所要获取的信息的关键信息，当用户在搜索类软件的输入框中输入搜索信息时，推送给用户的信息中通常会包括用户所要获取的信息。搜索信息可以包括但不限于单个词语、词语组合、短句、长句等等。作为示例，若用户所要获取的信息是“玫瑰”的百科，那么用户输入的搜索信息可以是以下一项：“玫瑰”、“玫瑰蔷薇目”、“英国国花”。
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。
步骤202，将搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，以生成候选搜索信息集合。
在本实施例中，基于步骤201所接收到的信息获取请求，电子设备可以将信息获取请求中的搜索信息在预先存储的历史关键词子集组中匹配，获取匹配成功的历史关键词子集，并将与匹配成功的历史关键词子集所对应的历史搜索信息作为候选搜索信息，以生成候选搜索信息集合。
在本实施例中，电子设备可以通过多种方式确定搜索信息与历史关键词子集是否匹配成功。作为一种示例，若搜索信息中包括一个历史关键词子集中的全部历史关键词，则可以认为搜索信息与该历史关键词子集匹配成功。作为另一种示例，若搜索信息中包括一个历史关键词子集中的预设数目(例如1个、3个)的历史关键词，则可以认为搜索信息与该历史关键词子集匹配成功。
在本实施例中，历史关键词子集与历史搜索信息对应。作为示例，电子设备可以首先获取一段时间内的多个历史搜索信息；然后对于每个历史搜索信息，对该历史搜索信息进行分词，从而得到该历史搜索信息的多个关键词；最后基于该历史搜索信息的多个关键词，生成该历史搜索信息的历史关键词子集，从而实现历史关键子集与历史搜索信息的对应。这里，电子设备可以将该历史搜索信息的多个关键词所组成的集合作为该历史搜索信息的历史关键词子集，也可以将该历史搜索信息的部分关键词所组成的集合作为该历史搜索信息的历史关键词子集，例如，本领域技术人员可以对该历史搜索信息的多个关键词进行分析，从中选取出可以用于描述该历史搜索信息的关键词，并将所选取出的关键词所组成的集合作为该历史搜索信息的历史关键词子集。
步骤203，计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度。
在本实施例中，基于步骤201所接收到的信息获取请求和步骤202所得到的候选搜索信息集合，电子设备可以分别计算信息获取请求中的搜索信息与候选搜索信息集合中的各个候选搜索信息之间的相似度。
在本实施例中，电子设备可以通过多种方式计算搜索信息与候选搜索信息之间的相似度。
作为一种示例，电子设备可以采用多种文本相似度计算方法计算搜索信息与候选搜索信息之间的相似度。其中，文本相似度计算方法可以包括但不限于编辑距离(EditDistance)算法、余弦相似度(cosine similarity)算法、Jaccard相似度算法等。编辑距离，又称Levenshtein距离，是指两个字符串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，***一个字符，删除一个字符。一般来说，编辑距离越小，两个字符串的相似度越大。
作为另一种示例，电子设备还可以通过以下步骤计算搜索信息与候选搜索信息之间的相似度。具体地，电子设备可以首先对搜索信息与候选搜索信息进行分词，得到搜索信息的关键词集合和候选搜索信息的关键词集合；然后将搜索信息的关键词集合中的关键词逐个在候选搜索信息的关键词集合中匹配，获取匹配成功的关键词的数目；最后将匹配成功的关键词的数目与搜索信息的关键词集合中的关键词的总数目的比值作为搜索信息与候选搜索信息之间的相似度。
步骤204，基于所计算的相似度，从候选搜索信息集合中选取出候选搜索信息作为目标搜索信息。
在本实施例中，基于步骤203所计算的相似度，电子设备可以通过多种选取方式从候选搜索信息集合中选取出候选搜索信息作为目标搜索信息。
作为一种示例，电子设备可以依次将候选搜索信息集合中的每个候选搜索信息与搜索信息之间的相似度与预设相似度阈值进行比较，从候选搜索信息集合中选取出相似度大于预设相似度阈值的候选搜索信息。
作为另一种示例，电子设备可以首先按照相似度大小顺序对候选搜索信息集合中的候选搜索信息进行排序；然后从相似度大的一侧开始选取出预设数目(例如1个、3个)的候选搜索信息。
步骤205，获取利用目标搜索信息进行搜索所得到待推送信息集合，并推送给终端设备。
在本实施例中，基于步骤204所选取出的目标搜索信息，电子设备可以利用目标搜索信息在搜索引擎或预先存储的信息库中进行搜索，获取待推送信息集合，并推送给终端设备。其中，待推送信息可以与目标搜索信息具有相同或相似的特征属性。作为示例，当目标搜索信息为“玫瑰”时，待推送信息集合中的待推送信息可以为包含“玫瑰”的信息。需要说明的是，利用搜索信息搜索推送信息的方法为现有公知技术，在此不再赘述。
本申请实施例提供的信息推送方法，通过将从终端设备接收到的信息获取请求中的搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，以生成候选搜索信息集合；之后计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度；然后基于所计算的相似度，从候选搜索信息集合中选取出目标搜索信息；最后获取利用目标搜索信息进行搜索所得到的待推送信息集合，并推送给终端设备。利用与用户输入的搜索信息相似的目标搜索信息进行搜索，避免了由于用户输入的搜索信息不准确或不规范而导致的信息推送不准确的问题，从而提高了信息推送的准确度。
进一步参考图3，其示出了信息推送方法的又一个实施例的流程300。该信息推送方法的流程300，包括以下步骤：
步骤301，接收终端设备发送的信息获取请求。
在本实施例中，信息推送方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从终端设备(例如图1所示的终端设备101、102、103)接收信息获取请求。其中，信息获取请求可以包括搜索信息。搜索信息可以是用户所要获取的信息的关键信息，当用户在搜索类软件的输入框中输入搜索信息时，推送给用户的信息中通常会包括用户所要获取的信息。搜索信息可以包括但不限于单个词语、词语组合、短句、长句等等。
步骤302，对搜索信息进行分词，得到搜索信息的多个关键词子集。
在本实施例中，基于步骤301所接收到的信息获取请求，电子设备可以首先利用多种分词技术对信息获取请求中的搜索信息进行分词，以得到搜索信息的多个关键词；然后通过种组合方式对多个关键词进行组合，以得到搜索信息的多个关键词子集。
作为一种示例，电子设备可以首先对搜索信息进行全切分方法等处理，把内容分割成词；然后对所得到的词进行重要性计算(例如采用词频-逆向文件频率方法(TermFrequency-Inverse Document Frequency，TF-IDF))，基于重要性计算的结果来得到搜索信息的关键词集合；最后对搜索信息的关键词集合中的关键词进行任意组合，以得到搜索信息的多个关键词子集。
作为一种示例，电子设备可以首先利用结巴分词方法对搜索信息进行分词，以得到搜索信息的关键词集合；然后通过汉语语言模型利用搜索信息的关键词集合中的关键词在搜索信息中的搭配关系，以生成搜索信息的多个关键词子集。其中，结巴分词方法支持三种分词模式：精确模式、全模式、搜搜引擎模式。精确模式，试图将句子最精确地切开，适合文本分析；全模式，把句子中所有的可以成词的词语都扫描出来,速度非常快，但是不能解决歧义；搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。汉语语言模型(Chinese Language Model，CLM)，又被称之为N-Gram，是大词汇连续语音识别中常用的一种语言模型。汉语语言模型利用上下文中相邻词间的搭配信息，在需要把连续无空格的拼音、笔划，或代表字母或笔划的数字，转换成汉字串(即句子)时，可以计算出具有最大频次的句子，从而实现到汉字的自动转换。该模型基于这样一种假设，第N个词的出现只与前面N-1个词相关，而与其它任何词都不相关，整句的频次就是各个词出现频次的乘积。这些频次可以通过直接从语料中统计N个词同时出现的次数得到。作为示例，对于搜索信息“滚筒洗衣机多少钱”，电子设备首先利用结巴分词方法对“滚筒洗衣机多少钱”进行分词，从而得到搜索信息的关键词集合：“滚筒、洗衣机、多少钱”；然后通过汉语语言模型利用“滚筒洗衣机多少钱”中搭配关系，生成搜索信息的6个关键词子集：“滚筒”、“洗衣机”、“多少钱”、“滚筒、洗衣机”、“洗衣机、多少钱”和“滚筒、洗衣机、多少钱”。
步骤303，将搜索信息的多个关键词子集在历史关键词子集组中匹配，获取匹配成功的历史关键词子集。
在本实施例中，基于步骤302所得到的搜索信息的多个关键词子集，电子设备可以将搜索信息的多个关键词子集依次在历史关键词子集组中匹配，从而获取匹配成功的历史关键词子集。其中，若搜索信息的一个关键词子集与历史关键词子集组中的一个历史关键词子集相同，则可以认为该历史关键词子集是匹配成功的历史关键词子集。
步骤304，基于历史关键词子集与历史搜索信息的对应关系，获取匹配成功的历史关键词子集所对应的历史搜索信息。
在本实施例中，基于步骤303所获取的匹配成功的历史关键词子集，电子设备可以根据历史关键子集与历史搜索信息的对应关系，获取匹配成功的历史关键词子集所对应的历史搜索信息。其中，一个历史关键词子集可以对应至少一个历史搜索信息，一个历史搜索信息同样可以对应至少一个历史关键词子集。
步骤305，获取匹配成功的历史关键词子集所对应的信息熵。
在本实施例中，基于步骤304所获取的匹配成功的历史关键词子集，电子设备可以获取匹配成功的历史关键词子集所对应的信息熵。
在本实施例中，历史关键词子集与信息熵对应。作为示例，一个历史关键词子集可以对应至少一个历史搜索信息，首先，电子设备可以获取利用该历史关键词子集所对应的至少一个历史搜索信息进行搜索所得到的推送信息集合；然后，本领域技术人员可以对所得到的推送信息集合中的各个推送信息进行分析，并根据分析结果为各个推送信息设置点击概率；最后，电子设备可以利用推送信息集合中的各个推送信息的点击概率计算该历史关键词子集的信息熵。
可选地，电子设备可以利用如下公式计算历史关键词子集的信息熵H：
Figure BDA0001454295780000111
其中，n为推送信息集合中的推送信息的数目，p为推送信息的点击概率，pi为第i个推送信息的点击概率。
步骤306，基于匹配成功的历史关键词子集所对应的信息熵和候选搜索信息集合中的候选搜索信息所对应的历史关键词子集所对应的信息熵，计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度。
在本实施例中，电子设备可以利用匹配成功的历史关键词子集所对应的信息熵和候选搜索信息集合中的候选搜索信息所对应的历史关键词子集所对应的信息熵，计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度。这里，电子设备可以利用与步骤405相同的方式计算候选搜索信息所对应的历史关键词子集所对应的信息熵，这里不再赘述。
在本实施例的一些可选的实现方式中，对于候选搜索信息集合中的每个候选搜索信息，电子设备可以首先获取匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的交集所对应的信息熵和匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的差集所对应的信息熵；然后基于交集所对应的信息熵和差集所对应的信息熵，计算搜索信息与该候选搜索信息之间的相似度。其中，交集可以包括匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集中相同的历史关键词，差集可以包括匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集中不同的历史关键词。
可选地，电子设备可以通过如下公式计算搜索信息与该候选搜索信息之间的相似度S：
S＝(1-0.25*H+)-(1-0.25*H-)2+sig mod Sn；
其中，H+为交集所对应的信息熵，H-为差集所对应的信息熵，Sn为交集中不在历史关键词子集组中的历史关键词的长度和与差集中不在历史关键词子集组中的历史关键词的长度和之差。
在本实施例的一些可选的实现方式中，对于候选搜索信息集合中的每个候选搜索信息，电子设备可以首先获取匹配成功的历史关键词子集和该候选搜索信息所对应的历史关键词子集的交集所对应的信息熵；然后基于交集所对应的信息熵，计算搜索信息与该候选搜索信息之间的相似度。其中，交集所对应的信息熵越大，搜索信息与该候选搜索信息之间的相似度越大。
在本实施例的一些可选的实现方式中，对于候选搜索信息集合中的每个候选搜索信息，电子设备可以首先获取匹配成功的历史关键词子集和该候选搜索信息所对应的历史关键词子集的差集所对应的信息熵；然后基于差集所对应的信息熵，计算搜索信息与该候选搜索信息之间的相似度。其中，差集所对应的信息熵越小，搜索信息与该候选搜索信息之间的相似度越大。
步骤307，基于所计算的相似度，从候选搜索信息集合中选取出候选搜索信息作为目标搜索信息。
在本实施例中，基于步骤306所计算的相似度，电子设备可以从候选搜索信息集合中选取出候选搜索信息作为目标搜索信息。
步骤308，获取利用目标搜索信息进行搜索所得到待推送信息集合，并推送给终端设备。
在本实施例中，基于步骤307所选取出的目标搜索信息，电子设备可以利用目标搜索信息在搜索引擎或预先存储的信息库中进行搜索，获取待推送信息集合，并推送给终端设备。其中，待推送信息可以与目标搜索信息具有相同或相似的特征属性。
从图3中可以看出，与图2对应的实施例相比，本实施例中的信息推送方法的流程300突出了选取目标推送信息的步骤。由此，本实施例描述的方案利用历史关键词子集所对应的信息熵计算搜索信息与候选搜索信息之间的相似度，从而提高了所计算出的相似度的准确度，有助于进一步提高信息推送的准确度。
进一步参考图4，其示出了历史关键词子集生成方法的一个实施例的流程400。该历史关键词子集生成方法的流程400，包括以下步骤：
步骤401，获取历史时间段内的历史搜索点击记录集合。
在本实施例中，历史关键词子集生成方法运行于其上的电子设备(例如图1所示的服务器105)可以获取历史时间段(例如前一个月、前一个季度、前半年)内的历史搜索点击记录集合。其中，历史搜索点击记录可以是用户在利用搜索信息进行搜索、并点击推送信息后所产生的记录，历史搜索点击记录集合中的历史搜索点击记录可以包括历史搜索信息和历史点击物品品类的点击频次。其中，物品的品类可以是三级品类。以家电类物品为例，三级品类可以包括但不限于冰箱类、洗衣机类、空调类、电视机类等等。
步骤402，对各个历史搜索信息进行分词，得到各个历史搜索信息的多个历史关键词子集。
在本实施例中，对于每历史搜索点击记录中的历史搜索信息，电子设备可以首先利用多种分词技术对该历史搜索信息进行分词，以得到该历史搜素信息的多个历史关键词；然后利用多种组合方式对多个历史关键词进行组合，以得到该历史搜索信息的多个历史关键词子集。
作为一种示例，电子设备可以首先对历史搜索信息进行全切分方法等处理，把内容分割成词；然后对所得到的词进行重要性计算(例如采用词频-逆向文件频率方法)，基于重要性计算的结果来得到历史搜索信息的历史关键词集合；最后对该历史搜索信息的历史关键词集合中的历史关键词进行任意组合，以得到该历史搜索信息的多个历史关键词子集。
作为一种示例，电子设备可以首先利用结巴分词方法对历史搜索信息进行分词，以得到历史搜索信息的历史关键词集合；然后通过汉语语言模型利用历史搜索信息的历史关键词集合中的历史关键词在历史搜索信息中的搭配关系，以生成历史搜索信息的多个历史关键词子集。
步骤403，对各个历史点击物品品类的点击频次进行统计分析，得到各个历史关键词子集的多个历史点击物品品类的点击频次。
在本实施例中，电子设备可以对各个历史点击物品品类的点击频次进行统计分析，从而得到各个历史关键词子集的多个历史点击物品品类的点击频次。作为示例，若一个历史关键词子集对应多个历史搜索点击记录，那么统计这多个历史搜索点击记录中的历史点击物品品类的点击频次(例如，对于相同的历史点击物品品类，将其点击频次之和作为该历史点击物品品类的点击频次，对于点击频次小于预设点击频次阈值的历史点击物品品类，删除该历史点击物品品类的点击频次)，作为该历史关键词子集的历史点击物品品类的点击频次。
步骤404，利用各个历史关键词子集的多个历史点击物品品类的点击频次计算各个历史关键词子集所对应的信息熵。
在本实施例中，对于各个历史关键词子集中的每个历史关键词子集，电子设备可以利用该历史关键词子集的多个历史点击物品品类的点击频次计算该历史关键词子集所对应的信息熵。
可选地，电子设备可以利用如下公式计算历史关键词子集的信息熵H：
Figure BDA0001454295780000151
其中，m为多个历史点击物品品类的数目，q为历史点击物品品类的点击概率，即历史点击物品品类的点击频次与m个历史点击物品品类的总点击频次的比值，qj为第j个历史点击物品品类的点击概率，即第j个历史点击物品品类的点击频次与m个历史点击物品品类的总点击频次的比值。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息推送装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的信息推送装置500可以包括：接收单元501、匹配单元502、计算单元503、选取单元504和推送单元505。其中，接收单元501，配置用于接收终端设备发送的信息获取请求，其中，信息获取请求包括搜索信息；匹配单元502，配置用于将搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，以生成候选搜索信息集合，其中，历史关键词子集与历史搜索信息对应；计算单元503，配置用于计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度；选取单元504，配置用于基于所计算的相似度，从候选搜索信息集合中选取出候选搜索信息作为目标搜索信息；推送单元505，配置用于获取利用目标搜索信息进行搜索所得到待推送信息集合，并推送给终端设备。
在本实施例中，信息推送装置500中：接收单元501、匹配单元502、计算单元503、选取单元504和推送单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，匹配单元502可以包括：分词子单元(图中未示出)，配置用于对搜索信息进行分词，得到搜索信息的多个关键词子集；匹配子单元(图中未示出)，配置用于将搜索信息的多个关键词子集在历史关键词子集组中匹配，获取匹配成功的历史关键词子集；第一获取子单元(图中未示出)，配置用于基于历史关键词子集与历史搜索信息的对应关系，获取匹配成功的历史关键词子集所对应的历史搜索信息。
在本实施例的一些可选的实现方式中，分词子单元可以包括：分词模块(图中未示出)，配置用于利用结巴分词方法对搜索信息进行分词，得到搜索信息的关键词集合；生成模块(图中未示出)，配置用于通过汉语语言模型利用搜索信息的关键词集合中的关键词在搜索信息中的搭配关系，生成搜索信息的多个关键词子集。
在本实施例的一些可选的实现方式中，计算单元503可以包括：第二获取子单元(图中未示出)，配置用于获取匹配成功的历史关键词子集所对应的信息熵，其中，历史关键词子集与信息熵对应；计算子单元(图中未示出)，配置用于基于匹配成功的历史关键词子集所对应的信息熵和候选搜索信息集合中的候选搜索信息所对应的历史关键词子集所对应的信息熵，计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度。
在本实施例的一些可选的实现方式中，计算子单元可以进一步配置用于：对于候选搜索信息集合中的每个候选搜索信息，获取匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的交集所对应的信息熵和匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的差集所对应的信息熵，基于交集所对应的信息熵和差集所对应的信息熵，计算搜索信息与该候选搜索信息之间的相似度。
在本实施例的一些可选的实现方式中，历史关键词子集组中的历史关键词子集可以通过如下步骤生成：获取历史时间段内的历史搜索点击记录集合，其中，历史搜索点击记录包括历史搜索信息和历史点击物品品类的点击频次；对各个历史搜索信息进行分词，得到各个历史搜索信息的多个历史关键词子集；对各个历史点击物品品类的点击频次进行统计分析，得到各个历史关键词子集的多个历史点击物品品类的点击频次；利用各个历史关键词子集的多个历史点击物品品类的点击频次计算各个历史关键词子集所对应的信息熵。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机***600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机***600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，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。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述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***、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。在本申请中，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***、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的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。计算机可读的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，该计算机可读介质可以发送、传播或者传输用于由指令执行***、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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
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申请的操作的计算机程序代码，所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，图示了按照本申请各种实施例的***、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***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到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：一种处理器包括接收单元、匹配单元、计算单元、选取单元和推送单元。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，接收单元还可以被描述为“接收终端设备发送的信息获取请求的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的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：接收终端设备发送的信息获取请求，其中，信息获取请求包括搜索信息；将搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，以生成候选搜索信息集合，其中，历史关键词子集与历史搜索信息对应；计算搜索信息与候选搜索信息集合中的候选搜索信息之间的相似度；基于所计算的相似度，从候选搜索信息集合中选取出候选搜索信息作为目标搜索信息；获取利用目标搜索信息进行搜索所得到待推送信息集合，并推送给终端设备。
以上描述仅为本申请的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，本申请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。例如上述特征与本申请中公开的(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 (12)

1.一种信息推送方法，其特征在于，所述方法包括：
接收终端设备发送的信息获取请求，其中，所述信息获取请求包括搜索信息；
将所述搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，以生成候选搜索信息集合，其中，历史关键词子集与历史搜索信息对应；
计算所述搜索信息与所述候选搜索信息集合中的候选搜索信息之间的相似度；
基于所计算的相似度，从所述候选搜索信息集合中选取出候选搜索信息作为目标搜索信息；
获取利用所述目标搜索信息进行搜索所得到待推送信息集合，并推送给所述终端设备。
2.根据权利要求1所述的方法，其特征在于，所述将所述搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，包括：
对所述搜索信息进行分词，得到所述搜索信息的多个关键词子集；
将所述搜索信息的多个关键词子集在历史关键词子集组中匹配，获取匹配成功的历史关键词子集；
基于历史关键词子集与历史搜索信息的对应关系，获取所述匹配成功的历史关键词子集所对应的历史搜索信息。
3.根据权利要求2所述的方法，其特征在于，所述对所述搜索信息进行分词，得到所述搜索信息的多个关键词子集，包括：
利用结巴分词方法对所述搜索信息进行分词，得到所述搜索信息的关键词集合；
通过汉语语言模型利用所述搜索信息的关键词集合中的关键词在所述搜索信息中的搭配关系，生成所述搜索信息的多个关键词子集。
4.根据权利要求1所述的方法，其特征在于，所述计算所述搜索信息与所述候选搜索信息集合中的候选搜索信息之间的相似度，包括：
获取所述匹配成功的历史关键词子集所对应的信息熵，其中，历史关键词子集与信息熵对应；
基于所述匹配成功的历史关键词子集所对应的信息熵和所述候选搜索信息集合中的候选搜索信息所对应的历史关键词子集所对应的信息熵，计算所述搜索信息与所述候选搜索信息集合中的候选搜索信息之间的相似度；
其中，所述基于所述匹配成功的历史关键词子集所对应的信息熵和所述候选搜索信息集合中的候选搜索信息所对应的历史关键词子集所对应的信息熵，计算所述搜索信息与所述候选搜索信息集合中的候选搜索信息之间的相似度，包括：
对于所述候选搜索信息集合中的每个候选搜索信息，获取所述匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的交集所对应的信息熵和所述匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的差集所对应的信息熵，基于所述交集所对应的信息熵和所述差集所对应的信息熵，计算所述搜索信息与该候选搜索信息之间的相似度。
5.根据权利要求1-4之一所述的方法，其特征在于，所述历史关键词子集组中的历史关键词子集通过如下步骤生成：
获取历史时间段内的历史搜索点击记录集合，其中，历史搜索点击记录包括历史搜索信息和历史点击物品品类的点击频次；
对各个历史搜索信息进行分词，得到各个历史搜索信息的多个历史关键词子集；
对各个历史点击物品品类的点击频次进行统计分析，得到各个历史关键词子集的多个历史点击物品品类的点击频次；
利用各个历史关键词子集的多个历史点击物品品类的点击频次计算各个历史关键词子集所对应的信息熵。
6.一种信息推送装置，其特征在于，所述装置包括：
接收单元，配置用于接收终端设备发送的信息获取请求，其中，所述信息获取请求包括搜索信息；
匹配单元，配置用于将所述搜索信息在历史关键词子集组中匹配，获取匹配成功的历史关键词子集所对应的历史搜索信息，以生成候选搜索信息集合，其中，历史关键词子集与历史搜索信息对应；
计算单元，配置用于计算所述搜索信息与所述候选搜索信息集合中的候选搜索信息之间的相似度；
选取单元，配置用于基于所计算的相似度，从所述候选搜索信息集合中选取出候选搜索信息作为目标搜索信息；
推送单元，配置用于获取利用所述目标搜索信息进行搜索所得到待推送信息集合，并推送给所述终端设备。
7.根据权利要求6所述的装置，其特征在于，所述匹配单元包括：
分词子单元，配置用于对所述搜索信息进行分词，得到所述搜索信息的多个关键词子集；
匹配子单元，配置用于将所述搜索信息的多个关键词子集在历史关键词子集组中匹配，获取匹配成功的历史关键词子集；
第一获取子单元，配置用于基于历史关键词子集与历史搜索信息的对应关系，获取所述匹配成功的历史关键词子集所对应的历史搜索信息。
8.根据权利要求7所述的装置，其特征在于，所述分词子单元包括：
分词模块，配置用于利用结巴分词方法对所述搜索信息进行分词，得到所述搜索信息的关键词集合；
生成模块，配置用于通过汉语语言模型利用所述搜索信息的关键词集合中的关键词在所述搜索信息中的搭配关系，生成所述搜索信息的多个关键词子集。
9.根据权利要求6所述的装置，其特征在于，所述计算单元包括：
第二获取子单元，配置用于获取所述匹配成功的历史关键词子集所对应的信息熵，其中，历史关键词子集与信息熵对应；
计算子单元，配置用于基于所述匹配成功的历史关键词子集所对应的信息熵和所述候选搜索信息集合中的候选搜索信息所对应的历史关键词子集所对应的信息熵，计算所述搜索信息与所述候选搜索信息集合中的候选搜索信息之间的相似度；
其中，所述计算子单元进一步配置用于：
对于所述候选搜索信息集合中的每个候选搜索信息，获取所述匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的交集所对应的信息熵和所述匹配成功的历史关键词子集与该候选搜索信息所对应的历史关键词子集的差集所对应的信息熵，基于所述交集所对应的信息熵和所述差集所对应的信息熵，计算所述搜索信息与该候选搜索信息之间的相似度。
10.根据权利要求6-9之一所述的装置，其特征在于，所述历史关键词子集组中的历史关键词子集通过如下步骤生成：
获取历史时间段内的历史搜索点击记录集合，其中，历史搜索点击记录包括历史搜索信息和历史点击物品品类的点击频次；
对各个历史搜索信息进行分词，得到各个历史搜索信息的多个历史关键词子集；
对各个历史点击物品品类的点击频次进行统计分析，得到各个历史关键词子集的多个历史点击物品品类的点击频次；
利用各个历史关键词子集的多个历史点击物品品类的点击频次计算各个历史关键词子集所对应的信息熵。
11.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
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1-5中任一所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201711058940.6A 2017-11-01 2017-11-01 信息推送方法和装置 Active CN110069698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711058940.6A CN110069698B (zh) 2017-11-01 2017-11-01 信息推送方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711058940.6A CN110069698B (zh) 2017-11-01 2017-11-01 信息推送方法和装置

Publications (2)

Publication Number Publication Date
CN110069698A CN110069698A (zh) 2019-07-30
CN110069698B true CN110069698B (zh) 2021-09-03

Family

ID=67364546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711058940.6A Active CN110069698B (zh) 2017-11-01 2017-11-01 信息推送方法和装置

Country Status (1)

Country Link
CN (1) CN110069698B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111242724A (zh) * 2020-01-06 2020-06-05 北京字节跳动网络技术有限公司 对象推送方法及装置
CN111597311B (zh) * 2020-01-14 2023-04-25 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN113139115A (zh) * 2020-01-19 2021-07-20 北京沃东天骏信息技术有限公司 信息推荐方法、搜索方法、装置及客户端、介质及设备
CN111597413B (zh) * 2020-05-14 2023-04-18 上海携程商务有限公司 信息推送方法、***、设备及存储介质
CN113763081B (zh) * 2020-08-26 2024-06-18 北京沃东天骏信息技术有限公司 一种物品的召回方法和装置
CN113763103B (zh) * 2021-01-19 2024-06-14 北京沃东天骏信息技术有限公司 一种物品搭配关系确定方法、装置、电子设备和存储介质
CN113051392A (zh) * 2021-04-30 2021-06-29 中国银行股份有限公司 知识推送方法及装置
CN113377976B (zh) * 2021-08-16 2022-09-09 北京达佳互联信息技术有限公司 资源搜索方法、装置、计算机设备及存储介质
CN114222000B (zh) * 2021-12-13 2024-02-02 中国平安财产保险股份有限公司 信息推送方法、装置、计算机设备和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799589A (zh) * 2011-05-25 2012-11-28 阿里巴巴集团控股有限公司 一种信息推送方法和装置
CN103631803A (zh) * 2012-08-23 2014-03-12 百度国际科技（深圳）有限公司 基于输入行为的进行广告定向的方法、装置及服务器
CN105808685A (zh) * 2016-03-02 2016-07-27 腾讯科技（深圳）有限公司 推广信息的推送方法及装置
CN106897317A (zh) * 2015-12-21 2017-06-27 北京奇虎科技有限公司 基于关键词进行搜索推荐的方法和装置
CN107172151A (zh) * 2017-05-18 2017-09-15 百度在线网络技术（北京）有限公司 用于推送信息的方法和装置
CN107169077A (zh) * 2017-05-10 2017-09-15 百度在线网络技术（北京）有限公司 用于推送信息的方法和装置
CN107220386A (zh) * 2017-06-29 2017-09-29 北京百度网讯科技有限公司 信息推送方法和装置
CN107256267A (zh) * 2017-06-19 2017-10-17 北京百度网讯科技有限公司 查询方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170308583A1 (en) * 2016-04-20 2017-10-26 Facebook, Inc. Suggested Queries Based on Interaction History on Online Social Networks

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799589A (zh) * 2011-05-25 2012-11-28 阿里巴巴集团控股有限公司 一种信息推送方法和装置
CN103631803A (zh) * 2012-08-23 2014-03-12 百度国际科技（深圳）有限公司 基于输入行为的进行广告定向的方法、装置及服务器
CN106897317A (zh) * 2015-12-21 2017-06-27 北京奇虎科技有限公司 基于关键词进行搜索推荐的方法和装置
CN105808685A (zh) * 2016-03-02 2016-07-27 腾讯科技（深圳）有限公司 推广信息的推送方法及装置
CN107169077A (zh) * 2017-05-10 2017-09-15 百度在线网络技术（北京）有限公司 用于推送信息的方法和装置
CN107172151A (zh) * 2017-05-18 2017-09-15 百度在线网络技术（北京）有限公司 用于推送信息的方法和装置
CN107256267A (zh) * 2017-06-19 2017-10-17 北京百度网讯科技有限公司 查询方法和装置
CN107220386A (zh) * 2017-06-29 2017-09-29 北京百度网讯科技有限公司 信息推送方法和装置

Also Published As

Publication number Publication date
CN110069698A (zh) 2019-07-30

Similar Documents

Publication Publication Date Title
CN110069698B (zh) 信息推送方法和装置
US10795939B2 (en) Query method and apparatus
US11023505B2 (en) Method and apparatus for pushing information
CN107172151B (zh) 用于推送信息的方法和装置
CN107609152B (zh) 用于扩展查询式的方法和装置
CN106960030B (zh) 基于人工智能的推送信息方法及装置
CN108572990B (zh) 信息推送方法和装置
CN107241260B (zh) 基于人工智能的新闻推送的方法和装置
CN109543058B (zh) 用于检测图像的方法、电子设备和计算机可读介质
CN107526718B (zh) 用于生成文本的方法和装置
CN107193974B (zh) 基于人工智能的地域性信息确定方法和装置
CN108121699B (zh) 用于输出信息的方法和装置
US11423096B2 (en) Method and apparatus for outputting information
JP2020024674A (ja) 情報をプッシュするための方法及び装置
CN109582825B (zh) 用于生成信息的方法和装置
CN107944032B (zh) 用于生成信息的方法和装置
CN110737824B (zh) 内容查询方法和装置
CN110019948B (zh) 用于输出信息的方法和装置
CN113688310A (zh) 一种内容推荐方法、装置、设备及存储介质
CN107766498B (zh) 用于生成信息的方法和装置
CN110245357B (zh) 主实体识别方法和装置
CN110750707A (zh) 关键词推荐方法、装置和电子设备
CN113806660A (zh) 数据评估方法、训练方法、装置、电子设备以及存储介质
CN110750708A (zh) 关键词推荐方法、装置和电子设备
CN111126073B (zh) 语义检索方法和装置

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