CN112446212B - 文章生成方法、装置、电子设备及存储介质 - Google Patents
文章生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112446212B CN112446212B CN201910810032.0A CN201910810032A CN112446212B CN 112446212 B CN112446212 B CN 112446212B CN 201910810032 A CN201910810032 A CN 201910810032A CN 112446212 B CN112446212 B CN 112446212B
- Authority
- CN
- China
- Prior art keywords
- information
- price
- user
- dimension
- price reduction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 206
- 230000009467 reduction Effects 0.000 claims abstract description 185
- 239000000446 fuel Substances 0.000 claims description 21
- 230000010757 Reduction Activity Effects 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 11
- 238000013145 classification model Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008451 emotion Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000282376 Panthera tigris Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000737052 Naso hexacanthus Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种文章生成方法、装置、电子设备及存储介质，涉及计算机技术领域。该方法包括：确定降价商品的标识信息；获取标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取标识信息对应的降价商品的降价信息；根据降价信息确定文章的标题信息；基于用户评价信息生成文章的用户评价正文内容；基于降价信息生成文章的降价正文内容；基于标题信息、用户评价正文内容和降价正文内容得到文章。本申请通过机器生成降价商品对应的文章，提高了文章生成的效率；而且，生成的文章中包含了降价商品的用户评价信息，使用户获得的降价商品的相关信息更加全面，能够更好地对用户决策起到导向作用。
Description
技术领域
本申请涉及人工智能技术领域，具体而言，本申请涉及一种文章生成方法、装置、电子设备及存储介质。
背景技术
随着人工智能(Artificial Intelligence，AI)技术的发展，机器写作技术逐渐得到应用。用机器代替人工，创作具有结构化特征的文章，能够大量提高写作效率，节省人工成本，在第一时间产出大量文章。
在汽车垂直媒体领域中，降价类文章具有很强的时效性，而目前降价文章主要依靠人工撰写，写作效率较低；而且，现有的降价文章仅包含降价信息，信息量较少，意向购车用户通过该文章仅能获取价格这一单一信息，还需通过其他渠道额外获取其他信息进行决策，可见，现有的降价文章不能很好地产生导向作用，无法满足用户需求。
发明内容
本申请提供了一种文章生成方法、装置、电子设备及计算机可读存储介质，可以解决人工撰写降价类文章写作效率低，降价文章包含的信息量少的问题。
本申请实施例提供的具体技术方案如下：
第一方面，本申请实施例提供了一种文章生成方法，该方法包括：
确定降价商品的标识信息；
获取标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取标识信息对应的降价商品的降价信息；
根据降价信息确定文章的标题信息；
基于用户评价信息生成文章的用户评价正文内容；
基于降价信息生成文章的降价正文内容；
基于标题信息、用户评价正文内容和降价正文内容得到文章。
在一种可能的实现方式中，基于用户评价信息生成文章的用户评价正文内容，包括：
将每个用户的用户评价信息按照降价商品对应的各个维度分别进行分类，得到对应于每个用户的每个维度的评价信息；
基于每个维度的评价信息生成文章的每个维度的用户评价正文内容，每个维度的用户评价正文内容包括对应于维度的各个用户的评价信息；
当商品为汽车时，维度包括以下至少一项：
外观、内饰、动力性能、油耗、舒适性、操控性、内部空间大小、选择原因。
在一种可能的实现方式中，在得到对应于每个用户的每个维度的评价信息之后，方法还包括：
根据每个维度的每个评价信息的评分结果、每个评价信息所对应的用户评价信息的信息时效性、以及每个评价信息所对应的用户评价信息的信息质量中的至少一个，对每个维度的每个评价信息进行过滤，得到每个维度的过滤后的评价信息；
其中，评分结果是通过以下方式确定的：
利用情感分类模型确定每个维度的每个评价信息对应的评分结果；
每个评价信息所对应的用户评价信息的信息质量是通过以下方式确定的：
获取每个评价信息所对应的用户评价信息的长度信息和特征标识；
基于长度信息和特征标识确定用户评价信息的信息质量；
基于每个维度的评价信息生成文章的每个维度的用户评价正文内容，包括：
基于每个维度的过滤后的评价信息生成文章的每个维度的用户评价正文内容。
在一种可能的实现方式中，当商品为汽车时，标识信息具体为车型信息；
基于每个维度的评价信息生成文章的每个维度的用户评价正文内容，包括：
获取车型信息对应的至少一个维度的关联图片信息；
基于每个维度的评价信息和维度对应的关联图片信息，生成文章的每个维度的用户评价正文内容。
在一种可能的实现方式中，当商品为汽车时，标识信息具体为车型信息；
基于降价信息生成文章的降价正文内容，包括：
确定至少一个目标城市，以及车型信息在每个目标城市中对应的至少一个车款信息；
获取每个目标城市的任一车款信息在预设时间范围内对应的至少两个历史价格信息；
将每个目标城市的任一车款信息、至少两个历史价格信息和每个历史价格信息对应的时间信息，按照时间先后顺序生成每个目标城市的历史价格趋势图，降价正文内容包括对应于每个目标城市的历史价格趋势图。在一种可能的实现方式中，降价信息包括优惠信息、降价活动信息、历史价格信息中的至少一项；
基于降价信息生成文章的降价正文内容，还包括：
基于优惠信息，生成车型信息对应的优惠信息表；
基于降价活动信息，生成车型信息对应的降价活动描述信息；
基于历史价格信息，生成任一车款信息对应的价格趋势解读信息；
降价正文内容包括优惠信息表、降价活动描述信息和价格趋势解读信息中的至少一项。
在一种可能的实现方式中，在获取标识信息对应的降价商品的至少一个用户的用户评价信息之后，方法还包括：
确定每个车款信息对应的至少一个用户的用户评价信息；
根据每个车款信息对应的至少一个用户评价信息中的油耗计算每个车款信息对应的平均油耗。
在一种可能的实现方式中，方法还包括：获取用户的历史点击数据；
根据降价信息确定文章的标题信息，包括：
基于历史点击数据和平均油耗中的至少一项，以及降价信息，确定标题信息。
第二方面，提供了一种文章生成装置，该装置包括：
第一确定模块，用于确定降价商品的标识信息；
获取模块，用于获取标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取标识信息对应的降价商品的降价信息；
第二确定模块，用于根据降价信息确定文章的标题信息；
第一生成模块，用于基于用户评价信息生成文章的用户评价正文内容；
第二生成模块，用于基于降价信息生成文章的降价正文内容；
第三生成模块，用于基于标题信息、用户评价正文内容和降价正文内容得到文章。
第三方面，提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据第一方面或者第一方面任一可能的实现方式所示的文章生成方法。
第四方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现本申请第一方面或者第一方面任一可能的实现方式所示的文章生成方法。
本申请提供的技术方案带来的有益效果是：
本申请提供了一种文章生成方法、装置、电子设备及存储介质，首先确定降价商品的标识信息；然后获取标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取标识信息对应的降价商品的降价信息；根据降价信息确定文章的标题信息；基于用户评价信息生成文章的用户评价正文内容；基于降价信息生成文章的降价正文内容；基于标题信息、用户评价正文内容和降价正文内容得到文章。本申请通过机器生成降价商品对应的文章，提高了文章生成的效率；而且，生成的文章中包含了降价商品的用户评价信息，使用户获得的降价商品的相关信息更加全面，能够更好地对用户决策起到导向作用。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种文章生成方法的流程图；
图2为本申请实施例提供的对不同经销商发送的汽车降价信息的处理过程示意图；
图3为本申请实施例提供的对汽车降价信息进行过滤加工的流程图；
图4为本申请实施例提供的文章生成模板的示意图；
图5为本申请实施例提供的用户评价正文内容模板示意图；
图6为本申请实施例提供的降价正文内容模板示意图；
图7为本申请实施例提供的文章生成装置的结构示意图；
图8为本申请实施例提供的文章生成的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
本申请技术方案的执行主体为服务器，包括但不限于单个网络服务器、多个网络服务器组成的服务器组或涉及云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
本申请实施例提供了一种文章生成方法，如图1所示，该方法包括：
步骤S101，确定降价商品的标识信息；
其中，降价商品可以包括在预设的时间范围内，起始时间点的价格高于结束时间点的价格的商品。降价商品的标识信息是指能够将一个类型的商品与其他类型的商品进行区分的信息，具体可以包括降价商品的品牌信息、型号信息等，确定降价商品的标识信息的目的是确定要生成该标识信息对应的文章。
当降价商品为汽车时，降价商品的标识信息可以为汽车的车型信息，例如，奥迪A6。
步骤S102，获取标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取标识信息对应的降价商品的降价信息；
具体的，获取降价商品对应的用户评价信息，其中包括用户对不同标识信息对应的降价商品的评价，在实际应用中，可以按照预设条件将一些用户评价信息进行过滤，将过滤后的用户评价信息构造用户评价信息数据库。根据标识信息从用户评价信息数据库中查询对应的降价商品的至少一个用户的用户评价信息，用户评价信息包括用户对产品质量、性能等各个维度的评价，能够反映出用户使用商品的体验和感受。
根据商品的经销商提供的不同品牌、不同型号的商品的降价信息构造降价信息数据库。具体的实现方式是通过从卡夫卡Kafka集群中接入经销商实时传送的不同商品的降价信息，判断该降价信息是否有效，将有效的降价信息存储到降价信息数据库中，同时清洗降价信息数据库中已经过期的降价信息，并对已修改的降价信息进行更新。
其中，卡夫卡集群是一个分布式的、可分区的、可复制的消息***。将消息以topic为单位进行归纳。将向Kafka topic发布消息的程序为生产者producers.，将预订topics并消费消息的程序成为消费者consumer。Kafka以集群的方式运行，可以由一个或多个服务器组成，每个服务叫做一个broker.producers通过网络将消息发送到Kafka集群，集群向消费者提供消息。
在一示例中，当降价商品为汽车时，降价商品的标识信息为汽车的车型信息，同一车型信息对应不同的配置的多个车款信息，例如，车型信息为奥迪A6，则车款信息可以包括奥迪A6L 2019款40TFSI进取致雅型、奥迪A6L 2019款45TFSI时尚动感型等。每个车款信息对应一个降价信息。从Kafka集群中得到各种品牌的汽车的降价信息之后，从kafka集群消费信息，进行车款信息拆分，根据信息中的状态码进行不同的操作，例如，增加、更新、删除，最终将处理后的降价信息存储到降价信息数据库中的降价信息表中。降价信息表的关键字段定义如下表所示：
| 经销商信息关键字段 | 字段含义 | 经销商信息关键字段 | 字段含义 |
| NewsID | 消息id | BusinessTax | 商业税 |
| SerialID | 车型id | TrafficTax | 交通税 |
| CarID | 车款id | PurchaseTax | 购置税 |
| Discount | 折扣信息 | StartDateTime | 活动开始时间 |
| FavoriblePrice | 优惠金额 | EndDateTime | 活动结束时间 |
| CarReferPrice | 指导价 | IsActive | 状态码 |
| VendorID | 经销商id | IsState | 状态码 |
| OilCar | 油卡信息 | Location | 经销商位置信息 |
其中，经销商信息关键字段列中的各项表示降价信息表的关键字段的英文含义，字段含义列表示降价信息表的关键字段的中文含义。
对不同经销商发送的汽车降价信息的处理过程如图2所示。其中，经销商将汽车降价信息存储到kafka集群，消费者从kafka集群中读取汽车降价信息，对降价信息进行预处理，拆分出不同的车款对应的降价信息，经过过滤加工之后存储进降价信息数据库。
对汽车降价信息进行过滤加工的流程图如图3所示。首先，接收经销商信息，经销商信息为经销商通过kafka集群传入的降价商品的降价信息。降价信息按照降价信息表中的各个字段的要求进行存储。根据降价信息表中的状态码字段IsActive和IsState的值来确定对数据进行增加、更新、删除的操作。判断IsActive的值是否等于1的目的是确定对应的降价商品数据是否启用，如果启用，则进一步判断该条降价商品数据是否在降价信息数据库中，如果在，则利用该条数据对数据库中的数据进行更新，如果该条降价商品数据不在降价信息数据库，则存储到降价信息数据库中；如果IsActive的值不等于1，则进一步判断IsActive的值是否等于2，如果IsActive的值等于2，则判断IsState的值是否等于3，如果等于3，则说明该条数据是没有经过审核通过的数据，则对该数据进行驳回处理；如果如果IsActive的值不等于2，则判断IsActive的值是否等于0，如果等于0，则将该数据删除，删除数据的原因是该降价信息中，经销商活动时间已结束，或者已取消了优惠活动。如果IsActive的值是不等于0、1、2，则认定为状态码异常。
在降价信息数据库中查询标识信息对应的降价商品的降价信息，降价信息包括降价商品的降价地区信息、不同时间的价格信息、优惠价格信息、优惠活动信息等与降价相关的信息。
步骤S103，根据降价信息确定文章的标题信息；
从降价信息中提取降价商品对应的至少一个关键词，例如，降价商品的品牌、型号、优惠信息等，将这些关键词进行组合，得到降价商品对应的文章的文章标题。
步骤S104，基于用户评价信息生成文章的用户评价正文内容；
将标识信息对应的降价商品的至少一个用户评价信息，按照预设的用户评价模板生成降价商品对应的文章的用户评价正文内容。
步骤S105，基于降价信息生成文章的降价正文内容；
将标识信息对应的降价商品的降价信息，按照预设的降价信息模板生成降价商品对应的文章的降价正文内容。
步骤S106，基于标题信息、用户评价正文内容和降价正文内容得到文章。
将标题信息、用户评价正文内容和降价正文内容，按照预设的文章生成模板生成降价商品对应的文章，文章生成模板可以采用html5进行设计，如图4所示。
本申请实施例提供的文章生成方法，首先确定降价商品的标识信息；然后获取标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取标识信息对应的降价商品的降价信息；根据降价信息确定文章的标题信息；基于用户评价信息生成文章的用户评价正文内容；基于降价信息生成文章的降价正文内容；基于标题信息、用户评价正文内容和降价正文内容得到文章。本申请通过机器生成降价商品对应的文章，提高了文章生成的效率；而且，生成的文章中包含了降价商品的用户评价信息，使用户获得的降价商品的相关信息更加全面，能够更好地对用户决策起到导向作用。
在一种可能的实现方式中，基于用户评价信息生成文章的用户评价正文内容，包括以下步骤：
将每个用户的用户评价信息按照降价商品对应的各个维度分别进行分类，得到对应于每个用户的每个维度的评价信息；
基于每个维度的评价信息生成文章的每个维度的用户评价正文内容，每个维度的用户评价正文内容包括对应于维度的各个用户的评价信息；
当商品为汽车时，维度包括以下至少一项：
外观、内饰、动力性能、油耗、舒适性、操控性、内部空间大小、选择原因。
在一示例中，当降价商品为汽车时，将每个用户的用户评价信息按照外观、内饰、动力性能、油耗、舒适性、操控性、内部空间大小、选择原因这些维度中的至少一项进行分类，基于每个维度的评价信息生成降价汽车的外观、内饰、动力性能、油耗、舒适性、操控性、内部空间大小、选择原因中至少一项对应的用户评价正文内容，用户评价正文内容包含各个用户针对以上各个维度的评价信息。
将用户的评价信息分为不同的维度在文章中进行显示，使文章的显示内容更加清晰，增强了文章的可读性。
例如，用户A的评价信息中包含了对降价汽车外观和内饰两个维度的评价信息，将用户A的评价信息按照维度分类后，得到两条用户A的评价信息：一条是用户A对于外观的评价信息；一条是用户A对于内饰的评价信息。用户B的评价信息中包含对于外观的评价信息。则用户评价正文内容中，针对外观的评价信息包括：用户A对于外观的评价信息、用户B对于外观的评价信息；针对内饰的评价信息包括：用户A对于内饰的评价信息。
在一种可能的实现方式中，在得到对应于每个用户的每个维度的评价信息之后，该方法还包括以下步骤：
根据每个维度的每个评价信息的评分结果、每个评价信息所对应的用户评价信息的信息时效性、以及每个评价信息所对应的用户评价信息的信息质量中的至少一个，对每个维度的每个评价信息进行过滤，得到每个维度的过滤后的评价信息；
其中，评分结果是通过以下方式确定的：
利用情感分类模型确定每个维度的每个评价信息对应的评分结果；
每个评价信息所对应的用户评价信息的信息质量是通过以下方式确定的：
获取每个评价信息所对应的用户评价信息的长度信息和特征标识；
基于长度信息和特征标识确定用户评价信息的信息质量；
基于每个维度的评价信息生成文章的每个维度的用户评价正文内容，包括：
基于每个维度的过滤后的评价信息生成文章的每个维度的用户评价正文内容。
其中，利用情感分类模型确定每个评价信息对应的评分结果，例如，利用基于Bert的分类模型，对评价信息进行分类，得到用户评价信息属于每一类的概率，将概率值作为每个评价信息的评分结果，评价信息的分数为0-1之间的数，分数接近1则说明该评论是积极的，分数接近0则说明该评论是负面的。
当根据评分结果对评价信息进行过滤时，可以根据分数确定过滤条件，例如，可以将得分小于0.5的评论过滤掉。
每个评价信息所对应的用户评价信息的信息时效性，可以根据用户评价信息的发布时间以及车款信息的时效性来确定。
当根据信息时效性对用户评价进行过滤时，设置的过滤条件可以是将发布时间不在预设时间范围或者评论对应的车款信息不符合预设条件(车款过时，该款汽车已停止售卖)的用户评价信息过滤掉。
每个评价信息所对应的用户评价信息的信息质量可以根据用户评价信息的长度和特征标识来确定，其中，特征标识可以为预先为一部分用户评价信息标注的表明该评价信息质量的的标识，例如，得到用户评价信息之后，为一部分质量较高的用户评价信息标注精华标签等。
按照上述三个方面对用户评价信息进行过滤的目的是使得到的用户评价信息更加客观，时效性更强，质量更高，从而使文章中显示的用户评价信息更加具有参考价值。
具体的，利用基于Bert的分类模型对用户评价信息进行分类；
A)数据准备：用户评价信息数据中有“最满意”和“最不满意”两种标签，这两种标签下的用户评价信息可以明确表示出用户的态度倾向，使用这部分数据作为训练集，并对其中不能构成完整描述的用户评价信息进行过滤，最后得到48000多条负样本和49000多条正样本，正负样本比接近1:1，并将数据按照7:1:2的比例划分为训练集，验证集和测试集；
B)模型训练：对每条用户评价信息进行分词，使用预训练的词向量将用户评价信息表征为向量，并且使用Bert模型进行训练，根据Bert模型在验证集上的表现选择超参数，最后在测试集上对分类模型效果进行评估；
C)模型部署：使用flask框架将用户评价信息的分类模型部署在GPU服务器上，利用分类模型确定每个用户评价信息的评分结果。
在一种可能的实现方式中，当商品为汽车时，标识信息具体为车型信息；
基于每个维度的评价信息生成文章的每个维度的用户评价正文内容，包括以下步骤：
获取车型信息对应的至少一个维度的关联图片信息；
基于每个维度的评价信息和维度对应的关联图片信息，生成文章的每个维度的用户评价正文内容。
在一示例中，当商品为汽车时，用户评价正文模板如图5所示。在车型图片数据库中查询车型信息对应的至少一个维度的关联图片信息，将维度信息对应关联图片信息，以及对于该车型该维度的用户1、用户2的用户评价信息，生成该车型的每个维度的用户评价正文内容，有些维度不具有关联图片，则不显示关联图片。
在降价商品的文章中增加至少一个维度的关联图片，能够使阅读文章的用户对降价车型具有更加直观的了解，提升用户体验。
例如，车型信息为卡罗拉，维度为外观、动力性能，则用户评价正文内容中包括：卡罗拉的外观图片、用户对于卡罗拉的外观的评价信息、用户对于卡罗拉的动力性能的评价信息(动力性能维度没有对应的关联图片则不显示)。
在一种可能的实现方式中，当商品为汽车时，标识信息具体为车型信息；
基于降价信息生成文章的降价正文内容，包括以下步骤：
确定至少一个目标城市，以及车型信息在每个目标城市中对应的至少一个车款信息；
获取每个目标城市的任一车款信息在预设时间范围内对应的至少两个历史价格信息；
将每个目标城市的任一车款信息、至少两个历史价格信息和每个历史价格信息对应的时间信息，按照时间先后顺序生成每个目标城市的历史价格趋势图，降价正文内容包括对应于每个目标城市的历史价格趋势图。在一示例中，当商品为汽车时，根据降价信息中的降价区域信息确定至少一个目标城市，即降价车型对应的至少一个城市，以及该车型的汽车的哪些车款在该城市降价，获取该降价车型的任意一个车款在目标城市过去一段时间内的价格信息，按照时间先后顺序生成该车款在该目标城市的历史价格趋势图。
例如，降价汽车的车型为路虎揽胜，对应的降价车款为盛世版，降价城市为北京、上海，则分别获取路虎揽胜盛世版在北京、上海的近半年以来每个月的销售价格，按照时间先后顺序分别生成北京销售价格趋势图、上海销售价格趋势图。
生成降价商品的历史价格趋势图，能够使阅读文章的用户对降价车款的历史价格具有更加清晰、直观的了解，便于根据价格趋势图决定购车时间。
在一种可能的实现方式中，降价信息包括优惠信息、降价活动信息、历史价格信息中的至少一项；
基于降价信息生成文章的降价正文内容，还包括：
基于优惠信息，生成车型信息对应的优惠信息表；
基于降价活动信息，生成车型信息对应的降价活动描述信息；
基于历史价格信息，生成任一车款信息对应的价格趋势解读信息；
降价正文内容包括优惠信息表、降价活动描述信息和价格趋势解读信息中的至少一项。
在一示例中，当降价商品为汽车时，如图6所示，根据降价信息中的优惠信息，包括：降价车款、厂商指导价、优惠幅度、优惠价等，生成每个降价车型对应的优惠信息表。根据降价信息中的降价活动信息，生成车型信息对应的降价活动描述信息，例如，哪些城市有该车型的促销活动，活动降价程度等。根据降价信息中的历史价格信息，生成任一车款信息对应的价格趋势解读信息，例如，在一定时间范围内的最高价、最低价、平均价格，价格变化趋势等。将优惠信息表、降价活动描述信息、历史价格趋势图和价格趋势解读信息按照预设模板生成降价正文内容。
在文章中显示降价汽车的优惠信息表、降价活动描述信息、历史价格趋势图和价格趋势解读信息，使文章的内容更加丰富，用户能够更加全面地了解降价车辆的相关优惠信息，从而对购车用户起到更好的指导作用。
在一种可能的实现方式中，在获取标识信息对应的降价商品的至少一个用户的用户评价信息之后，该方法还包括：
确定每个车款信息对应的至少一个用户的用户评价信息；
根据每个车款信息对应的至少一个用户评价信息中的油耗计算每个车款信息对应的平均油耗。
在一示例中，当降价商品为汽车时，在得到降价商品的用户评价信息之后，将用户评价信息按照车款进行分类，确定每个车款对应的至少一个用户评价信息，提取出用户评价信息中的油耗信息，计算该款车的平均油耗。
油耗是购买车辆的重要参考指标，计算油耗的目的是将降价车款的油耗信息加入降价汽车对应的文章，使阅读文章的用户能够了解降价车款的油耗信息，使得降价车辆的文章对用户的购车决策起到更好的导向作用。
在一种可能的实现方式中，方法还包括：获取用户的历史点击数据；
根据降价信息确定文章的标题信息，包括：
基于历史点击数据和平均油耗中的至少一项，以及降价信息，确定标题信息。
在一示例中，获取用户的历史点击数据，根据用户历史点击数据确定用户历史点击文章的点击率，对点击率满足预设阈值的多个文章的标题进行分析，提取共同特征，根据共同特征确定至少一个关键词，再根据降价信息确定至少一个关键词，例如，指导价格、降价幅度、车型名称等，将根据历史点击数据得到的关键词、平均油耗中的至少一项，以及根据降价信息得到的关键词，进行组合，确定出文章的标题。
基于与图1中所示方法相同的原理，本公开的实施例中还提供了一种文章生成装置70，如图7所示，该文章生成装置70包括：第一确定模块701、获取模块702、第二确定模块703、第一生成模块704、第二生成模块705和第三生成模块706；
第一确定模块701，用于确定降价商品的标识信息；
获取模块702，用于获取标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取标识信息对应的降价商品的降价信息；
第二确定模块703，用于根据降价信息确定文章的标题信息；
第一生成模块704，用于基于用户评价信息生成文章的用户评价正文内容；
第二生成模块705，用于基于降价信息生成文章的降价正文内容；
第三生成模块706，用于基于标题信息、用户评价正文内容和降价正文内容得到文章。
在一种可能的实现方式中，第一生成模块704具体用于：
将每个用户的用户评价信息按照降价商品对应的各个维度分别进行分类，得到对应于每个用户的每个维度的评价信息；
基于每个维度的评价信息生成文章的每个维度的用户评价正文内容，每个维度的用户评价正文内容包括对应于维度的各个用户的评价信息；
当商品为汽车时，维度包括以下至少一项：
外观、内饰、动力性能、油耗、舒适性、操控性、内部空间大小、选择原因。
在一种可能的实现方式中，文章生成装置70还包括过滤模块，用于：
利用评分模型确定每个维度的每个评价信息对应的评分结果；
根据评分结果对评价信息进行过滤处理，得到每个维度的过滤后的评价信息；
第一生成模块704具体用于：基于每个维度的过滤后的评价信息生成文章的每个维度的用户评价正文内容。
在一种可能的实现方式中，当商品为汽车时，标识信息具体为车型信息；
第一生成模块704具体用于：
获取车型信息对应的至少一个维度的关联图片信息；
基于每个维度的评价信息和维度对应的关联图片信息，生成文章的每个维度的用户评价正文内容。
在一种可能的实现方式中，当商品为汽车时，标识信息具体为车型信息；
第二生成模块705具体用于：
确定至少一个目标城市，以及车型信息在每个目标城市中对应的至少一个车款信息；
获取每个目标城市的任一车款信息在预设时间范围内对应的至少两个历史价格信息；
将每个目标城市的任一车款信息、至少两个历史价格信息和每个历史价格信息对应的时间信息，按照时间先后顺序生成每个目标城市的历史价格趋势图，降价正文内容包括对应于每个目标城市的历史价格趋势图。
在一种可能的实现方式中，降价信息包括优惠信息、降价活动信息、历史价格信息中的至少一项；
第二生成模块705具体用于：
基于优惠信息，生成车型信息对应的优惠信息表；
基于降价活动信息，生成车型信息对应的降价活动描述信息；
基于历史价格信息，生成任一车款信息对应的价格趋势解读信息；
降价正文内容包括优惠信息表、降价活动描述信息和价格趋势解读信息中的至少一项。
在一种可能的实现方式中，文章生成装置70还包括第三确定模块，用于：
确定每个车款信息对应的至少一个用户的用户评价信息；
根据每个车款信息对应的至少一个用户评价信息中的油耗计算每个车款信息对应的平均油耗。
在一种可能的实现方式中，第二确定模块703还用于；
获取用户的历史点击数据；
基于历史点击数据和平均油耗中的至少一项，以及降价信息，确定标题信息。
本公开实施例的文章生成装置可执行本公开的实施例所提供的文章生成装置方法，其实现原理相类似，本公开实施例中的文章生成装置中的各模块所执行的动作是与本公开各实施例中的文章生成方法中的步骤相对应的，对于文章生成装置的各模块的详细功能描述具体可以参见前文中所示的对应的文章生成方法中的描述，此处不再赘述。
本申请实施例提供的文章生成装置，首先确定降价商品的标识信息；然后获取标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取标识信息对应的降价商品的降价信息；根据降价信息确定文章的标题信息；基于用户评价信息生成文章的用户评价正文内容；基于降价信息生成文章的降价正文内容；基于标题信息、用户评价正文内容和降价正文内容得到文章。本申请通过机器生成降价商品对应的文章，提高了文章生成的效率；而且，生成的文章中包含了降价商品的用户评价信息，使用户获得的降价商品的相关信息更加全面，能够更好地对用户决策起到导向作用。
上述实施例从虚拟模块的角度介绍了坐标确定装置，下述从实体模块的角度介绍一种电子设备，具体如下所示：
本申请实施例提供了一种电子设备，如图8所示，图8所示的电子设备8000包括：处理器8001和存储器8003。其中，处理器8001和存储器8003相连，如通过总线8002相连。可选地，电子设备8000还可以包括收发器8004。需要说明的是，实际应用中收发器8004不限于一个，该电子设备8000的结构并不构成对本申请实施例的限定。
处理器8001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器8001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线8002可包括一通路，在上述组件之间传送信息。总线8002可以是PCI总线或EISA总线等。总线8002可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器8003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器8003用于存储执行本申请方案的应用程序代码，并由处理器8001来控制执行。处理器8001用于执行存储器8003中存储的应用程序代码，以实现前述任一方法实施例所示的内容。
本申请实施例提供了一种电子设备，本申请实施例中的电子设备包括：存储器和处理器；至少一个程序，存储于所述存储器中，用于被所述处理器执行时，与现有技术相比：本申请实施例提供的电子设备，首先确定降价商品的标识信息；然后获取标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取标识信息对应的降价商品的降价信息；根据降价信息确定文章的标题信息；基于用户评价信息生成文章的用户评价正文内容；基于降价信息生成文章的降价正文内容；基于标题信息、用户评价正文内容和降价正文内容得到文章。本申请通过机器生成降价商品对应的文章，提高了文章生成的效率；而且，生成的文章中包含了降价商品的用户评价信息，使用户获得的降价商品的相关信息更加全面，能够更好地对用户决策起到导向作用。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，本申请实施例提供的文章生成方法，首先确定降价商品的标识信息；然后获取标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取标识信息对应的降价商品的降价信息；根据降价信息确定文章的标题信息；基于用户评价信息生成文章的用户评价正文内容；基于降价信息生成文章的降价正文内容；基于标题信息、用户评价正文内容和降价正文内容得到文章。本申请通过机器生成降价商品对应的文章，提高了文章生成的效率；而且，生成的文章中包含了降价商品的用户评价信息，使用户获得的降价商品的相关信息更加全面，能够更好地对用户决策起到导向作用。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种文章生成方法，其特征在于，所述方法包括：
确定降价商品的标识信息；
获取所述标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取所述标识信息对应的降价商品的降价信息；
根据所述降价信息确定文章的标题信息；
将每个用户的用户评价信息按照所述降价商品对应的各个维度分别进行分类，得到对应于每个用户的每个维度的评价信息；
基于所述每个维度的评价信息生成所述文章的每个维度的用户评价正文内容，所述每个维度的用户评价正文内容包括对应于所述维度的各个用户的评价信息；
当所述商品为汽车时，所述维度包括以下至少一项：
外观、内饰、动力性能、油耗、舒适性、操控性、内部空间大小、选择原因；
基于所述降价信息生成所述文章的降价正文内容；
基于所述标题信息、所述用户评价正文内容和所述降价正文内容得到所述文章。
2.根据权利要求1所述的方法，其特征在于，在得到对应于每个用户的每个维度的评价信息之后，所述方法还包括：
根据每个维度的每个所述评价信息的评分结果、每个所述评价信息所对应的用户评价信息的信息时效性、以及每个所述评价信息所对应的用户评价信息的信息质量中的至少一个，对每个维度的每个所述评价信息进行过滤，得到每个维度的过滤后的评价信息；
其中，所述评分结果是通过以下方式确定的：
利用情感分类模型确定每个维度的每个所述评价信息对应的评分结果；
每个所述评价信息所对应的用户评价信息的信息质量是通过以下方式确定的：
获取每个所述评价信息所对应的用户评价信息的长度信息和特征标识；
基于所述长度信息和所述特征标识确定所述用户评价信息的信息质量；
所述基于所述每个维度的评价信息生成所述文章的每个维度的用户评价正文内容，包括：
基于所述每个维度的过滤后的评价信息生成所述文章的每个维度的用户评价正文内容。
3.根据权利要求1所述的方法，其特征在于，当所述商品为汽车时，所述标识信息具体为车型信息；
所述基于所述每个维度的评价信息生成所述文章的每个维度的用户评价正文内容，包括：
获取所述车型信息对应的至少一个所述维度的关联图片信息；
基于所述每个维度的评价信息和所述维度对应的关联图片信息，生成所述文章的每个维度的用户评价正文内容。
4.根据权利要求1所述的方法，其特征在于，当所述商品为汽车时，所述标识信息具体为车型信息；
所述基于所述降价信息生成所述文章的降价正文内容，包括：
确定至少一个目标城市，以及所述车型信息在每个所述目标城市中对应的至少一个车型信息；
获取每个目标城市的任一车型信息在预设时间范围内对应的至少两个历史价格信息；
将每个目标城市的所述任一车型信息、至少两个历史价格信息和每个所述历史价格信息对应的时间信息，按照时间先后顺序生成每个目标城市的所述历史价格趋势图，所述降价正文内容包括对应于每个目标城市的历史价格趋势图。
5.根据权利要求4所述的方法，其特征在于，所述降价信息包括优惠信息、降价活动信息、历史价格信息中的至少一项；
所述基于所述降价信息生成所述文章的降价正文内容，还包括：
基于所述优惠信息，生成所述车型信息对应的优惠信息表；
基于所述降价活动信息，生成所述车型信息对应的降价活动描述信息；
基于所述历史价格信息，生成任一车型信息对应的价格趋势解读信息；
所述降价正文内容包括所述优惠信息表、降价活动描述信息和价格趋势解读信息中的至少一项。
6.根据权利要求3所述的方法，其特征在于，在获取所述标识信息对应的降价商品的至少一个用户的用户评价信息之后，所述方法还包括：
确定每个所述车型信息对应的至少一个用户的用户评价信息；
根据每个所述车型信息对应的至少一个用户评价信息中的油耗计算每个所述车型信息对应的平均油耗。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：获取用户的历史点击数据；
根据所述降价信息确定文章的标题信息，包括：
基于所述历史点击数据和所述平均油耗中的至少一项，以及所述降价信息，确定所述标题信息。
8.一种文章生成装置，其特征在于，所述装置包括：
第一确定模块，用于确定降价商品的标识信息；
获取模块，用于获取所述标识信息对应的降价商品的至少一个用户的用户评价信息，以及获取所述标识信息对应的降价商品的降价信息；
第二确定模块，用于根据所述降价信息确定文章的标题信息；
第一生成模块，用于将每个用户的用户评价信息按照所述降价商品对应的各个维度分别进行分类，得到对应于每个用户的每个维度的评价信息；基于所述每个维度的评价信息生成所述文章的每个维度的用户评价正文内容，所述每个维度的用户评价正文内容包括对应于所述维度的各个用户的评价信息；当所述商品为汽车时，所述维度包括以下至少一项：外观、内饰、动力性能、油耗、舒适性、操控性、内部空间大小、选择原因；
第二生成模块，用于基于所述降价信息生成所述文章的降价正文内容；
第三生成模块，用于基于所述标题信息、所述用户评价正文内容和所述降价正文内容得到所述文章。
9.一种电子设备，其特征在于，其包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～7任一项所述的文章生成方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一项所述的文章生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910810032.0A CN112446212B (zh) | 2019-08-29 | 2019-08-29 | 文章生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910810032.0A CN112446212B (zh) | 2019-08-29 | 2019-08-29 | 文章生成方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112446212A CN112446212A (zh) | 2021-03-05 |
| CN112446212B true CN112446212B (zh) | 2024-05-28 |
Family
ID=74741723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910810032.0A Active CN112446212B (zh) | 2019-08-29 | 2019-08-29 | 文章生成方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112446212B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6976031B1 (en) * | 1999-12-06 | 2005-12-13 | Sportspilot, Inc. | System and method for automatically generating a narrative report of an event, such as a sporting event |
| KR20090035801A (ko) * | 2007-10-08 | 2009-04-13 | 최낙상 | 디지털 신문기사의 제작 및 그 제공방법 |
| CN103020170A (zh) * | 2012-11-27 | 2013-04-03 | 江苏乐买到网络科技有限公司 | 一种web信息抽取方法 |
| CN107145482A (zh) * | 2017-03-28 | 2017-09-08 | 百度在线网络技术（北京）有限公司 | 基于人工智能的文章生成方法及装置、设备与可读介质 |
| CN108153723A (zh) * | 2017-12-27 | 2018-06-12 | 北京百度网讯科技有限公司 | 热点资讯评论文章生成方法、装置及终端设备 |
| CN108563620A (zh) * | 2018-04-13 | 2018-09-21 | 上海财梵泰传媒科技有限公司 | 文本自动写作方法和*** |
| WO2018209254A1 (en) * | 2017-05-11 | 2018-11-15 | Hubspot, Inc. | Methods and systems for automated generation of personalized messages |
| CN108932220A (zh) * | 2018-06-29 | 2018-12-04 | 北京百度网讯科技有限公司 | 文章生成方法和装置 |
| CN109582945A (zh) * | 2018-12-17 | 2019-04-05 | 北京百度网讯科技有限公司 | 文章生成方法、装置及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9881059B2 (en) * | 2014-08-08 | 2018-01-30 | Yahoo Holdings, Inc. | Systems and methods for suggesting headlines |
-
2019
- 2019-08-29 CN CN201910810032.0A patent/CN112446212B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6976031B1 (en) * | 1999-12-06 | 2005-12-13 | Sportspilot, Inc. | System and method for automatically generating a narrative report of an event, such as a sporting event |
| KR20090035801A (ko) * | 2007-10-08 | 2009-04-13 | 최낙상 | 디지털 신문기사의 제작 및 그 제공방법 |
| CN103020170A (zh) * | 2012-11-27 | 2013-04-03 | 江苏乐买到网络科技有限公司 | 一种web信息抽取方法 |
| CN107145482A (zh) * | 2017-03-28 | 2017-09-08 | 百度在线网络技术（北京）有限公司 | 基于人工智能的文章生成方法及装置、设备与可读介质 |
| WO2018209254A1 (en) * | 2017-05-11 | 2018-11-15 | Hubspot, Inc. | Methods and systems for automated generation of personalized messages |
| CN108153723A (zh) * | 2017-12-27 | 2018-06-12 | 北京百度网讯科技有限公司 | 热点资讯评论文章生成方法、装置及终端设备 |
| CN108563620A (zh) * | 2018-04-13 | 2018-09-21 | 上海财梵泰传媒科技有限公司 | 文本自动写作方法和*** |
| CN108932220A (zh) * | 2018-06-29 | 2018-12-04 | 北京百度网讯科技有限公司 | 文章生成方法和装置 |
| CN109582945A (zh) * | 2018-12-17 | 2019-04-05 | 北京百度网讯科技有限公司 | 文章生成方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112446212A (zh) | 2021-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sudirjo et al. | The Application of Extended Expectation-Confirmation Model to Identify Influencing Factors Digital Loyalty for Mobile-Based Travel Platform | |
| CN106570718B (zh) | 信息的投放方法及投放*** | |
| US20180374141A1 (en) | Information pushing method and system | |
| CN111967970B (zh) | 基于spark平台的银行产品推荐方法及装置 | |
| CN107679103B (zh) | 用于实体的属性分析方法及*** | |
| CN110727761B (zh) | 对象信息获取方法、装置及电子设备 | |
| CN112559903B (zh) | 一种社区成员搜索方法、***、装置及介质 | |
| CN108305181B (zh) | 社交影响力确定、信息投放方法及装置、设备及存储介质 | |
| CN108805598A (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
| CN107016006B (zh) | 一种页面展示方法及*** | |
| CN104412563A (zh) | 用于在线广告的方法和*** | |
| CN106202393A (zh) | 媒体信息推送方法及装置 | |
| CN112529615A (zh) | 自动生成广告的方法、装置、设备和计算机可读存储介质 | |
| CN110782232A (zh) | 业务流程可视化配置方法、装置、电子设备及存储介质 | |
| CN115689651A (zh) | 一种营销信息智能布设方法及*** | |
| CN110321483A (zh) | 一种基于用户序列性行为的在线课程平台内容推荐方法、装置、***及存储介质 | |
| CN112446212B (zh) | 文章生成方法、装置、电子设备及存储介质 | |
| CN111787042B (zh) | 用于推送信息的方法和装置 | |
| Darmawan et al. | Country-of-Origin image and its effect on purchase intention: A study on a Chinese smartphone brand | |
| CN111597355A (zh) | 一种信息处理方法及装置 | |
| CN111192111A (zh) | 产品销售数据的分析方法、终端设备 | |
| CN110929123A (zh) | 一种电商产品竞争分析方法及*** | |
| CN116523069A (zh) | 基于联邦建模的优惠券推送方法及装置 | |
| CN110503467B (zh) | 一种跨平台的消费者人群获取方法及装置 | |
| CN113704630A (zh) | 一种信息推送方法、装置、可读存储介质和电子设备 |
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 |