CN112257438A - 一种具有关联机制的语言知识处理方法及装置 - Google Patents

一种具有关联机制的语言知识处理方法及装置 Download PDF

Info

Publication number
CN112257438A
CN112257438A CN202011142689.3A CN202011142689A CN112257438A CN 112257438 A CN112257438 A CN 112257438A CN 202011142689 A CN202011142689 A CN 202011142689A CN 112257438 A CN112257438 A CN 112257438A
Authority
CN
China
Prior art keywords
data
keywords
words
keyword
association
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
Application number
CN202011142689.3A
Other languages
English (en)
Other versions
CN112257438B (zh
Inventor
韩抒豪
杜晋瑞
姚国军
周华
江俊
陈勇铨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Yingfang Software Co ltd
Original Assignee
Shanghai Yingfang Software Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Yingfang Software Co ltd filed Critical Shanghai Yingfang Software Co ltd
Priority to CN202011142689.3A priority Critical patent/CN112257438B/zh
Publication of CN112257438A publication Critical patent/CN112257438A/zh
Application granted granted Critical
Publication of CN112257438B publication Critical patent/CN112257438B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • G06F16/9532—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/194—Calculation of difference between files
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种具有关联机制的语言知识处理方法及装置，所述方法包括如下步骤：步骤S1，获取某一数据类别语言知识的原始数据，获取其关键词及关联词；步骤S2，根据步骤S1获得的关键词和关联词与各数据类别原始数据的关键词和关联词进行匹配，得到匹配的各关联模块的关联数据，并输出匹配结果，本发明在用户使用语言知识时可以提供不同数据类别语言知识之间的关联结果，以便用户更高效率地获取语言知识。

Description

一种具有关联机制的语言知识处理方法及装置
技术领域
本发明涉及软件设计技术领域，特别是涉及一种具有关联机制的语言知识处理方法及装置。
背景技术
目前市场上已经出现很多软件都能够开发语言知识，比如脑筋急转弯、成语接龙、谚语、诗文、对联、猜谜语、歇后语、绕口令等，这些都对一个人的语言知识提供了帮助。
但是，这些软件仅限于给使用对象提供一些零碎的知识，功能比较单一，中间的关联性没有体现出来，虽然使用者阅读了该些知识点之后，可以增长一定的知识，但是由于这些语言知识之间缺乏关联性，不能很好地融会贯通，遇到一些真实生活场景时，不能及时联想到这些学到的知识点。
发明内容
为克服上述现有技术存在的不足，本发明之目的在于提供一种具有关联机制的语言知识处理方法及装置，以在用户使用语言知识时可以提供不同数据类别语言知识之间的关联结果，以便用户更高效率地获取语言知识。
为达上述目的，本发明提出一种具有关联机制的语言知识处理方法，包括如下步骤：
步骤S1，获取某一数据类别语言知识的原始数据，获取其关键词及关联词；
步骤S2，根据步骤S1获得的关键词和关联词与各数据类别原始数据的关键词和关联词进行匹配，得到匹配的各关联模块的关联数据，并输出匹配结果。
优选地，于步骤S1之前，还包括如下步骤：
步骤S0，对每个数据类别语言知识的原始数据进行分析，确定其对应的关键词，并根据得到的关键词进一步确定与该原始数据相关的关联词，同时给各关联词确定相应的权重。
优选地，于步骤S2中，在获得与匹配的各关联模块的原始数据后，最后根据关键词以及关联词的权重将获得的每个数据类别的关联数据输出。
优选地，于步骤S2中，先根据步骤S1获得的关键词将其各数据类别原始数据的关键词和关联词匹配，获得与该关键词相同的关联模块的数据类别数据，然后再将步骤S1获得的关联词将其各数据类别原始数据的关键词和关联词匹配，获得与该关联词相同的关联模块的数据类别数据，最后根据关键词以及关联词的权重将获得的每个数据类别的关联数据输出。
优选地，于步骤S1中，通过一案例页获取某一数据类别语言知识的原始数据，进而获取其关键词及关联词。
优选地，当于匹配结果输出界面接收到对关联数据的点击请求时，跳转至所述案例页，将该关联数据转为原始数据，返回至步骤S1，从而进行下一轮的关键词、关联词的确定与关联模块的输出展示。
优选地，所述数据类别包括但不限于脑筋急转弯、成语接龙、谚语、诗文、对联、猜谜语、歇后语、绕口令。
为达到上述目的，本发明还提供一种具有关联机制的语言知识处理装置，包括：
关键词及关联词获取单元，用于获取某一数据类别语言知识的原始数据，获取其关键词及关联词；
关联匹配单元，根据所述关键词及关联词获取单元获得的关键词和关联词与各数据类别语言知识的关键词和关联词进行匹配，得到匹配的各关联模块的关联数据，并输出匹配结果。
优选地，所述装置还包括关键词及关联词预设单元，用于对每个数据类别语言知识的原始数据进行分析，确定其对应的关键词，并根据得到的关键词进一步确定与该原始数据相关的关联词，同时给各关联词确定相应的权重。
优选地，所述关联匹配单元先根据关键词及关联词获取单元获得的关键词将其各数据原始数据的关键词和关联词匹配，获得与该关键词相同的关联模块的数据类别数据，然后再将关键词及关联词获取单元获得的关联词将其各数据类别原始数据的关键词和关联词匹配，获得与该关联词相同的关联模块的数据类别数据，最后根据关键词以及关联词的权重将获得的每个数据类别的关联数据输出。
与现有技术相比，本发明一种具有关联机制的语言知识处理方法及装置通过于案例页获取某一数据类别语言知识的原始数据，获取其关键词及关联词，然后根据获得的关键词和关联词与各数据类别原始数据的关键词和关联词进行匹配，得到匹配的各关联模块的关联数据，并输出匹配结果展示，本发明通过在用户使用语言知识时可以提供不同数据类别语言知识之间的关联结果，以便用户更高效率地获取语言知识。
附图说明
图1为本发明一种具有关联机制的语言知识处理方法的步骤流程图；
图2为本发明具体实施例中具有关联机制的语言知识处理流程示意图；
图3为本发明具体实施例中提炼关键词与关联词示意图；
图4为本发明具体实施例中数据类别关联模块数据的整合示意图；
图5为本发明一种具有关联机制的语言知识处理装置的***架构图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种具有关联机制的语言知识处理方法的步骤流程图，图2为本发明具体实施例中具有关联机制的语言知识处理流程示意图。如图1及图2所示，本发明一种具有关联机制的语言知识处理方法，包括如下步骤：
步骤S1，获取某一数据类别语言知识的原始数据，获取其关键词及关联词。
在本发明具体实施例中，用户可通过案例页获取某一数据类型语言知识的原始数据，所述案例页为实际生活中对数据类别的实际应用，使用填空题、选择题或者使用图片、视频的方式给用户留出想象空间作为实际应用案例教学，案例页展示的数据类别数据称为原始数据，所述数据类别包括但不限于脑筋急转弯、成语接龙、谚语、诗文、对联、猜谜语、歇后语、绕口令等。
当通过案例页获取数据类别为歇后语的原始数据“诸葛亮草船借箭——有借无还”时，根据预设关键词及关联词获取该原始数据对应的关键词及关联词。
优选地，于步骤S1之前，还包括如下步骤：
步骤S0，对每个数据类别语言知识的原始数据进行分析，确定其对应的关键词，并根据得到的关键词进一步确定与该原始数据相关的关联词，同时给各关联词确定相应的权重。具体地，步骤S0进一步包括：
步骤S001，利用现有的词库，例如搜狗、百度输入法等，对原始数据进行分词处理，得到所述原始数据的关键词。以“诸葛亮草船借箭——有借无还”为例，经分词处理后，得到关键词“诸葛亮”、“草船”、“借”、“箭”、“有借无还”。
步骤S002，根据获得的原始数据的关键词，爬取包括所述关键词的多个网络文本。
也就是说，通过爬虫***在社交媒体和搜索引擎等信息库中获取包含该关键词的多个文本，在本发明具体实施例中，爬取包含原始数据的关键词例如“诸葛亮”、“草船”、“借”、“箭”、“有借无还”的网络文本。
步骤S003，对爬取到的多个网络文本进行处理，得到多个关联词，并依据各关联词与关键词的相似度，确定各关联词的权重。
具体地，通过爬虫***获取到的多个网络文本中，包含大量的冗余成分，因此，需对多个网络成本进行处理，得到与每个关键词高度聚合的多个关联词，并根据各关联词与关键词的相似度确定各关联词的权重。
由于通过对爬取到的网络文本进行处理从而得到高度聚合的多个关联词以及相似度的计算方法均采用的现有常用的技术手段，在此不予追述。在本发明具体实施例中，各关联词的权重可以相当于对各关联词确定了不同优先级，例如权重1、权重2，其中权重1的级别高于权重2的级别，如图3所示，例如对关键词“诸葛亮”确定的关联词有“卧龙”、“孔明”、“刘备”、“三顾茅庐”、“三国演义”、“诸葛庐”等，并根据各关联词与关键词的相似度确定各关联词的权重，例如关联词“卧龙”、“孔明”权重为权重1，三顾茅庐”、“三国演义”、“诸葛庐”的权重为权重2。
步骤S2，根据步骤S1获得的关键词和关联词与各数据类别语言知识的关键词和关联词进行匹配，得到匹配的各关联模块的关联数据，并输出匹配结果予以展示。
在本发明中，当一种数据类别数据的关键词或关联词与其它数据类别数据的关键词或关联词相同时，这种数据类别也可以称为关联模块。具体地，于步骤S2中，先根据步骤S1获得的关键词将其各数据类别语言知识的关键词和关联词匹配，获得与该关键词相同的关联模块的数据类别数据，然后再将步骤S1获得的关联词将其各数据类别语言知识的关键词和关联词匹配，获得与该关联词相同的关联模块的数据类别数据，最后根据关键词以及关联词的权重将获得的每个数据类别的关联数据输出。如图4所示，以原始数据“诸葛亮草船借箭——有借无还”为例，根据获得的关键词和关联词，首先依次对关键词(例如诸葛亮)遍历，对各数据类型(例如歇后语、对联、诗文等)的原始数据的关键词及关联词进行遍历，查找与其匹配的各关联模块的原始数据，然后，依次对关联词遍历，对各数据类型(例如歇后语、对联、诗文等)的原始数据的关键词及关联词进行遍历，查找与其匹配的各关联模块的原始数据，各关联模块将优先展示具有相同关键词的数据，而后展示具有相同关联词的数据，权重级别越高的关联词，越会优先展示。
优选地，当于匹配结果输出界面接收到对关联数据的点击请求时，跳转至案例页，将该关联数据转为原始数据，返回至步骤S1，从而进行下一轮的关键词、关联词的设置与关联模块的展示，这样可以增加用户的使用频率。通过本发明，可便于用户扩展知识，增加使用语言知识软件的趣味性和灵活性，本发明通过使用大量的关联链接，简化了用户的操作，增加语言知识学习的便携性。
优选地，当接收到对某个原始数据的收藏请求时，收藏该原始数据，并对其进行归类。在本发明具体实施例中，可设置温故知新页提供用户对于自己感兴趣或者觉得用得到的数据设置收藏，并且对收藏自行归类，以便于在后来的使用中及时查阅，这样可以增加用户的粘性，从而增加使用软件的活跃度。
图5为本发明一种具有关联机制的语言知识处理装置的***架构图。如图5所示，本发明一种具有关联机制的语言知识处理装置，包括：
关键词及关联词获取单元501，用于获取某一数据类别语言知识的原始数据，获取其关键词及关联词。
在本发明具体实施例中，关键词及关联词获取单元501可通过案例页获取某一数据类型语言知识的原始数据，所述案例页为实际生活中对数据类别的实际应用，使用填空题、选择题或者使用图片、视频的方式给用户留出想象空间作为实际应用案例教学，案例页展示的数据类别数据称为原始数据，所述数据类别包括但不限于脑筋急转弯、成语接龙、谚语、诗文、对联、猜谜语、歇后语、绕口令等。
当通过案例页获取数据类别为歇后语的原始数据“诸葛亮草船借箭——有借无还”时，根据预设关键词及关联词获取该原始数据对应的关键词及关联词。
优选地，本发明之具有关联机制的语言知识处理装置，还包括：
关键词及关联词预设单元500，用于对每个数据类别语言知识的原始数据进行分析，确定其对应的关键词，并根据得到的关键词进一步确定与该原始数据相关的关联词，同时给各关联词确定相应的权重。在本发明具体实施例中，各关联词的权重可以设置为具有不同优先级的多个级别，例如权重1、权重2，其中权重1的级别高于权重2的级别。
具体地，关键词及关联词预设单元500具体用于：
利用现有的词库，例如搜狗、百度输入法等，对原始数据进行分词处理，得到所述原始数据的关键词。以“诸葛亮草船借箭——有借无还”为例，经分词处理后，得到关键词“诸葛亮”、“草船”、“借”、“箭”、“有借无还”。
根据获得的原始数据的关键词，爬取包括所述关键词的多个网络文本。
也就是说，通过爬虫***在社交媒体和搜索引擎等信息库中获取包含该关键词的多个文本，在本发明具体实施例中，爬取包含原始数据的关键词例如“诸葛亮”、“草船”、“借”、“箭”、“有借无还”的网络文本。
对爬取到的多个网络文本进行处理，得到多个关联词，并依据各关联词与关键词的相似度，确定各关联词的权重。
具体地，通过爬虫***获取到的多个网络文本中，包含大量的冗余成分，因此，需对多个网络成本进行处理，得到与每个关键词高度聚合的多个关联词，并根据各关联词与关键词的相似度确定各关联词的权重。例如对关键词“诸葛亮”得到的关联词有“卧龙”、“孔明”、“刘备”、“三顾茅庐”、“三国演义”、“诸葛庐”等，并根据各关联词与关键词的相似度确定各关联词的权重，例如关联词“卧龙”、“孔明”权重为权重1，三顾茅庐”、“三国演义”、“诸葛庐”的权重为权重2。
关联匹配单元502，根据关键词及关联词获取单元501获得的关键词和关联词与各数据类别语言知识的关键词和关联词进行匹配，得到匹配的各关联模块的关联数据，并输出匹配结果予以展示。
在本发明中，当一种数据类别数据的关键词或关联词与其它数据类别数据的关键词或关联词相同时，这种数据类别也可以称为关联模块。具体地，于关联匹配单元502中，先根据关键词及关联词获取单元501获得的关键词将其各数据类别语言知识的关键词和关联词匹配，获得与该关键词相同的关联模块的数据类别数据，然后再将关键词及关联词获取单元501获得的关联词将其各数据类别语言知识的关键词和关联词匹配，获得与该关联词相同的关联模块的数据类别数据，最后根据关键词以及关联词的权重将获得的每个数据类别的关联数据输出。以原始数据“诸葛亮草船借箭——有借无还”为例，根据获得的关键词和关联词，首先依次对关键词(例如诸葛亮)遍历，对各数据类型(例如歇后语、对联、诗文等)的原始数据的关键词及关联词进行遍历，查找与其匹配的各关联模块的原始数据，然后，依次对关联词遍历，对各数据类型(例如歇后语、对联、诗文等)的原始数据的关键词及关联词进行遍历，查找与其匹配的各关联模块的原始数据，各关联模块将优先展示具有相同关键词的数据，而后展示具有相同关联词的数据，权重级别越高的关联词，越会优先展示。
优选地，当于匹配结果输出界面接收到对关联数据的点击请求时，跳转至案例页，将该关联数据转为原始数据，返回至关键词及关联词获取单元501，从而进行下一轮的关键词、关联词的设置与关联模块的展示，这样可以增加用户的使用频率。通过本发明，可便于用户扩展知识，增加使用语言知识软件的趣味性和灵活性，本发明通过使用大量的关联链接，简化了用户的操作，增加语言知识学习的便携性。
优选地，当关联匹配单元502接收到对某个原始数据的收藏请求时，收藏该原始数据，并对其进行归类。在本发明具体实施例中，可设置温故知新页提供用户对于自己感兴趣或者觉得用得到的数据设置收藏，并且对收藏自行归类，以便于在后来的使用中及时查阅，这样可以增加用户的粘性，从而增加使用软件的活跃度。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (10)

1.一种具有关联机制的语言知识处理方法，包括如下步骤：
步骤S1，获取某一数据类别语言知识的原始数据，获取其关键词及关联词；
步骤S2，根据步骤S1获得的关键词和关联词与各数据类别原始数据的关键词和关联词进行匹配，得到匹配的各关联模块的关联数据，并输出匹配结果。
2.如权利要求1所述的一种具有关联机制的语言知识处理方法，其特征在于，于步骤S1之前，还包括如下步骤：
步骤S0，对每个数据类别语言知识的原始数据进行分析，确定其对应的关键词，并根据得到的关键词进一步确定与该原始数据相关的关联词，同时给各关联词确定相应的权重。
3.如权利要求2所述的一种具有关联机制的语言知识处理方法，其特征在于：于步骤S2中，在获得与匹配的各关联模块的原始数据后，最后根据关键词以及关联词的权重将获得的每个数据类别的关联数据输出。
4.如权利要求3所述的一种具有关联机制的语言知识处理方法，其特征在于：于步骤S2中，先根据步骤S1获得的关键词将其各数据类别原始数据的关键词和关联词匹配，获得与该关键词相同的关联模块的数据类别数据，然后再将步骤S1获得的关联词将其各数据类别原始数据的关键词和关联词匹配，获得与该关联词相同的关联模块的数据类别数据，最后根据关键词以及关联词的权重将获得的每个数据类别的关联数据输出。
5.如权利要求4所述的一种具有关联机制的语言知识处理方法，其特征在于：于步骤S1中，通过一案例页获取某一数据类别语言知识的原始数据，进而获取其关键词及关联词。
6.如权利要求5所述的一种具有关联机制的语言知识处理方法，其特征在于：当于匹配结果输出界面接收到对关联数据的点击请求时，跳转至所述案例页，将该关联数据转为原始数据，返回至步骤S1，从而进行下一轮的关键词、关联词的确定与关联模块的输出展示。
7.如权利要求1所述的一种具有关联机制的语言知识处理方法，其特征在于：所述数据类别包括但不限于脑筋急转弯、成语接龙、谚语、诗文、对联、猜谜语、歇后语、绕口令。
8.一种具有关联机制的语言知识处理装置，包括：
关键词及关联词获取单元，用于获取某一数据类别语言知识的原始数据，获取其关键词及关联词；
关联匹配单元，根据所述关键词及关联词获取单元获得的关键词和关联词与各数据类别语言知识的关键词和关联词进行匹配，得到匹配的各关联模块的关联数据，并输出匹配结果。
9.如权利要求8所述的一种具有关联机制的语言知识处理装置，其特征在于：所述装置还包括关键词及关联词预设单元，用于对每个数据类别语言知识的原始数据进行分析，确定其对应的关键词，并根据得到的关键词进一步确定与该原始数据相关的关联词，同时给各关联词确定相应的权重。
10.如权利要求9所述的一种具有关联机制的语言知识处理装置，其特征在于：所述关联匹配单元先根据关键词及关联词获取单元获得的关键词将其各数据原始数据的关键词和关联词匹配，获得与该关键词相同的关联模块的数据类别数据，然后再将关键词及关联词获取单元获得的关联词将其各数据类别原始数据的关键词和关联词匹配，获得与该关联词相同的关联模块的数据类别数据，最后根据关键词以及关联词的权重将获得的每个数据类别的关联数据输出。
CN202011142689.3A 2020-10-22 2020-10-22 一种具有关联机制的语言知识处理方法及装置 Active CN112257438B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011142689.3A CN112257438B (zh) 2020-10-22 2020-10-22 一种具有关联机制的语言知识处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011142689.3A CN112257438B (zh) 2020-10-22 2020-10-22 一种具有关联机制的语言知识处理方法及装置

Publications (2)

Publication Number Publication Date
CN112257438A true CN112257438A (zh) 2021-01-22
CN112257438B CN112257438B (zh) 2023-07-04

Family

ID=74264150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011142689.3A Active CN112257438B (zh) 2020-10-22 2020-10-22 一种具有关联机制的语言知识处理方法及装置

Country Status (1)

Country Link
CN (1) CN112257438B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104978320A (zh) * 2014-04-02 2015-10-14 东华软件股份公司 一种基于相似度的知识推荐方法和设备
CN105760508A (zh) * 2016-02-23 2016-07-13 北京搜狗科技发展有限公司 一种信息推送方法、装置及电子设备
CN106649367A (zh) * 2015-10-30 2017-05-10 北京国双科技有限公司 检测关键词推广程度的方法和装置
CN108549697A (zh) * 2018-04-16 2018-09-18 北京百度网讯科技有限公司 基于语义关联的信息推送方法、装置、设备以及存储介质
CN109614467A (zh) * 2018-11-23 2019-04-12 北京仿真中心 一种基于片段相似度的知识关联与动态组织方法和***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104978320A (zh) * 2014-04-02 2015-10-14 东华软件股份公司 一种基于相似度的知识推荐方法和设备
CN106649367A (zh) * 2015-10-30 2017-05-10 北京国双科技有限公司 检测关键词推广程度的方法和装置
CN105760508A (zh) * 2016-02-23 2016-07-13 北京搜狗科技发展有限公司 一种信息推送方法、装置及电子设备
CN108549697A (zh) * 2018-04-16 2018-09-18 北京百度网讯科技有限公司 基于语义关联的信息推送方法、装置、设备以及存储介质
CN109614467A (zh) * 2018-11-23 2019-04-12 北京仿真中心 一种基于片段相似度的知识关联与动态组织方法和***

Also Published As

Publication number Publication date
CN112257438B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
Zhang et al. Towards conversational search and recommendation: System ask, user respond
CN108846126B (zh) 关联问题聚合模型的生成、问答式聚合方法、装置及设备
US10929392B1 (en) Artificial intelligence system for automated generation of realistic question and answer pairs
CN110083729B (zh) 一种图像搜索的方法及***
CN111432282B (zh) 一种视频推荐方法及装置
CN110210933A (zh) 一种基于生成对抗网络的隐语义推荐方法
CN113761887A (zh) 基于文本处理的匹配方法、装置、计算机设备和存储介质
CN116955591A (zh) 用于内容推荐的推荐语生成方法、相关装置和介质
CN109408175B (zh) 通用高性能深度学习计算引擎中的实时交互方法及***
CN116186220A (zh) 信息检索方法、问答处理方法、信息检索装置及***
CN116956183A (zh) 多媒体资源推荐方法、模型训练方法、装置及存储介质
CN112257438A (zh) 一种具有关联机制的语言知识处理方法及装置
CN115269961A (zh) 内容搜索方法以及相关设备
CN115952317A (zh) 视频处理方法、装置、设备、介质及程序产品
CN116521935A (zh) 一种信息推荐方法、装置及电子设备
TWI693524B (zh) 專屬個性化圖片搜尋優化方法
CN113869518A (zh) 视觉常识推理方法、装置、电子设备及存储介质
CN118152668B (zh) 媒体信息处理方法及装置、设备、存储介质、程序产品
CN118228718B (zh) 编码器处理方法、文本处理方法及相关设备
CN116910225B (zh) 一种基于云平台的主动应答方法及***
CN115878849B (zh) 一种视频标签关联方法、装置和电子设备
CN117611845B (zh) 多模态数据的关联识别方法、装置、设备及存储介质
Singh et al. YTBlend: YouTube Video Recommendations System
Johannessen Novel Methods Using Human Emotion and Visual Features for Recommending Movies
Singh et al. SmartBlend: Smart Video Recommendations on YouTube

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