CN110287977B - 内容聚类方法及装置 - Google Patents
内容聚类方法及装置 Download PDFInfo
- Publication number
- CN110287977B CN110287977B CN201810226492.4A CN201810226492A CN110287977B CN 110287977 B CN110287977 B CN 110287977B CN 201810226492 A CN201810226492 A CN 201810226492A CN 110287977 B CN110287977 B CN 110287977B
- Authority
- CN
- China
- Prior art keywords
- node
- content
- contents
- category
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000006399 behavior Effects 0.000 claims description 40
- 238000003860 storage Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及内容聚类方法及装置。该方法包括：获取多组用户行为数据；对于每一组用户行为数据，分别确定所述用户行为数据对应的内容序列；根据所述内容序列中内容之间的位置关系，确定内容之间的相关性；根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别。本公开能够自动进行内容聚类，无需人工进行内容聚类，节省了人力，易于对大量的内容进行聚类，并能更好地挖掘内容之间的相关性，提高内容聚类的准确性。
Description
技术领域
本公开涉及信息技术领域，尤其涉及一种内容聚类方法及装置。
背景技术
相关技术中，通过人工对视频等内容进行聚类，得到各个类别的内容。这种人工进行内容聚类的方式需要耗费大量人力，且所得到的各个类别中内容之间的相似度难以得到保证。
发明内容
有鉴于此，本公开提出了一种内容聚类方法及装置。
根据本公开的一方面，提供了一种内容聚类方法，包括：
获取多组用户行为数据；
对于每一组用户行为数据，分别确定所述用户行为数据对应的内容序列；
根据所述内容序列中内容之间的位置关系，确定内容之间的相关性；
根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别。
在一种可能的实现方式中，根据所述内容序列中内容之间的位置关系，确定内容之间的相关性，包括：
将所述内容序列中相邻的内容之间的相关性确定为相关。
在一种可能的实现方式中，根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别，包括：
建立无向图，并将各个内容分别作为所述无向图中的节点；
若两个内容之间的相关性为相关，则建立该两个内容对应的节点之间的边；
分别为每个节点分配标签；
对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，其中，该节点的邻居节点表示与该节点相连的节点；
当各个节点的标签稳定时，根据各个节点的标签，确定各个节点对应的内容所属的类别。
在一种可能的实现方式中，对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，包括：
对于任意一个节点，根据该节点的邻居节点的标签中出现次数最多的标签，更新该节点的标签。
在一种可能的实现方式中，在更新该节点的标签之前，所述方法还包括：
对于相关性为相关的两个内容，根据该两个内容在各个内容序列中相邻出现的次数，以及该两个内容在各个内容序列中分别出现的次数，确定该两个内容之间的相似度。
在一种可能的实现方式中，对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，包括：
根据相关性为相关的两个内容之间的相似度，确定该两个内容对应的节点之间的边的权重；
对于任意一个节点，根据该节点的邻居节点的标签，以及该节点与邻居节点之间的边的权重，更新该节点的标签。
在一种可能的实现方式中，对于任意一个节点，根据该节点的邻居节点的标签，以及该节点与邻居节点之间的边的权重，更新该节点的标签，包括：
对于任意一个节点，将该节点的邻居节点的标签分别确定为候选标签；
确定该节点的邻居节点中各个候选标签对应的邻居节点；
根据各个候选标签对应的邻居节点与该节点之间的边的权重之和，确定各个候选标签对应的权重；
根据权重最高的候选标签更新该节点的标签。
在一种可能的实现方式中，在确定各个内容所属的类别之后，所述方法还包括：
若第一类别和第二类别中的内容的相似度满足第一条件，则合并所述第一类别和所述第二类别。
在一种可能的实现方式中，在确定各个内容所属的类别之后，所述方法还包括：
确定所述第一类别和所述第二类别的交集中的第一内容数；
确定所述第一类别和所述第二类别的并集中的第二内容数；
若所述第一内容数与所述第二内容数的比值大于第一阈值，则确定所述第一类别和所述第二类别中的内容的相似度满足所述第一条件；
若所述第一内容数与所述第二内容数的比值小于或等于所述第一阈值，则确定所述第一类别和所述第二类别中的内容的相似度不满足所述第一条件。
在一种可能的实现方式中，在确定各个内容所属的类别之后，所述方法还包括：
删除各个类别中不满足第二条件的内容。
在一种可能的实现方式中，所述第二条件包括：内容的点击率小于第二阈值。
根据本公开的另一方面，提供了一种内容聚类装置，包括：
获取模块，用于获取多组用户行为数据；
第一确定模块，用于对于每一组用户行为数据，分别确定所述用户行为数据对应的内容序列；
第二确定模块，用于根据所述内容序列中内容之间的位置关系，确定内容之间的相关性；
第三确定模块，用于根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别。
在一种可能的实现方式中，所述第二确定模块用于：
将所述内容序列中相邻的内容之间的相关性确定为相关。
在一种可能的实现方式中，所述第三确定模块用于包括：
第一建立子模块，用于建立无向图，并将各个内容分别作为所述无向图中的节点；
第二建立子模块，用于若两个内容之间的相关性为相关，则建立该两个内容对应的节点之间的边；
分配子模块，用于分别为每个节点分配标签；
更新子模块，用于对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，其中，该节点的邻居节点表示与该节点相连的节点；
确定子模块，用于当各个节点的标签稳定时，根据各个节点的标签，确定各个节点对应的内容所属的类别。
在一种可能的实现方式中，所述更新子模块用于：
对于任意一个节点，根据该节点的邻居节点的标签中出现次数最多的标签，更新该节点的标签。
在一种可能的实现方式中，所述装置还包括：
第四确定模块，用于对于相关性为相关的两个内容，根据该两个内容在各个内容序列中相邻出现的次数，以及该两个内容在各个内容序列中分别出现的次数，确定该两个内容之间的相似度。
在一种可能的实现方式中，所述更新子模块包括：
确定单元，用于根据相关性为相关的两个内容之间的相似度，确定该两个内容对应的节点之间的边的权重；
更新单元，用于对于任意一个节点，根据该节点的邻居节点的标签，以及该节点与邻居节点之间的边的权重，更新该节点的标签。
在一种可能的实现方式中，所述更新单元包括：
第一确定子单元，用于对于任意一个节点，将该节点的邻居节点的标签分别确定为候选标签；
第二确定子单元，用于确定该节点的邻居节点中各个候选标签对应的邻居节点；
第三确定子单元，用于根据各个候选标签对应的邻居节点与该节点之间的边的权重之和，确定各个候选标签对应的权重；
更新子单元，用于根据权重最高的候选标签更新该节点的标签。
在一种可能的实现方式中，所述装置还包括：
合并模块，用于若第一类别和第二类别中的内容的相似度满足第一条件，则合并所述第一类别和所述第二类别。
在一种可能的实现方式中，所述装置还包括：
第五确定模块，用于确定所述第一类别和所述第二类别的交集中的第一内容数；
第六确定模块，用于确定所述第一类别和所述第二类别的并集中的第二内容数；
第七确定模块，用于若所述第一内容数与所述第二内容数的比值大于第一阈值，则确定所述第一类别和所述第二类别中的内容的相似度满足所述第一条件；
第八确定模块，用于若所述第一内容数与所述第二内容数的比值小于或等于所述第一阈值，则确定所述第一类别和所述第二类别中的内容的相似度不满足所述第一条件。
在一种可能的实现方式中，所述装置还包括：
删除模块，用于删除各个类别中不满足第二条件的内容。
在一种可能的实现方式中，所述第二条件包括：内容的点击率小于第二阈值。
根据本公开的另一方面，提供了一种内容聚类装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
本公开的各方面的内容聚类方法及装置通过获取多组用户行为数据，对于每一组用户行为数据，分别确定用户行为数据对应的内容序列，根据内容序列中内容之间的位置关系，确定内容之间的相关性，并根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别，由此能够自动进行内容聚类，无需人工进行内容聚类，节省了人力，易于对大量的内容进行聚类，并能更好地挖掘内容之间的相关性，提高内容聚类的准确性。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一实施例的内容聚类方法的流程图。
图2示出根据本公开一实施例的内容聚类方法步骤S14的一示例性的流程图。
图3示出根据本公开一实施例的内容聚类方法中无向图的示意图。
图4示出根据本公开一实施例的内容聚类方法步骤S144的一示例性的流程图。
图5示出根据本公开一实施例的内容聚类方法步骤S1442的一示例性的流程图。
图6示出根据本公开一实施例的内容聚类方法的一示例性的流程图。
图7示出根据本公开一实施例的内容聚类方法的一示例性的流程图。
图8示出根据本公开一实施例的内容聚类方法的一示例性的流程图。
图9示出根据本公开一实施例的内容聚类装置的框图。
图10示出根据本公开一实施例的内容聚类装置的一示例性的框图。
图11是根据一示例性实施例示出的一种用于内容聚类的装置1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开一实施例的内容聚类方法的流程图。该方法可以应用于服务器中。如图1所示，该方法包括步骤S11至步骤S14。
在步骤S11中，获取多组用户行为数据。
在本实施例中，用户行为数据表示用户对内容进行操作而产生的数据。例如，内容为视频，用户行为数据可以包括用户观看视频的数据、用户评论视频的数据、用户发表弹幕的视频数据、用户收藏视频的数据、用户分享视频的数据和用户点赞视频的数据等。
在步骤S12中，对于每一组用户行为数据，分别确定用户行为数据对应的内容序列。
例如，根据某一组用户行为数据，确定用户依次观看视频V1，V2，……，VN，则可以确定该组用户行为数据对应的内容序列为{V1,V2,……,VN}。
在步骤S13中，根据内容序列中内容之间的位置关系，确定内容之间的相关性。
在一种可能的实现方式中，根据内容序列中内容之间的位置关系，确定内容之间的相关性，包括：将内容序列中相邻的内容之间的相关性确定为相关。例如，内容序列为{V1,V2,……,VN}，则可以确定V1与V2相关，V2与V3相关，……，V(N-1)与VN相关。
需要说明的是，尽管以将内容序列中相邻的内容之间的相关性确定为相关介绍了根据内容序列中内容之间的位置关系，确定内容之间的相关性如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活设置确定内容之间的相关性的具体方式，只要内容之间的相关性根据内容序列中内容之间的位置关系确定即可。例如，还可以将内容序列中距离小于或等于D的内容之间的相关性确定为相关，其中，D为自然数。内容序列中两个内容之间的距离可以指内容序列中该两个内容之间的内容数。例如，V1与V2之间的距离为0，V1与V3之间的距离为1。若D等于1，则V1不仅与V2相关，还与V3相关。
在一种可能的实现方式中，根据相关性为相关的两个内容，可以生成内容对。例如，可以生成内容对{V1,V2}、{V2,V3}、……、{V(N-1),VN}。
在步骤S14中，根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别。
在本实施例中，根据内容之间的相关性，并采用标签传播算法，可以通过无监督聚类的方法将相似的内容聚为同一类。
其中，标签传播算法可以为LPA(Label Propagation Algorithm，标签传播算法)，也可以为改进的标签传播算法，例如，COPRA(Community Overlap PropagationAlgorithm，社区重叠传播算法)或者SLPA(Speaker-listener Label PropagationAlgorithm，基于标签传播节点和标签接受节点的标签传播算法)等。
本实施例通过获取多组用户行为数据，对于每一组用户行为数据，分别确定用户行为数据对应的内容序列，根据内容序列中内容之间的位置关系，确定内容之间的相关性，并根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别，由此能够自动进行内容聚类，无需人工进行内容聚类，节省了人力，易于对大量的内容进行聚类，并能更好地挖掘内容之间的相关性，提高内容聚类的准确性。
图2示出根据本公开一实施例的内容聚类方法步骤S14的一示例性的流程图。如图2所示，步骤S14可以包括步骤S141至步骤S145。
在步骤S141中，建立无向图，并将各个内容分别作为无向图中的节点。
图3示出根据本公开一实施例的内容聚类方法中无向图的示意图。如图3所示，例如，内容包括内容V1、内容V2、内容V3、内容V4和内容V5，则可以在无向图中分别建立各个内容对应的节点，即可以在无向图中建立内容V1对应的节点V1、内容V2对应的节点V2、内容V3对应的节点V3、内容V4对应的节点V4和内容V5对应的节点V5。
在步骤S142中，若两个内容之间的相关性为相关，则建立该两个内容对应的节点之间的边。
如图3所示，例如，内容V2分别与内容V1、内容V3、内容V4相关，内容V3与内容V5相关，则可以建立节点V2与节点V1之间的边、节点V2与节点V3之间的边、节点V2与节点V4之间的边以及节点V3与节点V5之间的边。
在步骤S143中，分别为每个节点分配标签。
例如，可以为节点V1分配标签T1，为节点V2分配标签T2，以此类推。
在步骤S144中，对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，其中，该节点的邻居节点表示与该节点相连的节点。
在一种可能的实现方式中，对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，包括：对于任意一个节点，根据该节点的邻居节点的标签中出现次数最多的标签，更新该节点的标签。
在一种可能的实现方式中，根据该节点的邻居节点的标签中出现次数最多的标签，更新该节点的标签，包括：若该节点的邻居节点的标签中出现次数最多的标签的数量为1，则将该节点的邻居节点的标签中出现次数最多的标签确定为该节点的标签；若该节点的邻居节点的标签中出现次数最多的标签的数量大于1，则从该节点的邻居节点的标签中出现次数最多的标签中随机选择一个标签确定为该节点的标签。
在步骤S145中，当各个节点的标签稳定时，根据各个节点的标签，确定各个节点对应的内容所属的类别。
在本实施例中，可以根据各个节点的邻居节点的标签，持续更新各个节点的标签，直至各个节点的标签不再变化。
在本实施例中，当各个节点的标签稳定时，可以将相同标签的节点归为同一个类别。
在一种可能的实现方式中，在更新该节点的标签之前，该方法还包括：对于相关性为相关的两个内容，根据该两个内容在各个内容序列中相邻出现的次数，以及该两个内容在各个内容序列中分别出现的次数，确定该两个内容之间的相似度。
例如，第一内容V1与第二内容V2相关，第一内容V1与第二内容V2在各个内容序列中相邻出现的次数为C(V1,V2)，第一内容V1在各个内容序列中出现的次数为C(V1)，第二内容V2在各个内容序列中出现的次数为C(V2)，则可以采用式1、式2或者式3等确定第一内容V1与第二内容V2之间的相似度。
在该实现方式中，对于在各个内容序列中均未相邻出现的两个内容，该两个内容之间的相似度可以为0。
图4示出根据本公开一实施例的内容聚类方法步骤S144的一示例性的流程图。如图4所示，步骤S144可以包括步骤S1441和步骤S1442。
在步骤S1441中，根据相关性为相关的两个内容之间的相似度，确定该两个内容对应的节点之间的边的权重。
例如，可以将两个内容之间的相似度作为该两个内容对应的节点之间的边的权重。
在步骤S1442中，对于任意一个节点，根据该节点的邻居节点的标签，以及该节点与邻居节点之间的边的权重，更新该节点的标签。
在一种可能的实现方式中，对于任意一个节点，根据该节点的邻居节点的标签，以及该节点与邻居节点之间的边的权重，更新该节点的标签，包括：若该节点的邻居节点的标签中出现次数最多的标签的数量为1，则将该节点的邻居节点的标签中出现次数最多的标签确定为该节点的标签；若该节点的邻居节点的标签中出现次数最多的标签的数量大于1，则从该节点的邻居节点的标签中出现次数最多的标签中选择权重最大的标签作为该节点的标签。例如，节点V2的邻居节点包括节点V1、节点V3、节点V4和节点V6，节点V1和节点V3的标签为T1，节点V4和节点V6的标签为T2，则标签T1和标签T2的出现次数都为2，即，节点V2的邻居节点的标签中出现次数最多的标签的数量大于1。若节点V1与节点V2之间的边的权重为W1，节点V3与节点V2之间的边的权重为W2，节点V4与节点V2之间的边的权重为W3，节点V6与节点V2之间的边的权重为W4，则可以确定标签T1的权重为W1+W2，标签T2的权重为W3+W4。若标签T1的权重大于标签T2的权重，则可以将标签T1作为节点V2的标签。
图5示出根据本公开一实施例的内容聚类方法步骤S1442的一示例性的流程图。如图5所示，步骤S1442可以包括步骤S14421至步骤S14424。
在步骤S14421中，对于任意一个节点，将该节点的邻居节点的标签分别确定为候选标签。
例如，节点V2的邻居节点包括节点V1、节点V3、节点V4、节点V6和节点V7，节点V1和节点V3的标签为T1，节点V4和节点V6的标签为T2，节点V7的标签为T3，则可以将标签T1、标签T2和标签T3分别确定为候选标签。
在步骤S14422中，确定该节点的邻居节点中各个候选标签对应的邻居节点。
例如，可以确定候选标签T1对应的邻居节点包括节点V1接节点V3，候选标签T2对应的邻居节点包括节点V4和节点V6，候选标签T3对应的邻居节点包括节点V7。
在步骤S14423中，根据各个候选标签对应的邻居节点与该节点之间的边的权重之和，确定各个候选标签对应的权重。
例如，节点V1与节点V2之间的边的权重为W1，节点V3与节点V2之间的边的权重为W2，则可以确定候选标签T1对应的权重为W1+W2；节点V4与节点V2之间的边的权重为W3，节点V6与节点V2之间的边的权重为W4，则可以确定候选标签T2对应的权重为W3+W4；节点V7与节点V2之间的边的权重为W5，则可以确定候选标签T3对应的权重为W5。
在步骤S14424中，根据权重最高的候选标签更新该节点的标签。
例如，若在候选标签T1、候选标签T2和候选标签T3中，候选标签T2的权重最高，则可以将候选标签T2更新为节点V2的标签。
图6示出根据本公开一实施例的内容聚类方法的一示例性的流程图。如图6所示，该方法可以包括步骤S11至步骤S15。
在步骤S11中，获取多组用户行为数据。
在步骤S12中，对于每一组用户行为数据，分别确定用户行为数据对应的内容序列。
在步骤S13中，根据内容序列中内容之间的位置关系，确定内容之间的相关性。
在步骤S14中，根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别。
在步骤S15中，若第一类别和第二类别中的内容的相似度满足第一条件，则合并第一类别和第二类别。
在一种可能的实现方式中，可以以指定频率进行内容聚类。例如，可以每天获取新的用户行为数据，并根据新的用户行为数据进行内容聚类。若新确定的类别(例如第一类别)与某一旧的类别(例如第二类别)中的内容的相似度满足第一条件，则可以合并该新确定的类别和该旧的类别。
本实施例中通过在第一类别和第二类别中的内容的相似度满足第一条件时，合并第一类别和第二类别，由此能够保证类别的稳定，并能使类别自动扩展。
图7示出根据本公开一实施例的内容聚类方法的一示例性的流程图。如图7所示，该方法可以包括步骤S21至步骤S29。
在步骤S21中，获取多组用户行为数据。
其中，对步骤S21参见上文对步骤S11的描述。
在步骤S22中，对于每一组用户行为数据，分别确定用户行为数据对应的内容序列。
其中，对步骤S22参见上文对步骤S12的描述。
在步骤S23中，根据内容序列中内容之间的位置关系，确定内容之间的相关性。
其中，对步骤S23参见上文对步骤S13的描述。
在步骤S24中，根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别。
其中，对步骤S24参见上文对步骤S14的描述。
在步骤S25中，确定第一类别和第二类别的交集中的第一内容数。
其中，第一内容数表示第一类别和第二类别的交集中的内容数。
在步骤S26中，确定第一类别和第二类别的并集中的第二内容数。
其中，第二内容数表示第一类别和第二类别的并集中的内容数。
在步骤S27中，若第一内容数与第二内容数的比值大于第一阈值，则确定第一类别和第二类别中的内容的相似度满足第一条件。
在步骤S28中，若第一类别和第二类别中的内容的相似度满足第一条件，则合并第一类别和第二类别。
其中，对步骤S28参见上文对步骤S15的描述。
在步骤S29中，若第一内容数与第二内容数的比值小于或等于第一阈值，则确定第一类别和第二类别中的内容的相似度不满足第一条件。
图8示出根据本公开一实施例的内容聚类方法的一示例性的流程图。如图8所示，该方法可以包括步骤S31至步骤S35。
在步骤S31中，获取多组用户行为数据。
其中，对步骤S31参见上文对步骤S11的描述。
在步骤S32中，对于每一组用户行为数据，分别确定用户行为数据对应的内容序列。
其中，对步骤S32参见上文对步骤S12的描述。
在步骤S33中，根据内容序列中内容之间的位置关系，确定内容之间的相关性。
其中，对步骤S33参见上文对步骤S13的描述。
在步骤S34中，根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别。
其中，对步骤S34参见上文对步骤S14的描述。
在步骤S35中，删除各个类别中不满足第二条件的内容。
本实施例通过删除各个类别中不满足第二条件的内容，能够保证各个类别中的内容的质量。
在一种可能的实现方式中，第二条件包括：内容的点击率小于第二阈值。其中，内容的点击率等于内容被点击的次数与被展示的次数的比值。
在另一种可能的实现方式中，第二条件可以包括：在指定时间范围内内容的点击量小于第三阈值。
需要说明的是，尽管以以上两个实现方式介绍了第二条件如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活设置第二条件。
图9示出根据本公开一实施例的内容聚类装置的框图。如图9所示，该装置包括：获取模块901，用于获取多组用户行为数据；第一确定模块902，用于对于每一组用户行为数据，分别确定用户行为数据对应的内容序列；第二确定模块903，用于根据内容序列中内容之间的位置关系，确定内容之间的相关性；第三确定模块904，用于根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别。
在一种可能的实现方式中，第二确定模块903用于：将内容序列中相邻的内容之间的相关性确定为相关。
图10示出根据本公开一实施例的内容聚类装置的一示例性的框图。如图10所示：
在一种可能的实现方式中，第三确定模块904用于包括：第一建立子模块9041，用于建立无向图，并将各个内容分别作为无向图中的节点；第二建立子模块9042，用于若两个内容之间的相关性为相关，则建立该两个内容对应的节点之间的边；分配子模块9043，用于分别为每个节点分配标签；更新子模块9044，用于对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，其中，该节点的邻居节点表示与该节点相连的节点；确定子模块9045，用于当各个节点的标签稳定时，根据各个节点的标签，确定各个节点对应的内容所属的类别。
在一种可能的实现方式中，更新子模块9044用于：对于任意一个节点，根据该节点的邻居节点的标签中出现次数最多的标签，更新该节点的标签。
在一种可能的实现方式中，该装置还包括：第四确定模块905，用于对于相关性为相关的两个内容，根据该两个内容在各个内容序列中相邻出现的次数，以及该两个内容在各个内容序列中分别出现的次数，确定该两个内容之间的相似度。
在一种可能的实现方式中，更新子模块9044包括：确定单元，用于根据相关性为相关的两个内容之间的相似度，确定该两个内容对应的节点之间的边的权重；更新单元，用于对于任意一个节点，根据该节点的邻居节点的标签，以及该节点与邻居节点之间的边的权重，更新该节点的标签。
在一种可能的实现方式中，更新单元包括：第一确定子单元，用于对于任意一个节点，将该节点的邻居节点的标签分别确定为候选标签；第二确定子单元，用于确定该节点的邻居节点中各个候选标签对应的邻居节点；第三确定子单元，用于根据各个候选标签对应的邻居节点与该节点之间的边的权重之和，确定各个候选标签对应的权重；更新子单元，用于根据权重最高的候选标签更新该节点的标签。
在一种可能的实现方式中，该装置还包括：合并模块906，用于若第一类别和第二类别中的内容的相似度满足第一条件，则合并第一类别和第二类别。
在一种可能的实现方式中，该装置还包括：第五确定模块907，用于确定第一类别和第二类别的交集中的第一内容数；第六确定模块908，用于确定第一类别和第二类别的并集中的第二内容数；第七确定模块909，用于若第一内容数与第二内容数的比值大于第一阈值，则确定第一类别和第二类别中的内容的相似度满足第一条件；第八确定模块910，用于若第一内容数与第二内容数的比值小于或等于第一阈值，则确定第一类别和第二类别中的内容的相似度不满足第一条件。
在一种可能的实现方式中，该装置还包括：删除模块911，用于删除各个类别中不满足第二条件的内容。
在一种可能的实现方式中，第二条件包括：内容的点击率小于第二阈值。
本实施例通过获取多组用户行为数据，对于每一组用户行为数据，分别确定用户行为数据对应的内容序列，根据内容序列中内容之间的位置关系，确定内容之间的相关性，并根据内容之间的相关性，采用标签传播算法，确定各个内容所属的类别，由此能够自动进行内容聚类，无需人工进行内容聚类，节省了人力，易于对大量的内容进行聚类，并能更好地挖掘内容之间的相关性，提高内容聚类的准确性。
图11是根据一示例性实施例示出的一种用于内容聚类的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图11，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作***，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (20)
1.一种内容聚类方法，其特征在于，包括：
获取多组用户行为数据；
对于每一组用户行为数据，分别确定所述用户行为数据对应的内容序列；
根据所述内容序列中内容之间的位置关系，确定内容之间的相关性；
建立无向图，并将各个内容分别作为所述无向图中的节点；
若两个内容之间的相关性为相关，则建立该两个内容对应的节点之间的边；
分别为每个节点分配标签；
对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，其中，该节点的邻居节点表示与该节点相连的节点；
当各个节点的标签稳定时，根据各个节点的标签，确定各个节点对应的内容所属的类别；
在更新该节点的标签之前，所述方法还包括：
对于相关性为相关的两个内容，根据该两个内容在各个内容序列中相邻出现的次数C，以及该两个内容在各个内容序列中分别出现的次数C1、C2，由式1、式2或式3确定该两个内容之间的相似度，其中，式1、式2或式3包括：
sim＝C/(C1*C2)-式1；sim＝C/(C1+C2)-式2；sim＝C/(C1+C2-C)-式3。
2.根据权利要求1所述的方法，其特征在于，根据所述内容序列中内容之间的位置关系，确定内容之间的相关性，包括：
将所述内容序列中相邻的内容之间的相关性确定为相关。
3.根据权利要求1所述的方法，其特征在于，对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，包括：
对于任意一个节点，根据该节点的邻居节点的标签中出现次数最多的标签，更新该节点的标签。
4.根据权利要求1所述的方法，其特征在于，对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，包括：
根据相关性为相关的两个内容之间的相似度，确定该两个内容对应的节点之间的边的权重；
对于任意一个节点，根据该节点的邻居节点的标签，以及该节点与邻居节点之间的边的权重，更新该节点的标签。
5.根据权利要求4所述的方法，其特征在于，对于任意一个节点，根据该节点的邻居节点的标签，以及该节点与邻居节点之间的边的权重，更新该节点的标签，包括：
对于任意一个节点，将该节点的邻居节点的标签分别确定为候选标签；
确定该节点的邻居节点中各个候选标签对应的邻居节点；
根据各个候选标签对应的邻居节点与该节点之间的边的权重之和，确定各个候选标签对应的权重；
根据权重最高的候选标签更新该节点的标签。
6.根据权利要求1所述的方法，其特征在于，在确定各个内容所属的类别之后，所述方法还包括：
若第一类别和第二类别中的内容的相似度满足第一条件，则合并所述第一类别和所述第二类别。
7.根据权利要求6所述的方法，其特征在于，在确定各个内容所属的类别之后，所述方法还包括：
确定所述第一类别和所述第二类别的交集中的第一内容数；
确定所述第一类别和所述第二类别的并集中的第二内容数；
若所述第一内容数与所述第二内容数的比值大于第一阈值，则确定所述第一类别和所述第二类别中的内容的相似度满足所述第一条件；
若所述第一内容数与所述第二内容数的比值小于或等于所述第一阈值，则确定所述第一类别和所述第二类别中的内容的相似度不满足所述第一条件。
8.根据权利要求1所述的方法，其特征在于，在确定各个内容所属的类别之后，所述方法还包括：
删除各个类别中不满足第二条件的内容。
9.根据权利要求8所述的方法，其特征在于，所述第二条件包括：内容的点击率小于第二阈值。
10.一种内容聚类装置，其特征在于，包括：
获取模块，用于获取多组用户行为数据；
第一确定模块，用于对于每一组用户行为数据，分别确定所述用户行为数据对应的内容序列；
第二确定模块，用于根据所述内容序列中内容之间的位置关系，确定内容之间的相关性；
第一建立子模块，用于建立无向图，并将各个内容分别作为所述无向图中的节点；
第二建立子模块，用于若两个内容之间的相关性为相关，则建立该两个内容对应的节点之间的边；
分配子模块，用于分别为每个节点分配标签；
更新子模块，用于对于任意一个节点，根据该节点的邻居节点的标签，更新该节点的标签，其中，该节点的邻居节点表示与该节点相连的节点；
确定子模块，用于当各个节点的标签稳定时，根据各个节点的标签，确定各个节点对应的内容所属的类别；
第四确定模块，用于对于相关性为相关的两个内容，根据该两个内容在各个内容序列中相邻出现的次数C，以及该两个内容在各个内容序列中分别出现的次数C1、C2，由式1、式2或式3确定该两个内容之间的相似度，其中，式1、式2或式3包括：
sim＝C/(C1*C2)-式1；sim＝C/(C1+C2)-式2；sim＝C/(C1+C2-C)-式3。
11.根据权利要求10所述的装置，其特征在于，所述第二确定模块用于：
将所述内容序列中相邻的内容之间的相关性确定为相关。
12.根据权利要求10所述的装置，其特征在于，所述更新子模块用于：
对于任意一个节点，根据该节点的邻居节点的标签中出现次数最多的标签，更新该节点的标签。
13.根据权利要求10所述的装置，其特征在于，所述更新子模块包括：
确定单元，用于根据相关性为相关的两个内容之间的相似度，确定该两个内容对应的节点之间的边的权重；
更新单元，用于对于任意一个节点，根据该节点的邻居节点的标签，以及该节点与邻居节点之间的边的权重，更新该节点的标签。
14.根据权利要求13所述的装置，其特征在于，所述更新单元包括：
第一确定子单元，用于对于任意一个节点，将该节点的邻居节点的标签分别确定为候选标签；
第二确定子单元，用于确定该节点的邻居节点中各个候选标签对应的邻居节点；
第三确定子单元，用于根据各个候选标签对应的邻居节点与该节点之间的边的权重之和，确定各个候选标签对应的权重；
更新子单元，用于根据权重最高的候选标签更新该节点的标签。
15.根据权利要求10所述的装置，其特征在于，所述装置还包括：
合并模块，用于若第一类别和第二类别中的内容的相似度满足第一条件，则合并所述第一类别和所述第二类别。
16.根据权利要求15所述的装置，其特征在于，所述装置还包括：
第五确定模块，用于确定所述第一类别和所述第二类别的交集中的第一内容数；
第六确定模块，用于确定所述第一类别和所述第二类别的并集中的第二内容数；
第七确定模块，用于若所述第一内容数与所述第二内容数的比值大于第一阈值，则确定所述第一类别和所述第二类别中的内容的相似度满足所述第一条件；
第八确定模块，用于若所述第一内容数与所述第二内容数的比值小于或等于所述第一阈值，则确定所述第一类别和所述第二类别中的内容的相似度不满足所述第一条件。
17.根据权利要求10所述的装置，其特征在于，所述装置还包括：
删除模块，用于删除各个类别中不满足第二条件的内容。
18.根据权利要求17所述的装置，其特征在于，所述第二条件包括：内容的点击率小于第二阈值。
19.一种内容聚类装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1至9中任意一项所述的方法。
20.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810226492.4A CN110287977B (zh) | 2018-03-19 | 2018-03-19 | 内容聚类方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810226492.4A CN110287977B (zh) | 2018-03-19 | 2018-03-19 | 内容聚类方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110287977A CN110287977A (zh) | 2019-09-27 |
| CN110287977B true CN110287977B (zh) | 2021-09-21 |
Family
ID=68001077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810226492.4A Active CN110287977B (zh) | 2018-03-19 | 2018-03-19 | 内容聚类方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110287977B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111444387A (zh) * | 2020-03-27 | 2020-07-24 | 腾讯科技（深圳）有限公司 | 视频分类方法、装置、计算机设备和存储介质 |
| CN111538837A (zh) * | 2020-04-27 | 2020-08-14 | 北京同邦卓益科技有限公司 | 用于分析企业经营范围信息的方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102254038A (zh) * | 2011-08-11 | 2011-11-23 | 武汉安问科技发展有限责任公司 | 一种分析网络评论相关度的***及其分析方法 |
| CN102768670A (zh) * | 2012-05-31 | 2012-11-07 | 哈尔滨工程大学 | 基于节点属性标签传播的网页聚类方法 |
| CN103226470A (zh) * | 2013-03-21 | 2013-07-31 | 北京神州绿盟信息安全科技股份有限公司 | 一种确定基于bvs的检查项权重值的方法及装置 |
| CN103577562A (zh) * | 2013-10-24 | 2014-02-12 | 河海大学 | 一种多度量时间序列相似分析方法 |
| CN104951505A (zh) * | 2015-05-20 | 2015-09-30 | 中国科学院信息工程研究所 | 一种基于图计算技术的大规模数据聚类方法 |
| EP2980754A1 (en) * | 2014-07-28 | 2016-02-03 | Thomson Licensing | Method and apparatus for generating temporally consistent superpixels |
-
2018
- 2018-03-19 CN CN201810226492.4A patent/CN110287977B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102254038A (zh) * | 2011-08-11 | 2011-11-23 | 武汉安问科技发展有限责任公司 | 一种分析网络评论相关度的***及其分析方法 |
| CN102768670A (zh) * | 2012-05-31 | 2012-11-07 | 哈尔滨工程大学 | 基于节点属性标签传播的网页聚类方法 |
| CN103226470A (zh) * | 2013-03-21 | 2013-07-31 | 北京神州绿盟信息安全科技股份有限公司 | 一种确定基于bvs的检查项权重值的方法及装置 |
| CN103577562A (zh) * | 2013-10-24 | 2014-02-12 | 河海大学 | 一种多度量时间序列相似分析方法 |
| EP2980754A1 (en) * | 2014-07-28 | 2016-02-03 | Thomson Licensing | Method and apparatus for generating temporally consistent superpixels |
| CN104951505A (zh) * | 2015-05-20 | 2015-09-30 | 中国科学院信息工程研究所 | 一种基于图计算技术的大规模数据聚类方法 |
Non-Patent Citations (2)
| Title |
|---|
| 陈羽中 等.面向微博热点话题发现的多标签传播聚类方法研究.《模式识别与人工智能》.2015,第28卷(第1期), * |
| 韩玉想.基于聚类分析的标签传播半监督学习研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2013,(第3期), * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110287977A (zh) | 2019-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109871311B (zh) | 一种推荐测试用例的方法和装置 | |
| CN110287977B (zh) | 内容聚类方法及装置 | |
| CN115757400B (zh) | 数据表处理方法、装置、电子设备和计算机可读介质 | |
| CN112988753B (zh) | 一种数据搜索方法和装置 | |
| CN109597810B (zh) | 一种任务切分方法、装置、介质及电子设备 | |
| CN110781658A (zh) | 简历解析方法、装置、电子设备和存储介质 | |
| CN115205305A (zh) | 一种实例分割模型训练方法、实例分割方法及装置 | |
| CN112364185B (zh) | 多媒体资源的特征确定方法、装置、电子设备和存储介质 | |
| CN113821249A (zh) | 项目开发配置的方法、装置、电子设备和可读存储介质 | |
| CN111177479A (zh) | 获取关系网络图中节点的特征向量的方法以及装置 | |
| CN110738048A (zh) | 一种关键词提取方法、装置及终端设备 | |
| CN112801053B (zh) | 视频数据处理方法、装置 | |
| CN113365104B (zh) | 一种视频浓缩方法和装置 | |
| CN112035581B (zh) | 基于模型的任务处理方法、装置、设备和介质 | |
| CN110413603B (zh) | 重复数据的确定方法、装置、电子设备及计算机存储介质 | |
| CN114780847A (zh) | 一种对象信息处理、信息推送方法、装置和*** | |
| CN109286823B (zh) | 多媒体内容的获取方法及装置 | |
| CN110909288B (zh) | 业务数据处理方法、装置、平台、业务端、***及介质 | |
| CN110532304B (zh) | 数据处理方法及装置、计算机可读存储介质以及电子设备 | |
| CN110309294B (zh) | 内容集合的标签确定方法及装置 | |
| CN108197961B (zh) | 用户管理方法及装置 | |
| CN113760469A (zh) | 分布式计算的方法和装置 | |
| CN108881953B (zh) | 一种视频加密方法和装置 | |
| CN109255641B (zh) | 业务对象的处理方法及装置 | |
| CN113220501A (zh) | 用于数据备份的方法、设备和计算机程序产品 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200429 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C Applicant before: Youku network technology (Beijing) Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240617 Address after: 101400 Room 201, 9 Fengxiang East Street, Yangsong Town, Huairou District, Beijing Patentee after: Youku Culture Technology (Beijing) Co.,Ltd. Country or region after: China Address before: 310052 room 508, 5th floor, building 4, No. 699 Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: Alibaba (China) Co.,Ltd. Country or region before: China |