CN110909247A - 文本信息的推送方法、电子设备及计算机存储介质 - Google Patents
文本信息的推送方法、电子设备及计算机存储介质 Download PDFInfo
- Publication number
- CN110909247A CN110909247A CN201911222007.7A CN201911222007A CN110909247A CN 110909247 A CN110909247 A CN 110909247A CN 201911222007 A CN201911222007 A CN 201911222007A CN 110909247 A CN110909247 A CN 110909247A
- Authority
- CN
- China
- Prior art keywords
- text
- target electronic
- book
- electronic book
- vector
- 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.)
- Granted
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
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)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种文本信息的推送方法、电子设备及计算机存储介质,该方法包括:确定与阅读用户相对应的目标电子书;获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。该方式能够根据用户阅读电子书时的阅读偏好推送文本信息,从而使推送的文本信息与用户的阅读偏好相匹配,提升了推送精准度。
Description
技术领域
本发明涉及计算机领域,具体涉及一种文本信息的推送方法、电子设备及计算机存储介质。
背景技术
目前,随着用户阅读意识的增强,用户感兴趣的文本信息的种类和内容也日益丰富。例如,短篇小说、短内容、精彩语句、精彩段落等都属于用户感兴趣的文本信息。
由于网络中可供用户浏览的文本信息数量众多,因此,如何从海量的文本信息中筛选对用户有价值的信息进行精准推送成为亟待解决的技术难题。在现有方式中,通常通过如下方式实现:统计各个文本信息的历史浏览数量,从而筛选出浏览数量较高的热门文本信息,进而将热门文本信息推送给用户。
但是,在实现本发明的过程中,发明人发现现有技术中的上述方案至少存在下述缺陷:由于每个用户的兴趣偏好、业务领域各不相同,因此,通过上述方式筛选出的热门文本信息难以满足用户的个性化需求,导致推送准确率不高。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的文本信息的推送方法、电子设备及计算机存储介质。
根据本发明的一个方面,提供了一种文本信息的推送方法,包括:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
根据本发明的另一方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行以下操作:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
根据本发明的又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使所述处理器执行以下操作:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
在本发明提供的文本信息的推送方法、电子设备及计算机存储介质中,能够确定与阅读用户相对应的目标电子书,并获取目标电子书的书籍标签向量以及各个文本信息的文本标签向量,进而根据各个文本信息的文本标签向量与目标电子书的书籍标签向量之间的相似度,确定阅读用户对应于各个文本信息的文本偏好指数,从而根据文本偏好指数筛选预设数量的文本信息推送给阅读用户。由此可见,该方式能够根据目标电子书的书籍标签向量以及各个文本信息的文本标签向量之间的相似度确定阅读用户对应于各个文本信息的文本偏好指数,将电子书与文本信息之间的相似度比较问题转化为标签向量之间的比较问题,从而能够根据文本信息与目标电子书之间的相似度筛选待推送的文本信息。该方式能够根据用户阅读电子书时的阅读偏好推送文本信息,从而使推送的文本信息与用户的阅读偏好相匹配,提升了推送精准度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明一个实施例提供的文本信息的推送方法的流程图;
图2示出了本发明另一个实施例提供的文本信息的推送方法的流程图;
图3示出了根据本发明另一个实施例的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明一个实施例提供的文本信息的推送方法的流程图。如图1所示,该方法包括以下步骤:
步骤S110:确定与阅读用户相对应的目标电子书。
其中,与阅读用户相对应的目标电子书通常为用户感兴趣的书籍。目标电子书的确定方式可以为多种。例如,可以根据用户的历史阅读数据,确定用户已阅读的书籍、已收藏的书籍、已下载的书籍等,从而结合上述已阅读的书籍、已收藏的书籍、已下载的书籍的类型确定与阅读用户相对应的目标电子书。总之,该方式旨在挖掘用户可能感兴趣的书籍,从而将用户感兴趣的书籍作为目标电子书。
另外,也可以将阅读用户当前正在阅读的电子书确定为目标电子书,从而在用户阅读当前电子书的过程中向用户推送与该电子书相关联的文本信息,进而实现扩展阅读的目的。
总之,本发明不限定目标电子书的具体确定方式,只要能够与用户的阅读行为匹配即可。另外,目标电子书的数量可以是一个也可以是多个,本发明对目标电子书的数量不做限定。
步骤S120:获取目标电子书的书籍标签向量,以及各个文本信息的文本标签向量。
其中,一个目标电子书对应于一个书籍标签向量,该书籍标签向量用于反映该目标电子书的内容特点,具体可以通过文档主题生成模型、词嵌入算法、或者词相关性算法等各种方式确定与目标电子书相对应的书籍标签向量。
具体实施时,针对目标电子书,获取该目标电子书的书籍内容,将书籍内容进行向量化表示,从而生成对应的书籍标签向量。另外,可选的,考虑到目标电子书的书籍内容篇幅较长,为了提升处理效率,可以预先从目标电子书的书籍内容中提取预设章节,并根据提取的预设章节生成书籍标签向量。其中,预设章节可通过多种方式确定。例如,在一种可选的方式中,考虑到通常电子书的起始部分的信息量较大,通常会集中描述故事背景等重要内容,因此,预设章节为电子书的前N个章节;或者,考虑到电子书的结尾部分通常较为吸引用户,因此,预设章节也可以为电子书的后M个章节,其中,N、M均为自然数。另外,为了使预设章节更能反映电子书的重要内容以及精彩段落,在又一种可选的方式中,还可以通过词频统计方式统计电子书中包含的各个实体名词的词频信息,进而选取包含人物、地点、事件等实体名词较多的章节作为预设章节。或者,也可以根据目标电子书所对应的用户交互数据,提取用户交互频次较高的章节作为预设章节,其中,用户交互数据包括:笔记类交互数据、评论类交互数据、想法类交互数据等。
另外,一个文本信息对应于一个文本标签向量,该文本标签向量用于反映该文本信息的内容特点,与书籍标签向量的生成方式类似,文本标签向量可以通过文档主题生成模型、词嵌入算法、或者词相关性算法等各种方式生成。
其中,文本信息可以为各类文本性段落或语句等。例如,文本信息可以是目标电子书中包含的短文本内容,也可以是除目标电子书之外的各类短文本内容,如名人语录中的精彩段落或期刊杂志中的部分段落等,本发明对文本信息的具体内涵不做限定。
步骤S130:根据各个文本信息的文本标签向量与目标电子书的书籍标签向量之间的相似度,确定阅读用户对应于各个文本信息的文本偏好指数。
其中,由于文本标签向量与书籍标签向量的生成方式类似,因此,可以通过向量计算的方式确定各个文本信息的文本标签向量与目标电子书的书籍标签向量之间的相似度,该相似度能够反映文本信息与目标电子书之间的相似度。相应地,根据各个文本信息与目标电子书之间的相似度,确定阅读用户对应于各个文本信息的文本偏好指数。
其中,当目标电子书为一个时,文本偏好指数与文本信息与目标电子书之间的相似度成正比,即:文本信息与目标电子书之间的相似度越大,该文本信息的文本偏好指数越高。当目标电子书为多个时,文本偏好指数进一步结合各个目标电子书的权重进行加权确定,其中,各个目标电子书的权重可以根据用户对于该目标电子书的偏好程度确定。
步骤S140:根据阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给阅读用户。
具体地,将各个文本信息按照文本偏好指数从高到低的顺序进行排序,从而筛选排序靠前的若干个文本信息推送给阅读用户,以供阅读用户所对应的终端设备进行展示。
由此可见,该方式能够根据目标电子书的书籍标签向量以及各个文本信息的文本标签向量之间的相似度确定阅读用户对应于各个文本信息的文本偏好指数,将电子书与文本信息之间的相似度比较问题转化为标签向量之间的比较问题,从而能够根据文本信息与目标电子书之间的相似度筛选待推送的文本信息。该方式能够根据用户阅读电子书时的阅读偏好推送文本信息,从而使推送的文本信息与用户的阅读偏好相匹配,提升了推送精准度。
实施例二
图2示出了本发明另一个实施例提供的文本信息的推送方法的流程图。如图2所示,该方法包括以下步骤:
步骤S210:根据阅读用户的历史阅读数据,确定与阅读用户相对应的目标电子书。
具体地,根据阅读用户的历史阅读数据,挖掘阅读用户的阅读偏好,从而将与阅读偏好相匹配的电子书确定为目标电子书。
首先,根据与阅读用户相对应的历史阅读数据确定与阅读用户相对应的交互书籍列表。其中,交互书籍列表用于存储与阅读用户存在交互行为的书籍。其中,交互行为包括以下中的至少一种:浏览、下载、阅读、以及收藏。
然后,针对交互书籍列表中的各个电子书,根据阅读用户针对该电子书的交互时长、交互章节和/或交互类型,从交互书籍列表中筛选多个电子书作为目标电子书。其中,可以根据交互时长选择时长较长的若干个电子书,也可以根据交互章节选择阅读章节较多的若干个电子书,还可以根据交互类型选择预设交互类型(如阅读或收藏等)的若干个电子书。另外,交互时长、交互章节以及交互类型分别属于不同的交互维度,相应地,可以预先针对各个交互维度设置对应的交互权重,进而根据各个交互维度的加权结果筛选目标电子书。
由此可见,筛选目标电子书的作用在于确定用户感兴趣的书籍。具体实施时,可以预先根据各个阅读用户的历史阅读书籍建立与各个用户相对应的交互书籍列表。然后,针对交互书籍列表中的各个电子书,根据各个交互维度的加权结果确定各个电子书的书籍偏好指数,并根据书籍偏好指数从高到低的顺序筛选预设数量的目标电子书。
步骤S220:获取目标电子书的书籍标签向量,以及各个文本信息的文本标签向量。
其中,书籍标签向量以及文本标签向量可通过多种方式实现,目的在于将书籍或文本进行向量化表示,以便于比较。其中,书籍标签向量以及文本标签向量也可以称作非显性标签向量,或隐性标签向量,其中的内容属于非显性内容。
在本实施例的一种实现方式中,通过文档主题生成模型,生成与目标电子书相对应的主题向量,将目标电子书的主题向量作为该目标电子书的书籍标签向量;以及,通过文档主题生成模型,生成与各个文本信息相对应的主题向量,将每个文本信息的主题向量作为该文本信息的文本标签向量。其中,文档主题生成模型即为LDA(Latent DirichletAllocation)模型,包含词、主题和文档三层结构。具体地,LDA模型可通过如下过程生成主题向量:首先,对每一篇电子书,从主题分布中抽取一个主题;然后,从上述被抽到的主题所对应的单词分布中抽取一个单词;最后,重复上述过程直至遍历电子书中的每一个单词。语料库中的每一篇文档与多个主题的一个多项分布相对应。每个主题又与词汇表中的多个单词的一个多项分布相对应。通过上述方式,即可生成各个电子书以及文本信息的主题向量。
在本实施例的又一种实现方式中,通过词嵌入算法,生成与目标电子书相对应的词嵌入向量,将目标电子书的词嵌入向量作为该目标电子书的书籍标签向量;以及,通过词嵌入算法,生成与各个文本信息相对应的词嵌入向量,将每个文本信息的词嵌入向量作为该文本信息的文本标签向量。总之,本领域技术人员可通过多种方式确定书籍标签向量以及文本标签向量,只要能够实现对于文本内容的向量化表示即可。
步骤S230:确定各个文本信息的文本标签向量与目标电子书的书籍标签向量之间的相似度。
在本实施例中,目标电子书为多个,因此,分别确定各个文本信息的文本标签向量与各个目标电子书的书籍标签向量之间的相似度。具体地,分别针对每个文本信息,逐一计算该文本信息的文本标签向量与各个目标电子书的书籍标签向量之间的相似度,从而得到该文本信息与各个目标电子书之间的相似度得分。或者,分别针对每个目标电子书,逐一计算该目标电子书的书籍标签向量与各个文本信息的文本标签向量之间的相似度,从而得到该目标电子书与各个文本信息之间的相似度得分。
步骤S240:根据各个文本信息的文本标签向量与目标电子书的书籍标签向量之间的相似度,确定阅读用户对应于各个文本信息的文本偏好指数。
由于本实施例中的目标电子书为多个,因此,需要进一步结合各个目标电子书的书籍偏好指数进行确定。具体地,分别确定阅读用户对应于各个目标电子书的书籍偏好指数,结合阅读用户对应于各个目标电子书的书籍偏好指数,确定阅读用户对应于各个文本信息的文本偏好指数。其中,阅读用户对应于各个目标电子书的书籍偏好指数可通过以下方式确定:分别针对各个目标电子书,确定阅读用户针对该目标电子书的交互时长、交互章节和/或交互类型,根据交互时长、交互章节和/或交互类型,确定该目标电子书的书籍偏好指数。具体地,交互时长、交互章节以及交互类型分别对应于不同的交互维度,可以分别针对各个交互维度设置对应的交互权重,相应地,通过对各个交互维度的加权结果确定目标电子书的书籍偏好指数。
具体实施时,阅读用户对应于各个文本信息的文本偏好指数通过以下方式确定:
首先,确定与各个目标电子书相对应的相似文本信息集合;其中,每个相似文本信息集合用于存储与对应的目标电子书之间的相似度大于预设阈值的多个文本信息。例如,本实施例可以预先针对电子书数据库中的各个电子书确定与其对应的相似文本信息集合以及该相似文本信息集合中的各个文本信息与该电子书中的相似度得分,并将各个电子书所对应的相似文本信息集合以及相似文本信息集合中的各个文本信息与该电子书中的相似度得分存储在预设数据库中,相应地,在后续过程中,直接针对各个目标电子书,从该预设数据库中查询对应的相似文本信息集合即可,从而能够提升处理速度。具体实施时,可以预先设定每个相似文本信息集合中包含的文本信息的数量,例如10个,相应地,针对每个电子书,分别计算文本数据库中的各个文本信息与该电子书之间的相似度得分,按照相似度得分从高到低的顺序筛选10个文本信息加入该电子书所对应的相似文本信息集合,并对应存储各个文本信息与该电子书之间的相似度得分。
然后,针对与各个目标电子书相对应的相似文本信息集合中包含的各个文本信息,将包含该文本信息的各个相似文本信息集合所对应的各个目标电子书确定为与该文本信息相对应的相似目标电子书;根据该文本信息与各个相似目标电子书之间的相似度以及各个相似目标电子书的书籍偏好指数,确定阅读用户对应于该文本信息的文本偏好指数。
例如,假设共有5个目标电子书,且每个目标电子书的相似文本信息集合中包含10个文本信息,则共有50个可供推送的文本信息。实际情况中,由于同一个文本信息可能会分别出现于不同电子书的相似文本信息集合中,因此,50个可供推送的文本信息中可能包含多个重复的文本信息,去重之后得到的可供推送的文本信息的数量必然小于50。相应地,针对去重之后得到的每个可供推送的文本信息,先确定包含该文本信息的各个相似文本信息集合,并将包含该文本信息的各个相似文本信息集合所对应的各个目标电子书确定为与该文本信息相对应的相似目标电子书。假设该可供推送的文本信息总共在3个目标电子书所对应的相似文本信息集合中出现,则该可供推送的文本信息的相似目标电子书为3个。根据该可供推送的文本信息与3个相似目标电子书之间的相似度以及各个相似目标电子书的书籍偏好指数,确定阅读用户对应于该文本信息的文本偏好指数。比如,该可供推送的文本信息与3个相似目标电子书之间的相似度分别为s1、s2、s3,各个相似目标电子书的书籍偏好指数分别为i1、i2、i3,则阅读用户对应于该文本信息的文本偏好指数通过以下公式计算:s1*i1+s2*i2+s3*i3。由此可见,阅读用户对应于该文本信息的文本偏好指数根据该文本信息与各个相似目标电子书之间的相似度得分与各个相似目标电子书的书籍偏好指数之间的累加结果确定。上述方式的原理在于:如果用户对电子书感兴趣,则用户通常对与该电子书相似的文本信息也感兴趣。
步骤S250:根据阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给阅读用户。
具体地,按照文本偏好指数从高到低的顺序筛选预设数量的文本信息推送给阅读用户,以供对应的终端设备进行展示。具体实施时,可以进一步根据文本偏好指数对筛选出的各个文本信息进行排序,将各个文本信息的排序序号一并提供给阅读用户,以供其确定展示顺序。
由此可见,通过本实施例中的方式,能够根据偏好指数已知的电子书确定未知的文本信息的偏好指数,从而使文本信息的推送更符合用户实际业务需求。另外,本实施例针对每个电子书生成一个唯一对应于该电子书的标签向量,该标签向量为用于计算相似度的隐性标签向量,该隐性标签向量与常规的显性标签向量相比具有如下优势:
发明人在实现本发明的过程中发现,由于电子书数据库中的电子书数量众多,若采用常规的显性标签挖掘方式,将挖掘出大量显性标签,且各个显性标签与各个电子书之间往往存在交叉:例如,对于指定显性标签而言,该指定显示标签通常存在于多个不同的电子书中;并且,对于指定电子书而言,其对应的显性标签也往往为多个。由此可见,由于常规的显性标签挖掘方式所得到的显性标签与电子书之间并不具备一一对应关系,因此,显然无法用于准确确定电子书与文本信息之间的相似度。为了解决上述问题,本申请利用隐性标签生成方式,分别针对每个电子书生成一个与该电子书唯一对应的标签向量,从而使电子书与文本信息之间的相似度问题转化为两个标签向量之间的相似度问题,进而便于根据电子书的偏好指数推送用户感兴趣的文本信息,从而满足用户的个性化需求。另外,由于电子书的阅读时长较长、阅读用户较多,因此,电子书的偏好指数便于确定,而文本信息通常为篇幅较短、内容零散的内容,因此,不便于直接确定偏好指数,相应地,该方式能够通过便于确定的电子书的偏好指数间接得到不便于确定的文本信息的偏好指数。
另外,上述文本信息具体包括:文章、短内容、和/或电子书中包含的文本段。由此可见,待推送的文本信息既可以是电子书中的部分段落,也可以是网络文章或其他来源的内容中的段落,本发明对文本信息的具体形式不做限定。
另外,上述实施例主要用于在用户打开电子书应用时为其推送多个文本信息,以实现用户的扩展阅读。相应地,本实施例可以在检测到用户登录指令或电子书应用启动指令时触发。或者,也可以在检测到用户针对电子书界面中包含的文本推送入口触发的文本推送请求时触发。
在本发明其他的实施例中,也可以在用户阅读当前电子书的过程中触发文本信息的推送操作,以使用户浏览与当前电子书相关联的扩展信息。相应地,在上述步骤中确定与阅读用户相对应的目标电子书时,直接将用户当前阅读的电子书确定为目标电子书,即可围绕用户当前阅读的电子书进行关联推送。
另外,在本发明其他的实施例中,也可以根据用户画像数据确定阅读用户的用户特征,相应地,获取与阅读用户具有相似特征的同类用户群的历史阅读数据,从而结合同类用户群的历史阅读数据确定目标电子书,本发明对此不做限定。
总之,本发明不限定具体应用场景,本领域技术人员可以针对上述实施例进行各种改动和变形。
综上可知,通过本实施例中的方式,能够根据目标电子书的书籍标签向量以及各个文本信息的文本标签向量之间的相似度确定阅读用户对应于各个文本信息的文本偏好指数,将电子书与文本信息之间的相似度比较问题转化为标签向量之间的比较问题,从而能够根据文本信息与目标电子书之间的相似度筛选待推送的文本信息。该方式能够根据用户阅读电子书时的阅读偏好推送文本信息,从而使推送的文本信息与用户的阅读偏好相匹配,提升了推送精准度。
实施例三
本申请实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的文本信息的推送方法。
可执行指令具体可以用于使得处理器执行以下操作:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
在一种可选的实现方式中,所述可执行指令使处理器执行以下操作:
通过文档主题生成模型,生成与所述目标电子书相对应的主题向量,将所述目标电子书的主题向量作为该目标电子书的书籍标签向量;以及,
通过文档主题生成模型,生成与各个文本信息相对应的主题向量,将每个文本信息的主题向量作为该文本信息的文本标签向量。
在一种可选的实现方式中,所述可执行指令使处理器执行以下操作:
通过词嵌入算法,生成与所述目标电子书相对应的词嵌入向量,将所述目标电子书的词嵌入向量作为该目标电子书的书籍标签向量;以及,
通过词嵌入算法,生成与各个文本信息相对应的词嵌入向量,将每个文本信息的词嵌入向量作为该文本信息的文本标签向量。
在一种可选的实现方式中,所述可执行指令使处理器执行以下操作:
根据与所述阅读用户相对应的历史阅读数据确定与所述阅读用户相对应的交互书籍列表;
针对所述交互书籍列表中的各个电子书,根据阅读用户针对该电子书的交互时长、交互章节和/或交互类型,从所述交互书籍列表中筛选多个电子书作为目标电子书。
在一种可选的实现方式中,所述可执行指令使处理器执行以下操作:
将用户当前阅读的电子书确定为所述目标电子书。
在一种可选的实现方式中,所述与阅读用户相对应的目标电子书为多个,则所述可执行指令使处理器执行以下操作:
分别确定所述阅读用户对应于各个目标电子书的书籍偏好指数,结合所述阅读用户对应于各个目标电子书的书籍偏好指数,确定所述阅读用户对应于各个文本信息的文本偏好指数。
在一种可选的实现方式中,所述可执行指令使处理器执行以下操作:
分别针对各个目标电子书,确定阅读用户针对该目标电子书的交互时长、交互章节和/或交互类型,根据所述交互时长、交互章节和/或交互类型,确定该目标电子书的书籍偏好指数。
在一种可选的实现方式中,所述阅读用户对应于各个文本信息的文本偏好指数通过以下方式确定:
确定与各个目标电子书相对应的相似文本信息集合;其中,每个相似文本信息集合用于存储与对应的目标电子书之间的相似度大于预设阈值的多个文本信息;
针对与各个目标电子书相对应的相似文本信息集合中包含的各个文本信息,将包含该文本信息的各个相似文本信息集合所对应的各个目标电子书确定为与该文本信息相对应的相似目标电子书;根据该文本信息与各个相似目标电子书之间的相似度以及各个相似目标电子书的书籍偏好指数,确定阅读用户对应于该文本信息的文本偏好指数。
在一种可选的实现方式中,所述文本信息包括:文章、短内容、和/或电子书中包含的文本段。
实施例四
图3示出了根据本发明另一个实施例的一种电子设备的结构示意图,本发明具体实施例并不对电子设备的具体实现做限定。
如图3所示,该电子设备可以包括:处理器(processor)302、通信接口(Communications Interface)304、存储器(memory)306、以及通信总线308。
其中:处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。通信接口304,用于与其它设备比如客户端或其它服务器等的网元通信。处理器302,用于执行程序310,具体可以执行上述文本信息的推送方法实施例中的相关步骤。
具体地,程序310可以包括程序代码,该程序代码包括计算机操作指令。
处理器302可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器306,用于存放程序310。存储器306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。
程序310具体可以用于使得处理器302执行以下操作:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
在一种可选的实现方式中,所述可执行指令使处理器执行以下操作:
通过文档主题生成模型,生成与所述目标电子书相对应的主题向量,将所述目标电子书的主题向量作为该目标电子书的书籍标签向量;以及,
通过文档主题生成模型,生成与各个文本信息相对应的主题向量,将每个文本信息的主题向量作为该文本信息的文本标签向量。
在一种可选的实现方式中,所述可执行指令使处理器执行以下操作:
通过词嵌入算法,生成与所述目标电子书相对应的词嵌入向量,将所述目标电子书的词嵌入向量作为该目标电子书的书籍标签向量;以及,
通过词嵌入算法,生成与各个文本信息相对应的词嵌入向量,将每个文本信息的词嵌入向量作为该文本信息的文本标签向量。
在一种可选的实现方式中,所述可执行指令使处理器执行以下操作:
根据与所述阅读用户相对应的历史阅读数据确定与所述阅读用户相对应的交互书籍列表;
针对所述交互书籍列表中的各个电子书,根据阅读用户针对该电子书的交互时长、交互章节和/或交互类型,从所述交互书籍列表中筛选多个电子书作为目标电子书。
在一种可选的实现方式中,所述可执行指令使处理器执行以下操作:
将用户当前阅读的电子书确定为所述目标电子书。
在一种可选的实现方式中,所述与阅读用户相对应的目标电子书为多个,则所述可执行指令使处理器执行以下操作:
分别确定所述阅读用户对应于各个目标电子书的书籍偏好指数,结合所述阅读用户对应于各个目标电子书的书籍偏好指数,确定所述阅读用户对应于各个文本信息的文本偏好指数。
在一种可选的实现方式中,所述可执行指令使处理器执行以下操作:
分别针对各个目标电子书,确定阅读用户针对该目标电子书的交互时长、交互章节和/或交互类型,根据所述交互时长、交互章节和/或交互类型,确定该目标电子书的书籍偏好指数。
在一种可选的实现方式中,所述阅读用户对应于各个文本信息的文本偏好指数通过以下方式确定:
确定与各个目标电子书相对应的相似文本信息集合;其中,每个相似文本信息集合用于存储与对应的目标电子书之间的相似度大于预设阈值的多个文本信息;
针对与各个目标电子书相对应的相似文本信息集合中包含的各个文本信息,将包含该文本信息的各个相似文本信息集合所对应的各个目标电子书确定为与该文本信息相对应的相似目标电子书;根据该文本信息与各个相似目标电子书之间的相似度以及各个相似目标电子书的书籍偏好指数,确定阅读用户对应于该文本信息的文本偏好指数。
在一种可选的实现方式中,所述文本信息包括:文章、短内容、和/或电子书中包含的文本段。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了A1.一种文本信息的推送方法,包括:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
A2.根据A1所述的方法,其中,所述获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量包括:
通过文档主题生成模型,生成与所述目标电子书相对应的主题向量,将所述目标电子书的主题向量作为该目标电子书的书籍标签向量;以及,
通过文档主题生成模型,生成与各个文本信息相对应的主题向量,将每个文本信息的主题向量作为该文本信息的文本标签向量。
A3.根据A1所述的方法,其中,所述获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量包括:
通过词嵌入算法,生成与所述目标电子书相对应的词嵌入向量,将所述目标电子书的词嵌入向量作为该目标电子书的书籍标签向量;以及,
通过词嵌入算法,生成与各个文本信息相对应的词嵌入向量,将每个文本信息的词嵌入向量作为该文本信息的文本标签向量。
A4.根据A1-3任一所述的方法,其中,所述确定与阅读用户相对应的目标电子书包括:
根据与所述阅读用户相对应的历史阅读数据确定与所述阅读用户相对应的交互书籍列表;
针对所述交互书籍列表中的各个电子书,根据阅读用户针对该电子书的交互时长、交互章节和/或交互类型,从所述交互书籍列表中筛选多个电子书作为目标电子书。
A5.根据A1-3任一所述的方法,其中,所述确定与阅读用户相对应的目标电子书包括:
将用户当前阅读的电子书确定为所述目标电子书。
A6.根据A1-5任一所述的方法,其中,所述与阅读用户相对应的目标电子书为多个,则所述根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数包括:
分别确定所述阅读用户对应于各个目标电子书的书籍偏好指数,结合所述阅读用户对应于各个目标电子书的书籍偏好指数,确定所述阅读用户对应于各个文本信息的文本偏好指数。
A7.根据A6所述的方法,其中,所述分别确定所述阅读用户对应于各个目标电子书的书籍偏好指数包括:分别针对各个目标电子书,确定阅读用户针对该目标电子书的交互时长、交互章节和/或交互类型,根据所述交互时长、交互章节和/或交互类型,确定该目标电子书的书籍偏好指数。
A8.根据A7所述的方法,其中,所述阅读用户对应于各个文本信息的文本偏好指数通过以下方式确定:
确定与各个目标电子书相对应的相似文本信息集合;其中,每个相似文本信息集合用于存储与对应的目标电子书之间的相似度大于预设阈值的多个文本信息;
针对与各个目标电子书相对应的相似文本信息集合中包含的各个文本信息,将包含该文本信息的各个相似文本信息集合所对应的各个目标电子书确定为与该文本信息相对应的相似目标电子书;根据该文本信息与各个相似目标电子书之间的相似度以及各个相似目标电子书的书籍偏好指数,确定阅读用户对应于该文本信息的文本偏好指数。
A9.根据A1-8任一所述的方法,其中,所述文本信息包括:文章、短内容、和/或电子书中包含的文本段。
B10.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行以下操作:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
B11.根据B10所述的电子设备,其中,所述可执行指令使处理器执行以下操作:
通过文档主题生成模型,生成与所述目标电子书相对应的主题向量,将所述目标电子书的主题向量作为该目标电子书的书籍标签向量;以及,
通过文档主题生成模型,生成与各个文本信息相对应的主题向量,将每个文本信息的主题向量作为该文本信息的文本标签向量。
B12.根据B10所述的电子设备,其中,所述可执行指令使处理器执行以下操作:
通过词嵌入算法,生成与所述目标电子书相对应的词嵌入向量,将所述目标电子书的词嵌入向量作为该目标电子书的书籍标签向量;以及,
通过词嵌入算法,生成与各个文本信息相对应的词嵌入向量,将每个文本信息的词嵌入向量作为该文本信息的文本标签向量。
B13.根据B10-12任一所述的电子设备,其中,所述可执行指令使处理器执行以下操作:
根据与所述阅读用户相对应的历史阅读数据确定与所述阅读用户相对应的交互书籍列表;
针对所述交互书籍列表中的各个电子书,根据阅读用户针对该电子书的交互时长、交互章节和/或交互类型,从所述交互书籍列表中筛选多个电子书作为目标电子书。
B14.根据B10-12任一所述的电子设备,其中,所述可执行指令使处理器执行以下操作:
将用户当前阅读的电子书确定为所述目标电子书。
B15.根据B10-14任一所述的电子设备,其中,所述与阅读用户相对应的目标电子书为多个,则所述可执行指令使处理器执行以下操作:
分别确定所述阅读用户对应于各个目标电子书的书籍偏好指数,结合所述阅读用户对应于各个目标电子书的书籍偏好指数,确定所述阅读用户对应于各个文本信息的文本偏好指数。
B16.根据B15所述的电子设备,其中,所述可执行指令使处理器执行以下操作:
分别针对各个目标电子书,确定阅读用户针对该目标电子书的交互时长、交互章节和/或交互类型,根据所述交互时长、交互章节和/或交互类型,确定该目标电子书的书籍偏好指数。
B17.根据B16所述的电子设备,其中,所述阅读用户对应于各个文本信息的文本偏好指数通过以下方式确定:
确定与各个目标电子书相对应的相似文本信息集合;其中,每个相似文本信息集合用于存储与对应的目标电子书之间的相似度大于预设阈值的多个文本信息;
针对与各个目标电子书相对应的相似文本信息集合中包含的各个文本信息,将包含该文本信息的各个相似文本信息集合所对应的各个目标电子书确定为与该文本信息相对应的相似目标电子书;根据该文本信息与各个相似目标电子书之间的相似度以及各个相似目标电子书的书籍偏好指数,确定阅读用户对应于该文本信息的文本偏好指数。
B18.根据B10-17任一所述的电子设备,其中,所述文本信息包括:文章、短内容、和/或电子书中包含的文本段。
C19.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行以下操作:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
C20.根据C19所述的计算机存储介质,其中,所述可执行指令使处理器执行以下操作:
通过文档主题生成模型,生成与所述目标电子书相对应的主题向量,将所述目标电子书的主题向量作为该目标电子书的书籍标签向量;以及,
通过文档主题生成模型,生成与各个文本信息相对应的主题向量,将每个文本信息的主题向量作为该文本信息的文本标签向量。
C21.根据C19所述的计算机存储介质,其中,所述可执行指令使处理器执行以下操作:
通过词嵌入算法,生成与所述目标电子书相对应的词嵌入向量,将所述目标电子书的词嵌入向量作为该目标电子书的书籍标签向量;以及,
通过词嵌入算法,生成与各个文本信息相对应的词嵌入向量,将每个文本信息的词嵌入向量作为该文本信息的文本标签向量。
C22.根据C19-21任一所述的计算机存储介质,其中,所述可执行指令使处理器执行以下操作:
根据与所述阅读用户相对应的历史阅读数据确定与所述阅读用户相对应的交互书籍列表;
针对所述交互书籍列表中的各个电子书,根据阅读用户针对该电子书的交互时长、交互章节和/或交互类型,从所述交互书籍列表中筛选多个电子书作为目标电子书。
C23.根据C19-21任一所述的计算机存储介质,其中,所述可执行指令使处理器执行以下操作:
将用户当前阅读的电子书确定为所述目标电子书。
C24.根据C19-23任一所述的计算机存储介质,其中,所述与阅读用户相对应的目标电子书为多个,则所述可执行指令使处理器执行以下操作:
分别确定所述阅读用户对应于各个目标电子书的书籍偏好指数,结合所述阅读用户对应于各个目标电子书的书籍偏好指数,确定所述阅读用户对应于各个文本信息的文本偏好指数。
C25.根据C24所述的计算机存储介质,其中,所述可执行指令使处理器执行以下操作:
分别针对各个目标电子书,确定阅读用户针对该目标电子书的交互时长、交互章节和/或交互类型,根据所述交互时长、交互章节和/或交互类型,确定该目标电子书的书籍偏好指数。
C26.根据C25所述的计算机存储介质,其中,所述阅读用户对应于各个文本信息的文本偏好指数通过以下方式确定:
确定与各个目标电子书相对应的相似文本信息集合;其中,每个相似文本信息集合用于存储与对应的目标电子书之间的相似度大于预设阈值的多个文本信息;
针对与各个目标电子书相对应的相似文本信息集合中包含的各个文本信息,将包含该文本信息的各个相似文本信息集合所对应的各个目标电子书确定为与该文本信息相对应的相似目标电子书;根据该文本信息与各个相似目标电子书之间的相似度以及各个相似目标电子书的书籍偏好指数,确定阅读用户对应于该文本信息的文本偏好指数。
C27.根据C19-26任一所述的计算机存储介质,其中,所述文本信息包括:文章、短内容、和/或电子书中包含的文本段。
Claims (10)
1.一种文本信息的推送方法,包括:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
2.根据权利要求1所述的方法,其中,所述获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量包括:
通过文档主题生成模型,生成与所述目标电子书相对应的主题向量,将所述目标电子书的主题向量作为该目标电子书的书籍标签向量;以及,
通过文档主题生成模型,生成与各个文本信息相对应的主题向量,将每个文本信息的主题向量作为该文本信息的文本标签向量。
3.根据权利要求1所述的方法,其中,所述获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量包括:
通过词嵌入算法,生成与所述目标电子书相对应的词嵌入向量,将所述目标电子书的词嵌入向量作为该目标电子书的书籍标签向量;以及,
通过词嵌入算法,生成与各个文本信息相对应的词嵌入向量,将每个文本信息的词嵌入向量作为该文本信息的文本标签向量。
4.根据权利要求1-3任一所述的方法,其中,所述确定与阅读用户相对应的目标电子书包括:
根据与所述阅读用户相对应的历史阅读数据确定与所述阅读用户相对应的交互书籍列表;
针对所述交互书籍列表中的各个电子书,根据阅读用户针对该电子书的交互时长、交互章节和/或交互类型,从所述交互书籍列表中筛选多个电子书作为目标电子书。
5.根据权利要求1-3任一所述的方法,其中,所述确定与阅读用户相对应的目标电子书包括:
将用户当前阅读的电子书确定为所述目标电子书。
6.根据权利要求1-5任一所述的方法,其中,所述与阅读用户相对应的目标电子书为多个,则所述根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数包括:
分别确定所述阅读用户对应于各个目标电子书的书籍偏好指数,结合所述阅读用户对应于各个目标电子书的书籍偏好指数,确定所述阅读用户对应于各个文本信息的文本偏好指数。
7.根据权利要求6所述的方法,其中,所述分别确定所述阅读用户对应于各个目标电子书的书籍偏好指数包括:分别针对各个目标电子书,确定阅读用户针对该目标电子书的交互时长、交互章节和/或交互类型,根据所述交互时长、交互章节和/或交互类型,确定该目标电子书的书籍偏好指数。
8.根据权利要求7所述的方法,其中,所述阅读用户对应于各个文本信息的文本偏好指数通过以下方式确定:
确定与各个目标电子书相对应的相似文本信息集合;其中,每个相似文本信息集合用于存储与对应的目标电子书之间的相似度大于预设阈值的多个文本信息;
针对与各个目标电子书相对应的相似文本信息集合中包含的各个文本信息,将包含该文本信息的各个相似文本信息集合所对应的各个目标电子书确定为与该文本信息相对应的相似目标电子书;根据该文本信息与各个相似目标电子书之间的相似度以及各个相似目标电子书的书籍偏好指数,确定阅读用户对应于该文本信息的文本偏好指数。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行以下操作:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行以下操作:
确定与阅读用户相对应的目标电子书;
获取所述目标电子书的书籍标签向量,以及各个文本信息的文本标签向量;
根据各个文本信息的文本标签向量与所述目标电子书的书籍标签向量之间的相似度,确定所述阅读用户对应于各个文本信息的文本偏好指数;
根据所述阅读用户对应于各个文本信息的文本偏好指数,筛选预设数量的文本信息推送给所述阅读用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911222007.7A CN110909247B (zh) | 2019-12-03 | 2019-12-03 | 文本信息的推送方法、电子设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911222007.7A CN110909247B (zh) | 2019-12-03 | 2019-12-03 | 文本信息的推送方法、电子设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909247A true CN110909247A (zh) | 2020-03-24 |
CN110909247B CN110909247B (zh) | 2022-07-12 |
Family
ID=69822116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911222007.7A Active CN110909247B (zh) | 2019-12-03 | 2019-12-03 | 文本信息的推送方法、电子设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909247B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488529A (zh) * | 2020-06-28 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、服务器及存储介质 |
JP7438808B2 (ja) | 2020-03-26 | 2024-02-27 | 株式会社野村総合研究所 | ニーズマッチング装置およびプログラム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090132459A1 (en) * | 2007-11-16 | 2009-05-21 | Cory Hicks | Processes for improving the utility of personalized recommendations generated by a recommendation engine |
CN103176982A (zh) * | 2011-12-20 | 2013-06-26 | ***通信集团浙江有限公司 | 一种电子图书推荐的方法及*** |
CN104732422A (zh) * | 2015-02-27 | 2015-06-24 | 湖南大学 | 基于移动用户标签的个性化美食推荐方法 |
CN104731866A (zh) * | 2015-02-27 | 2015-06-24 | 湖南大学 | 一种基于位置的个性化美食推荐方法 |
CN107483595A (zh) * | 2017-08-23 | 2017-12-15 | 北京百度网讯科技有限公司 | 信息推送方法和装置 |
CN108536804A (zh) * | 2018-03-30 | 2018-09-14 | 掌阅科技股份有限公司 | 基于电子书的信息推送方法、电子设备及计算机存储介质 |
CN108897750A (zh) * | 2018-04-28 | 2018-11-27 | 中国地质大学(武汉) | 融合多元上下文信息的个性化地点推荐方法及设备 |
CN109284500A (zh) * | 2018-08-20 | 2019-01-29 | 张连祥 | 基于招商工作流程和阅读偏好的信息推送***及方法 |
CN109325173A (zh) * | 2018-08-15 | 2019-02-12 | 山东师范大学 | 基于ai开放平台的阅读内容个性化推荐方法及*** |
-
2019
- 2019-12-03 CN CN201911222007.7A patent/CN110909247B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090132459A1 (en) * | 2007-11-16 | 2009-05-21 | Cory Hicks | Processes for improving the utility of personalized recommendations generated by a recommendation engine |
CN103176982A (zh) * | 2011-12-20 | 2013-06-26 | ***通信集团浙江有限公司 | 一种电子图书推荐的方法及*** |
CN104732422A (zh) * | 2015-02-27 | 2015-06-24 | 湖南大学 | 基于移动用户标签的个性化美食推荐方法 |
CN104731866A (zh) * | 2015-02-27 | 2015-06-24 | 湖南大学 | 一种基于位置的个性化美食推荐方法 |
CN107483595A (zh) * | 2017-08-23 | 2017-12-15 | 北京百度网讯科技有限公司 | 信息推送方法和装置 |
CN108536804A (zh) * | 2018-03-30 | 2018-09-14 | 掌阅科技股份有限公司 | 基于电子书的信息推送方法、电子设备及计算机存储介质 |
CN108897750A (zh) * | 2018-04-28 | 2018-11-27 | 中国地质大学(武汉) | 融合多元上下文信息的个性化地点推荐方法及设备 |
CN109325173A (zh) * | 2018-08-15 | 2019-02-12 | 山东师范大学 | 基于ai开放平台的阅读内容个性化推荐方法及*** |
CN109284500A (zh) * | 2018-08-20 | 2019-01-29 | 张连祥 | 基于招商工作流程和阅读偏好的信息推送***及方法 |
Non-Patent Citations (6)
Title |
---|
YE TIAN: "An enhanced personal photo recommendation system by fusing contextual and textual features on mobile device", 《IEEE TRANSACTIONS ON CONSUMER ELECTRONICS》 * |
严凡等: "基于图书语义信息的推荐方法研究", 《图书馆学研究》 * |
刘荣辉等: "移动阅读***中的多源动态混合推荐", 《情报科学》 * |
张淑华: "《云生活与后媒体时代的舆论场重构》", 31 August 2016 * |
逄淑超: "深度学习在计算机视觉领域的若干关键技术研究", 《中国优秀博硕士学位论文全文数据库(博士)》 * |
陈翔等: "用户电子书阅读行为研究进展述评", 《数字图书馆论坛》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7438808B2 (ja) | 2020-03-26 | 2024-02-27 | 株式会社野村総合研究所 | ニーズマッチング装置およびプログラム |
CN111488529A (zh) * | 2020-06-28 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、服务器及存储介质 |
CN111488529B (zh) * | 2020-06-28 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110909247B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102092691B1 (ko) | 웹페이지 트레이닝 방법 및 기기, 그리고 검색 의도 식별 방법 및 기기 | |
CN107992596B (zh) | 一种文本聚类方法、装置、服务器和存储介质 | |
RU2678716C1 (ru) | Использование автоэнкодеров для обучения классификаторов текстов на естественном языке | |
CN111539197B (zh) | 文本匹配方法和装置以及计算机***和可读存储介质 | |
CN104778158B (zh) | 一种文本表示方法及装置 | |
CN105069102A (zh) | 信息推送方法和装置 | |
CN110968789B (zh) | 电子书推送方法、电子设备及计算机存储介质 | |
CN111241389A (zh) | 基于矩阵的敏感词过滤方法、装置、电子设备、存储介质 | |
US9483740B1 (en) | Automated data classification | |
CN108536868B (zh) | 社交网络上短文本数据的数据处理方法及装置 | |
CN113449187A (zh) | 基于双画像的产品推荐方法、装置、设备及存储介质 | |
WO2019028990A1 (zh) | 代码元素的命名方法、装置、电子设备及介质 | |
US10956470B2 (en) | Facet-based query refinement based on multiple query interpretations | |
CN110377750B (zh) | 评论生成及评论生成模型训练方法、装置及存储介质 | |
CN111126060A (zh) | 一种主题词的提取方法、装置、设备及存储介质 | |
CN110909247B (zh) | 文本信息的推送方法、电子设备及计算机存储介质 | |
US9516089B1 (en) | Identifying and processing a number of features identified in a document to determine a type of the document | |
CN107908649B (zh) | 一种文本分类的控制方法 | |
CN110019821A (zh) | 文本类标训练方法和识别方法、相关装置及存储介质 | |
CN113343109A (zh) | 榜单推荐方法、计算设备及计算机存储介质 | |
KR102299525B1 (ko) | 제품 평가 마이닝 방법 및 이를 수행하는 장치 | |
CN112579781A (zh) | 文本归类方法、装置、电子设备及介质 | |
CN112270177A (zh) | 基于内容相似性的新闻封面配图方法、装置及计算设备 | |
CN110019702B (zh) | 数据挖掘方法、装置和设备 | |
CN107590163B (zh) | 文本特征选择的方法、装置和*** |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220829 Address after: 518054-13098, 13th floor, main tower of marine center, No. 59, Linhai Avenue, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong Patentee after: Shenzhen ZhangYue Animation Technology Co.,Ltd. Address before: 100124 2029e, Sihui building, Chaoyang District, Beijing Patentee before: ZHANGYUE TECHNOLOGY Co.,Ltd. |