发明内容
有鉴于此,本公开提出了一种内容集合的标签确定方法及装置。
根据本公开的一方面,提供了一种内容集合的标签确定方法,包括:
确定内容集合的候选标签;
确定各个候选标签对应的候选标签向量;
根据各个候选标签向量,确定所述内容集合的中心标签向量;
根据各个候选标签向量与所述中心标签向量之间的距离,从各个候选标签中确定所述内容集合的标签。
在一种可能的实现方式中,根据各个候选标签向量,确定所述内容集合的中心标签向量,包括:
确定各个候选标签向量的权重;
根据各个候选标签向量,以及各个候选标签向量的权重,确定所述内容集合的中心标签向量。
在一种可能的实现方式中,确定各个候选标签向量的权重,包括:
对于任意一个候选标签,根据所述候选标签在所述内容集合中对应的内容的个数,确定所述候选标签对应的候选标签向量的权重。
在一种可能的实现方式中,对于任意一个候选标签,根据所述候选标签在所述内容集合中对应的内容的个数,确定所述候选标签对应的候选标签向量的权重,包括:
对于任意一个候选标签,根据所述候选标签在所述内容集合中对应的内容的个数,以及各个候选标签在所述内容集合中对应的内容的个数的均值,确定所述候选标签对应的候选标签向量的权重。
在一种可能的实现方式中,根据各个候选标签向量与所述中心标签向量之间的距离,从各个候选标签中确定所述内容集合的标签,包括:
根据各个候选标签向量与所述中心标签向量之间的距离,各个候选标签向量的权重,以及各个候选标签向量与所述中心标签向量之间的距离的均值,确定各个候选标签向量与所述中心标签向量之间的归一化距离;
根据各个候选标签向量与所述中心标签向量之间的归一化距离,从各个候选标签中确定所述内容集合的标签。
在一种可能的实现方式中,确定内容集合的候选标签,包括:
根据所述内容集合的主题名称,以及所述内容集合中的各个内容的标签,确定所述内容集合的候选标签。
根据本公开的另一方面,提供了一种内容集合的标签确定装置,包括:
第一确定模块,用于确定内容集合的候选标签;
第二确定模块,用于确定各个候选标签对应的候选标签向量;
第三确定模块,用于根据各个候选标签向量,确定所述内容集合的中心标签向量;
第四确定模块,用于根据各个候选标签向量与所述中心标签向量之间的距离,从各个候选标签中确定所述内容集合的标签。
在一种可能的实现方式中,所述第三确定模块包括:
第一确定子模块,用于确定各个候选标签向量的权重;
第二确定子模块,用于根据各个候选标签向量,以及各个候选标签向量的权重,确定所述内容集合的中心标签向量。
在一种可能的实现方式中,所述第一确定子模块用于:
对于任意一个候选标签,根据所述候选标签在所述内容集合中对应的内容的个数,确定所述候选标签对应的候选标签向量的权重。
在一种可能的实现方式中,所述第一确定子模块用于:
对于任意一个候选标签,根据所述候选标签在所述内容集合中对应的内容的个数,以及各个候选标签在所述内容集合中对应的内容的个数的均值,确定所述候选标签对应的候选标签向量的权重。
在一种可能的实现方式中,所述第四确定模块包括:
第三确定子模块,用于根据各个候选标签向量与所述中心标签向量之间的距离,各个候选标签向量的权重,以及各个候选标签向量与所述中心标签向量之间的距离的均值,确定各个候选标签向量与所述中心标签向量之间的归一化距离;
第四确定子模块,用于根据各个候选标签向量与所述中心标签向量之间的归一化距离,从各个候选标签中确定所述内容集合的标签。
在一种可能的实现方式中,所述第一确定模块用于:
根据所述内容集合的主题名称,以及所述内容集合中的各个内容的标签,确定所述内容集合的候选标签。
根据本公开的另一方面,提供了一种内容集合的标签确定装置,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集合的标签确定方法及装置通过确定内容集合的候选标签,确定各个候选标签对应的候选标签向量,根据各个候选标签向量,确定内容集合的中心标签向量,并根据各个候选标签向量与中心标签向量之间的距离,从各个候选标签中确定内容集合的标签,由此无需人工确定内容集合的标签,节省了人力,并能大大提高所确定的标签的准确度,使标签能够准确地反映内容集合的整体特征。基于本公开的各方面的内容集合的标签确定方法及装置所确定的内容集合的标签进行内容推荐,也能提高推荐的准确度。
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。
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集合的标签确定方法的流程图。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,确定内容集合的候选标签。
在本实施例中,内容可以为视频、音频、书籍、新闻或者论文等任意内容。内容集合表示内容的集合。每个内容集合可以包括一个或多个内容。内容集合可以是自动聚合的,也可以是人工编辑的,在此不作限定。
在一种可能的实现方式中,确定内容集合的候选标签,包括:根据该内容集合的主题名称,以及该内容集合中的各个内容的标签,确定该内容集合的候选标签。
作为该实现方式的一个示例,根据该内容集合的主题名称,以及该内容集合中的各个内容的标签,确定该内容集合的候选标签,可以包括:确定该内容集合的主题名称的关键词;将该内容集合的主题名称的关键词,以及该内容集合中的各个内容的标签,分别确定为该内容集合的候选标签。
作为该实现方式的一个示例,内容集合中的某一内容的标签,可以包括根据该内容的标题确定的标签,以及该内容的人工标签。其中,可以将该内容的标题中的关键词确定为该内容的标签。该内容的人工标签指的是人工为该内容标注的标签。
在步骤S12中,确定各个候选标签对应的候选标签向量。
在本实施例中,对于任意一个候选标签,可以采用word2vec确定该候选标签对应的候选标签向量。其中,候选标签向量指的是候选标签对应的向量。
在步骤S13中,根据各个候选标签向量,确定该内容集合的中心标签向量。
其中,该内容集合的中心标签向量可以反映该内容集合的整体特征。该内容集合的中心标签向量是由该内容集合的各个候选标签向量确定的,本实施例不对具体的确定方式进行限制。
在一种可能的实现方式中,可以采用式1确定该内容集合的中心标签向量T。
其中,ti表示该内容集合的第i个候选标签向量,N表示该内容集合的候选标签向量的总个数。
在步骤S14中,根据各个候选标签向量与中心标签向量之间的距离,从各个候选标签中确定该内容集合的标签。
在一种可能的实现方式中,可以计算各个候选标签向量与中心标签向量的距离,并将与中心标签向量的距离最小的L个候选标签向量对应的候选标签确定为该内容集合的标签。其中,L为正整数。
在本实施例中,候选标签向量与中心标签向量之间的距离可以为欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧式距离或者马氏距离等,在此不作限定。
本实施例通过确定内容集合的候选标签,确定各个候选标签对应的候选标签向量,根据各个候选标签向量,确定内容集合的中心标签向量,并根据各个候选标签向量与中心标签向量之间的距离,从各个候选标签中确定内容集合的标签,由此无需人工确定内容集合的标签,节省了人力,并能大大提高所确定的标签的准确度,使标签能够准确地反映内容集合的整体特征。基于本实施例所确定的内容集合的标签进行内容推荐,也能提高推荐的准确度。
图2示出根据本公开一实施例的内容集合的标签确定方法步骤S13的一示例性的流程图。如图2所示,步骤S13可以包括步骤S131和步骤S132。
在步骤S131中,确定各个候选标签向量的权重。
在步骤S132中,根据各个候选标签向量,以及各个候选标签向量的权重,确定该内容集合的中心标签向量。
在一种可能的实现方式中,可以采用式2确定该内容集合的中心标签向量T。
其中,ti表示该内容集合的第i个候选标签向量,wi表示该内容集合的第i个候选标签向量的权重,N表示该内容集合的候选标签向量的总个数。
在一种可能的实现方式中,确定各个候选标签向量的权重,包括:对于任意一个候选标签,根据该候选标签在该内容集合中对应的内容的个数,确定该候选标签对应的候选标签向量的权重。例如,在该内容集合中,有4个内容具有同一个候选标签,则该候选标签在该内容集合中对应的内容的个数为4。在该实现方式中,可以采用式3确定该内容集合的第j个候选标签对应的候选标签向量tj的权重wj。
其中,mj表示该内容集合的第j个候选标签在该内容集合中对应的内容的个数,M表示该内容集合中内容的总个数。
在一种可能的实现方式中,对于任意一个候选标签,根据该候选标签在该内容集合中对应的内容的个数,确定该候选标签对应的候选标签向量的权重,包括:对于任意一个候选标签,根据该候选标签在该内容集合中对应的内容的个数,以及各个候选标签在该内容集合中对应的内容的个数的均值,确定该候选标签对应的候选标签向量的权重。在该实现方式中,可以采用式4确定该内容集合的第j个候选标签对应的候选标签向量tj的权重wj。
其中,mj表示该内容集合的第j个候选标签在该内容集合中对应的内容的个数,mi表示该内容集合的第i个候选标签在该内容集合中对应的内容的个数,N表示该内容集合的候选标签的总个数,M表示该内容集合中内容的总个数。
图3示出根据本公开一实施例的内容集合的标签确定方法步骤S14的一示例性的流程图。如图3所示,步骤S14可以包括步骤S141和步骤S142。
在步骤S141中,根据各个候选标签向量与中心标签向量之间的距离,各个候选标签向量的权重,以及各个候选标签向量与中心标签向量之间的距离的均值,确定各个候选标签向量与中心标签向量之间的归一化距离。
在一种可能的实现方式中,可以采用式5确定候选标签向量tj与中心标签向量T之间的归一化距离dj′。
di=cos(ti,T) 式6,
其中,wi表示该内容集合的第i个候选标签向量的权重,N表示该内容集合的候选标签向量的总个数,di表示该内容集合的第i个候选标签向量与中心标签向量之间的距离。
在步骤S142中,根据各个候选标签向量与中心标签向量之间的归一化距离,从各个候选标签中确定该内容集合的标签。
在一种可能的实现方式中可以将与中心标签向量之间的归一化距离最小的P个候选标签向量对应的候选标签确定为该内容集合的标签。其中,P为正整数。
图4示出根据本公开一实施例的内容集合的标签确定装置的框图。如图4所示,该装置包括:第一确定模块41,用于确定内容集合的候选标签;第二确定模块42,用于确定各个候选标签对应的候选标签向量;第三确定模块43,用于根据各个候选标签向量,确定该内容集合的中心标签向量;第四确定模块44,用于根据各个候选标签向量与中心标签向量之间的距离,从各个候选标签中确定该内容集合的标签。
图5示出根据本公开一实施例的内容集合的标签确定装置的一示例性的框图。如图5所示:
在一种可能的实现方式中,第三确定模块43包括:第一确定子模块431,用于确定各个候选标签向量的权重;第二确定子模块432,用于根据各个候选标签向量,以及各个候选标签向量的权重,确定该内容集合的中心标签向量。
在一种可能的实现方式中,第一确定子模块431用于:对于任意一个候选标签,根据该候选标签在该内容集合中对应的内容的个数,确定该候选标签对应的候选标签向量的权重。
在一种可能的实现方式中,第一确定子模块431用于:对于任意一个候选标签,根据该候选标签在该内容集合中对应的内容的个数,以及各个候选标签在该内容集合中对应的内容的个数的均值,确定该候选标签对应的候选标签向量的权重。
在一种可能的实现方式中,第四确定模块44包括:第三确定子模块441,用于根据各个候选标签向量与中心标签向量之间的距离,各个候选标签向量的权重,以及各个候选标签向量与中心标签向量之间的距离的均值,确定各个候选标签向量与中心标签向量之间的归一化距离;第四确定子模块442,用于根据各个候选标签向量与中心标签向量之间的归一化距离,从各个候选标签中确定该内容集合的标签。
在一种可能的实现方式中,第一确定模块41用于:根据该内容集合的主题名称,以及该内容集合中的各个内容的标签,确定该内容集合的候选标签。
本实施例通过确定内容集合的候选标签,确定各个候选标签对应的候选标签向量,根据各个候选标签向量,确定内容集合的中心标签向量,并根据各个候选标签向量与中心标签向量之间的距离,从各个候选标签中确定内容集合的标签,由此无需人工确定内容集合的标签,节省了人力,并能大大提高所确定的标签的准确度,使标签能够准确地反映内容集合的整体特征。基于本实施例所确定的内容集合的标签进行内容推荐,也能提高推荐的准确度。
图6是根据一示例性实施例示出的一种用于内容集合的标签确定的装置1900的框图。例如,装置1900可以被提供为一服务器。参照图6,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。