CN113239275B - 信息推送方法、装置、电子设备和存储介质 - Google Patents
信息推送方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113239275B CN113239275B CN202110593537.3A CN202110593537A CN113239275B CN 113239275 B CN113239275 B CN 113239275B CN 202110593537 A CN202110593537 A CN 202110593537A CN 113239275 B CN113239275 B CN 113239275B
- Authority
- CN
- China
- Prior art keywords
- information
- page
- pushed
- keyword
- candidate
- 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 96
- 230000004044 response Effects 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 2
- 238000003058 natural language processing Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 6
- 239000000463 material Substances 0.000 description 30
- 238000006243 chemical reaction Methods 0.000 description 23
- 238000004590 computer program Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012216 screening Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- 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
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
- G06F16/9558—Details of hyperlinks; Management of linked annotations
-
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Information Transfer Between Computers (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
Abstract
本申请公开了一种信息推送方法、装置、电子设备和存储介质,涉及深度学习、自然语言处理、智能搜索等领域。具体实现方案为:根据各初始页面中的文档内容,预测采用各初始页面进行信息推送的有效率,根据有效率,从初始页面中选取至少一个候选页面,并从各候选页面的文档内容中提取第一关键词,从而根据待推送信息的第二关键词与各候选页面的第一关键词之间的匹配度,从至少一个候选页面中确定挂载待推送信息的目标页面。由此,可以使得目标页面展示的文档内容与待推送信息匹配,从而可以实现针对性地挂载待推送信息。并且,由于无需用户手动撰写文档页面以挂载待推送信息,可以降低用户的工作量,改善用户的服务体验。
Description
技术领域
本申请涉及深度学习、自然语言处理、智能搜索等AI(Artificial Intelligence,人工智能)领域,尤其涉及信息推送方法、装置、电子设备和存储介质。
背景技术
随着文库内容量的积累,越来越多具有商业推广需求的客户(即商业类客户)认可文库的内容营销能力,希望能够在文库获得优质的流量,提高广告预算的转化效率。
相关技术中,针对文库内现存的商业类客户,是通过客户自己在文库内撰写商业类型的文档,并上传到文库站内,之后通过客户自己在上传的商业类型的文档页面上手动挂载广告对应的营销物料或营销组件。
发明内容
本申请提供了一种用于信息推送方法、装置、电子设备以及存储介质。
根据本申请的一方面,提供了一种信息推送方法,包括:
获取包含文档内容的多个初始页面;
根据各所述初始页面中的文档内容,预测采用各所述初始页面进行信息推送的有效率;
根据所述有效率,从所述初始页面中选取至少一个候选页面,并从各所述候选页面的所述文档内容中提取第一关键词;
根据待推送信息的第二关键词与各所述候选页面的第一关键词之间的匹配度,从所述至少一个候选页面中确定挂载所述待推送信息的目标页面。
根据本申请的另一方面,提供了另一种信息推送方法,包括:
向服务端发送搜索请求,其中,所述搜索请求中包括搜索关键词;
接收请求响应信息,其中,所述请求响应信息包括与所述搜索关键词对应的搜索结果,所述搜索结果中包括目标页面的链接,所述目标页面是根据上述一方面所述的方法得到的;
展示所述搜索结果;
响应于对所述搜索结果中所述目标页面的链接的触发操作,获取并展示所述目标页面。
根据本申请的又一方面,提供了一种信息推送装置,包括:
第一获取模块,用于获取包含文档内容的多个初始页面;
预测模块,用于根据各所述初始页面中的文档内容,预测采用各所述初始页面进行信息推送的有效率;
选取模块,用于根据所述有效率,从所述初始页面中选取至少一个候选页面;
提取模块,用于从各所述候选页面的所述文档内容中提取第一关键词;
第一确定模块,用于根据待推送信息的第二关键词与各所述候选页面的第一关键词之间的匹配度,从所述至少一个候选页面中确定挂载所述待推送信息的目标页面。
根据本申请的再一方面,提供了一种信息推送装置,包括:
发送模块,用于向服务端发送搜索请求,其中,所述搜索请求中包括搜索关键词;
接收模块,用于接收请求响应信息,其中,所述请求响应信息包括与所述搜索关键词对应的搜索结果,所述搜索结果中包括目标页面的链接,所述目标页面是根据上述又一方面所述的装置得到的;
展示模块,用于展示所述搜索结果;
处理模块,用于响应于对所述搜索结果中所述目标页面的链接的触发操作,获取并展示所述目标页面。
根据本申请的再一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请上述一方面提出的信息推送方法,或者,执行本申请上述另一方面提出的信息推送方法。
根据本申请的再一方面,提供了一种计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请上述一方面提出的信息推送方法,或者,执行本申请上述另一方面提出的信息推送方法。
根据本申请的还一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本申请上述一方面提出的信息推送方法,或者,执行时实现本申请上述另一方面提出的信息推送方法。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例一所提供的信息推送方法的流程示意图;
图2为本申请实施例二所提供的信息推送方法的流程示意图;
图3为本申请实施例三所提供的用于信息推送的模型训练方法的流程示意图;
图4为本申请实施例四所提供的信息推送方法的流程示意图;
图5为本申请实施例五所提供的信息推送方法的流程示意图;
图6为本申请实施例六所提供的信息推送方法的流程示意图;
图7为本申请实施例七所提供的信息推送装置的结构示意图;
图8为本申请实施例八所提供的信息推送装置的结构示意图;
图9示出了可以用来实施本申请的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
随着文库内容量的积累,越来越多具有商业推广需求的客户(即商业类客户)认可文库的内容营销能力,希望能够在文库获得优质的流量,提高广告预算的转化效率。目前针对文库内现存的商业类客户,是通过客户自己在文库内撰写商业类型的文档,并上传到文库站内,之后通过客户自己在上传的商业类型的文档页面上手动挂载广告对应的营销物料或营销组件。
然而上述挂载广告的方式,可能存在以下几方面问题:
第一,客户自己撰写的文档可能存在文档内容质量不高的情况,从而可能导致文档页面无法获得较高的曝光量,进而导致广告对应的营销物料无法展现给用户。也就是说,客户撰写的商业类型的文档可能存在内容性不强的情况,从而导致文档页面推荐权重较低、文档页面展现几率较低,进而导致无法达到客户理想的转化效果。
第二,无法自动判断文档内容或形式是否适合挂载广告对应的营销组件,并且没有效果评估和优化过程,从而客户无法根据需求优化广告对应的营销物料。
因此针对上述存在的问题,本申请提出一种信息推送方法、装置、电子设备和存储介质。
下面参考附图描述本申请实施例的信息推送方法、装置、电子设备和存储介质。
图1为本申请实施例一所提供的信息推送方法的流程示意图。
本申请实施例的信息推送方法可以应用于服务端。
如图1所示,该信息推送方法可以包括以下步骤:
步骤101,获取包含文档内容的多个初始页面。
在本申请实施例中,服务端可以对存储的各页面资源进行筛选,获取展示有文档内容的多个初始页面。
在本申请实施例的一种可能的实现方式中,初始页面中可以展示有预设类型的文档内容,其中,预设类型可以根据待推送信息的具体类型以及应用需求进行设置,比如,以待推送信息为广告进行示例,预设类型可以为非商业类型,由此,在非商业类型的页面中挂载广告,可以避免损害商业客户的利益。
步骤102,根据各初始页面中的文档内容,预测采用各初始页面进行信息推送的有效率。
在本申请实施例中,有效率用于表征初始页面吸引用户浏览或访问的能力值。例如,有效率可以用于表征用户访问初始页面的概率、用户访问初始页面的访问时长和用户点击初始页面中推送信息的概率中的至少一项。
在本申请实施例中,可以根据初始页面中文档内容,预测采用各初始页面进行信息推送的有效率。
步骤103,根据有效率,从初始页面中选取至少一个候选页面。
在本申请实施例中,可以根据各初始页面对应的有效率,从各初始页面中选取至少一个候选页面。由此,根据表征各页面吸引用户访问的能力值的有效率对初始页面进行筛选,得到候选页面,可以提升后续目标页面的曝光量,从而提升待推送信息的曝光率。
应当理解的是,当有效率越高时,表明对应的初始页面越能吸引用户浏览或访问,从而利用该初始页面进行信息推送时,推送信息被用户查看的概率越高。
因此,在本申请实施例的一种可能的实现方式中,为了提升待推送信息的曝光率,可以将有效率按照取值大小由大到小排序,将排序结果中位于前面的预设个数的有效率所对应的初始页面,作为候选页面。
在本申请实施例的另一种可能的实现方式中,可以将有效率高于预设阈值,本申请中记为第一阈值的初始页面,作为候选页面,可以提升后续目标页面的点击率,从而提升待推送信息的曝光率。
步骤104,从各候选页面的文档内容中提取第一关键词。
在本申请实施例中,针对每个候选页面,可以对该候选页面中的文档内容进行关键词提取,将提取得到的关键词作为该候选页面对应的第一关键词。
步骤105,根据待推送信息的第二关键词与各候选页面的第一关键词之间的匹配度,从至少一个候选页面中确定挂载待推送信息的目标页面。
在本申请实施例中,待推送信息可以为需要推送的信息,比如可以为广告等信息。
在本申请实施例中,待推送信息可以为服务端存储的任一推送信息,或者,待推送信息也可以为用户上传的推送信息,比如以待推送信息为广告进行示例,广告客户可以上传广告对应的营销物料至服务端。
在本申请实施例的一种可能的实现方式中,待推送信息的第二关键词可以为用户设置的关键词,比如以待推送信息为广告进行示例,待推送信息的第二关键词可以为广告客户针对该广告设置的关键词。
其中,待推送信息与第二关键词之间具有映射关系,从而本申请中,服务端可以根据待推送信息查询上述映射关系,确定该待推送信息对应的第二关键词。
在本申请实施例的另一种可能的实现方式中,可以对待推送信息进行关键词提取,确定待推送信息对应的第二关键词。
在本申请实施例中,可以将待推送信息的第二关键词与各候选页面对应的第一关键词进行匹配,得到第二关键词与各候选页面的第一关键词之间的匹配度。
在本申请实施例的一种可能的实现方式中,针对每个候选页面,可以基于相似度计算算法,计算待推送信息的第二关键词与该候选页面的第一关键词之间的相似度,将相似度作为第二关键词与该候选页面的第一关键词之间的匹配度。
在本申请实施例中,在确定第二关键词与各候选页面的第一关键词之间的匹配度后,可以根据匹配度,从至少一个候选页面中确定挂载待推送信息的目标页面。
在本申请实施例的一种可能的实现方式中,可以将最高匹配度对应的候选页面作为挂载待推送信息的目标页面。由此,可以使得目标页面展示的内容与待推送信息匹配,从而可以实现针对性地挂载待推送信息。
在本申请实施例的另一种可能的实现方式中,可以将匹配度高于预设阈值,本申请中记为第二阈值的候选页面,作为挂载待推送信息的目标页面。由此,可以使得目标页面展示的文档内容与待推送信息匹配,从而可以实现针对性地挂载待推送信息。应当理解的是,匹配度高于第二阈值的候选页面的个数可以为至少一个,因此上述方式还可以实现将同一待推送信息挂载在多个页面上,可以提升待推送信息的曝光率。
作为一种示例,以待推送信息为广告进行示例,可以将广告对应的关键词与服务端存储的各候选页面对应的关键词进行匹配,将广告对应的营销物料或营销组件挂载在匹配度高于第二阈值的候选页面上。一方面,由于无需广告客户手动撰写商业类型的文档,以挂载广告对应的营销物料或营销组件,可以降低广告客户的工作量,改善广告客户的服务体验。另一方面,挂载广告的目标页面对应的关键词,与广告对应的关键词匹配,可以实现针对性地挂载广告,使得挂载广告的目标页面中展示的文档与广告客户的推广需求相匹配,可以避免目标页面展示的内容与广告不匹配,而导致目标页面无法获得较高的曝光量,进而导致广告对应的营销物料无法展现给用户的情况发生。又一方面,当匹配度高于第二阈值的候选页面的个数为多个时,可以实现将同一广告对应的营销物料挂载在多个页面上,可以提升广告对应的营销物料的曝光量,进而可以提高广告预算的转化效率。
本申请实施例的信息推送方法,通过根据各初始页面中的文档内容,预测采用各初始页面进行信息推送的有效率,根据有效率,从初始页面中选取至少一个候选页面,并从各候选页面的文档内容中提取第一关键词,从而根据待推送信息的第二关键词与各候选页面的第一关键词之间的匹配度,从至少一个候选页面中确定挂载待推送信息的目标页面。由此,一方面,可以使得目标页面展示的文档内容与待推送信息匹配,从而可以实现针对性地挂载待推送信息。另一方面,由于无需用户手动撰写文档页面以挂载待推送信息,可以降低用户的工作量,改善用户的服务体验。又一方面,预测各页面进行信息推送的有效率,以根据有效率筛选得到挂载待推送信息的页面,可以提升待推送信息的曝光率。
在本申请实施例的一种可能的实现方式中,可以基于深度学习技术,预测采用各初始页面进行信息推送的有效率,例如,针对每个初始页面,可以提取该初始页面中文档内容的特征信息,将特征信息输入至经过训练的识别模型,由识别模型输出该初始页面对应的有效率。下面结合实施例二,对上述过程进行相似说明。
图2为本申请实施例二所提供的信息推送方法的流程示意图。
如图2所示,该信息推送方法可以包括以下步骤:
步骤201,获取包含文档内容的多个初始页面。
步骤201的执行过程可以参见上述实施例中步骤101的执行过程,在此不做赘述。
步骤202,提取各初始页面中文档内容的特征信息。
在本申请实施例中,为了保证文档特征提取的丰富性,上述特征信息以包括文档内容的标题、类别、标签、摘要、关键字中的至少一项。
在本申请实施例中,可以基于特征提取算法,对各初始页面中的文档内容进行特征提取,得到各初始页面的特征信息。
步骤203,针对每个初始页面,将提取的特征信息输入至经过训练的识别模型,得到识别模型输出的有效率,其中,识别模型已学习得到特征信息与有效率之间的对应关系。
在本申请实施例中,针对每个初始页面,可以将该初始页面的特征信息输入至经过训练的识别模型,由识别模型输出得到采用该初始页面进行信息推送的有效率。其中,识别模型已学习得到特征信息与有效率之间的对应关系。
作为一种示例,识别模型可以为F(X)=f(t,c,l,a,k),其中,t表示页面展示的文档内容的标题(简称为文档标题),文档标题可由用户上传文档时拟定;c表示文档类别,即文档的内容分类,可由分类算法自动计算得到,例如该识别模型中可以直接引入已有分类算法计算文档类别;l表示文档标签,文档标签可由用户上传文档时设定,或者,文档标签也可以自动生成,比如可以根据标签生成算法计算得到文档标签;a表示文档摘要,可以使用自然语言处理技术中的内容提取算法自动提取;k表示文档关键字,可由识别模型自动提取,或者也可以使用已有的语义分析算法提取;识别模型输出的F(X)即为有效率。
步骤204,根据有效率,从初始页面中选取至少一个候选页面。
进一步地,在筛选得到候选页面后,还可以将候选页面存储至文档池中。
步骤205,从各候选页面的文档内容中提取第一关键词。
在本申请的任意一个实施例之中,可以基于NLP(Natural Language Processing,自然语言处理)技术中的语义分析算法,对各候选页面的文档内容进行关键词提取,得到各候选页面对应的第一关键词。
在本申请的任意一个实施例之中,为了提升关键词提取结果的准确性,可以基于深度学习技术,提取候选页面的文档内容中的关键词,得到候选页面的第一关键词。例如,可以采用识别模型对各候选页面的文档内容进行关键词提取,得到各候选页面对应的第一关键词。
作为一种示例,识别模型中可以引入语义分析算法,通过语义分析算法,提取候选页面的文档内容中的关键词,得到候选页面对应的第一关键词。
在本申请的任意一个实施例之中,在利用识别模型在对初始页面进行筛选的过程中,识别模型可以提取各初始页面的文档内容中的关键词,即,可以采用识别模型对各初始页面的文档内容进行关键词提取,得到各初始页面对应的关键词。本申请中,为了提升处理效率,可以保存各初始页面的页面标识与各初始页面中文档内容的关键词之间的对应关系,从而在筛选得到候选页面后,针对每个候选页面,可以根据该候选页面的目标页面标识,查询上述对应关系,确定目标页面标识对应关键词,将目标页面标识对应关键词,确定为候选页面的第二关键词。
步骤206,根据待推送信息的第二关键词与各候选页面的第一关键词之间的匹配度,从至少一个候选页面中确定挂载待推送信息的目标页面。
在本申请的任意一个实施例之中,可以基于语义分析算法,可以对待推送信息进行语义分析,提取待推送信息的第二关键词。
在本申请的任意一个实施例之中,可以获取待推送信息的关键词标签,其中,关键词标签是响应于用户操作配置的,根据关键词标签,确定待推送信息的第二关键词。由此,可以由用户根据自身需求,设置待推送信息对应的关键词,不仅可以提升该方法的灵活性和适用性,而且还可以满足不同用户的个性化需求。
作为一种示例,以待推送信息为广告进行示例性说明,广告客户在通过客户端上传广告时,可以设置广告对应的关键词,客户端可以响应于用户操作,设置广告对应的关键词标签,并向服务端发送广告以及广告对应的关键词标签。从而服务端可以根据客户端发送的关键词标签,确定广告对应的关键词。
在本申请的任意一个实施例之中,服务端还可以根据待推送信息,查询推送信息与关键词之间的对应关系,确定与待推送信息匹配的目标推送信息,将目标推送信息对应的关键词,确定为待推送信息的第二关键词。
作为一种示例,当服务端存储有待推送信息对应的关键词时,可以通过查询的方式,直接确定待推送信息对应的关键词,而无需重新提取待推送信息的关键词,可以降低服务端的处理负担。
举例而言,以待推送信息为广告进行示例性说明,广告客户通过客户端上传广告时,可以设置广告对应的关键词,客户端可以将广告和广告对应的关键词发送至服务端进行对应存储,从而服务端可以根据待推送广告,查询广告与关键词之间的对应关系,确定与待推送广告对应的目标广告,将目标广告对应的关键词,确定为待推送广告的第二关键词。
作为另一种示例,当服务端未存储有待推送信息对应的关键词时,可以将待推送信息与上述对应关系中各推送信息进行匹配,确定匹配度最高的推送信息,作为目标推送信息,从而可以将目标推送信息对应的关键词,确定为待推送信息的第二关键词。
举例而言,以待推送信息为广告进行示例性说明,即使服务端未存储有待推送广告对应的关键词,也可以通过匹配的方式,确定待推送广告的相似广告,从而可以将相似广告对应的关键词,作为待推送广告对应的关键词。
步骤204至206的执行过程可以参见上述实施例的执行过程,在此不做赘述。
本申请实施例的信息推送方法,通过提取各初始页面中文档内容的特征信息;针对每个初始页面,将提取的特征信息输入至经过训练的识别模型,得到识别模型输出的有效率,其中,识别模型已学习得到特征信息与有效率之间的对应关系。由此,基于深度学习技术,预测采用各初始页面进行信息推送的有效率,可以提升预测结果的准确率。
在本申请实施例的一种可能的实现方式中,可以获取各页面的访问记录,根据各页面的访问记录,确定各页面对应的有效率,从而可以利用各页面对应的特征信息与有效率,对识别模型进行训练,使得经过训练后的识别模型学习得到页面的特征信息与有效率之间的对应关系。下面结合实施例三,对上述过程进行详细说明。
图3为本申请实施例三所提供的用于信息推送的模型训练方法的流程示意图。
如图3所示,识别模型可以通过以下步骤训练得到:
步骤301,获取样本页面,并对样本页面进行访问监测。
在本申请实施例中,样本页面可以为服务端存储的任一页面资源,或者,样本页面也可以为服务端存储的挂载有推送信息的页面资源,或者,样本页面还可以为服务端存储的包含有文档内容的页面资源,等等,本申请对此并不做限制。
在本申请实施例中,服务端可以获取样本页面,并对样本页面进行访问监测。
步骤302,根据监测得到的访问记录,确定实际访问有效率。
在本申请实施例中,服务端根据监测到的访问记录,可以确定样本页面对应的访问次数、单次访问时长、总访问时长、样本页面中挂载的推送信息的点击次数等访问信息,从而可以根据上述访问信息,确定实际访问有效率,其中,实际访问有效率与样本页面对应的访问次数、单次访问时长、总访问时长、样本页面中挂载的推送信息的点击次数等中的各项访问信息成正向关系。
步骤303,根据实际访问有效率对样本页面进行标注。
步骤304,采用标注后的样本页面,对初始的识别模型进行训练,以使识别模型输出的有效率与实际访问有效率之间的差异最小化。
在本申请实施例中,可以根据实际访问有效率对样本页面进行标注,采用标注后的样本页面,对初始的识别模型进行训练,以使识别模型输出的有效率与实际访问有效率之间的差异最小化。即,可以将样本页面的特征信息作为识别模型的输入,判断识别模型的输出与样本页面标注的实际访问有效率之间的差异是否最小化,若是,则可以结束训练过程,若否,则可以调整识别模型的模型参数,并继续对模型进行训练,以使识别模型的输出与样本页面标注的实际访问有效率之间的差异最小化。
本申请实施例的用于信息推送的模型训练方法,通过对识别模型进行训练,以使识别模型输出的有效率与样本页面标注的实际访问有效率之间的差异最小化,从而采用经过训练的识别模型对初始页面进行信息推送的有效率预测,可以提升预测结果的准确性。
在本申请实施例的一种可能的实现方式中,可以对第一阈值进行调整,以实现对挂载待推送信息的页面进行更新,从而提升待推送信息的推广效果。下面结合实施例四,对上述过程进行详细说明。
图4为本申请实施例四所提供的信息推送方法的流程示意图。
如图4所示,该信息推送方法可以包括以下步骤:
步骤401,获取包含文档内容的多个初始页面。
步骤402,根据各初始页面中的文档内容,预测采用各初始页面进行信息推送的有效率。
步骤403,根据有效率,从初始页面中选取至少一个候选页面,并从各候选页面的文档内容中提取第一关键词。
步骤404,确定待推送信息的第二关键词与各候选页面的第一关键词之间的匹配度。
步骤405,将匹配度高于第二阈值的候选页面,确定为挂载待推送信息的目标页面。
步骤401至405的执行过程,可以参见上述任一实施例的执行过程,在此不做赘述。
步骤406,对挂载待推送信息的目标页面,进行访问监测。
步骤407,根据监测到的访问记录确定多个指标中的至少一个满足预设条件,则调高第二阈值。
在本申请实施例中,指标可以包括目标页面的访问次数、单次访问时长、总访问时长、待推送信息的点击次数等访问指标。
在本申请实施例中,服务端可以对挂载待推送信息的目标页面进行访问监测,根据监测到的访问记录确定多个指标,并确定每个指标是否满足对应的预设条件,当多个指标中的至少一个满足对应的预设条件的情况下,可以调高第二阈值。由此,可以实现对第二阈值进行动态调整,从而可以实现对挂载待推送信息的页面进行动态调整,以提升待推送信息的推广效果。
作为一种示例,以指标为目标页面的访问次数进行示例性说明,访问次数对应的预设条件可以为低于设定的第一次数,当目标页面的访问次数低于第一次数的情况下,可以确定满足预设条件。
以指标为目标页面的单次访问时长进行示例性说明,单次访问时长对应的预设条件可以为小于设定时长,当目标页面的单次访问时长小于设定时长的情况下,可以确定满足预设条件。
以指标为目标页面的总访问时长进行示例性说明,总访问时长对应的预设条件可以为小于设定总时长,当目标页面的总访问时长小于设定总时长的情况下,可以确定满足预设条件。
以指标为待推送信息的点击次数进行示例性说明,点击次数对应的预设条件可以为小于设定的第二次数,当目标页面中待推送信息的点击次数小于第二次数的情况下,可以确定满足预设条件。
举例而言,以待推送信息为广告进行示例,当广告的营销物料挂载在10个页面上,而10个页面中的一个页面几乎没有人访问,此时可以调高阈值,以减少广告挂载的页面个数。
本申请实施例的信息推送方法,通过对挂载待推送信息的目标页面,进行访问监测;根据监测到的访问记录确定多个指标中的至少一个满足预设条件,则调高第二阈值。由此,通过对第二阈值进行动态调整,可以实现对挂载待推送信息的页面进行动态更新,从而提升待推送信息的推广效果。
在本申请的任意一个实施例之中,为了进一步提升待推送信息的推广效果,在根据监测到的挂载待推送信息的目标页面的访问记录,确定多个指标中的至少一个满足预设条件的情况下,还可以调高第一阈值,从而可以实现对候选页面进行动态更新,进而可以实现对挂载待推送信息的页面进行更新,以进一步提升待推送信息的推广效果。
上述为服务端执行的各方法实施例,本申请实施例还提出一种由客户端执行的信息推送方法。
图5为本申请实施例五所提供的信息推送方法的流程示意图。
本申请实施例的信息推送方法可以应用于客户端。
如图5所示,该信息推送方法可以包括以下步骤:
步骤501,向服务端发送搜索请求,其中,搜索请求中包括搜索关键词。
在本申请实施例中,搜索关键词的输入方式可包括但不限于触摸输入(如滑动、点击等)、键盘输入、语音输入等。
在本申请实施例中,客户端在接收到用户输入的搜索关键词后,可以向服务端发送搜索请求,其中,搜索请求中可以包括搜索关键词。
步骤502,接收请求响应信息,其中,请求响应信息包括与搜索关键词对应的搜索结果,搜索结果中包括目标页面的链接,目标页面是根据图1至图4中任一实施例提出的方法得到的。
在本申请实施例中,服务端在接收到客户端发送的搜索请求后,可以根据搜索关键词,查询与该搜索关键词对应的页面,并向客户端返回请求响应信息,其中,请求响应信息中可以包括与搜索关键词对应的搜索结果,搜索结果中可以包括与搜索关键词对应的各页面的链接,比如包括目标页面的链接,其中,目标页面可以是根据图1至图4任一实施例提出的方法得到的。
步骤503,展示搜索结果。
步骤504,响应于对搜索结果中目标页面的链接的触发操作,获取并展示目标页面。
在本申请实施例中,客户端在展示搜索结果后,如果监听到用户针对搜索结果中目标页面的触发操作,则可以从服务端获取并展示目标页面。由此,可以实现在目标页面中展示待推送信息,即实现向用户推送待推送信息。
本申请实施例的信息推送方法,通过向服务端发送搜索请求,其中,搜索请求中包括搜索关键词,接收请求响应信息,其中,请求响应信息包括与搜索关键词对应的搜索结果,搜索结果中包括目标页面的链接,目标页面是根据图1至图4中任一实施例提出的方法得到的;展示搜索结果,并响应于对搜索结果中目标页面的链接的触发操作,获取并展示目标页面。由此,可以实现在目标页面中展示待推送信息,即实现向用户推送待推送信息。
作为一种示例,以待推送信息为广告进行示例性说明,标记初始页面为文档页面,本申请可以基于机器学习和自然语言处理技术,处理解析文档页面中的文档内容,提取文档关键信息点,识别文档页面是否具备获客转化能力(根据有效率确定),若具备获客转化能力(即有效率高于第一阈值),则将该文档页面与广告客户的推广需求相匹配,若匹配,则将广告对应的营销组件挂载在该文档页面上。并且,还可以通过定期评估广告对应的营销物料带来的客户转化效果(即广告预算的转化效果),动态调整第一阈值和/或第二阈值,达到自动挂载广告对应的营销物料的最优效果。
如图6所示,本申请的信息推送方法可以包括以下几个步骤:
第一步,识别文档页面的转化能力。可以建立文档获客能力分析算法,自动分析文档页面是否具备吸引用户留下线索或进行在线咨询的商业转化的性质,建立获客转化文档池(本申请中记为文档池)。
首先建立模型对站内目前存量的商业类型的文档页面进行分析,计算客户通常上传何种内容分类的文档、设置何种关键词等信息,计算出文档页面转化能力的初始判断阈值(本申请中记为第一阈值)。再使用该模型计算其他非商业类型的文档页面的获客能力系数(本申请中记为有效率),若有效率高于第一阈值,则判断该文档页面为具备商业转化能力,可以将该文档页面划入文档池内。
其中,可以使用模型计算存量商业类型的文档页面的平均转化能力值,将平均转化能力值设定为初始判断阈值,即第一阈值,从而可以将存量的非商业类型的文档页面的特征信息输入该模型进行计算,计算结果大于第一阈值,则判断该文档页面具备商业转化能力,可以将该文档页面划入文档池内。
第二步,判断文档页面是否可挂载广告对应的营销物料。可以判断文档池内是否存在文档页面与当前客户的广告对应的营销物料相匹配,并建立匹配的文档页面与广告对应的营销物料之间的关联关系。
可以将文档页面对应的关键词(即文档关键词)与客户设置的广告关键词进行匹配,若客户设置的关键词与文档关键词的匹配程度高于第二阈值,则可以判断该文档页面能够挂载广告对应的营销物料。
其中,可以使用关键词匹配方式,在广告对应的营销物料与文档池内的文档页面之间建立基于匹配程度值的双向映射关系,并且,可以定期(比如每日)将新增的文档页面与客户新增的广告对应的营销物料进行关联关系更新。
第三步,自动挂载展现广告对应的营销物料。分析用户搜索的关键词,动态将广告对应的营销物料展现在文档页面的网页周边,吸引用户留下线索、促进用户进行电话咨询,以提升广告对应的营销物料的转化率。
建立起关联关系后,当用户通过搜索关键词进入文档页面时,若文档池内的文档页面得以展现,则可以自动根据各个广告与文档页面的匹配程度值,在文档页面周边挂载和展现广告对应的营销物料,吸引用户了解客户推广的产品或服务,为客户销售留下联系方式进一步沟通,或直接进行在线咨询,使得商业客户能够引导用户进行下一步的转化动作。
第四步,动态调整模型。通过定期验证模型效果,不断动态调整模型判断转化能力的第一阈值和营销物料关联的第二阈值,以达到转化率最优的营销物料挂载效果。
定期评估上述模型计算结果所带来的用户转化效果,计算当前模型计算结果和阈值上,营销物料的转化率情况。通过动态调整第一阈值和/或第二阈值,提高营销物料与文档内容或文档类型的匹配程度,提高广告对应的营销物料与客户需求的匹配程度,进而提高营销转化率,保障客户的商业推广和获客需求。
由此,能够以机器自动化的方式对文档页面的营销转化能力进行计算,并以转化率最大化为目标,自动将客户的营销物料或营销组件展现在用户面前,科学提升了客户的广告内容营销效果。并且,既能够提升广告的营销物料使用效率,减少人工工作,又能够最大化广告预算的转化效能,为客户带来更多的销售或咨询线索,最大化广告的营销转化能力。
与上述图1至图4实施例提供的信息推送方法相对应,本申请还提供一种信息推送装置,由于本申请实施例提供的信息推送装置与上述图1至图4实施例提供的信息推送方法相对应,因此在信息推送方法的实施方式也适用于本申请实施例提供的信息推送装置,在本申请实施例中不再详细描述。
图7为本申请实施例七所提供的信息推送装置的结构示意图。该信息推送装置可以应用于服务端。
如图7所示,该信息推送装置700可以包括:第一获取模块701、预测模块702、选取模块703、提取模块704以及第一确定模块705。
其中,第一获取模块701,用于获取包含文档内容的多个初始页面。
预测模块702,用于根据各初始页面中的文档内容,预测采用各初始页面进行信息推送的有效率。
选取模块703,用于根据有效率,从初始页面中选取至少一个候选页面。
提取模块704,用于从各候选页面的文档内容中提取第一关键词。
第一确定模块705,用于根据待推送信息的第二关键词与各候选页面的第一关键词之间的匹配度,从至少一个候选页面中确定挂载待推送信息的目标页面。
在本申请实施例的一种可能的实现方式中,预测模块702,具体用于:提取各初始页面中文档内容的特征信息;针对每个初始页面,将提取的特征信息输入至经过训练的识别模型,得到识别模型输出的有效率,其中,识别模型已学习得到特征信息与有效率之间的对应关系。
在本申请实施例的一种可能的实现方式中,识别模型是通过以下模块训练得到的:
第一监测模块,用于获取样本页面,并对样本页面进行访问监测。
第二确定模块,用于根据监测得到的访问记录,确定实际访问有效率。
标注模块,用于根据实际访问有效率对样本页面进行标注。
训练模块,用于采用标注后的样本页面,对初始的识别模型进行训练,以使识别模型输出的有效率与实际访问有效率之间的差异最小化。
在本申请实施例的一种可能的实现方式中,选取模块703,具体用于:将有效率高于第一阈值的初始页面,确定为候选页面。
在本申请实施例的一种可能的实现方式中,该信息推送装置700还可以包括:
第二监测模块,用于对挂载待推送信息的目标页面,进行访问监测。
第一调整模块,用于根据监测到的访问记录确定多个指标中的至少一个满足预设条件,则调高第一阈值。
在本申请实施例的一种可能的实现方式中,第一确定模块705,具体用于:
将匹配度高于第二阈值的候选页面,确定为目标页面。
在本申请实施例的一种可能的实现方式中,该信息推送装置700还可以包括:
第三监测模块,用于对挂载待推送信息的目标页面,进行访问监测。
第二调整模块,用于根据监测到的访问记录确定多个指标中的至少一个满足预设条件,则调高第二阈值。
在本申请实施例的一种可能的实现方式中,提取模块704,具体用于:采用识别模型对各候选页面的文档内容进行关键词提取,得到各候选页面对应的第一关键词。
在本申请实施例的一种可能的实现方式中,该信息推送装置700还可以包括:
第二获取模块,用于获取待推送信息的关键词标签,其中,关键词标签是响应于用户操作配置的。
第三确定模块,用于根据关键词标签,确定待推送信息的第二关键词。
在本申请实施例的一种可能的实现方式中,该信息推送装置700还可以包括:
查询模块,用于根据待推送信息,查询推送信息与关键词之间的对应关系,确定与待推送信息匹配的目标推送信息。
第四确定模块,用于将目标推送信息对应的关键词,确定为待推送信息的第二关键词。
本申请实施例的信息推送装置,通过根据各初始页面中的文档内容,预测采用各初始页面进行信息推送的有效率,根据有效率,从初始页面中选取至少一个候选页面,并从各候选页面的文档内容中提取第一关键词,从而根据待推送信息的第二关键词与各候选页面的第一关键词之间的匹配度,从至少一个候选页面中确定挂载待推送信息的目标页面。由此,一方面,可以使得目标页面展示的文档内容与待推送信息匹配,从而可以实现针对性地挂载待推送信息。另一方面,由于无需用户手动撰写文档页面以挂载待推送信息,可以降低用户的工作量,改善用户的服务体验。又一方面,预测各页面进行信息推送的有效率,以根据有效率筛选得到挂载待推送信息的页面,可以提升待推送信息的曝光率。
与上述图5至图6实施例提供的信息推送方法相对应,本申请还提供一种信息推送装置,由于本申请实施例提供的信息推送装置与上述图5至图6实施例提供的信息推送方法相对应,因此在信息推送方法的实施方式也适用于本申请实施例提供的信息推送装置,在本申请实施例中不再详细描述。
图8为本申请实施例八所提供的信息推送装置的结构示意图。该信息推送装置可以应用于客户端。
如图8所示,该信息推送装置800可以包括:发送模块801、接收模块802、展示模块803和处理模块804。
其中,发送模块801,用于向服务端发送搜索请求,其中,搜索请求中包括搜索关键词。
接收模块802,用于接收请求响应信息,其中,请求响应信息包括与搜索关键词对应的搜索结果,搜索结果中包括目标页面的链接,目标页面是根据图7所述的装置得到的。
展示模块803,用于展示搜索结果。
处理模块804,用于响应于对搜索结果中目标页面的链接的触发操作,获取并展示目标页面。
本申请实施例的信息推送装置,通过向服务端发送搜索请求,其中,搜索请求中包括搜索关键词,接收请求响应信息,其中,请求响应信息包括与搜索关键词对应的搜索结果,搜索结果中包括目标页面的链接,目标页面是根据图1至图4中任一实施例提出的方法得到的;展示搜索结果,并响应于对搜索结果中目标页面的链接的触发操作,获取并展示目标页面。由此,可以实现在目标页面中展示待推送信息,即实现向用户推送待推送信息。
为了实现上述实施例,本申请还提供一种服务端,该服务端可以包括至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请上述图1至图4、图6任一实施例提出的信息推送方法。
为了实现上述实施例,本申请还提供一种客户端,该客户端可以包括至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请上述图5至图6实施例提出的信息推送方法。
为了实现上述实施例,本申请还提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本申请上述图1至图4、图6任一实施例提出的信息推送方法。
为了实现上述实施例,本申请还提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本申请上述图5至图6实施例提出的信息推送方法。
为了实现上述实施例,本申请还提供一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序在被处理器执行时实现本申请上述图1至图4、图6任一实施例提出的信息推送方法。
为了实现上述实施例,本申请还提供一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序在被处理器执行时实现本申请上述图5至图6实施例提出的信息推送方法。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本申请的实施例的示例电子设备的示意性框图。其中,电子设备可以包括上述实施例中的服务端、客户端。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在ROM(Read-OnlyMemory,只读存储器)902中的计算机程序或者从存储单元907加载到RAM(Random AccessMemory,随机访问/存取存储器)903中的计算机程序,来执行各种适当的动作和处理。在RAM903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。I/O(Input/Output,输入/输出)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于CPU(Central Processing Unit,中央处理单元)、GPU(Graphic Processing Units,图形处理单元)、各种专用的AI(Artificial Intelligence,人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor,数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如上述信息推送方法。例如,在一些实施例中,上述信息推送方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的信息推送方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述信息推送方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、FPGA(Field Programmable Gate Array,现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit,专用集成电路)、ASSP(Application Specific StandardProduct,专用标准产品)、SOC(System On Chip,芯片上***的***)、CPLD(ComplexProgrammable Logic Device,复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory,可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory,便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode-Ray Tube,阴极射线管)或者LCD(Liquid Crystal Display,液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:LAN(LocalArea Network,局域网)、WAN(Wide Area Network,广域网)、互联网和区块链网络。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(VirtualPrivate Server,虚拟专用服务器)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
其中,需要说明的是,人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
根据本申请实施例的技术方案,通过根据各初始页面中的文档内容,预测采用各初始页面进行信息推送的有效率,根据有效率,从初始页面中选取至少一个候选页面,并从各候选页面的文档内容中提取第一关键词,从而根据待推送信息的第二关键词与各候选页面的第一关键词之间的匹配度,从至少一个候选页面中确定挂载待推送信息的目标页面。由此,一方面,可以使得目标页面展示的文档内容与待推送信息匹配,从而可以实现针对性地挂载待推送信息。另一方面,由于无需用户手动撰写文档页面以挂载待推送信息,可以降低用户的工作量,改善用户的服务体验。又一方面,预测各页面进行信息推送的有效率,以根据有效率筛选得到挂载待推送信息的页面,可以提升待推送信息的曝光率。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (20)
1.一种信息推送方法,包括:
获取包含文档内容的多个初始页面,并提取各所述初始页面中所述文档内容的特征信息;
针对任一初始页面,将提取的所述特征信息输入至经过训练的识别模型,得到所述识别模型输出的采用所述任一初始页面进行信息推送的有效率,其中,所述识别模型已学习得到特征信息与所述有效率之间的对应关系
根据所述有效率,从所述初始页面中选取至少一个候选页面,并采用所述识别模型对各所述候选页面的文档内容进行关键词提取,得到各所述候选页面对应的第一关键词;
根据待推送信息的第二关键词与各所述候选页面的第一关键词之间的匹配度,从所述至少一个候选页面中确定挂载所述待推送信息的目标页面。
2.根据权利要求1所述的方法,其中,所述识别模型是通过以下步骤训练得到的:
获取样本页面,并对所述样本页面进行访问监测;
根据监测得到的访问记录,确定实际访问有效率;
根据所述实际访问有效率对所述样本页面进行标注;
采用标注后的所述样本页面,对初始的识别模型进行训练,以使所述识别模型输出的所述有效率与所述实际访问有效率之间的差异最小化。
3.如权利要求1所述的方法,其中,所述根据所述有效率,从所述初始页面中选取至少一个候选页面,包括:
将所述有效率高于第一阈值的初始页面,确定为所述候选页面。
4.如权利要求3所述的方法,其中,所述从所述至少一个候选页面中确定挂载所述待推送信息的目标页面之后,还包括:
对挂载所述待推送信息的目标页面,进行访问监测;
根据监测到的访问记录确定多个指标中的至少一个满足预设条件,则调高所述第一阈值。
5.如权利要求1所述的方法,其中,所述根据待推送信息的第二关键词与各所述候选页面的第一关键词之间的匹配度,从所述至少一个候选页面中确定挂载所述待推送信息的目标页面,包括:
将所述匹配度高于第二阈值的候选页面,确定为所述目标页面。
6.如权利要求5所述的方法,其中,所述从所述至少一个候选页面中确定挂载所述待推送信息的目标页面之后,还包括:
对挂载所述待推送信息的目标页面,进行访问监测;
根据监测到的访问记录确定多个指标中的至少一个满足预设条件,则调高所述第二阈值。
7.如权利要求1所述的方法,其中,所述根据待推送信息的第二关键词与各所述候选页面的第一关键词之间的匹配度,从所述至少一个候选页面中确定挂载所述待推送信息的目标页面之前,所述方法还包括:
获取所述待推送信息的关键词标签,其中,所述关键词标签是响应于用户操作配置的;
根据所述关键词标签,确定所述待推送信息的第二关键词。
8.如权利要求1所述的方法,其中,所述根据待推送信息的第二关键词与各所述候选页面的第一关键词之间的匹配度,从所述至少一个候选页面中确定挂载所述待推送信息的目标页面之前,所述方法还包括:
根据所述待推送信息,查询推送信息与关键词之间的对应关系,确定与待推送信息匹配的目标推送信息;
将所述目标推送信息对应的关键词,确定为所述待推送信息的第二关键词。
9.一种信息推送方法,包括:
向服务端发送搜索请求,其中,所述搜索请求中包括搜索关键词;
接收请求响应信息,其中,所述请求响应信息包括与所述搜索关键词对应的搜索结果,所述搜索结果中包括目标页面的链接,所述目标页面是根据权利要求1-8中任一所述的方法得到的;
展示所述搜索结果;
响应于对所述搜索结果中所述目标页面的链接的触发操作,获取并展示所述目标页面。
10.一种信息推送装置,包括:
第一获取模块,用于获取包含文档内容的多个初始页面;
预测模块,用于提取各所述初始页面中所述文档内容的特征信息,并针对任一初始页面,将提取的所述特征信息输入至经过训练的识别模型,得到所述识别模型输出的采用所述任一初始页面进行信息推送的有效率,其中,所述识别模型已学习得到特征信息与所述有效率之间的对应关系;
选取模块,用于根据所述有效率,从所述初始页面中选取至少一个候选页面;
提取模块,用于采用所述识别模型对各所述候选页面的文档内容进行关键词提取,得到各所述候选页面对应的第一关键词;
第一确定模块,用于根据待推送信息的第二关键词与各所述候选页面的第一关键词之间的匹配度,从所述至少一个候选页面中确定挂载所述待推送信息的目标页面。
11.根据权利要求10所述的装置,其中,所述识别模型是通过以下模块训练得到的:
第一监测模块,用于获取样本页面,并对所述样本页面进行访问监测;
第二确定模块,用于根据监测得到的访问记录,确定实际访问有效率;
标注模块,用于根据所述实际访问有效率对所述样本页面进行标注;
训练模块,用于采用标注后的所述样本页面,对初始的识别模型进行训练,以使所述识别模型输出的所述有效率与所述实际访问有效率之间的差异最小化。
12.如权利要求10所述的装置,其中,所述选取模块,具体用于:
将所述有效率高于第一阈值的初始页面,确定为所述候选页面。
13.如权利要求12所述的装置,其中,所述装置还包括:
第二监测模块,用于对挂载所述待推送信息的目标页面,进行访问监测;
第一调整模块,用于根据监测到的访问记录确定多个指标中的至少一个满足预设条件,则调高所述第一阈值。
14.如权利要求10所述的装置,其中,所述第一确定模块,具体用于:
将所述匹配度高于第二阈值的候选页面,确定为所述目标页面。
15.如权利要求14所述的装置,其中,所述装置还包括:
第三监测模块,用于对挂载所述待推送信息的目标页面,进行访问监测;
第二调整模块,用于根据监测到的访问记录确定多个指标中的至少一个满足预设条件,则调高所述第二阈值。
16.如权利要求10所述的装置,其中,所述装置还包括:
第二获取模块,用于获取所述待推送信息的关键词标签,其中,所述关键词标签是响应于用户操作配置的;
第三确定模块,用于根据所述关键词标签,确定所述待推送信息的第二关键词。
17.如权利要求10所述的装置,其中,所述装置还包括:
查询模块,用于根据所述待推送信息,查询推送信息与关键词之间的对应关系,确定与待推送信息匹配的目标推送信息;
第四确定模块,用于将所述目标推送信息对应的关键词,确定为所述待推送信息的第二关键词。
18.一种信息推送装置,包括:
发送模块,用于向服务端发送搜索请求,其中,所述搜索请求中包括搜索关键词;
接收模块,用于接收请求响应信息,其中,所述请求响应信息包括与所述搜索关键词对应的搜索结果,所述搜索结果中包括目标页面的链接,所述目标页面是根据权利要求10-17中任一所述的装置得到的;
展示模块,用于展示所述搜索结果;
处理模块,用于响应于对所述搜索结果中所述目标页面的链接的触发操作,获取并展示所述目标页面。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的信息推送方法,或者,执行权利要求9所述的信息推送方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的信息推送方法,或者,执行根据权利要求9所述的信息推送方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110593537.3A CN113239275B (zh) | 2021-05-28 | 2021-05-28 | 信息推送方法、装置、电子设备和存储介质 |
US17/824,595 US11809505B2 (en) | 2021-05-28 | 2022-05-25 | Method for pushing information, electronic device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110593537.3A CN113239275B (zh) | 2021-05-28 | 2021-05-28 | 信息推送方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113239275A CN113239275A (zh) | 2021-08-10 |
CN113239275B true CN113239275B (zh) | 2023-06-30 |
Family
ID=77135712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110593537.3A Active CN113239275B (zh) | 2021-05-28 | 2021-05-28 | 信息推送方法、装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11809505B2 (zh) |
CN (1) | CN113239275B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781113B (zh) * | 2021-09-09 | 2022-06-21 | 杭州爆米花鹰眼科技有限责任公司 | 一种连锁式信息推送***及方法 |
CN114422584B (zh) * | 2021-12-16 | 2023-07-07 | 北京百度网讯科技有限公司 | 资源的推送方法、设备和存储介质 |
CN115037792B (zh) * | 2022-05-25 | 2023-05-12 | 绿盟科技集团股份有限公司 | 一种信息获取方法、装置、电子设备和存储介质 |
CN116910392B (zh) * | 2023-09-04 | 2024-01-09 | 杭州阿里巴巴海外网络科技有限公司 | 内链生成方法、数据处理方法、搜索方法及计算设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789453A (zh) * | 2011-05-16 | 2012-11-21 | 阿里巴巴集团控股有限公司 | 广告信息投放方法及装置 |
CN103425680A (zh) * | 2012-05-18 | 2013-12-04 | 阿里巴巴集团控股有限公司 | 页面展示广告的选取方法和*** |
CN110210882A (zh) * | 2018-03-21 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 推广位匹配方法和装置、推广信息展示方法和装置 |
CN111310011A (zh) * | 2020-01-20 | 2020-06-19 | 北京字节跳动网络技术有限公司 | 一种信息推送方法、装置、电子设备及存储介质 |
CN111414498A (zh) * | 2020-04-29 | 2020-07-14 | 北京字节跳动网络技术有限公司 | 多媒体信息推荐方法、装置及电子设备 |
CN112507068A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 文档查询方法、装置、电子设备和存储介质 |
CN112541145A (zh) * | 2019-09-20 | 2021-03-23 | 百度在线网络技术(北京)有限公司 | 一种页面展现方法、装置、设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100793377B1 (ko) * | 2006-03-28 | 2008-01-11 | 엔에이치엔(주) | 점수 분포에 따른 광고리스트의 생성 방법 및 광고리스트생성 시스템 |
US8533044B2 (en) * | 2010-04-14 | 2013-09-10 | Microsoft Corporation | Considering user-relevant criteria when serving advertisements |
US8620745B2 (en) * | 2010-12-27 | 2013-12-31 | Yahoo! Inc. | Selecting advertisements for placement on related web pages |
US20130246184A1 (en) * | 2012-03-13 | 2013-09-19 | PowerLinks Media Limited | Method and system for displaying a contextual advertisement on a webpage |
US20130254025A1 (en) * | 2012-03-21 | 2013-09-26 | Ebay Inc. | Item ranking modeling for internet marketing display advertising |
US11734728B2 (en) * | 2019-02-20 | 2023-08-22 | [24]7.ai, Inc. | Method and apparatus for providing web advertisements to users |
CN113297463A (zh) * | 2020-05-14 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 数据处理方法和数据的推送方法 |
-
2021
- 2021-05-28 CN CN202110593537.3A patent/CN113239275B/zh active Active
-
2022
- 2022-05-25 US US17/824,595 patent/US11809505B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789453A (zh) * | 2011-05-16 | 2012-11-21 | 阿里巴巴集团控股有限公司 | 广告信息投放方法及装置 |
CN103425680A (zh) * | 2012-05-18 | 2013-12-04 | 阿里巴巴集团控股有限公司 | 页面展示广告的选取方法和*** |
CN110210882A (zh) * | 2018-03-21 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 推广位匹配方法和装置、推广信息展示方法和装置 |
CN112541145A (zh) * | 2019-09-20 | 2021-03-23 | 百度在线网络技术(北京)有限公司 | 一种页面展现方法、装置、设备及存储介质 |
CN111310011A (zh) * | 2020-01-20 | 2020-06-19 | 北京字节跳动网络技术有限公司 | 一种信息推送方法、装置、电子设备及存储介质 |
CN111414498A (zh) * | 2020-04-29 | 2020-07-14 | 北京字节跳动网络技术有限公司 | 多媒体信息推荐方法、装置及电子设备 |
CN112507068A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 文档查询方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US11809505B2 (en) | 2023-11-07 |
US20220284067A1 (en) | 2022-09-08 |
CN113239275A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113239275B (zh) | 信息推送方法、装置、电子设备和存储介质 | |
CN108021929B (zh) | 基于大数据的移动端电商用户画像建立与分析方法及*** | |
CN109145280B (zh) | 信息推送的方法和装置 | |
US11741094B2 (en) | Method and system for identifying core product terms | |
CN110020162B (zh) | 用户识别方法和装置 | |
CN107908616B (zh) | 预测趋势词的方法和装置 | |
CN107729453B (zh) | 一种提取中心产品词的方法和装置 | |
CN112818230B (zh) | 内容推荐方法、装置、电子设备和存储介质 | |
CN113312512B (zh) | 训练方法、推荐方法、装置、电子设备以及存储介质 | |
CN112925973B (zh) | 数据处理方法和装置 | |
CN107908662B (zh) | 搜索***的实现方法和实现装置 | |
CN110750707A (zh) | 关键词推荐方法、装置和电子设备 | |
CN113205189B (zh) | 训练预测模型的方法、预测方法及装置 | |
CN112905753A (zh) | 一种判别文本信息的方法和装置 | |
CN114037059A (zh) | 预训练模型、模型的生成方法、数据处理方法及装置 | |
CN113450172B (zh) | 一种商品推荐方法和装置 | |
CN111768218B (zh) | 用于处理用户交互信息的方法和装置 | |
CN113190746A (zh) | 推荐模型的评估方法、装置及电子设备 | |
CN111857875A (zh) | 用于显示插件的方法及装置 | |
CN113392920B (zh) | 生成作弊预测模型的方法、装置、设备、介质及程序产品 | |
CN112200602B (zh) | 用于广告推荐的神经网络模型训练方法及装置 | |
CN113743973A (zh) | 分析市场热点趋势的方法和装置 | |
CN111914173A (zh) | 内容处理方法、装置、计算机***和存储介质 | |
CN109189804B (zh) | 居民区入住率的计算方法 | |
CN114637921B (zh) | 基于建模偶然不确定性的物品推荐方法、装置和设备 |
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 |