CN113792230B - 服务链接方法、装置、电子设备和存储介质 - Google Patents
服务链接方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113792230B CN113792230B CN202110975623.0A CN202110975623A CN113792230B CN 113792230 B CN113792230 B CN 113792230B CN 202110975623 A CN202110975623 A CN 202110975623A CN 113792230 B CN113792230 B CN 113792230B
- Authority
- CN
- China
- Prior art keywords
- article
- service
- stock
- linking
- determining
- 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 68
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000003058 natural language processing Methods 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000004590 computer program Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 230000003993 interaction Effects 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
- 238000012549 training Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000001871 Tachycardia Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 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
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 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
- 230000006794 tachycardia Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/90—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
- 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
- G06F40/295—Named entity recognition
-
- 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)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了服务链接方法、装置、电子设备和存储介质,涉及人工智能技术领域中的深度学习、自然语言处理领域。具体实现方案为:获取文章;获取所述文章待链接的目标服务类型;以及根据所述目标服务类型和所述文章,将所述目标服务类型的服务链接至所述文章。本公开的服务链接方法、装置、电子设备和存储介质,通过将不同类型的服务链接至文章,可以满足用户阅读完文章后产生的更多的需求。
Description
技术领域
本公开涉及人工智能技术领域中的深度学习、自然语言处理领域,尤其涉及一种服务链接方法、装置、电子设备和存储介质。
背景技术
随着互联网的快速发展,越来越多的人习惯通过智能手机等智能设备阅读文章。
目前,文章末尾链接主要以链接广告和相关推荐文章为主,无法满足用户阅读完文章后产生的更多的需求。
发明内容
本公开提供了一种服务链接方法、装置、电子设备和存储介质。
根据第一方面,提供了一种服务链接方法,包括:获取文章;获取所述文章待链接的目标服务类型;以及根据所述目标服务类型和所述文章,将所述目标服务类型的服务链接至所述文章。
根据第二方面,提供了一种服务链接装置,包括:第一获取模块,用于获取文章;第二获取模块,用于获取所述文章待链接的目标服务类型;以及链接模块,用于根据所述目标服务类型和所述文章,将所述目标服务类型的服务链接至所述文章。
根据第三方面,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公开第一方面所述的服务链接方法。
根据第四方面,提供了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本公开第一方面所述的服务链接方法。
根据第五方面,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根据本公开第一方面所述的服务链接方法的步骤。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的服务链接方法的流程示意图;
图2是根据本公开第二实施例的服务链接方法的流程示意图;
图3是根据本公开第三实施例的服务链接方法的流程示意图;
图4是根据本公开第四实施例的服务链接方法的流程示意图;
图5是根据本公开第五实施例的服务链接方法的流程示意图;
图6是根据本公开第六实施例的服务链接方法的流程示意图;
图7是根据本公开第七实施例的服务链接方法的流程示意图;
图8是根据本公开第八实施例的服务链接方法的流程示意图;
图9是根据本公开第一实施例的服务链接装置的框图;
图10是根据本公开第二实施例的服务链接装置的框图;
图11是用来实现本公开实施例的服务链接方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
人工智能(Artificial Intelligence,简称AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门技术科学。目前,AI技术具有自动化程度高、精确度高、成本低的优点,得到了广泛的应用。
深度学习(Deep Learning,简称DL),是机器学习(Machine Learning,简称ML)领域中一个新的研究方向,学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。就具体研究内容而言,主要包括基于卷积运算的神经网络***,即卷积神经网络;基于多层神经元的自编码神经网络;以多层自编码神经网络的方式进行预训练,进而结合鉴别信息进一步优化神经网络权值的深度置信网络。深度学习在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术,以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步。
自然语言处理(Natural Language Processing,NLP)是研究能有效地实现自然语言通信的计算机***,特别是其中的软件***的一门科学,是计算机科学领域与人工智能领域中的一个重要方向。
下面结合附图描述本公开实施例的服务链接方法、装置、电子设备和存储介质。
图1是根据本公开第一实施例的服务链接方法的流程示意图。
如图1所示,本公开实施例的服务链接方法具体可包括以下步骤:
S101,获取文章。
具体的,本公开实施例的服务链接方法的执行主体可为本公开实施例提供的服务链接装置,该服务链接装置可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选的,执行主体可包括工作站、服务器,计算机、用户终端及其他设备。其中,用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
图文落地页初期包含有广告、相关推荐、评论等栏目信息,但缺少相关的服务以满足用户的延展需求,例如,某用户阅读完讲解股票的文章后,可能需要查看对应股票的实时走势;某用户阅读完旅游类文章后,可能需要预订车票酒店等。基于此,本公开实施例提供了一种服务链接方法,以将相关服务链接至文章,满足用户阅读完文章后产生的更多的需求。
在本公开实施例中,获取待链接服务的文章,文章即成篇幅的图文描述,可通过应用程序和网页等方式获取,文章类型具体可包括但不限于:旅游类、股票类等,本公开实施例对此不做过多限定。服务具体可包括但限于:**健康、**速运、**百科、**股票等。
S102,获取文章待链接的目标服务类型。
具体的,根据文章的内容确定该文章需链接的目标服务类型。不同的服务功能不同,有的单一、有的多样化,服务提供的页面内容(即界面)也不同,有的单一,有的多样化,因此可以根据服务的不同类型选择不同的链接方式,以保证链接的准确率和有效性。例如,服务的类型具体可包括工具型服务和内容型服务,其中,工具型服务具体可包括但限于:**健康、**速运等,内容型服务具体可包括但限于:**百科、**股票等。
S103,根据目标服务类型和文章,将目标服务类型的服务链接至文章。
具体的,针对每个服务类型,可以预先设置一个服务集合,该集合中包括多个该服务类型的服务。根据步骤S102获取的目标服务类型和步骤S101获取的文章,遍历对应类型的服务集合中的每个服务,采用与目标服务类型相匹配的方式将服务链接至文章,具体可以链接至文章的末尾等位置。
综上,本公开实施例的服务链接方法,获取文章和其待链接的目标服务类型,根据目标服务类型和文章,将目标服务类型的服务链接至文章。通过将不同类型的服务链接至文章,可以满足用户阅读完文章后产生的更多的需求。
图2是根据本公开第二实施例的服务链接方法的流程示意图。
如图2所示,在图1所示实施例的基础上,本公开实施例的服务链接方法具体可包括以下步骤:
S201,获取文章。
具体的,本实施例中的步骤S201与上述实施例中的步骤S101相同,此处不再赘述。
上述步骤S102“获取文章待链接的目标服务类型”具体可包括以下步骤S202-S203:
S202,获取文章待链接的候选服务类型。
具体的,对步骤S201获取的待链接服务的文章进行链接判断,获得该文章可以链接的服务类型作为候选服务类型。
S203,根据候选服务类型的服务的点击率确定目标服务类型。
具体的,对步骤S202获取的候选服务类型的服务进行基于点击率的筛选,其中点击率最高的服务类型就确定为目标服务类型。
当目标服务类型为工具型服务时,上述步骤S103具体可包括以下步骤S204-S206。
S204,根据文章的内容识别文章的兴趣点。
具体的,当目标服务类型为工具型服务时,可以基于预设算法对文章进行识别,以得到文章中包含的多个兴趣点。其中,预设算法可以是对文章的文字内容进行切分并标注,相应的,将预设算法处理后得到的标注为兴趣点的文字内容作为兴趣点。
S205,获取服务人工标注的服务关键词。
具体的,对工具型服务进行关键词的人工标注,以得到该工具型服务对应的服务关键词。
S206,服务关键词与文章的兴趣点匹配,则将服务链接至文章。
具体的,将步骤S205获取的工具型服务的服务关键词与步骤S204获取的文章的兴趣点进行匹配,若服务关键词与文章的兴趣点匹配,则将该服务链接至文章。其中,匹配方式具体可以为模糊匹配等,本公开实施例对此不做过多限定。
当目标服务类型为内容型服务时,上述步骤S103具体可包括以下步骤S207-S208。
S207,根据文章的内容确定文章与服务中页面内容的相关性。
具体的,当目标服务类型为内容型服务时,需要对文章进行更加全面的分析和理解。服务中的页面内容,例如:内容型服务**百科中的百科词条和**股票中的股票走势等。文章的内容包括文章的标题和文章的正文。根据文章的内容确定文章与服务中页面内容的相关性。
S208,根据相关性将服务中页面内容链接至文章。
具体的,如果步骤S207确定的相关性符合链接相关性要求,则将服务中的页面内容链接至文章,如果步骤S207确定的相关性不符合链接相关性要求,则不将服务中的页面内容链接至文章。
作为第一种可行实施方式,当内容型服务为百科服务,例如**百科时,如图3所示,上述步骤S207“根据文章的内容确定文章与服务中页面内容的相关性”具体可包括以下步骤S301-S303:
S301,根据文章的内容获取文章中重要度最高的预设数量的实体词。
具体的,根据文章的内容获取文章中的多个实体词以及每个实体词对应的重要度,按照重要度从高到低的顺序对多个实体词进行排列,将排名靠前的预设数量的实体词确定为文章中重要度最高的预设数量的实体词。预设数量可以根据需要预先设定,例如10个。实体词包括名词和代词,例如人物、事物等。
S302,根据文章的标题获取实体词对应的百科词条。
具体的,获取实体词对应的百科词条,对于有多个释义的百科词条,可以根据文章的标题从多个释义的百科词条筛选出正确率最高的释义的百科词条,例如可以采用文本分类的卷积神经网络(TextCNN)模型来进行筛选。
S303,确定百科词条和文章的正文之间的相关性。
具体的,可以通过以下至少一种方式来确定百科词条和文章的正文之间的相关性,以避免误链接:1)确定实体词与文章的标题中的非主题词是否匹配,文章的标题中的非主题词根据文章的正文确定,例如,文章的标题为“可与西湖相媲美的A景点,一般人都不知道”,文章的正文应主要介绍A景点,因此文章语义模型识别出“西湖”为非主体词。如果实体词与文章的标题中的非主题词匹配,则确定出百科词条和文章的正文之间的相关性不符合要求;2)确定实体词在文章的正文中出现的次数,如果实体词在文章的正文中出现的次数小于预设的次数阈值,则确定出百科词条和文章的正文之间的相关性不符合要求;3)确定实体词在文章的正文中出现的段落数与总段落数的比值,如果比值小于预设的比值阈值,则确定出百科词条和文章的正文之间的相关性不符合要求。
对应的,上述步骤S208“根据相关性将服务中页面内容链接至文章”具体可包括以下步骤S304。
S304,根据相关性将百科词条链接至文章。
具体的,将符合相关性要求的百科词条链接至文章。
进一步的,如图4所示,上述步骤S301“根据文章的内容获取文章中重要度最高的预设数量的实体词”具体可包括以下步骤S401-S403。
S401,获取文章的内容中的多个实体词。
具体的,对文章的标题和正文分别进行切词,并识别出其中的实体词。识别方法具体可包括但不限于:基于汉语言处理包(Han Language Processing,简称Hanlp)的识别方法、基于斯坦福大学核心自然语言处理包(Stanford core Natural LanguageProcessing,简称Stanfordcorenlp)的识别方法、基于语言技术平台(Language Technology Platform,简称Ltp)的识别方法、基于双向的_长短期记忆_循环神经网络_条件随机场(Bidirectional_Long-Short-Term Memory_Recurrent Neural Network_ConditionalRandom Fields,简称BI_LSTM_RNN_CRF)的识别方法等。
S402,将多个实体词和文章的正文输入至梯度提升决策树模型,得到多个实体词对应的重要度。
具体的,可以将文章的正文和步骤S401获取的多个实体词输入至梯度提升决策树(Gradient Boosting Decision Tree,简称GBDT)模型中,GBDT模型输出多个实体词各自对应的重要度。
S403,根据多个实体词对应的重要度确定重要度最高的预设数量的实体词。
具体的,按照重要度从高到低的顺序对多个实体词进行排列,将排名靠前的预设数量的实体词确定为文章中重要度最高的预设数量的实体词。
作为第二种可行实施方式,当内容型服务为股票服务,例如**股票时,如图5所示,上述步骤S207“根据文章的内容确定文章与服务中页面内容的相关性”具体可包括以下步骤S501-S502:
S501,根据文章的内容获取文章中权重最高的股票实体词,股票实体词的权重根据股票实体词在文章中出现的次数和出现的位置确定。
具体的,根据文章的内容获取文章中的多个实体词,筛选出其中与股票相关的实体词作为股票实体词,根据股票实体词在文章中出现的次数和出现的位置确定股票实体词的权重,例如次数越多对应的权重越高,出现在文章的标题出比出现在文章的正文中权重要高。按照权重从高到低的顺序对多个股票实体词进行排列,将排名最靠前的股票实体词确定为文章中权重最高的股票实体词。
S502,确定股票实体词和文章之间的相关性。
具体的,获得股票实体词后,可以对文章是否可链接股票进行相关性判定,以保证链接准确率。具体可以根据预设的股票关键词集合中的股票关键词在文章中出现的次数,确定股票实体词和文章之间的相关性。其中,股票关键词集合中可以包括但不限于:加仓、股、涨、跌、市值、合并、财报、上市、上证指数、利润、营收、净收入年报、亏和销量等股票关键词。当出现次数超过预设的次数阈值时,确定符合相关度要求,即文章可链接股票。
对应的,上述步骤S208“根据相关性将服务中页面内容链接至文章”具体可包括以下步骤S503。
S503,根据相关性将股票实体词对应的股票走势链接至文章。
具体的,将符合相关性要求的股票实体词对应的股票走势链接至文章。
进一步的,如图6所示,上述步骤S501中的“根据文章的内容获取文章中权重最高的股票实体词”具体可包括以下步骤S601-S603:
S601,获取文章的内容中的多个实体词。
具体的,本实施例中的步骤S601与上述实施例中的步骤S401相同,此处不再赘述。
S602,将多个实体词中与预设的股票名称一致的实体词确定为股票实体词。
具体的,可以将股票全量同义词词典中记录的所有股票对应的名字和别称确定为预设的股票名称。将多个实体词和预设的股票名称进行比较,将与预设的股票名称一致的实体词确定为股票实体词。
S603,根据股票实体词的权重确定权重最高的股票实体词。
具体的,根据股票实体词在文章中出现的次数和出现的位置确定股票实体词的权重,例如次数越多对应的权重越高,出现在文章的标题出比出现在文章的正文中权重要高。按照权重从高到低的顺序对多个股票实体词进行排列,将排名最靠前的股票实体词确定为文章中权重最高的股票实体词。
进一步的,如图7所示,上述步骤S503“根据相关性将股票实体词对应的股票走势链接至文章”具体可包括以下步骤S701-S702。
S701,对文章进行股票链接评估。
具体的,对文章进行股票链接评估,以判断文章是否适合链接股票,以保证链接准确率和有效性。例如可采用预训练bert模型进行判断。首先人工标注一批样本文章,判断样本文章是否适合股票链接,然后训练一个二分类模型,该二分类模型的输入为样本文章的标题和正文的前512个汉字,将每个汉字ID化以后,输入一串序列,该二分类模型输出一个分数,分数越高,文章适合链接股票的可能性越大。
S702,评估通过,则根据相关性将股票实体词对应的股票走势链接至文章。
具体的,如果评估通过,例如预训练bert模型输出的分数超过预设的分数阈值则评估通过,则根据相关性将股票实体词对应的股票走势链接至文章。
综上,本公开实施例的服务链接方法,获取文章和其待链接的候选服务类型,根据候选服务类型的服务的点击率确定目标服务类型。对于工具型服务,若服务关键词与文章的兴趣点匹配则链接。对于内容型服务,则根据文章与服务中页面内容的相关性进行链接。通过将不同类型的服务链接至文章,可以满足用户阅读完文章后产生的更多的需求。针对不同类型的服务,采用不同的方式进行链接,可以保证链接的准确率和有效性。对于百科服务,获取到实体词对应的百科词条后,进一步确定百科词条和文章的正文之间的相关性,可以避免误链接。对于股票服务,获得股票实体词后,进一步对文章是否可链接股票进行相关性判定以及对文章是否适合链接股票进行评估,以保证链接准确率和有效性。
为清楚说明本公开实施例的服务链接方法,下面通过图8对本公开实施例的服务链接方法的具体过程进行详细描述。如图8所示,本公开实施例的服务链接方法,具体可包括以下步骤:
S801,获取文章。
S802,获取文章待链接的候选服务类型。
S803,根据候选服务类型的服务的点击率确定目标服务类型。
当目标服务类型为工具型服务时,继续执行步骤S804-S806。
S804,根据文章的内容识别文章的兴趣点。
S805,获取服务人工标注的服务关键词。
S806,服务关键词与文章的兴趣点匹配,则将服务链接至文章。
当目标服务类型为内容型服务-百科服务时,继续执行步骤S807-S812。
S807,获取文章的内容中的多个实体词。
S808,将多个实体词和文章的正文输入至梯度提升决策树模型,得到多个实体词对应的重要度。
S809,根据多个实体词对应的重要度确定重要度最高的预设数量的实体词。
S810,根据文章的标题获取实体词对应的百科词条。
S811,确定百科词条和文章的正文之间的相关性。
S812,根据相关性将百科词条链接至文章。
当目标服务类型为内容型服务-股票服务时,继续执行步骤S813-S818。
S813,获取文章的内容中的多个实体词。
S814,将多个实体词中与预设的股票名称一致的实体词确定为股票实体词。
S815,根据股票实体词的权重确定权重最高的股票实体词。
S816,确定股票实体词和文章之间的相关性。
S817,对文章进行股票链接评估。
S818,评估通过,则根据相关性将股票实体词对应的股票走势链接至文章。
图9是根据本公开第一实施例的服务链接装置的框图。
如图9所示,本公开实施例的服务链接装置900,包括:第一获取模块901、第二获取模块902和链接模块903。
第一获取模块901,用于获取文章。
第二获取模块902,用于获取所述文章待链接的目标服务类型。
链接模块903,用于根据所述目标服务类型和所述文章,将所述目标服务类型的服务链接至所述文章。
需要说明的是,上述对服务链接方法实施例的解释说明,也适用于本公开实施例的服务链接装置,具体过程此处不再赘述。
综上,本公开实施例的服务链接装置,获取文章和其待链接的目标服务类型,根据目标服务类型和文章,将目标服务类型的服务链接至文章。通过将不同类型的服务链接至文章,可以满足用户阅读完文章后产生的更多的需求。
图10是根据本公开第二实施例的服务链接装置的框图。
如图10所示,本公开实施例的服务链接装置1000,包括:第一获取模块1001、第二获取模块1002和链接模块1003。
其中,第一获取模块1001与上一实施例中的第一获取模块901具有相同的结构和功能,第二获取模块1002与上一实施例中的第二获取模块902具有相同的结构和功能。链接模块1003与上一实施例中的链接模块903具有相同的结构和功能。
进一步的,所述第二获取模块1002,包括:第一获取子模块10021,用于获取所述文章待链接的候选服务类型;第一确定子模块10022,用于根据所述候选服务类型的服务的点击率确定所述目标服务类型。
进一步的,所述服务的类型为工具型服务,所述链接模块1003,包括:识别子模块,用于根据所述文章的内容识别所述文章的兴趣点;第二获取子模块,用于获取所述服务人工标注的服务关键词;以及第一链接子模块,用于所述服务关键词与所述文章的兴趣点匹配,则将所述服务链接至所述文章。
进一步的,所述服务的类型为内容型服务,所述链接模块1003,包括:第二确定子模块,用于根据所述文章的内容确定所述文章与所述服务中页面内容的相关性;以及第二链接子模块,用于根据所述相关性将所述服务中所述页面内容链接至所述文章。
进一步的,所述服务为百科服务,所述第二确定子模块,包括:第一获取单元,用于根据所述文章的内容获取所述文章中重要度最高的预设数量的实体词;第二获取单元,用于根据所述文章的标题获取所述实体词对应的百科词条;以及第一确定单元,用于确定所述百科词条和所述文章的正文之间的所述相关性;所述第二链接子模块,包括:第一链接单元,用于根据所述相关性将所述百科词条链接至所述文章。
进一步的,所述第一获取单元,包括:第一获取子单元,用于获取所述文章的内容中的多个实体词;输入子单元,用于将所述多个实体词和所述文章的正文输入至梯度提升决策树模型,得到所述多个实体词对应的重要度;以及第一确定子单元,用于根据所述多个实体词对应的重要度确定所述重要度最高的预设数量的实体词。
进一步的,所述确定单元,包括以下至少一个子单元:第二确定子单元,用于确定所述实体词与所述文章的标题中的非主题词是否匹配,所述文章的标题中的非主题词根据所述文章的正文确定;第三确定子单元,用于确定所述实体词在所述文章的正文中出现的次数;以及第四确定子单元,用于确定所述实体词在所述文章的正文中出现的段落数与总段落数的比值。
进一步的,所述服务为股票服务,所述第二确定子模块,包括:第三获取单元,用于根据所述文章的内容获取所述文章中权重最高的股票实体词,所述股票实体词的权重根据所述股票实体词在所述文章中出现的次数和出现的位置确定;以及第二确定单元,用于确定所述股票实体词和所述文章之间的所述相关性;所述第二链接子模块,包括:第二链接单元,用于根据所述相关性将所述股票实体词对应的股票走势链接至所述文章。
进一步的,所述第三获取单元,包括:第二获取子单元,用于获取所述文章的内容中的多个实体词;第五确定子单元,用于将所述多个实体词中与预设的股票名称一致的实体词确定为所述股票实体词;以及第六确定子单元,用于根据所述股票实体词的权重确定所述权重最高的股票实体词。
进一步的,所述第二确定单元,包括:第七确定子单元,用于根据预设的股票关键词集合中的股票关键词在所述文章中出现的次数,确定所述股票实体词和所述文章之间的所述相关性。
进一步的,所述第二链接单元,包括:评估子单元,用于对所述文章进行股票链接评估;链接子单元,用于评估通过,则根据所述相关性将所述股票实体词对应的股票走势链接至所述文章。
需要说明的是,上述对服务链接方法实施例的解释说明,也适用于本公开实施例的服务链接装置,具体过程此处不再赘述。
综上,本公开实施例的服务链接装置,获取文章和其待链接的候选服务类型,根据候选服务类型的服务的点击率确定目标服务类型。对于工具型服务,若服务关键词与文章的兴趣点匹配则链接。对于内容型服务,则根据文章与服务中页面内容的相关性进行链接。通过将不同类型的服务链接至文章,可以满足用户阅读完文章后产生的更多的需求。针对不同类型的服务,采用不同的方式进行链接,可以保证链接的准确率和有效性。对于百科服务,获取到实体词对应的百科词条后,进一步确定百科词条和文章的正文之间的相关性,可以避免误链接。对于股票服务,获得股票实体词后,进一步对文章是否可链接股票进行相关性判定以及对文章是否适合链接股票进行评估,以保证链接准确率和有效性。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开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11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。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/或者要求的本公开的实现。
如图11所示,电子设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储电子设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
电子设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106,例如键盘、鼠标等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许电子设备1100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1101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1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理,例如图1至图8所示的服务链接方法。例如,在一些实施例中,服务链接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1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到电子设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的服务链接方法的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行服务链接方法。
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***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开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。
在本公开的上下文中,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、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、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(阴极射线管)或者LCD(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:局域网(LAN)、广域网(WAN)、互联网以及区块链网络。
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("Virtual Private Server",或简称"VPS")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。
根据本公开的实施例,本公开还提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现根据本公开上述实施例所示的服务链接方法的步骤。
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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (18)
1.一种服务链接方法,包括:
获取文章;
获取所述文章待链接的目标服务类型;以及
根据所述目标服务类型和所述文章,将所述目标服务类型的服务链接至所述文章;
其中,所述获取所述文章待链接的目标服务类型,包括:
获取所述文章待链接的候选服务类型;以及
根据所述候选服务类型的服务的点击率确定所述目标服务类型;
其中,所述目标服务类型为工具型服务,所述根据所述目标服务类型和所述文章,将所述目标服务类型的服务链接至所述文章,包括:
根据所述文章的内容识别所述文章的兴趣点;
获取所述服务人工标注的服务关键词;以及
所述服务关键词与所述文章的兴趣点匹配,则将所述服务链接至所述文章;
其中,所述目标服务类型为内容型服务,所述根据所述目标服务类型和所述文章,将所述目标服务类型的服务链接至所述文章,包括:
根据所述文章的内容确定所述文章与所述服务中页面内容的相关性;以及
根据所述相关性将所述服务中所述页面内容链接至所述文章。
2.根据权利要求1所述的服务链接方法,其中,所述服务为百科服务,所述根据所述文章的内容确定所述文章与所述服务中页面内容的相关性,包括:
根据所述文章的内容获取所述文章中重要度最高的预设数量的实体词;
根据所述文章的标题获取所述实体词对应的百科词条;以及
确定所述百科词条和所述文章的正文之间的所述相关性;
所述根据所述相关性将所述服务中所述页面内容链接至所述文章,包括:
根据所述相关性将所述百科词条链接至所述文章。
3.根据权利要求2所述的服务链接方法,其中,所述根据所述文章的内容获取所述文章中重要度最高的预设数量的实体词,包括:
获取所述文章的内容中的多个实体词;
将所述多个实体词和所述文章的正文输入至梯度提升决策树模型,得到所述多个实体词对应的重要度;以及
根据所述多个实体词对应的重要度确定所述重要度最高的预设数量的实体词。
4.根据权利要求2所述的服务链接方法,其中,所述确定所述百科词条和所述文章的正文之间的所述相关性,包括以下至少一种:
确定所述实体词与所述文章的标题中的非主题词是否匹配,所述文章的标题中的非主题词根据所述文章的正文确定;
确定所述实体词在所述文章的正文中出现的次数;以及
确定所述实体词在所述文章的正文中出现的段落数与总段落数的比值。
5. 根据权利要求1所述的服务链接方法,其中,所述服务为股票服务,所述根据所述文章的内容确定所述文章与所述服务中页面内容的相关性,包括:
根据所述文章的内容获取所述文章中权重最高的股票实体词,所述股票实体词的权重根据所述股票实体词在所述文章中出现的次数和出现的位置确定;以及
确定所述股票实体词和所述文章之间的所述相关性;
所述根据所述相关性将所述服务中所述页面内容链接至所述文章,包括:
根据所述相关性将所述股票实体词对应的股票走势链接至所述文章。
6.根据权利要求5所述的服务链接方法,其中,所述根据所述文章的内容获取所述文章中权重最高的股票实体词,包括:
获取所述文章的内容中的多个实体词;
将所述多个实体词中与预设的股票名称一致的实体词确定为所述股票实体词;以及
根据所述股票实体词的权重确定所述权重最高的股票实体词。
7.根据权利要求5所述的服务链接方法,其中,所述确定所述股票实体词和所述文章之间的所述相关性,包括:
根据预设的股票关键词集合中的股票关键词在所述文章中出现的次数,确定所述股票实体词和所述文章之间的所述相关性。
8.根据权利要求5所述的服务链接方法,所述根据所述相关性将所述股票实体词对应的股票走势链接至所述文章,包括:
对所述文章进行股票链接评估;
评估通过,则根据所述相关性将所述股票实体词对应的股票走势链接至所述文章。
9.一种服务链接装置,包括:
第一获取模块,用于获取文章;
第二获取模块,用于获取所述文章待链接的目标服务类型;以及
链接模块,用于根据所述目标服务类型和所述文章,将所述目标服务类型的服务链接至所述文章;
其中,所述第二获取模块,包括:
第一获取子模块,用于获取所述文章待链接的候选服务类型;
第一确定子模块,用于根据所述候选服务类型的服务的点击率确定所述目标服务类型;
其中,所述目标服务类型为工具型服务,所述链接模块,包括:
识别子模块,用于根据所述文章的内容识别所述文章的兴趣点;
第二获取子模块,用于获取所述服务人工标注的服务关键词;以及
第一链接子模块,用于所述服务关键词与所述文章的兴趣点匹配,则将所述服务链接至所述文章;
其中,所述目标服务类型为内容型服务,所述链接模块,包括:
第二确定子模块,用于根据所述文章的内容确定所述文章与所述服务中页面内容的相关性;以及
第二链接子模块,用于根据所述相关性将所述服务中所述页面内容链接至所述文章。
10.根据权利要求9所述的服务链接装置,其中,所述服务为百科服务,所述第二确定子模块,包括:
第一获取单元,用于根据所述文章的内容获取所述文章中重要度最高的预设数量的实体词;
第二获取单元,用于根据所述文章的标题获取所述实体词对应的百科词条;以及
第一确定单元,用于确定所述百科词条和所述文章的正文之间的所述相关性;
所述第二链接子模块,包括:
第一链接单元,用于根据所述相关性将所述百科词条链接至所述文章。
11.根据权利要求10所述的服务链接装置,其中,所述第一获取单元,包括:
第一获取子单元,用于获取所述文章的内容中的多个实体词;
输入子单元,用于将所述多个实体词和所述文章的正文输入至梯度提升决策树模型,得到所述多个实体词对应的重要度;以及
第一确定子单元,用于根据所述多个实体词对应的重要度确定所述重要度最高的预设数量的实体词。
12.根据权利要求10所述的服务链接装置,其中,所述确定单元,包括以下至少一个子单元:
第二确定子单元,用于确定所述实体词与所述文章的标题中的非主题词是否匹配,所述文章的标题中的非主题词根据所述文章的正文确定;
第三确定子单元,用于确定所述实体词在所述文章的正文中出现的次数;以及
第四确定子单元,用于确定所述实体词在所述文章的正文中出现的段落数与总段落数的比值。
13. 根据权利要求9所述的服务链接装置,其中,所述服务为股票服务,所述第二确定子模块,包括:
第三获取单元,用于根据所述文章的内容获取所述文章中权重最高的股票实体词,所述股票实体词的权重根据所述股票实体词在所述文章中出现的次数和出现的位置确定;以及
第二确定单元,用于确定所述股票实体词和所述文章之间的所述相关性;
所述第二链接子模块,包括:
第二链接单元,用于根据所述相关性将所述股票实体词对应的股票走势链接至所述文章。
14.根据权利要求13所述的服务链接装置,其中,所述第三获取单元,包括:
第二获取子单元,用于获取所述文章的内容中的多个实体词;
第五确定子单元,用于将所述多个实体词中与预设的股票名称一致的实体词确定为所述股票实体词;以及
第六确定子单元,用于根据所述股票实体词的权重确定所述权重最高的股票实体词。
15.根据权利要求13所述的服务链接装置,其中,所述第二确定单元,包括:
第七确定子单元,用于根据预设的股票关键词集合中的股票关键词在所述文章中出现的次数,确定所述股票实体词和所述文章之间的所述相关性。
16.根据权利要求13所述的服务链接装置,所述第二链接单元,包括:
评估子单元,用于对所述文章进行股票链接评估;
链接子单元,用于评估通过,则根据所述相关性将所述股票实体词对应的股票走势链接至所述文章。
17. 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中任一项所述的方法。
18.一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中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110975623.0A CN113792230B (zh) | 2021-08-24 | 2021-08-24 | 服务链接方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110975623.0A CN113792230B (zh) | 2021-08-24 | 2021-08-24 | 服务链接方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113792230A CN113792230A (zh) | 2021-12-14 |
CN113792230B true CN113792230B (zh) | 2024-04-09 |
Family
ID=79182152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110975623.0A Active CN113792230B (zh) | 2021-08-24 | 2021-08-24 | 服务链接方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113792230B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115858986B (zh) * | 2023-02-10 | 2023-05-12 | 上海朝阳永续信息技术股份有限公司 | 确定新闻与股票之间的关联状态的方法、设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194187A (zh) * | 2010-03-10 | 2011-09-21 | 第一网站股份有限公司 | 经由搜集使用者意图来提供关键词广告的方法 |
CN104156359A (zh) * | 2013-05-13 | 2014-11-19 | 腾讯科技(深圳)有限公司 | 内链信息推荐方法及装置 |
CN108197113A (zh) * | 2018-01-19 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 文章资讯转换方法、装置、设备及计算机可读介质 |
CN109815416A (zh) * | 2019-01-29 | 2019-05-28 | 北京字节跳动网络技术有限公司 | 关联信息的推送方法、装置,电子设备及存储介质 |
CN110390569A (zh) * | 2018-04-16 | 2019-10-29 | 腾讯科技(深圳)有限公司 | 一种内容推广方法、装置及存储介质 |
CN111324804A (zh) * | 2020-02-21 | 2020-06-23 | 北京字节跳动网络技术有限公司 | 搜索关键词推荐模型生成方法、关键词推荐方法与装置 |
CN111581554A (zh) * | 2020-04-24 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法及装置 |
CN111783468A (zh) * | 2020-06-28 | 2020-10-16 | 百度在线网络技术(北京)有限公司 | 文本处理方法、装置、设备和介质 |
CN112380847A (zh) * | 2020-11-18 | 2021-02-19 | 北京百度网讯科技有限公司 | 兴趣点处理方法、装置、电子设备及存储介质 |
CN112541713A (zh) * | 2020-12-30 | 2021-03-23 | 中科院计算技术研究所大数据研究院 | 基于指标体系的政务公开自动评估的方法 |
CN112579941A (zh) * | 2020-12-17 | 2021-03-30 | 京东数字科技控股股份有限公司 | 资讯信息的处理方法、装置、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8880390B2 (en) * | 2011-12-20 | 2014-11-04 | Yahoo! Inc. | Linking newsworthy events to published content |
US10621262B2 (en) * | 2017-10-30 | 2020-04-14 | RevContent, LLC | Configurable feed for display with a web page |
-
2021
- 2021-08-24 CN CN202110975623.0A patent/CN113792230B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194187A (zh) * | 2010-03-10 | 2011-09-21 | 第一网站股份有限公司 | 经由搜集使用者意图来提供关键词广告的方法 |
CN104156359A (zh) * | 2013-05-13 | 2014-11-19 | 腾讯科技(深圳)有限公司 | 内链信息推荐方法及装置 |
CN108197113A (zh) * | 2018-01-19 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 文章资讯转换方法、装置、设备及计算机可读介质 |
CN110390569A (zh) * | 2018-04-16 | 2019-10-29 | 腾讯科技(深圳)有限公司 | 一种内容推广方法、装置及存储介质 |
CN109815416A (zh) * | 2019-01-29 | 2019-05-28 | 北京字节跳动网络技术有限公司 | 关联信息的推送方法、装置,电子设备及存储介质 |
CN111324804A (zh) * | 2020-02-21 | 2020-06-23 | 北京字节跳动网络技术有限公司 | 搜索关键词推荐模型生成方法、关键词推荐方法与装置 |
CN111581554A (zh) * | 2020-04-24 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法及装置 |
CN111783468A (zh) * | 2020-06-28 | 2020-10-16 | 百度在线网络技术(北京)有限公司 | 文本处理方法、装置、设备和介质 |
CN112380847A (zh) * | 2020-11-18 | 2021-02-19 | 北京百度网讯科技有限公司 | 兴趣点处理方法、装置、电子设备及存储介质 |
CN112579941A (zh) * | 2020-12-17 | 2021-03-30 | 京东数字科技控股股份有限公司 | 资讯信息的处理方法、装置、设备及存储介质 |
CN112541713A (zh) * | 2020-12-30 | 2021-03-23 | 中科院计算技术研究所大数据研究院 | 基于指标体系的政务公开自动评估的方法 |
Non-Patent Citations (1)
Title |
---|
自定义分章图文混编文章存储技术的研究;林碧英;陈达峰;;计算机***应用;20090415(第04期);第158-162页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113792230A (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2018383346B2 (en) | Domain-specific natural language understanding of customer intent in self-help | |
CN111241237B (zh) | 一种基于运维业务的智能问答数据处理方法及装置 | |
CN112560479B (zh) | 摘要抽取模型训练方法、摘要抽取方法、装置和电子设备 | |
CN112560496A (zh) | 语义分析模型的训练方法、装置、电子设备及存储介质 | |
CN113553412B (zh) | 问答处理方法、装置、电子设备和存储介质 | |
CN112926308B (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN114840671A (zh) | 对话生成方法、模型的训练方法、装置、设备及介质 | |
CN112925883B (zh) | 搜索请求处理方法、装置、电子设备及可读存储介质 | |
CN113590776A (zh) | 基于知识图谱的文本处理方法、装置、电子设备及介质 | |
CN113988157A (zh) | 语义检索网络训练方法、装置、电子设备及存储介质 | |
CN113407677A (zh) | 评估咨询对话质量的方法、装置、设备和存储介质 | |
CN112541362A (zh) | 一种泛化处理的方法、装置、设备和计算机存储介质 | |
CN115470313A (zh) | 信息检索及模型训练方法、装置、设备和存储介质 | |
CN115048505A (zh) | 语料筛选方法和装置、电子设备、计算机可读介质 | |
CN112528146B (zh) | 内容资源推荐方法、装置、电子设备及存储介质 | |
CN113792230B (zh) | 服务链接方法、装置、电子设备和存储介质 | |
CN112506864B (zh) | 文件检索的方法、装置、电子设备及可读存储介质 | |
CN114116997A (zh) | 知识问答方法、装置、电子设备及存储介质 | |
CN115248890A (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
CN114647739B (zh) | 实体链指方法、装置、电子设备及存储介质 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN115048523A (zh) | 文本分类方法、装置、设备以及存储介质 | |
CN114329206A (zh) | 标题生成方法和装置、电子设备、计算机可读介质 | |
CN112784600A (zh) | 信息排序方法、装置、电子设备和存储介质 | |
CN113806541A (zh) | 情感分类的方法和情感分类模型的训练方法、装置 |
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 |