CN110196948A - 内容推荐方法、装置、计算机设备及存储介质 - Google Patents
内容推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110196948A CN110196948A CN201910496466.8A CN201910496466A CN110196948A CN 110196948 A CN110196948 A CN 110196948A CN 201910496466 A CN201910496466 A CN 201910496466A CN 110196948 A CN110196948 A CN 110196948A
- Authority
- CN
- China
- Prior art keywords
- label
- content
- recommendation
- information
- user
- 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 47
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 4
- 230000036651 mood Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241001071864 Lethrinus laticaudis Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 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
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
本申请提出一种内容推荐方法、装置、计算机设备及存储介质,该内容推荐方法包括获取目标终端的用户信息;根据用户信息,结合预先生成的标签模型从内容库中确定目标终端的推荐内容用于目标终端进行推荐;其中,标签模型基于预设标签体系预先生成,预设标签体系中包括多种预设标签。通过本申请能够提升推荐内容的精准度,有效提升推荐效果。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种内容推荐方法、装置、计算机设备及存储介质。
背景技术
随着内容推荐类应用的发展,许多内容供应商会将自身所能提供的内容接入内容推荐类应用,内容推荐类应用的后台会采用一定的推荐策略将相应的内容推荐至目标终端的用户。
然而现有的内容推荐方法推荐的内容并不够精准,推荐效果较差。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的目的在于提出一种内容推荐方法、装置、计算机设备及存储介质,能够提升推荐内容的精准度,有效提升推荐效果。
为达到上述目的,本申请第一方面实施例提出的内容推荐方法,包括:获取目标终端的用户信息;根据所述用户信息,结合预先生成的标签模型从内容库中确定所述目标终端的推荐内容用于所述目标终端进行推荐;其中,所述标签模型基于预设标签体系预先生成,所述预设标签体系中包括多种预设标签。
本申请第一方面实施例提出的内容推荐方法,结合统一的标签模型获取相应的推荐内容,能够提升推荐内容的精准度,有效提升推荐效果。
为达到上述目的,本申请第二方面实施例提出的内容推荐装置,包括:第一获取模块,用于获取目标终端的用户信息;第一确定模块,用于根据所述用户信息,结合预先生成的标签模型从内容库中确定所述目标终端的推荐内容用于所述目标终端进行推荐;其中,所述标签模型基于预设标签体系预先生成,所述预设标签体系中包括多种预设标签。
为达上述目的,本申请第三方面实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的内容推荐方法。
为了实现上述目的,本申请第四方面实施例提出了一种计算机可读存储介质,当所述存储介质中的指令被处理器执行时,实现如上所述的内容推荐方法。
为了实现上述目的,本申请第五方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行如上述实施例描述的内容推荐方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请一实施例提出的内容推荐方法的流程示意图;
图2为本申请实施例中一预设标签体系结构示意图;
图3为本申请实施例中另一预设标签体系结构示意图;
图4为本申请实施例中另一预设标签体系结构示意图;
图5是本申请一实施例提出的标签模型生成方法的流程示意图;
图6是本申请一实施例提出的内容推荐装置的结构示意图;
图7是本申请另一实施例提出的内容推荐装置的结构示意图;
图8为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。相反,本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本申请一实施例提出的内容推荐方法的流程示意图。
本实施例以内容推荐方法被配置为内容推荐装置中来举例说明。
本实施例中内容推荐方法可以被配置在内容推荐装置中,内容推荐装置可以设置在服务器中,或者也可以设置在目标设备中,本申请实施例对此不作限制。
本实施例以内容推荐方法被配置在服务器中为例。
需要说明的是,本申请实施例的执行主体,在硬件上可以例如为服务器或者目标设备中的中央处理器(Central Processing Unit,CPU),在软件上可以例如为服务器或者目标设备中的相关的后台服务,对此不作限制。
参见图1,该方法包括:
S101:获取目标终端的用户信息。
其中,用户侧的终端可以被称为目标终端,该目标终端可以为用户侧的手持式终端,目标终端可以是智能手机、平板电脑、个人数字助理、电子书等具有各种操作***的硬件设备。
其中,可以在目标终端的显示屏上显示可选项,当前需要获取推荐内容的用户对可选项进行勾选,目标终端将用户勾选的可选项对应的信息作为用户信息,或者,也可以由当前需要获取推荐内容的用户主动在目标终端录入用户信息,或者,也可以由目标终端通过自身的传感器、检测单元检测的用户信息。而后,由目标终端将用户信息发送至服务器,服务器接收该用户信息以获取目标终端的用户信息,对此不作限制。
本申请实施例中的,用户信息包括用户特征信息、用户所处场景信息、用户所处位置信息、用户角色信息、用户教学目标信息,以及用户的历史使用偏好信息中的至少一种,通过配置多种用户信息,使得推荐内容能够全方位地与用户需求相匹配,提升推荐精准度。
其中,用户特征信息,例如为,年龄、性别、年级、需求的功能等信息。
用户所处场景信息,例如为,吃饭、哄睡、起床、刷牙、洗澡、外出、入园、晨读等信息。
用户所处位置信息,例如为,欧美、日本、韩国、大陆、港台等信息。
用户角色信息,例如为用户喜好的卡通人物信息,例如,小猪佩奇、米老鼠等信息。
用户教学目标信息,例如为,用户期望通过学***等能力等级等信息。
用户的历史使用偏好信息,例如为,长期短期的兴趣点、劣势知识点,或者优势知识点等。
S102:根据用户信息,结合预先生成的标签模型从内容库中确定目标终端的推荐内容用于目标终端进行推荐;其中,标签模型基于预设标签体系预先生成,预设标签体系中包括多种预设标签。
其中,在获取上述用户信息时,结合预先生成的标签模型从内容库中匹配出相应的内容,该相应的内容可以被称为推荐内容。
其中的标签模型可以是由服务器预先生成的,在实际执行过程中,可以是由服务器在获取各内容供应商提供的内容之后,采用人工智能相关的神经网络模型训练生成标签模型,或者,也可以采用其它任意可能的方法生成标签模型,比如,还可以采用传统的编程技术(比如模拟法和工程学方法)生成标签模型,又比如,还可以遗传学算法和人工神经网络的方法生成标签模型。
在具体执行的过程中,标签模型基于预设标签体系预先生成,预设标签体系中包括多种预设标签。
其中,预设标签体系可以参考应用领域中的教育理论得出。
由此,通过结合高效的教育理论建立预设标签体系,并且,结合该预设标签体系建立标签模型,使得在进行内容匹配时,将实战经验纳入匹配考量因素中,不仅仅实现精准的匹配,还能够最大化地提升所展示内容的使用效果。
在本申请的一个实施例中,可选地,多种预设标签包括内容属性体系标签、内容能力体系标签、基础内容画像标签中的至少一种。
可选地,内容属性体系标签包括儿歌、儿童音频、儿童视频中的至少一个;内容能力体系标签包括行为、社会、情绪、言语、智能、艺术中的至少一个;基础内容画像标签包括年龄、性别、功能、年级、英语等级、场景、地区、角色中的至少一个。
其中,至少一个标签包括至少一级子标签。
参见图2,图2为本申请实施例中一预设标签体系结构示意图。图2中示出了内容属性体系标签的划分层次,其中,内容属性体系标签包含有三个不同的领域标签,例如,儿歌21、儿童音频22、儿童视频23,各领域标签下包含有不同的一级子标签和二级子标签,其中,儿歌21中的一级子标签211包括:母歌、儿戏,儿歌21中的二子级标签212包括摇篮曲、胎教、钢琴曲等,儿童音频22包括一级子标签221和二级子标签222,儿童视频23包括一级子标签231和二级子标签232。
参见图3,图3为本申请实施例中另一预设标签体系结构示意图。图3中示出了内容能力体系标签的划分层次,其中,内容能力体系标签包括:行为、社会、情绪、言语、智能、艺术,不同的内容能力体系标签下可以划分出不同的一级、二级、三级、四级的子标签。
其中的内容能力体系标签用于描述不同年龄段的儿童所需要具备的能力。
参见图4,图4为本申请实施例中另一预设标签体系结构示意图。图4中示出了基础内容画像标签的划分层次,该基础内容画像标签具体可以包括用户特征信息类的标签41、用户所处场景信息类的标签42、用户所处位置信息类的标签43,以及用户角色信息类的标签44,其中,用户特征信息类的标签41例如为年龄标签411、性别标签412、年级标签413、功能标签414,用户所处场景信息类的标签42包括:场景标签421,用户所处位置信息类的标签43包括:地区标签431,用户角色信息类的标签44包括:角色标签441,前述各标签仅是示意,对此不作限制。
作为一种示例,在确定与用户信息匹配的标签时,以用户信息为用户特征信息:年龄(1-3岁)、性别(女孩)、年级(一年级)进行示例,与该用户信息匹配的标签为图4中所示的年龄标签411中的【1-3】标签、性别标签412中的【女孩】标签、年级标签413中的【一年级】标签,而后,可以读取【1-3】标签、【女孩】标签,以及【一年级】标签所能索引到的内容作为推荐内容。
例如,可以采用人工智能技术,学习用户使用该内容推荐类应用时的使用信息,分析该使用信息以确定该用户的历史使用偏好。
本申请实施例中,由于用户信息还描述了用户的历史使用偏好,因此,使得所确定的推荐内容不仅与当前获取的用户特征信息、用户所处场景信息、用户所处位置信息、用户角色信息相匹配,还与用户的历史使用偏好信息相匹配,全方位保障所匹配内容的精准度,提升内容推荐效果,增强了内容推荐类应用的使用粘性。
本申请实施例中,还可以在确定目标终端的推荐内容后,确定推荐内容的目标能力信息用于目标终端进行展示。
在具体执行的过程中,可以是根据标签模型,确定推荐内容对应的内容能力体系标签;根据推荐内容对应的内容能力体系标签,确定推荐内容的目标能力信息。
例如,可以确定推荐内容所属于的内容能力体系标签,并确定该内容能力体系标签所描述的能力信息,将该能力信息作为目标能力信息,而后,在展示推荐内容的同时,展示目标能力信息,能够使用户全面的获知使用该推荐内容所能够达到的能力,提升用户使用体验度。
一些实施例中,参见图5,图5中示出了预先生成标签模型执行步骤:
S501:从多种预设标签中,确定与内容库中的各内容对应的至少一个预设标签。
一些实施例中,可以分别基于内容属性体系标签、基础内容画像标签、内容能力体系标签对内容库中的内容进行分类,确定与内容库中的各内容对应的至少一个预设标签。
一些实施例中,可以采用自然语言处理技术,分析各内容的语义信息,得到各内容对应的内容文本,而后,结合内容文本相似模型,确定内容文本与内容属性体系标签中的特定标签的相似度,若相似度高于预设值,则可以将该内容划分至该特定标签下,对此不作限制。
在实际执行过程中,还可以是基于其它任意可能的方式来实现基于各预设标签对内容库中的内容进行分类,例如,还可以通过协同过滤模型、深度学习模型等,对此不作限制。
可以理解的是,由于不同类型的预设标签所表示含义的不同,则根据不同类型的预设标签进行分类之后,各内容对应的至少一个预设标签也不相同。
S502:将对应的至少一个预设标签作为对应的内容的索引,根据各内容以及对应的索引生成标签模型。
本申请实施例中,在上述确定与内容库中的各内容对应的至少一个预设标签之后,将对应的至少一个预设标签作为对应的内容的索引,并根据各内容,以及对应的索引生成标签模型。
S503:获取用户针对历史推荐内容的反馈信息。
S504:根据反馈信息,更新内容库中的对应内容对应的至少一个预设标签。
其中,该反馈信息可以但不限于是通过问卷调查表所确定的。
例如,可以向海量用户推送问卷调查表,向用户询问使用该推荐内容后实现的能力效果,即,哪些能力得到提升,哪些能力仍然欠缺,而后,可以在线分析海量用户的问卷调查表中的信息,得到与各内容对应的能力信息,根据该对应的能力信息对至少一个预设标签进行更新。
本申请实施例中,可以基于预设标签体系,对内容库中的海量的内容进行分析学习,以生成标签模型,方法简单易执行,且预设标签体系为结合高效的教育理论所建立的,且具有清晰的逻辑层次结构,使得在匹配时能够快速地匹配出需要的内容,因此,保障了模型匹配精准度和匹配效率。
本实施例中,通过获取目标终端的用户信息,并根据用户信息,结合预先生成的标签模型从内容库中确定目标终端的推荐内容用于目标终端进行推荐,标签模型基于预设标签体系预先生成,预设标签体系中包括多种预设标签,由于是结合统一的标签模型获取相应的推荐内容,能够提升推荐内容的精准度,有效提升推荐效果。
图6是本申请一实施例提出的内容推荐装置的结构示意图。
该内容推荐装置可以应用于内容推荐类应用中。
参见图6,该装置600包括:
第一获取模块601,用于获取目标终端的用户信息;
第一确定模块602,用于根据用户信息,结合预先生成的标签模型从内容库中确定目标终端的推荐内容用于目标终端进行推荐;其中,标签模型基于预设标签体系预先生成,预设标签体系中包括多种预设标签。
可选地,一些实施例中,第一确定模块602,具体用于:
确定与用户信息匹配的至少一个预设标签;
根据与用户信息匹配的至少一个预设标签,结合预先生成的标签模型从内容库中确定目标终端的推荐内容。
可选地,一些实施例中,参见图7,还包括:
第二确定模块603,用于确定推荐内容的目标能力信息用于目标终端进行展示。
可选地,一些实施例中,第二确定模块603,具体用于:
根据标签模型,确定推荐内容对应的内容能力体系标签;
根据推荐内容对应的内容能力体系标签,确定推荐内容的目标能力信息。
可选地,一些实施例中,参见图7,还包括:
生成模块604,用于从多种预设标签中,确定与内容库中的各内容对应的至少一个预设标签,并将对应的至少一个预设标签作为对应的内容的索引,根据各内容以及对应的索引生成标签模型。
可选地,一些实施例中,参见图7,还包括:
第二获取模块605,用于获取用户针对历史推荐内容的反馈信息;
更新模块606,用于根据反馈信息,更新内容库中的对应内容对应的至少一个预设标签。
可选地,一些实施例中,用户信息包括用户特征信息、用户所处场景信息、用户所处位置信息、用户角色信息、用户教学目标信息,以及用户的历史使用偏好信息中的至少一种。
可选地,一些实施例中,多种预设标签包括内容属性体系标签、内容能力体系标签、基础内容画像标签中的至少一种。
可选地,一些实施例中,
内容属性体系标签包括儿歌、儿童音频、儿童视频中的至少一个;
内容能力体系标签包括行为、社会、情绪、言语、智能、艺术中的至少一个;
基础内容画像标签包括年龄、性别、功能、年级、英语等级、场景、地区、角色中的至少一个。
可选地,一些实施例中,至少一个标签包括至少一级子标签。
需要说明的是,前述对内容推荐方法实施例的解释说明也适用于该实施例的内容推荐装置,此处不再赘述。
图8为本申请实施例提供的一种计算机设备的结构示意图。该计算机设备包括:
存储器801、处理器802及存储在存储器801上并可在处理器802上运行的计算机程序。
处理器802执行程序时实现上述实施例中提供的内容推荐方法。
本申请实施例提供的计算机设备可以为目标设备本身,也可以为与目标设备通信的外部设备,例如服务器等。
在一种可能的实现方式中,计算机设备还包括:
通信接口803,用于存储器801和处理器802之间的通信。
存储器801,用于存放可在处理器802上运行的计算机程序。
存储器801可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器802,用于执行程序时实现上述实施例的内容推荐方法。
如果存储器801、处理器802和通信接口803独立实现,则通信接口803、存储器801和处理器802可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器801、处理器802及通信接口803,集成在一块芯片上实现,则存储器801、处理器802及通信接口803可以通过内部接口完成相互间的通信。
处理器802可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供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,该程序被处理器执行时实现如上的内容推荐方法。
为了实现上述实施例,本申请还提出一种计算机程序产品,当计算机程序产品中的指令处理器执行时,执行上述实施例示出的内容推荐方法。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种内容推荐方法,其特征在于,所述方法包括:
获取目标终端的用户信息;
根据所述用户信息,结合预先生成的标签模型从内容库中确定所述目标终端的推荐内容用于所述目标终端进行推荐;其中,所述标签模型基于预设标签体系预先生成,所述预设标签体系中包括多种预设标签。
2.如权利要求1所述的内容推荐方法,其特征在于,根据所述用户信息,结合预先生成的标签模型从内容库中确定所述目标终端的推荐内容,包括:
确定与所述用户信息匹配的至少一个预设标签;
根据与所述用户信息匹配的至少一个预设标签,结合预先生成的标签模型从内容库中确定所述目标终端的推荐内容。
3.如权利要求1所述的内容推荐方法,其特征在于,所述确定所述目标终端的推荐内容后,还包括:
确定所述推荐内容的目标能力信息用于所述目标终端进行展示。
4.如权利要求3所述的内容推荐方法,其特征在于,根据所述标签模型,确定所述推荐内容的目标能力信息,包括:
根据所述标签模型,确定所述推荐内容对应的内容能力体系标签;
根据所述推荐内容对应的内容能力体系标签,确定所述推荐内容的目标能力信息。
5.如权利要求1-4任一所述的内容推荐方法,其特征在于,所述用户信息包括用户特征信息、用户所处场景信息、用户所处位置信息、用户角色信息、用户教学目标信息,以及用户的历史使用偏好信息中的至少一种。
6.如权利要求1-4任一所述的内容推荐方法,其特征在于,所述多种预设标签包括内容属性体系标签、内容能力体系标签、基础内容画像标签中的至少一种。
7.如权利要求6所述的内容推荐方法,其特征在于,
所述内容属性体系标签包括儿歌、儿童音频、儿童视频中的至少一个;
所述内容能力体系标签包括行为、社会、情绪、言语、智能、艺术中的至少一个;
所述基础内容画像标签包括年龄、性别、功能、年级、英语等级、场景、地区、角色中的至少一个。
8.一种内容推荐装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标终端的用户信息;
第一确定模块,用于根据所述用户信息,结合预先生成的标签模型从内容库中确定所述目标终端的推荐内容用于所述目标终端进行推荐;其中,所述标签模型基于预设标签体系预先生成,所述预设标签体系中包括多种预设标签。
9.一种计算机设备,其特征在于,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的内容推荐方法。
10.一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,该程序被处理器执行时实现如权利要求1-7中任一项所述的内容推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910496466.8A CN110196948A (zh) | 2019-06-10 | 2019-06-10 | 内容推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910496466.8A CN110196948A (zh) | 2019-06-10 | 2019-06-10 | 内容推荐方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110196948A true CN110196948A (zh) | 2019-09-03 |
Family
ID=67754252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910496466.8A Pending CN110196948A (zh) | 2019-06-10 | 2019-06-10 | 内容推荐方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110196948A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125566A (zh) * | 2019-12-11 | 2020-05-08 | 贝壳技术有限公司 | 信息获取方法和装置、电子设备和存储介质 |
CN111209484A (zh) * | 2020-01-14 | 2020-05-29 | 未鲲(上海)科技服务有限公司 | 基于大数据的产品数据的推送方法、装置、设备及介质 |
CN111523028A (zh) * | 2020-04-16 | 2020-08-11 | 广东小天才科技有限公司 | 数据推荐方法、装置、设备及存储介质 |
CN112784151A (zh) * | 2019-11-08 | 2021-05-11 | 北京搜狗科技发展有限公司 | 一种确定推荐信息的方法及相关装置 |
CN113360754A (zh) * | 2021-05-28 | 2021-09-07 | 北京达佳互联信息技术有限公司 | 信息的推荐方法、装置及电子设备 |
CN113434779A (zh) * | 2021-07-22 | 2021-09-24 | 咪咕数字传媒有限公司 | 可智能推荐的互动阅读方法、装置、计算设备和存储介质 |
CN113763030A (zh) * | 2021-07-22 | 2021-12-07 | 北京房江湖科技有限公司 | 房源推荐方法及装置、计算机程序产品、存储介质 |
CN114417027A (zh) * | 2021-12-16 | 2022-04-29 | 北京罗克维尔斯科技有限公司 | 多媒体内容的推荐方法及其装置、车辆及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116588A (zh) * | 2011-11-17 | 2013-05-22 | 腾讯科技(深圳)有限公司 | 一种个性化推荐方法及*** |
CN104331476A (zh) * | 2014-11-04 | 2015-02-04 | 周艳 | 内容交易领域的实时内容推荐方法 |
CN105843922A (zh) * | 2016-03-25 | 2016-08-10 | 乐视控股(北京)有限公司 | 多媒体分类推荐方法、装置和*** |
CN106777360A (zh) * | 2017-01-18 | 2017-05-31 | 广东小天才科技有限公司 | 内容推荐方法及装置 |
CN107391680A (zh) * | 2017-07-24 | 2017-11-24 | 北京京东尚科信息技术有限公司 | 内容推荐方法、装置和设备 |
CN108009228A (zh) * | 2017-11-27 | 2018-05-08 | 咪咕互动娱乐有限公司 | 一种内容标签的设置方法、装置及存储介质 |
CN109740068A (zh) * | 2019-01-29 | 2019-05-10 | 腾讯科技(北京)有限公司 | 媒体数据推荐方法、装置及存储介质 |
-
2019
- 2019-06-10 CN CN201910496466.8A patent/CN110196948A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116588A (zh) * | 2011-11-17 | 2013-05-22 | 腾讯科技(深圳)有限公司 | 一种个性化推荐方法及*** |
CN104331476A (zh) * | 2014-11-04 | 2015-02-04 | 周艳 | 内容交易领域的实时内容推荐方法 |
CN105843922A (zh) * | 2016-03-25 | 2016-08-10 | 乐视控股(北京)有限公司 | 多媒体分类推荐方法、装置和*** |
CN106777360A (zh) * | 2017-01-18 | 2017-05-31 | 广东小天才科技有限公司 | 内容推荐方法及装置 |
CN107391680A (zh) * | 2017-07-24 | 2017-11-24 | 北京京东尚科信息技术有限公司 | 内容推荐方法、装置和设备 |
CN108009228A (zh) * | 2017-11-27 | 2018-05-08 | 咪咕互动娱乐有限公司 | 一种内容标签的设置方法、装置及存储介质 |
CN109740068A (zh) * | 2019-01-29 | 2019-05-10 | 腾讯科技(北京)有限公司 | 媒体数据推荐方法、装置及存储介质 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112784151A (zh) * | 2019-11-08 | 2021-05-11 | 北京搜狗科技发展有限公司 | 一种确定推荐信息的方法及相关装置 |
CN112784151B (zh) * | 2019-11-08 | 2024-02-06 | 北京搜狗科技发展有限公司 | 一种确定推荐信息的方法及相关装置 |
CN111125566A (zh) * | 2019-12-11 | 2020-05-08 | 贝壳技术有限公司 | 信息获取方法和装置、电子设备和存储介质 |
CN111209484A (zh) * | 2020-01-14 | 2020-05-29 | 未鲲(上海)科技服务有限公司 | 基于大数据的产品数据的推送方法、装置、设备及介质 |
CN111209484B (zh) * | 2020-01-14 | 2024-04-09 | 广东印星科技有限公司 | 基于大数据的产品数据的推送方法、装置、设备及介质 |
CN111523028A (zh) * | 2020-04-16 | 2020-08-11 | 广东小天才科技有限公司 | 数据推荐方法、装置、设备及存储介质 |
CN113360754A (zh) * | 2021-05-28 | 2021-09-07 | 北京达佳互联信息技术有限公司 | 信息的推荐方法、装置及电子设备 |
CN113360754B (zh) * | 2021-05-28 | 2024-01-02 | 北京达佳互联信息技术有限公司 | 信息的推荐方法、装置及电子设备 |
CN113434779A (zh) * | 2021-07-22 | 2021-09-24 | 咪咕数字传媒有限公司 | 可智能推荐的互动阅读方法、装置、计算设备和存储介质 |
CN113763030A (zh) * | 2021-07-22 | 2021-12-07 | 北京房江湖科技有限公司 | 房源推荐方法及装置、计算机程序产品、存储介质 |
CN113434779B (zh) * | 2021-07-22 | 2023-01-03 | 咪咕数字传媒有限公司 | 可智能推荐的互动阅读方法、装置、计算设备和存储介质 |
CN114417027A (zh) * | 2021-12-16 | 2022-04-29 | 北京罗克维尔斯科技有限公司 | 多媒体内容的推荐方法及其装置、车辆及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110196948A (zh) | 内容推荐方法、装置、计算机设备及存储介质 | |
Günther et al. | Vector-space models of semantic representation from a cognitive perspective: A discussion of common misconceptions | |
CN110325986B (zh) | 文章处理方法、装置、服务器及存储介质 | |
Chen et al. | Analysis of user needs on downloading behavior of English vocabulary APPs based on data mining for online comments | |
CN104462364A (zh) | 搜索推荐方法及装置 | |
CN109190044A (zh) | 个性化推荐方法、装置、服务器和介质 | |
US11106870B2 (en) | Intelligent text enhancement in a computing environment | |
US10783431B2 (en) | Image search using emotions | |
CN105512331A (zh) | 一种视频推荐方法及装置 | |
US20190130458A1 (en) | Creative Brief-Based Content Creation | |
CN106663095A (zh) | 来自承载情感的内容的分面推荐 | |
Joshi et al. | Sounds of green: How brand name sounds metaphorically convey environmental friendliness | |
CN105825396B (zh) | 一种基于共现的广告标签聚类的方法及*** | |
US9129216B1 (en) | System, method and apparatus for computer aided association of relevant images with text | |
Hong et al. | Enhancing personalized ads using interest category classification of SNS users based on deep neural networks | |
CN113157899B (zh) | 一种大数据画像分析方法、服务器及可读存储介质 | |
US11928876B2 (en) | Contextual sentiment analysis of digital memes and trends systems and methods | |
Catling et al. | The effects of age of acquisition on an object classification task | |
Guzman | Should machines write about death? Questions of technology, humanity, and ethics in the automation of journalism | |
Wang et al. | A theoretical model of factors influencing online consumer purchasing behavior through electronic word of mouth data mining and analysis | |
CN105786881A (zh) | 自适应电子书刊文件结构以及相应的方法及装置 | |
CN116882414B (zh) | 基于大规模语言模型的评语自动生成方法及相关装置 | |
CN113822382B (zh) | 基于多模态特征表示的课程分类方法、装置、设备及介质 | |
Harth et al. | From Data to Human-Readable Requirements: Advancing Requirements Elicitation through Language-Transformer-Enhanced Opportunity Mining | |
CN111797257B (zh) | 基于词向量的图片推荐方法及相关设备 |
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 |