CN111382365B - 用于输出信息的方法和装置 - Google Patents
用于输出信息的方法和装置 Download PDFInfo
- Publication number
- CN111382365B CN111382365B CN202010196580.1A CN202010196580A CN111382365B CN 111382365 B CN111382365 B CN 111382365B CN 202010196580 A CN202010196580 A CN 202010196580A CN 111382365 B CN111382365 B CN 111382365B
- Authority
- CN
- China
- Prior art keywords
- event
- event name
- unit configured
- similarity
- search
- 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
-
- 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
- G06F16/9538—Presentation of query results
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例公开了用于输出信息的方法和装置,涉及知识图谱技术领域。该方法的一具体实施方式包括:获取待查询热度的事件的事件名;通过事件名召回候选文档集合;计算事件名与各候选文档之间的第一相似度;将第一相似度大于预定第一阈值的候选文档添加到相关文档集合;计算各相关文档的特征的加权和作为事件的热度并输出。该实施方式能够准确反映用户对事件本身的热度,帮助***理解用户需求,提升用户体验。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于输出信息的方法和装置。
背景技术
随着互联网的快速普及,网络信息呈***式增长,每个人需要花费大量的精力去对信息进行筛选。当用户想要了解近期发生的事情,或者关注某个人、某个组织时,需要从大量未经过筛选整理的新闻资讯中,挑选出重要的信息。目前,在事件的聚合、抽取上有了一定的进展,现在的搜索引擎/推荐***可以根据是否是事件来进行信息的推荐,帮助用户筛选无关信息,提升用户获取重要信息的效率。但不同的事件之间在事件生命周期中用户关注程度不一,为了更好的提升事件在应用过程中的用户体验,通过计算事件热度,排序当前事件用户关注的顺序,可以提前感知和理解用户需求,进一步提升用户对信息获取的体验。
现有的技术方案多以某一社交网站的信息为主要特征来源计算事件热度,这种方式导致了热度计算存在较大的偏差,主要是某一社交网站的用户本身不能代表大部分用户的关注点,用户不仅在社交网站上关注事件,同时也会通过主动搜索,主动点击推荐的文章等等各种方式来关注事件本身,因此,无论是搜索引擎、社交网站、推荐***、门户网站等,仅通过其中的一两项很难准确反映用户对事件本身的热度。
发明内容
本公开的实施例提出了用于输出信息的方法和装置。
第一方面,本公开的实施例提供了一种用于输出信息的方法,包括:获取待查询热度的事件的事件名;通过事件名召回候选文档集合;计算事件名与各候选文档之间的第一相似度;将第一相似度大于预定第一阈值的候选文档添加到相关文档集合;计算各相关文档的特征的加权和作为事件的热度并输出。
在一些实施例中,该方法还包括:通过事件名召回第一搜索词集合;计算事件名与各第一搜索词之间的第二相似度;将第二相似度大于预定第二阈值的第一搜索词添加到精确搜索词集合;使用各精确搜索词的特征的加权和修正热度。
在一些实施例中,该方法还包括:从事件名中抽取出核心实体;通过核心实体召回第二搜索词集合,并抽取出每个第二搜索词的核心实体;计算事件名的核心实体与各第二搜索词的核心实体之间的第三相似度;将第三相似度大于预定第三阈值的第二搜索词添加到泛搜索词集合;使用各泛搜索词的特征的加权和修正热度。
在一些实施例中,相关文档的特征包括以下至少一项:相关文档的数量,相关文档转发数总和,相关文档下面的评论数总和。
在一些实施例中,精确搜索词的特征包括历史展现次数。
第二方面,本公开的实施例提供了一种用于输出信息的装置,包括:获取单元,被配置成获取待查询热度的事件的事件名;第一召回单元,被配置成通过事件名召回候选文档集合;第一计算单元,被配置成计算事件名与各候选文档之间的第一相似度;第一过滤单元,被配置成将第一相似度大于预定第一阈值的候选文档添加到相关文档集合;输出单元,被配置成计算各相关文档的特征的加权和作为事件的热度并输出。
在一些实施例中,该装置还包括:第二召回单元,被配置成通过事件名召回第一搜索词集合;第二计算单元,被配置成计算事件名与各第一搜索词之间的第二相似度;第二过滤单元,被配置成将第二相似度大于预定第二阈值的第一搜索词添加到精确搜索词集合;第一修正单元,被配置成使用各精确搜索词的特征的加权和修正热度。
在一些实施例中,该装置还包括:抽取单元,被配置成从事件名中抽取出核心实体;第三召回单元,被配置成通过核心实体召回第二搜索词集合,并抽取出每个第二搜索词的核心实体;第三计算单元,被配置成计算事件名的核心实体与各第二搜索词的核心实体之间的第三相似度;第三过滤单元,被配置成将第三相似度大于预定第三阈值的第二搜索词添加到泛搜索词集合;第二修正单元,被配置成使用各泛搜索词的特征的加权和修正热度。
在一些实施例中,相关文档的特征包括以下至少一项:相关文档的数量,相关文档转发数总和,相关文档下面的评论数总和。
在一些实施例中,精确搜索词的特征包括历史展现次数。
第三方面,本公开的实施例提供了一种用于输出信息的电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本公开的实施例提供的用于输出信息的方法和装置,为了减少在计算热度时存在的偏差,引入多源数据和特征,通过研发数据和特征与事件关联的技术,将多源特征与事件关联,然后通过加权各项特征得到最终的热度值,该数值可以作为事件的排序,提供给搜索引擎/推荐***对事件相关信息的排序和运营特征。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性***架构图;
图2是根据本公开的用于输出信息的方法的一个实施例的流程图;
图3是根据本公开的用于输出信息的方法的又一个实施例的流程图;
图4是根据本公开的用于输出信息的方法的一个应用场景的示意图;
图5是根据本公开的用于输出信息的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于输出信息的方法或用于输出信息的装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,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、无线通信链路或者光纤电缆等等。
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上可以安装有各种通讯客户端应用,例如新闻类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持新闻浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的新闻提供热度分析服务的后台分析服务器。后台分析服务器可以对接收到的事件热度分析请求等数据进行分析等处理,并将处理结果(例如新闻的热度)反馈给终端设备。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的用于输出信息的方法一般由服务器105执行,相应地,用于输出信息的装置一般设置于服务器105中。
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。
继续参考图2,示出了根据本公开的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法,包括以下步骤:
步骤201,获取待查询热度的事件的事件名。
在本实施例中,用于输出信息的方法的执行主体(例如图1所示的服务器)可从事件库中获取待查询热度的事件的事件名。事件库中将表述同一事件的多个事件归为一簇,他们共享一个事件名。
下面对一些名词进行说明:
事件:事件是一个聚簇,事件发现即为通过聚类得到一个描述某个事件的资源簇,本文中“事件”和“事件簇”、“簇”等同。
事件名:描述事件核心内容的片段。
事件核心实体:所发生的事件中核心的参与的实体,包括人物、机构、地方等。
精确事件query(搜索词):query的主要内容就是表示了事件本身。
泛事件query:query本身不包含事件本身信息,但包含事件的关键实体,如“XX离婚案二审”,泛query是“XX”。
步骤202,通过事件名召回候选文档集合。
在本实施例中,可通过现有的召回工具,例如elastic search召回候选文档。候选文档可以是截取自微博、网站等的文本片段。
步骤203,计算事件名与各候选文档之间的第一相似度。
在本实施例中,可通过常见的相似度计算方式计算第一相似度,例如,余弦相似度。可将事件名和各候选文档中的文本切词,然后进行相似度计算。
步骤204,将第一相似度大于预定第一阈值的候选文档添加到相关文档集合。
在本实施例中,从各候选文档中挑出最为相似的文档,找到其原始的源头文档,即为相关文档。相关文档可以是源自微博、网站等的原始文档。
步骤205,计算各相关文档的特征的加权和作为事件的热度并输出。
在本实施例中,相关文档的特征可包括以下至少一项:相关文档的数量,相关文档转发数总和,相关文档下面的评论数总和。还可包括点击量等其它特征。
进一步参考图3,其示出了用于输出信息的方法的又一个实施例的流程300。该用于输出信息的方法的流程300,包括以下步骤:
步骤301,获取待查询热度的事件的事件名。
步骤302,通过事件名召回候选文档集合。
步骤303,计算事件名与各候选文档之间的第一相似度。
步骤304,将第一相似度大于预定第一阈值的候选文档添加到相关文档集合。
步骤301-304与步骤201-204基本相同,因此不再赘述。
步骤305,通过事件名召回第一搜索词集合。
在本实施例中,搜索词即query,是用户通过搜索引擎输入的搜索关键词/句。可通过现有的搜索工具召回,也可通过预先训练的神经网络模型从query库中召回。该模型用于判别事件名和query描述同一事件的概率。训练时,可将描述同一事件的事件名和query作为正样本,描述不同事件的事件名和query作为负样本,按常规神经网络训练法进行训练,得到的模型即可判别事件名和query描述同一事件的概率。将query库中的词依次与事件名输入该模型,如果某个query得到的概率高于归一阈值,则召回该query。
步骤306,计算事件名与各第一搜索词之间的第二相似度。
在本实施例中,仍可采用余弦相似度等方法计算第二相似度。
步骤307,将第二相似度大于预定第二阈值的第一搜索词添加到精确搜索词集合。
在本实施例中,直接通过事件名召回的搜索词是精确搜索,区别于后面通过核心实体召回的搜索词。精确事件query(搜索词):query的主要内容就是表示了事件本身。泛事件query:query本身不包含事件本身信息,但包含事件的关键实体,如“XX离婚案二审”,泛query是“XX”。
步骤308,从事件名中抽取出核心实体。
在本实施例中,在创建事件库时可抽取出核心实体,也可在使用泛搜索时抽取核心实体。核心实体:所发生的事件中核心的参与的实体,包括人物、机构、地方等。如“XX离婚案二审”,核心实体是“XX”。可通过模型抽取实体,使用NER(命名实体识别)技术。
步骤309,通过核心实体召回第二搜索词集合,并抽取出每个第二搜索词的核心实体。
在本实施例中,对于每个第二搜索词,从中抽取核心实体。可通过模型标注的方法抽取。
步骤310,计算事件名的核心实体与各第二搜索词的核心实体之间的第三相似度。
在本实施例中,可通过规则匹配的方法计算第三相似度。
步骤311,将第三相似度大于预定第三阈值的第二搜索词添加到泛搜索词集合。
在本实施例中,保留相似度较高的第二搜索词作为泛搜索词。
步骤312,计算各相关文档的特征、精确搜索词的特征和泛搜索词的特征的加权和作为事件的热度并输出。
在本实施例中,精确搜索词和泛搜索词的特征都包括历史展现次数(pv)。还可包括点击量等特征。将相关文档的特征、精确搜索词的特征和泛搜索词的特征分别赋与不同的权重,然后计算加权和。所有的权重之和为1。其中相关文档数和精确事件query的历史展现次数的权重较大,相关文档转发数、相关文档评论数、泛事件的query的历史展现次数的权重较小。
继续参见图4,图4是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图4的应用场景中,执行如下步骤:
1、从已经聚簇的事件库中获取一个事件,该事件已包含事件名、抽取出事件的核心的实体,事件簇的文档等信息。
2、计算多源文档包含的特征;1)通过事件名召回候选文档集合;2)通过事件名与候选文档之间计算事件相似度;3)通过卡阈值方式得到该事件候选的相关文档的集合;4)文档中包含的特征分别给出,包括相关文档的数量,相关文档转发数总和,相关文档下面的评论数总和。
3、计算精确事件query特征:1)通过事件名从query库中召回候选query;2)事件名与query计算事件相似度;2)通过卡相似度阈值,得到精确事件相关query列表;3)统计精确事件相关query的总pv;
4、计算泛事件query特征:1)通过事件名的核心实体从query库中召回候选query;2)事件名的核心实体与query的核心实体计算核心实体相似度;2)通过卡相似度阈值,得到泛事件相关query列表;3)统计泛事件相关query的总pv;
5、对计算出的各个特征加权计算得到事件热度。
本发明在搜索引擎、推荐***中广泛的应用价值;通过本发明的方法对事件进行排序,帮助***理解用户需求,提升用户体验,能够以最快的速度了解外界发生的变化。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于输出信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于输出信息的装置500包括:获取单元501、第一召回单元502、第一计算单元503、第一过滤单元504和输出单元505。其中,获取单元501,被配置成获取待查询热度的事件的事件名;第一召回单元502,被配置成通过事件名召回候选文档集合;第一计算单元503,被配置成计算事件名与各候选文档之间的第一相似度;第一过滤单元504,被配置成将第一相似度大于预定第一阈值的候选文档添加到相关文档集合;输出单元505,被配置成计算各相关文档的特征的加权和作为事件的热度并输出。
在本实施例中,用于输出信息的装置获取单元501、第一召回单元502、第一计算单元503、第一过滤单元504和输出单元505。的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205。
在本实施例的一些可选的实现方式中,装置500还包括:第二召回单元,被配置成通过事件名召回第一搜索词集合;第二计算单元,被配置成计算事件名与各第一搜索词之间的第二相似度;第二过滤单元,被配置成将第二相似度大于预定第二阈值的第一搜索词添加到精确搜索词集合;第一修正单元,被配置成使用各精确搜索词的特征的加权和修正热度。
在本实施例的一些可选的实现方式中,装置500还包括:抽取单元,被配置成从事件名中抽取出核心实体;第三召回单元,被配置成通过核心实体召回第二搜索词集合,并抽取出每个第二搜索词的核心实体;第三计算单元,被配置成计算事件名的核心实体与各第二搜索词的核心实体之间的第三相似度;第三过滤单元,被配置成将第三相似度大于预定第三阈值的第二搜索词添加到泛搜索词集合;第二修正单元,被配置成使用各泛搜索词的特征的加权和修正热度。
在本实施例的一些可选的实现方式中,相关文档的特征包括以下至少一项:相关文档的数量,相关文档转发数总和,相关文档下面的评论数总和。
在本实施例的一些可选的实现方式中,精确搜索词的特征包括历史展现次数。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的终端设备/服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机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。而在本公开的实施例中,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,其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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。计算机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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取待查询热度的事件的事件名;通过事件名召回候选文档集合;计算事件名与各候选文档之间的第一相似度;将第一相似度大于预定第一阈值的候选文档添加到相关文档集合;计算各相关文档的特征的加权和作为事件的热度并输出。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操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。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、第一召回单元、第一计算单元、第一过滤单元和输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取待查询热度的事件的事件名的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于输出信息的方法,包括:
从事件库中获取待查询热度的事件的事件名,其中,事件库中将表述同一事件的多个事件归为一簇,他们共享一个事件名,事件名是描述事件核心内容的片段;
通过所述事件名召回候选文档集合;
计算所述事件名与各候选文档之间的第一相似度;
将第一相似度大于预定第一阈值的候选文档的原始的源头文档添加到相关文档集合;
计算各相关文档的特征的加权和作为所述事件的热度并输出,其中,所述相关文档的特征包括以下至少一项:
相关文档的数量,相关文档转发数总和,相关文档下面的评论数总和。
2.根据权利要求1所述的方法,其中,所述方法还包括:
通过所述事件名召回第一搜索词集合;
计算所述事件名与各第一搜索词之间的第二相似度;
将第二相似度大于预定第二阈值的第一搜索词添加到精确搜索词集合;
使用各精确搜索词的特征的加权和修正所述热度。
3.根据权利要求1或2所述的方法,其中,所述方法还包括:
从所述事件名中抽取出核心实体;
通过所述核心实体召回第二搜索词集合,并抽取出每个第二搜索词的核心实体;
计算所述事件名的核心实体与各第二搜索词的核心实体之间的第三相似度;
将第三相似度大于预定第三阈值的第二搜索词添加到泛搜索词集合;
使用各泛搜索词的特征的加权和修正所述热度。
4.根据权利要求2所述的方法,其中,所述精确搜索词的特征包括历史展现次数。
5.一种用于输出信息的装置,包括:
获取单元,被配置成从事件库中获取待查询热度的事件的事件名,其中,事件库中将表述同一事件的多个事件归为一簇,他们共享一个事件名,事件名是描述事件核心内容的片段;
第一召回单元,被配置成通过所述事件名召回候选文档集合;
第一计算单元,被配置成计算所述事件名与各候选文档之间的第一相似度;
第一过滤单元,被配置成将第一相似度大于预定第一阈值的候选文档的原始的源头文档添加到相关文档集合;
输出单元,被配置成计算各相关文档的特征的加权和作为所述事件的热度并输出,其中,所述相关文档的特征包括以下至少一项:
相关文档的数量,相关文档转发数总和,相关文档下面的评论数总和。
6.根据权利要求5所述的装置,其中,所述装置还包括:
第二召回单元,被配置成通过所述事件名召回第一搜索词集合;
第二计算单元,被配置成计算所述事件名与各第一搜索词之间的第二相似度;
第二过滤单元,被配置成将第二相似度大于预定第二阈值的第一搜索词添加到精确搜索词集合;
第一修正单元,被配置成使用各精确搜索词的特征的加权和修正所述热度。
7.根据权利要求5或6所述的装置,其中,所述装置还包括:
抽取单元,被配置成从所述事件名中抽取出核心实体;
第三召回单元,被配置成通过所述核心实体召回第二搜索词集合,并抽取出每个第二搜索词的核心实体;
第三计算单元,被配置成计算所述事件名的核心实体与各第二搜索词的核心实体之间的第三相似度;
第三过滤单元,被配置成将第三相似度大于预定第三阈值的第二搜索词添加到泛搜索词集合;
第二修正单元,被配置成使用各泛搜索词的特征的加权和修正所述热度。
8.根据权利要求6所述的装置,其中,所述精确搜索词的特征包括历史展现次数。
9.一种用于输出信息的电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196580.1A CN111382365B (zh) | 2020-03-19 | 2020-03-19 | 用于输出信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196580.1A CN111382365B (zh) | 2020-03-19 | 2020-03-19 | 用于输出信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111382365A CN111382365A (zh) | 2020-07-07 |
CN111382365B true CN111382365B (zh) | 2023-07-28 |
Family
ID=71217314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010196580.1A Active CN111382365B (zh) | 2020-03-19 | 2020-03-19 | 用于输出信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111382365B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699314A (zh) * | 2020-12-25 | 2021-04-23 | 百度在线网络技术(北京)有限公司 | 热点事件确定方法、装置、电子设备及存储介质 |
CN113722593B (zh) * | 2021-08-31 | 2024-01-16 | 北京百度网讯科技有限公司 | 事件数据处理方法、装置、电子设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937960A (zh) * | 2012-09-06 | 2013-02-20 | 北京邮电大学 | 突发事件热点话题的识别与评估装置和方法 |
CN104636487A (zh) * | 2015-02-26 | 2015-05-20 | 湖北光谷天下传媒股份有限公司 | 一种广告信息管理方法 |
GB201808875D0 (en) * | 2018-05-31 | 2018-07-18 | Uxlabs Ltd | Method, apparatus and computer program for information retrieval using query expansion |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933129B (zh) * | 2015-06-12 | 2019-04-30 | 百度在线网络技术(北京)有限公司 | 基于微博的事件脉络获取方法和*** |
US11663254B2 (en) * | 2016-01-29 | 2023-05-30 | Thomson Reuters Enterprise Centre Gmbh | System and engine for seeded clustering of news events |
CN108572990B (zh) * | 2017-03-14 | 2021-05-25 | 上海优扬新媒信息技术有限公司 | 信息推送方法和装置 |
CN107491518B (zh) * | 2017-08-15 | 2020-08-04 | 北京百度网讯科技有限公司 | 一种搜索召回方法和装置、服务器、存储介质 |
CN107491547B (zh) * | 2017-08-28 | 2020-11-10 | 北京百度网讯科技有限公司 | 基于人工智能的搜索方法和装置 |
CN107885873B (zh) * | 2017-11-28 | 2021-08-24 | 百度在线网络技术(北京)有限公司 | 用于输出信息的方法和装置 |
-
2020
- 2020-03-19 CN CN202010196580.1A patent/CN111382365B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937960A (zh) * | 2012-09-06 | 2013-02-20 | 北京邮电大学 | 突发事件热点话题的识别与评估装置和方法 |
CN104636487A (zh) * | 2015-02-26 | 2015-05-20 | 湖北光谷天下传媒股份有限公司 | 一种广告信息管理方法 |
GB201808875D0 (en) * | 2018-05-31 | 2018-07-18 | Uxlabs Ltd | Method, apparatus and computer program for information retrieval using query expansion |
Non-Patent Citations (3)
Title |
---|
Deep news event ranker based on user relevant query;Xiangfei Kong等;《2018 IEEE 3rd International Conference on Cloud Computing and Big Data Analysis》;363-367 * |
基于信息资源开放整合的图书检索结果排序优化;童旺宇等;《图书馆学研究》(第23期);65-71 * |
面向微信数据的事件发现及其热度计算方法研究;郝晓波;《万方学位论文库》;1-88 * |
Also Published As
Publication number | Publication date |
---|---|
CN111382365A (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679211B (zh) | 用于推送信息的方法和装置 | |
CN111414498B (zh) | 多媒体信息推荐方法、装置及电子设备 | |
CN111368185B (zh) | 数据展示方法、装置、存储介质及电子设备 | |
CN109872242B (zh) | 信息推送方法和装置 | |
CN107885873B (zh) | 用于输出信息的方法和装置 | |
CN111382365B (zh) | 用于输出信息的方法和装置 | |
CN111460288B (zh) | 用于检测新闻事件的方法和装置 | |
CN111400625A (zh) | 页面处理方法、装置、电子设备及计算机可读存储介质 | |
CN111078849B (zh) | 用于输出信息的方法和装置 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN110895587B (zh) | 用于确定目标用户的方法和装置 | |
CN113590756A (zh) | 信息序列生成方法、装置、终端设备和计算机可读介质 | |
CN111382262A (zh) | 用于输出信息的方法和装置 | |
CN111737571B (zh) | 搜索方法、装置和电子设备 | |
CN111597441B (zh) | 信息处理方法、装置和电子设备 | |
CN114239501A (zh) | 合同生成方法、装置、设备及介质 | |
CN112699289A (zh) | 房源信息聚合展示方法、装置、电子设备和计算机可读介质 | |
CN111597439A (zh) | 信息处理方法、装置和电子设备 | |
CN110598133A (zh) | 确定搜索项目的顺序的方法、装置、电子设备和计算机可读存储介质 | |
CN113283115B (zh) | 图像模型生成方法、装置和电子设备 | |
CN110543491A (zh) | 搜索方法、装置、电子设备和计算机可读存储介质 | |
CN110619093B (zh) | 确定搜索项目的顺序的方法、装置、电子设备和计算机可读存储介质 | |
CN112084440B (zh) | 数据校验方法、装置、电子设备和计算机可读介质 | |
CN112989205A (zh) | 媒体文案推荐方法、装置、介质及电子设备 | |
CN115221382A (zh) | 信息处理方法、装置和电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |