CN110659419B - 确定目标用户的方法及相关装置 - Google Patents
确定目标用户的方法及相关装置 Download PDFInfo
- Publication number
- CN110659419B CN110659419B CN201910877192.7A CN201910877192A CN110659419B CN 110659419 B CN110659419 B CN 110659419B CN 201910877192 A CN201910877192 A CN 201910877192A CN 110659419 B CN110659419 B CN 110659419B
- Authority
- CN
- China
- Prior art keywords
- user
- determining
- target
- text information
- portrait
- 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
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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
本公开的实施例提供了一种确定目标用户的方法及相关装置。该确定目标用户的方法包括:在所述匹配用户中,基于所述关键词在所述文本信息中的重要程度值、所述匹配用户优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值,基于所述匹配用户对应的重要程度值确定目标用户。本公开实施例的技术方案可以在提高确定候选用户的准确性的。
Description
技术领域
本公开涉及数据分析技术领域,具体而言,涉及一种确定目标用户的方法及相关装置。
背景技术
随着互联网科学技术的不断发展,现在的信息量呈现***式的增长,虽然通过现有技术给各个参与互联网的用户进行了用户画像,以便可以通过用户的画像中的画像标签在海量的数据中找到相同或类似的用户群体,但通过画像标签的方式确定出的相同或类似的用户群体的数据量依旧是海量的,如何在相同或类似的用户群体的海量数据中准确确定符合要求的目标用户是亟待解决的问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
公开内容
本公开实施例的目的在于提供一种确定目标用户的方法及装置,进而可以至少在一定程度上解决现有技术中目标用户确定准确率低的问题。
根据本公开实施例的一个方面,提供了一种确定目标用户的方法,包括:
获取关于目标用户的文本信息,从所述文本信息中提取关键词;
将所述文本信息与所述关键词输入预设的重要程度值确定模型,获取由所述重要程度值确定模型输出的所述关键词在所述文本信息中的重要程度值;
基于所述关键词与预存用户画像库中每个用户的用户画像要素的匹配,得到匹配用户;
基于所述匹配用户的特定属性值,查找预存的特定属性值范围与用户优先级分数对应表,确定所述匹配用户对应的优先级分数;
获取所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,确定所述目标画像要素的重要程度值;
在所述匹配用户中,基于所述关键词在所述文本信息中的重要程度值、所述匹配用户优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值;
基于所述匹配用户对应的重要程度值确定目标用户。
在本公开的一实施例中,所述从所述文本信息中提取关键词,包括:
将所述文本信息输入预设的关键词提取模型,获取由所述关键词提取模型输出的所述文本信息的关键词。
在本公开的一实施例中,所述预设的关键词提取模型通过以下方式进行训练:
获取预设的文本信息集合;
预先提取所述文本信息集合中每个文本信息样本的关键词;
将所述文本信息样本输入所述预设的关键词提取模型,获取由所述关键词提取模型输出的关键词,将所述关键词提取模型输出的关键词与预先提取的该文本信息样本的关键词进行比对,如不一致,则调整所述预设的关键词提取模型,直至所述关键词提取模型输出的关键词与预先提取的该文本信息样本的关键词一致。
在本公开的一实施例中,在所述基于所述匹配用户的特定属性值,查找预存的特定属性值范围与用户优先级分数对应表,确定所述匹配用户对应的优先级分数之前,所述方法还包括:
获取所述匹配用户的用户画像;
将所述文本信息输入预设的特定属性确定模型,获取由所述预设的特定属性确定模型输出的所述文本信息对应的特定属性;
基于所述特定属性与所述匹配的候选用户的用户画像,确定所述匹配的候选用户对应的特定属性值。
在本公开的一实施例中,所述获取所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,确定所述目标画像要素的重要程度值包括:
针对所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,获取与所述目标画像要素相关的网络行为在单位周期内的所述匹配用户执行次数、以及与所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数;
基于所述目标画像要素相关的网络行为在单位周期内的所述匹配用户执行次数与所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数,确定所述匹配用户的所述目标画像要素的相对执行频率;
获取所述匹配用户的用户画像中所有画像要素的相对执行频率之和;
将所述匹配用户的所述目标画像要素的相对执行频率除以所述匹配用户的用户画像中所有画像要素的相对执行频率之和,得到所述目标画像要素的重要程度值。
在本公开的一实施例中,所述基于所述目标画像要素相关的网络行为在单位周期内的所述匹配用户执行次数与所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数,确定所述匹配用户的所述目标画像要素的相对执行频率包括:
用与所述目标画像要素相关的网络行为在单位周期内的所述匹配用户执行次数除以所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数,得到所述匹配用户的所述目标画像要素的相对执行频率。
在本公开的一实施例中,所述基于所述匹配用户对应的重要程度值确定目标用户,包括:
基于所述匹配用户对应的重要程度值对所述匹配用户中的所有用户进行排序,获取所述匹配的候选用户序列;
将所述匹配用户序列中预设次序范围内的用户确定为目标用户。
根据本公开实施例的一个方面,提供了一种确定目标用户的装置,包括:
第一获取单元,获取关于目标用户的文本信息,从所述文本信息中提取关键词;
第二获取单元,用于将所述文本信息与所述关键词输入预设的重要程度值确定模型,获取由所述重要程度值确定模型输出的所述关键词在所述文本信息中的重要程度值;
第一确定单元,用于基于所述关键词与预存用户画像库中每个用户的用户画像要素的匹配,得到匹配用户;
第二确定单元,用于基于所述匹配用户的特定属性值,查找预存的特定属性值范围与用户优先级分数对应表,确定所述匹配用户对应的优先级分数;
第三获取单元,用于获取所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,确定所述目标画像要素的重要程度值;
第三确定单元,用于在所述匹配用户中,基于所述关键词在所述文本信息中的重要程度值、所述匹配用户优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值;
第四确定单元,用于基于所述匹配用户对应的重要程度值确定目标用户。
根据本公开实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的确定目标用户的方法。
根据本公开实施例的一个方面,提供了一种电子设备,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时,使得所述一个或多个处理器实现如上述实施例中所述的确定目标用户的方法。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
本公开实施例提供的技术方案可以包括以下有益效果:
在本公开的一些实施例所提供的技术方案中,通过从获取的关于目标用户的文本信息中提取关键词,将该文本信息与与之对应的关键词输入预设的重要程度模型,得到所述多个关键词中每个关键词在该文本信息中对应的重要程度值,再基于所述多个关键词在用户画像库中,得到匹配用户,再基于所述匹配用户对应的特定属性值与预存的特定属性值范围与用户优先级分数对应表,确定匹配用户的优先级分数;再获取所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,确定所述目标画像要素的重要程度值;然后,在所述匹配用户中,基于所述关键词在所述文本信息中的重要程度值、用户优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值,基于所述匹配用户对应的重要程度值确定目标用户。可见,本公开实施例的技术方案可以在提高确定目标用户的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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。在附图中:
图1示出了可以应用本公开实施例的确定目标用户的方法或确定目标用户的装置的示例性***架构的示意图;
图2示意性示出了根据本公开的一个实施例的确定目标用户的方法的流程图;
图3示意性示出了预设关键词提取模型训练过程的流程图;
图4示意性示出了图2中所示的步骤S240之前的流程图;
图5示意性示出了图2中所示的步骤S250的详细流程图;
图6示意性示出了图2中所示的步骤S270的详细流程图;
图7示意性示出了根据本公开的一个实施例的确定目标用户的装置的框图;
图8示出了适于用来实现本公开实施例的电子设备的计算机***的结构示意图;
图9是根据一示例性实施例示出的确定目标用户的计算机可读存储介质图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本公开实施例的确定候选用户的方法或确定候选用户端的装置的示例性***架构100的示意图。
如图1所示,***架构100可以包括终端设备101、102、103中的一种或多种,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,例如有线通信链路、无线通信链路等等。
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。比如服务器105可以是多个服务器组成的服务器集群等。
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可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器。服务器105在获取到关于目标用户的文本信息之后,从所述文本信息中提取关键词,然后通过预设的重要程度值确定模型获取所述关键词在所述文本信息中的重要程度值,同时基于所述关键词在预存的用户画像库中确定匹配用户,基于所述匹配用户的特定属性值与预设的特定属性值范围与用户优先级分数对应表,确定匹配用户优先级分数,获取所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,确定所述目标画像要素的重要程度值;在匹配的用户中,基于所述关键词在所述文本信息中的重要程度值、用户优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值;基于所述匹配用户对应的重要程度值确定目标用户,进而可以在提高确定目标用户的准确性。
需要说明的是,本公开实施例所提供的确定候选用户的方法一般由服务器105执行,相应地,确定候选用户的装置一般设置于服务器105中。但是,在本公开的其它实施例中,终端也可以与服务器具有相似的功能,从而执行本公开实施例所提供的确定候选用户的方案。
本公开首先提供了一种确定目标用户的方法。图2是根据一示例性实施例示出的一种确定目标用户的方法的流程示意图。如图2所示,此方法包括以下步骤:
步骤S210:获取关于目标用户的文本信息,从所述文本信息中提取关键词;
步骤S220:将所述文本信息与所述关键词输入预设的重要程度值确定模型,获取由所述重要程度值确定模型输出的所述关键词在所述文本信息中的重要程度值;
步骤S230:基于所述关键词与预存用户画像库中每个用户的用户画像要素的匹配,得到匹配用户;
步骤S240:基于所述匹配用户的特定属性值,查找预存的特定属性值范围与用户优先级分数对应表,确定所述匹配用户对应的优先级分数;
步骤S250:获取所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,确定所述目标画像要素的重要程度值;
步骤S260:在所述匹配用户中,基于所述关键词在所述文本信息中的重要程度值、所述匹配用户优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值;
步骤S270:基于所述匹配用户对应的重要程度值确定目标用户。
下面,将结合附图对本示例实施方式中上述的确定目标用户的方法的各步骤进行详细的解释以及说明。
在步骤S210中,获取关于目标用户的文本信息,从所述文本信息中提取关键词。
在本公开的一个实施例中,关于目标用户的文本信息是指关于要确定的目标用户群体的描述文本,该描述文本包含有关于候选用户群体共有的特征信息,比如一个特征信息是青年,另一个特征信息是女,另外还有其他特征信息如热爱运动、学习成绩优秀,则将多个特征信息组合在一起就是一个关于候选用户群体的文本描述,则上述几个特征信息组合后的关于候选用户群体的文本描述为:学习成绩优秀且热爱运动的女青年,需要说明的是,关于候选用户的文本信息中至少包含有一个特征信息。
在本公开的一个实施例中,提取所述文本信息的关键词包括:将所述文本信息输入预设的关键词提取模型,获取由所述关键词提取模型输出的所述文本信息的关键词,通过机器学习模型的方式来确定所述文本信息中的关键词,处理的效率更高且相对于人工处理其标准更为统一,进而提高最后确定出的目标用户的准确性。
在本公开的另一实施例中,提取所述文本信息的关键词还可以包括:将所述文本信息分句;将所述文本信息分成的句子与预设的候选用户文本句模板库中的每个候选用户文本句模板进行比对,从而确定与所述文本信息分成的句子匹配的候选用户文本句模板,所述候选用户文本句模板中规定了候选用户文本句中关键词位置;按照所述候选用户文本句模板中规定的候选用户文本中关键词位置,确定所述文本信息分成的句子中的关键词,该种方式相对于机器学习模型确定关键词其确定的关键词准确性较高。
在本公开的一实施例中,如图3所示,所述预设的关键词提取模型通过以下方式进行训练:
步骤S310:获取预设的文本信息集合;
步骤S320:预先提取所述文本信息集合中每个文本信息样本的关键词;
步骤S330:将所述文本信息样本输入所述预设的关键词提取模型,获取由所述关键词提取模型输出的关键词,将所述关键词提取模型输出的关键词与预先提取的该文本信息样本的关键词进行比对,如不一致,则调整所述预设的关键词提取模型,直至所述关键词提取模型输出的关键词与预先提取的该文本信息样本的关键词一致。
在本公开的一实施例中,通过预设的数据库数据对机器学习模型进行训练可提高机器学习模型输出结果的准确率。
继续参照图2所示,在步骤S220中,将所述文本信息与所述关键词输入预设的重要程度值确定模型,获取由所述重要程度值确定模型输出的所述关键词在所述文本信息中的重要程度值。
在本公开的一实施例中,所述关键词在所述文本信息中的重要程度值是指该关键词对应的特征信息在该关于候选用户文本描述信息中的重要程度,如一条关于候选用户文本描述信息为:学习优秀且热爱运动的女青年,最好附带有乐于助人的特性,则该条关于候选用户文本描述信息中乐于助人的特征信息则相对于学习优秀、特爱运动这两个特征信息来说,其重要程度就较低。
在本公开的一实施例中,所述重要程度值确定模型可以通过以下方式进行训练:获取预设的关于目标用户的文本信息集合;提取所述关于目标用户的文本信息集合中每个关于目标用户的文本信息样本的关键词;预先确定所述关于目标用户的文本信息集合中每个关于目标用户的文本信息样本的关键词在该文本信息样本中的重要程度值;将所述关于目标用户的文本信息样本及对应的关键词输入所述预设的重要程度值确定模型,获取由所述重要程度值确定模型输出的重要程度值,将所述重要程度值确定模型输出的重要程度值与预先确定的该关于目标用户的文本信息样本的关键词在该关于目标用户的文本信息样本中的重要程度值进行比对,如不一致,则调整所述预设的重要程度值确定模型,直至所述重要程度值确定模型输出的重要程度值与预先确定的该关于目标用户的文本信息样本的关键词在该关于目标用户的文本信息样本中的重要程度值一致。
在本公开的一实施例中,通过预设的数据库数据对机器学习模型进行训练可提高机器学习模型输出结果的准确率。
继续参照图2所示,在步骤S230中,基于所述关键词与预存用户画像库中每个用户的用户画像要素的匹配,得到匹配用户。
在本公开的一实施例中,通过关键词与预存的候选用户库中每个候选用户的画像要素的匹配,得到匹配的候选用户,可以通过将所述关键词与候选用户的画像要素进行比对,若该候选用户的画像要素中存在的关键词与用户画像要素相匹配的对数,达到预设的对数,则将该候选用户确定为匹配的候选用户,如关键词是“化妆品”,用户的画像要素为“购买化妆品”,则将包含“购买化妆品”的画像要素的候选用户确定为匹配的候选用户。
在步骤S240中,基于所述匹配用户的特定属性值,查找预存的特定属性值范围与用户优先级分数对应表,确定所述匹配用户对应的优先级分数。
在本公开的一实施例中,在步骤S240之前还可以包括:
步骤S237:获取所述匹配用户的用户画像;
步骤S238:将所述文本信息输入预设的特定属性确定模型,获取由所述预设的特定属性确定模型输出的所述文本信息对应的特定属性;
步骤S239:基于所述特定属性与所述匹配的候选用户的用户画像,确定所述匹配的候选用户对应的特定属性值。
在本公开的一实施例中,所述预设的特定属性确定模型可以通过以下方式进行训练,获取预设的关于目标用户的文本信息集合;预先确定所述关于目标用户的文本信息集合中每个关于目标用户的文本信息样本对应的特定属性;将所述关于目标用户的文本信息样本及对应的特定属性输入所述预设的特定属性确定模型,获取由所述特定属性确定模型输出的特定属性,将所述特定属性确定模型输出的特定属性与预先确定的该关于目标用户的文本信息样本对应的特定属性进行比对,如不一致,则调整所述预设的特定属性确定模型,直至所述特定属性确定模型输出的特定属性与预先确定的该关于目标用户的文本信息样本对应的特定属性一致。
在本公开的一实施例中,所述特定属性是指对人的某一特定方面的抽象的刻画,如,用户的特定属性可以是“消费”“学历”“运动”等。
在本公开的一实施例中,如获取的文本信息为“热爱化妆,并愿意购买化妆品、同时最好有点喜欢看电影的人”,则可以将“消费”确定为该文本信息对应的特定属性,因为“购买化妆品”和“看电影”都需要足够的消费能力,则可以通过“消费”这一特定属性对应的属性值(消费金额)来确定基于该描述信息确定的候选用户对应的优先等级,其中优先等级可以通过优先级分数直接体现出来。
在本公开的一实施例中,确定匹配候选用户的优先级分数,还可以通过以下方式:确定所述文本信息包含的意图信息,将所述意图信息输入预设的机器学***均阅读新闻30分钟、喜欢看韩剧、每天平均看电视剧2小时。若确定候选用户的意图信息是向候选用户推销化妆品,则将该用户画像中的月收入8千作为该用户画像对应用户的特定属性值,若确定候选用户的目的是向用户推荐电视剧,则可将该用户画像中的每天平均看电视剧2小时作为该用户对应的特定属性值。
继续参照图2所示,在步骤S250中,获取所述匹配用户的用户画像要素中的每个与所述关键词匹配的用户画像要素在所述匹配用户中每个用户画像的用户画像要素中的重要程度值。
在本公开的一实施例中,步骤S250可以包括:
步骤S2501:针对所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,获取与所述目标画像要素相关的网络行为在单位周期内的所述匹配用户执行次数、以及与所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数;
步骤S2502:基于所述目标画像要素相关的网络行为在单位周期内的所述匹配用户执行次数与所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数,确定所述匹配用户的所述目标画像要素的相对执行频率;
步骤S2503:获取所述匹配用户的用户画像中所有画像要素的相对执行频率之和;
步骤S2504:将所述匹配用户的所述目标画像要素的相对执行频率除以所述匹配用户的用户画像中所有画像要素的相对执行频率之和,得到所述目标画像要素的重要程度值。
其中步骤S2502可以包括:用与所述目标画像要素相关的网络行为在单位周期内的所述匹配用户执行次数除以所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数,得到所述匹配用户的所述目标画像要素的相对执行频率。
在本公开的一实施例中,其中所述网络行为还可以是其他行为,如消费行为、点击视频行为等。
在本公开的一实施例中,针对匹配的候选用户的用户画像要素中的每个与所述关键词匹配的用户画像要素,获取在单位周期内该用户画像要素对应的属性值、以及在单位周期内候选用户库中所有用户的该画像要素对应的属性值的平均值。
在本公开的一实施例中,所述网络行为还可以是其他与所述目标画像要素相关的行为,并非仅仅局限为网络行为。
在本公开的一实施例中,获取所述匹配用户的用户画像中所有画像要素的相对执行频率之和,可以通过如下方式:获取所述匹配用户的用户画像中每个画像要素相关的行为在单位周期内的执行次数,获取所述每个画像要素相关的行为在单位周期内的互联网用户执行次数,基于所述匹配用户的所述每个画像要素相关的行为在单位周期的执行次数与所述每个画像画像要素相关的行为在单位周期内的互联网用户执行次数,确定所述匹配用户的用户画像中所有画像要素的相对执行频率之和。
在本公开的一实施例中,若获取的是该用户画像要素对应的属性值,则用与该用户画像要素对应的单位周期内的属性值除以在单位周期内候选用户库中所有用户的该画像要素对应的属性值的平均值,得到针对该候选用户的该用户画像要素的相对比值。
在本公开的一实施例中,若得到的是该匹配用户的该用户画像要素的相对比值,则将该匹配用户的该用户画像的相对比值除以该匹配用户的所有用户画像要素的相对比值之和,得到该用户画像要素在该匹配用户的所有画像要素中的重要程度值。
在步骤S260中,在所述匹配用户中,基于所述关键词在所述文本信息中的重要程度值、所述匹配用户优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值。
在本公开的一实施例中,可以基于以下公式确定所述匹配用户对应的重要程度值:
其中Sv为所述匹配用户中第v个匹配的用户对应的重要程度值,ai是所述文本信息中第i个关键词对应的重要程度值,civ是所述文本信息中第i个关键词对应的画像要素在所述匹配用户中第v个匹配的用户对应的所有画像要素中的重要程度值;Bv为所述匹配的用户中第v个匹配的用户对应的优先级分数,n为所述文本信息中具有对应重要程度值的关键词的总个数。
在步骤S270中,基于所述匹配用户对应的重要程度值确定目标用户。
在本公开的一实施例中,如图6所示,步骤S270可以包括:
步骤S2701:基于所述匹配用户对应的重要程度值对所述匹配用户中的所有用户进行排序,获取所述匹配的候选用户序列;
步骤S2702:将所述匹配用户序列中预设次序范围内的用户确定为目标用户。
在本公开的一实施例中,通过排序的方式可以将匹配的候选用户依据其对应的重要程度值从大到小进行排序,将次序在预设范围内的用户作为自己的目标用户,从而提高确定目标用户的准确率。
在本公开的另一实施例中,在步骤S270之后还可以包括:响应于在所述目标用户中确定重点优质用户的请求,基于所述目标用户对应的重要程度值在所述候选用户中确定所述重点优质客户。
通过重要程度值来反映寻找到的候选用户的重要程度,即可简单明了的反映确定的候选用户达到候选用户要求的程度,又可使人能简单快速的在确认的目标用户中再次筛选出重点的优质客户。
图2至图6所示实施例的技术方案使得能够对通过对关于目标用户文本信息的深入挖掘分析,确定所述匹配用户对应的重要程度值,进而基于所述匹配用户的重要程度值确定目标用户,提高了确定目标用户的准确性。同时,由于所述匹配用户的重要程度值反映了所述匹配用户与所述目标用户文本信息的匹配度与重要程度,进而即可通过所述匹配用户的重要程度值简单明了的反映所述匹配用户的重要程度情况,也可基于所述匹配用户的重要程度值再次对确定的目标用户进行二次筛选,因此可以在提高确定目标用户的准确性的前提下,还可简单明了的反映确认目标用户的重要程度情况与方便对所述确定的目标用户进行二次筛选。
本公开还提供了一种确定目标用户的装置。参考图7所示,所述确定目标用户的装置600包括:第一获取单元610、第二获取单元620、第一确定单元630、第二确定单元640、第三获取单650、第三确定单元660、第四确定单元670。其中:
第一获取单元610,配置为获取关于目标用户的文本信息,从所述文本信息中提取关键词;
第二获取单元620,配置为用于将所述文本信息与所述关键词输入预设的重要程度值确定模型,获取由所述重要程度值确定模型输出的所述关键词在所述文本信息中的重要程度值;
第一确定单元630,配置为基于所述关键词与预存用户画像库中每个用户的用户画像要素的匹配,得到匹配用户;
第二确定单元640,配置为基于所述匹配用户的特定属性值,查找预存的特定属性值范围与用户优先级分数对应表,确定所述匹配用户对应的优先级分数;
第三获取单元650,配置为获取所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,确定所述目标画像要素的重要程度值;
第三确定单元660,配置为在所述匹配用户中,基于所述关键词在所述文本信息中的重要程度值、所述匹配用户优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值;
第四确定单元670,配置为基于所述匹配用户对应的重要程度值确定目标用户。
上述用确定目标用户的装置中各模块的具体细节已经在对应的方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照所述特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,所述软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
下面参照图8来描述根据本发明的这种实施方式的电子设备400。图8显示的电子设备400仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于:上述至少一个处理单元410、上述至少一个存储单元420、连接不同***组件(包括存储单元420和处理单元410)的总线430。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元410执行,使得所述处理单元410执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元410可以执行如图1中所示步骤S210:获取关于目标用户的文本信息,从所述文本信息中提取关键词;步骤S220:将所述文本信息与所述关键词输入预设的重要程度值确定模型,获取由所述重要程度值确定模型输出的所述关键词在所述文本信息中的重要程度值;步骤S230:基于所述关键词与预存用户画像库中每个用户的用户画像要素的匹配,得到匹配用户;步骤S240:基于所述匹配用户的特定属性值,查找预存的特定属性值范围与用户优先级分数对应表,确定所述匹配用户对应的优先级分数;步骤S250:获取所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,确定所述目标画像要素的重要程度值;步骤S260:在所述匹配用户中,基于所述关键词在所述文本信息中的重要程度值、所述匹配用户优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值;步骤S270:基于所述匹配用户对应的重要程度值确定目标用户。
存储单元420可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202,还可以进一步包括只读存储单元(ROM)4203。
存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204,这样的程序模块4205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线430可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备400也可以与一个或多个外部设备500(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备400交互的设备通信,和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口450进行。并且,电子设备400还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器460通过总线430与电子设备400的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备400使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图9所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品700,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (8)
1.一种确定目标用户的方法,其特征在于,包括:
获取关于目标用户的文本信息,从所述文本信息中提取关键词;
将所述文本信息与所述关键词输入预设的重要程度值确定模型,获取由所述重要程度值确定模型输出的所述关键词在所述文本信息中的重要程度值;
基于所述关键词与预存用户画像库中每个用户的用户画像要素的匹配,得到匹配用户;
获取所述匹配用户的用户画像;
将所述文本信息输入预设的特定属性确定模型,获取由所述预设的特定属性确定模型输出的所述文本信息对应的特定属性;
基于所述特定属性与所述匹配用户的用户画像,确定所述匹配用户的特定属性值;
基于所述匹配用户的特定属性值,查找预存的特定属性值范围与用户优先级分数对应表,确定所述匹配用户对应的优先级分数;
针对所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,获取与所述目标画像要素相关的网络行为在单位周期内的匹配用户执行次数、以及与所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数;
基于所述目标画像要素相关的网络行为在单位周期内的匹配用户执行次数与所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数,确定所述匹配用户的所述目标画像要素的相对执行频率;
获取所述匹配用户的用户画像中所有画像要素的相对执行频率之和;
将所述匹配用户的所述目标画像要素的相对执行频率除以所述匹配用户的用户画像中所有画像要素的相对执行频率之和,得到所述目标画像要素的重要程度值;
在所述匹配用户中,基于所述关键词在所述文本信息中的重要程度值、所述匹配用户对应的优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值;
基于所述匹配用户对应的重要程度值确定目标用户。
2.根据权利要求1所述的确定目标用户的方法,其特征在于,所述从所述文本信息中提取关键词,包括:
将所述文本信息输入预设的关键词提取模型,获取由所述关键词提取模型输出的所述文本信息的关键词。
3.根据权利要求2所述的确定目标用户的方法,其特征在于,所述预设的关键词提取模型通过以下方式进行训练:
获取预设的文本信息集合;
预先提取所述文本信息集合中每个文本信息样本的关键词;
将所述文本信息样本输入所述预设的关键词提取模型,获取由所述关键词提取模型输出的关键词,将所述关键词提取模型输出的关键词与预先提取的该文本信息样本的关键词进行比对,如不一致,则调整所述预设的关键词提取模型,直至所述关键词提取模型输出的关键词与预先提取的该文本信息样本的关键词一致。
4.根据权利要求1所述的确定目标用户的方法,其特征在于,所述基于所述目标画像要素相关的网络行为在单位周期内的匹配用户执行次数与所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数,确定所述匹配用户的所述目标画像要素的相对执行频率包括:
用与所述目标画像要素相关的网络行为在单位周期内的匹配用户执行次数除以所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数,得到所述匹配用户的所述目标画像要素的相对执行频率。
5.根据权利要求1所述的确定目标用户的方法,其特征在于,所述基于所述匹配用户对应的重要程度值确定目标用户,包括:
基于所述匹配用户对应的重要程度值对所述匹配用户中的所有用户进行排序,获取匹配用户序列;
将所述匹配用户序列中预设次序范围内的用户确定为目标用户。
6.一种确定目标用户的装置,其特征在于,包括:
第一获取单元,获取关于目标用户的文本信息,从所述文本信息中提取关键词;
第二获取单元,用于将所述文本信息与所述关键词输入预设的重要程度值确定模型,获取由所述重要程度值确定模型输出的所述关键词在所述文本信息中的重要程度值;
第一确定单元,用于基于所述关键词与预存用户画像库中每个用户的用户画像要素的匹配,得到匹配用户;获取所述匹配用户的用户画像;将所述文本信息输入预设的特定属性确定模型,获取由所述预设的特定属性确定模型输出的所述文本信息对应的特定属性;基于所述特定属性与所述匹配用户的用户画像,确定所述匹配用户的特定属性值;
第二确定单元,用于基于所述匹配用户的特定属性值,查找预存的特定属性值范围与用户优先级分数对应表,确定所述匹配用户对应的优先级分数;
第三获取单元,用于针对所述匹配用户的用户画像要素中的每个与所述关键词匹配的目标画像要素,获取与所述目标画像要素相关的网络行为在单位周期内的匹配用户执行次数、以及与所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数;基于所述目标画像要素相关的网络行为在单位周期内的匹配用户执行次数与所述目标画像要素相关的网络行为在单位周期内的互联网用户平均执行次数,确定所述匹配用户的所述目标画像要素的相对执行频率;获取所述匹配用户的用户画像中所有画像要素的相对执行频率之和;将所述匹配用户的所述目标画像要素的相对执行频率除以所述匹配用户的用户画像中所有画像要素的相对执行频率之和,得到所述目标画像要素的重要程度值;
第三确定单元,用于在所述匹配用户中,基于所述关键词在所述文本信息中的重要程度值、所述匹配用户对应的优先级分数、所述目标画像要素的重要程度值,确定所述匹配用户对应的重要程度值;
第四确定单元,用于基于所述匹配用户对应的重要程度值确定目标用户。
7.一种计算机可读介质,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至5中任一项所述的确定目标用户的方法。
8.一种电子设备,其特征在于,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时,使得所述一个或多个处理器实现如权利要求1至5中任一项所述的确定目标用户的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877192.7A CN110659419B (zh) | 2019-09-17 | 2019-09-17 | 确定目标用户的方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877192.7A CN110659419B (zh) | 2019-09-17 | 2019-09-17 | 确定目标用户的方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110659419A CN110659419A (zh) | 2020-01-07 |
CN110659419B true CN110659419B (zh) | 2023-09-05 |
Family
ID=69037158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910877192.7A Active CN110659419B (zh) | 2019-09-17 | 2019-09-17 | 确定目标用户的方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110659419B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818258B (zh) * | 2021-03-08 | 2024-05-10 | 珠海市蜂巢数据技术有限公司 | 基于关键词的社交网络用户查找方法、计算机装置及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090888A (zh) * | 2013-12-10 | 2014-10-08 | 深圳市腾讯计算机***有限公司 | 一种用户行为数据的分析方法和装置 |
CN105373584A (zh) * | 2015-10-14 | 2016-03-02 | 北京乐动卓越科技有限公司 | 用户标签管理方法、用户确定方法和云端服务器 |
CN107203894A (zh) * | 2016-03-18 | 2017-09-26 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
WO2018049960A1 (zh) * | 2016-09-14 | 2018-03-22 | 厦门幻世网络科技有限公司 | 一种为文本信息匹配资源的方法及装置 |
CN108415935A (zh) * | 2018-01-23 | 2018-08-17 | 北京奇虎科技有限公司 | 一种推送推荐消息的方法、装置 |
KR20180136265A (ko) * | 2017-06-14 | 2018-12-24 | 주식회사 핀인사이트 | 구간 영상 검색 및 제공 장치, 방법 및 컴퓨터-판독가능 매체 |
-
2019
- 2019-09-17 CN CN201910877192.7A patent/CN110659419B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090888A (zh) * | 2013-12-10 | 2014-10-08 | 深圳市腾讯计算机***有限公司 | 一种用户行为数据的分析方法和装置 |
CN105373584A (zh) * | 2015-10-14 | 2016-03-02 | 北京乐动卓越科技有限公司 | 用户标签管理方法、用户确定方法和云端服务器 |
CN107203894A (zh) * | 2016-03-18 | 2017-09-26 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
WO2018049960A1 (zh) * | 2016-09-14 | 2018-03-22 | 厦门幻世网络科技有限公司 | 一种为文本信息匹配资源的方法及装置 |
KR20180136265A (ko) * | 2017-06-14 | 2018-12-24 | 주식회사 핀인사이트 | 구간 영상 검색 및 제공 장치, 방법 및 컴퓨터-판독가능 매체 |
CN108415935A (zh) * | 2018-01-23 | 2018-08-17 | 北京奇虎科技有限公司 | 一种推送推荐消息的方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110659419A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11714816B2 (en) | Information search method and apparatus, device and storage medium | |
US10210243B2 (en) | Method and system for enhanced query term suggestion | |
US20180212918A1 (en) | Methods and apparatus for inserting content into conversations in on-line and digital environments | |
US10902077B2 (en) | Search result aggregation method and apparatus based on artificial intelligence and search engine | |
WO2019118007A1 (en) | Domain-specific natural language understanding of customer intent in self-help | |
US11172040B2 (en) | Method and apparatus for pushing information | |
CN110597962A (zh) | 搜索结果展示方法、装置、介质及电子设备 | |
US10482142B2 (en) | Information processing device, information processing method, and program | |
CN110147494B (zh) | 信息搜索方法、装置,存储介质及电子设备 | |
CN113688310B (zh) | 一种内容推荐方法、装置、设备及存储介质 | |
CN114095749B (zh) | 推荐及直播界面展示方法、计算机存储介质、程序产品 | |
US10600017B2 (en) | Co-opetition index based on rival behavior in social networks | |
CN110737811A (zh) | 应用分类方法、装置以及相关设备 | |
WO2022267755A1 (zh) | 表单处理方法、装置、设备以及存储介质 | |
CN113961823B (zh) | 新闻推荐方法、***、存储介质及设备 | |
CN110659419B (zh) | 确定目标用户的方法及相关装置 | |
CN109472028B (zh) | 用于生成信息的方法和装置 | |
CN116956183A (zh) | 多媒体资源推荐方法、模型训练方法、装置及存储介质 | |
CN110971973A (zh) | 一种视频推送方法、装置及电子设备 | |
CN115827978A (zh) | 一种信息推荐方法、装置、设备及计算机可读存储介质 | |
CN112672202B (zh) | 弹幕处理方法、设备和存储介质 | |
CN112802454B (zh) | 一种唤醒词的推荐方法、装置、终端设备及存储介质 | |
CN111310016B (zh) | 标签挖掘方法、装置、服务器和存储介质 | |
CN111611491A (zh) | 搜索词推荐方法、装置、设备及可读存储介质 | |
CN112348614A (zh) | 用于推送信息的方法和装置 |
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 |