CN114996587B - 一种数字报纸搜索及智能推荐与分享方法 - Google Patents
一种数字报纸搜索及智能推荐与分享方法 Download PDFInfo
- Publication number
- CN114996587B CN114996587B CN202210843395.6A CN202210843395A CN114996587B CN 114996587 B CN114996587 B CN 114996587B CN 202210843395 A CN202210843395 A CN 202210843395A CN 114996587 B CN114996587 B CN 114996587B
- Authority
- CN
- China
- Prior art keywords
- digital newspaper
- data
- reading
- layout
- user
- 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种数字报纸搜索及智能推荐与分享方法，属于报纸出版技术领域，包括以下步骤：S1：在服务器端中载入数字报纸数据，对数字报纸数据进行批量计算，访问并读取数字报纸数据；S2：搜索关键词，对数字报纸流量数据进行实时建模，进行屏幕阅读；S3：确定进行屏幕阅读的数字报纸版面类型，若属于详情版则进入步骤S4，若属于简讯版则进入步骤S5；S4：在详情版的数字报纸版面中提取阅读内容，并完成阅读内容的分享和分发；S5：进行个性推荐，并完成阅读内容分享和分发。该数字报纸搜索及智能推荐与分享方法实现了数字报纸版面文件与局部内容文件之间的关联链接，使读者阅读起来更加方便、快捷、直观和层次分明，内容清晰，符合阅读习惯。
Description
技术领域
本发明属于报纸出版技术领域，具体涉及一种数字报纸搜索及智能推荐与分享方法。
背景技术
千百年来，报纸为人类文明的进步做出了杰出的贡献。报纸的功能包括对信息进行筛选、过滤、分类和排序等，等同于人机版的搜索引擎，使优质的信息得到优先展示，得到更多的曝光。然而数字时代的到来彻底改变了报纸的地位。数字报纸技术是传统报纸行业和现代最新科技相结合的重要成果，它改变了一千多年传统的出版模式，在信息存储和传播速度方面突破了纸质报纸的约束，形成了多媒体数字报纸与传统纸质报纸齐头并进、共同发展的局面。
面对不断增加的互联网数字报纸资源，怎样给读者进行智能推荐是互联网数字资源提供商所要面对的一个问题。
发明内容
本发明是为了解决上述问题，提出了一种数字报纸搜索及智能推荐与分享方法。
本发明的技术方案是：一种数字报纸搜索及智能推荐与分享方法包括以下步骤：
S1：在服务器端中载入数字报纸数据，对数字报纸数据进行批量计算，并通过客户端访问并读取批量计算后的数字报纸数据；
S2：在数字报纸流量数据中搜索关键词，根据用户的深度神经网络优先级排序对数字报纸流量数据进行实时建模，并根据批量计算后的数字报纸数据进行屏幕阅读；
S3：确定进行屏幕阅读的数字报纸版面类型，若属于详情版则进入步骤S4，若属于简讯版则进入步骤S5；
S4：在详情版的数字报纸版面中提取阅读内容，并完成阅读内容的分享和分发；
S5：在简讯版的数字报纸版面中生成摘要和背景图片，进行个性推荐，并完成阅读内容分享和分发。
进一步地，步骤S1中，数字报纸数据包括用户手机号、用户阅读数据、用户行动数据、用户激活数据、用户留存数据、版面元素在数字报纸版面上对应坐标以及对应关系和版面元素间的关联关系。
进一步地，步骤S1中，对数字报纸数据进行批量计算的具体方法为：将数字报纸数据形成埋点计入日志，利用日志收集***将埋点计入日志收集传输至Kafka平台，在Kafka平台中对数字报纸数据进行数据过滤、数据格式转换、数据分组、数据去重和数据聚合。
进一步地，步骤S1中，所述客户端包括移动终端、桌面端、Pad端、电视端和ibox平台。
进一步地，步骤S2中，对数字报纸流量数据进行流式建模的具体方法为：将数字报纸版面分为四层，分别是收集层、存储层、引擎层和平台层；
所述收集层用于采集用户实时数字报纸数据，并进行批量计算；所述存储层用于将埋点计入日志收集传输至Kafka平台；所述引擎层用于在Kafka平台设置用户进行屏幕阅读的前端、小程序或App的埋点；所述平台层用于进行屏幕阅读；其中，用户实时数据包括用户手机号、用户阅读数据、用户行动数据、用户激活数据和用户留存数据；
所述步骤S2中，进行屏幕阅读的具体方法为：在数字报纸版面顶部的搜索框输入用户设置的关键词，通过预判设计交互确定关键词对应的目标数字报纸数据，进行屏幕阅读。
进一步地，步骤S2中，在进行屏幕阅读时，生成用户当前阅读时长，动态记录用户月或年查询历史阅读时长。
进一步地，步骤S4中，提取阅读内容包括以下子步骤：
S41：利用深度神经网络的非线性结构获取数字报纸版面，并利用深度神经网络的输入层提取数字报纸版面的阅读文本；
S42：利用深度神经网络的隐藏层对阅读文本进行编码转换；
S43：利用深度神经网络的输出层生成编码转换后的阅读文本的提取路径，完成阅读内容提取。
进一步地，步骤S41中，利用深度神经网络的输入层计算数字报纸版面中文本的阅读预测值，将阅读预测值大于设置预测值的文本作为阅读文本，其中，阅读预测值h i 的计算公式为：
式中，n表示数字报纸版面的文本总数，yi表示数字报纸版面的文本索引值，reck(·)表示数字报纸版面中用户u的优先级顺序；
步骤S42中，对阅读文本进行编码转换的具体方法为：对阅读文本进行分词，对分词得到的词性进行标注，利用隐藏层对词性标注后的阅读文本进行依存句法分析，完成编码转换。
进一步地，步骤S4中，完成内容分享和分发的具体方法为：在客户端点中数字报纸版面的版面元素，在点中的版面元素的***自动绘制方框，并将数字报纸版面上移，以使提取的版面元素在数字报纸版面的底部显示；利用数字报纸版面的功能键分享和分发当前数字报纸版面。
进一步地，步骤S5中，进行个性推荐并完成阅读内容分享和分发的具体方法为：在简讯版的数字报纸版面中设置自动摘要和背景图片，利用MindOpt优化求解器的在线优化算法，确定用户对应阅读内容的权重，按照权重大小排序显示阅读内容，利用数字报纸版面的功能键分享和分发当前数字报纸版面。
本发明的有益效果是：该数字报纸搜索及智能推荐与分享方法实现了数字报纸版面文件与局部内容文件之间的关联链接，使读者阅读起来更加方便、快捷、直观和层次分明，内容清晰，符合阅读习惯。灵活多变的实时数据聚合需求，读者既可以从版面上的区域位置关联到相关文本、图片和表格内容，也可以从文本、图片和表格内容反过来关联到版面上的区域位置。通过MindOpt优化求解器中的在线优化算法，并结合了流计算等技术，将数据、算力和算法形成了闭环，形成一种在线学习与优化的方案。
附图说明
图1为数字报纸搜索及智能推荐与分享方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
在描述本发明的具体实施例之前，为使本发明的方案更加清楚完整，首先对本发明中出现的缩略语和关键术语定义进行说明：
批量计算：收集数据放到数据库中取出来分析的流程。
流式建模：对数据流进行实时计算，它不是更快的批计算，流式建模是每次小批量计算后，结果可以立刻投递到在线***，做到实时化展现。
自动摘要：用计算机析取文献信息内容，生成摘要。
日志收集***：一个高可用的、高可靠的且分布式的海量日志采集、聚合和传输的***，日志收集***支持在日志***中定制各类数据发送方，用于收集数据；同时，日志收集***提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。
Kafka平台：一种高吞吐量的分布式发布订阅消息***，它可以处理消费者在网站中的所有动作流数据。
预判设计：能够引导用户操作，缩短用户行为路径，根据用户的行为所在的场景，让功能主动找到用户。
如图1所示，本发明提供了一种数字报纸搜索及智能推荐与分享方法，包括以下步骤：
S1：在服务器端中载入数字报纸数据，对数字报纸数据进行批量计算，并通过客户端访问并读取批量计算后的数字报纸数据；
S2：在数字报纸流量数据中搜索关键词，根据用户的深度神经网络优先级排序对数字报纸流量数据进行实时建模，并根据批量计算后的数字报纸数据进行屏幕阅读；
S3：确定进行屏幕阅读的数字报纸版面类型，若属于详情版则进入步骤S4，若属于简讯版则进入步骤S5；
S4：在详情版的数字报纸版面中提取阅读内容，并完成阅读内容的分享和分发；
S5：在简讯版的数字报纸版面中生成摘要和背景图片，进行个性推荐，并完成阅读内容分享和分发。
在本发明实施例中，步骤S1中，数字报纸数据包括用户手机号、用户阅读数据、用户行动数据、用户激活数据、用户留存数据、版面元素在数字报纸版面上对应坐标以及对应关系和版面元素间的关联关系。
在本发明实施例中，步骤S1中，对数字报纸数据进行批量计算的具体方法为：将数字报纸数据形成埋点计入日志，利用日志收集***将埋点计入日志收集传输至Kafka平台，在Kafka平台中对数字报纸数据进行数据过滤、数据格式转换、数据分组、数据去重和数据聚合。
在本发明实施例中，步骤S1中，所述客户端包括移动终端、桌面端、Pad端、电视端和ibox平台。
在本发明实施例中，步骤S2中，对数字报纸流量数据进行流式建模的具体方法为：将数字报纸版面分为四层，分别是收集层、存储层、引擎层和平台层；
所述收集层用于采集用户实时数字报纸数据，并进行批量计算；所述存储层用于将埋点计入日志收集传输至Kafka平台；所述引擎层用于在Kafka平台设置用户进行屏幕阅读的前端、小程序或App的埋点；所述平台层用于进行屏幕阅读；其中，用户实时数据包括用户手机号、用户阅读数据、用户行动数据、用户激活数据和用户留存数据；
所述步骤S2中，进行屏幕阅读的具体方法为：在数字报纸版面顶部的搜索框输入用户设置的关键词，通过预判设计交互确定关键词对应的目标数字报纸数据，进行屏幕阅读。
用户实时数据包括 Binlog、后端服务日志以及 IoT 数据，经过日志收集团队和DB 收集团队的处理，数据将会被收集到 Kafka 中。这些数据不只是参与实时离线计算。收集层之上是存储层，除了使用 Kafka 做消息通道之外，还会基于 HDFS 做状态数据存储以及基于 HBase 做维度数据的存储。存储层之上是引擎层，包括 Storm 和 Flink。实时计算会在引擎层为用户提供一些框架的封装以及公共包和组件的支持。在引擎层之上就是平台层了，平台层从数据、任务和资源三个视角去管理。
在本发明实施例中，通过客户端访问并读取数字报纸流量数据，是以流的方式提供阅读使用，实时数仓选择Flink 是基于以下四个方面的考虑，这是实时数仓方面关注的核心的问题。第一个是状态管理，实时数仓里面会进行很多的聚合计算，这些需要对于状态进行访问和管理，Flink 比较成熟。第二个是表义，Flink 提供极为丰富的多层次 API，包括 Stream API、Table API 以及 Flink SQL。第三个是生态完善，实时数仓的用途广泛，用户对于多种存储有访问需求，Flink 对于这方面的支持。最后一点就是 Flink 提供了流批统一的可能性。实时数仓为四层，计算层包括SQL和Storm；存储层这一层除了使用 Kafka做消息通道之外，Durid和Table做状态数据存储；收集层埋点日志落地到 Nginx，通过日志收集通道收到 Kafka 中；SDK 层分别是前端、小程序和App的埋点，基于 Storm 呈现多驻户大型数据应用***的设计，简化了面向庞大规模数据流的处理机制，从而在实时处理领域扮演着Hadoop之于批量处理领域的重要角色。实现了上层的 SQL 封装，并实现了 SQL动态更新的特性，在 SQL是流式推荐算法，基于计算层数据的动态更新，采用基于MindOpt的优化求解器实现最大化满足约束条件数目的最佳分配推荐。
预判设计是一种基于数据收集所做的读者***台这一侧把源数据打通，实现用户只写一套代码，平台自动翻译成Flink Batch任务和Flink Stream任务，同时写到一张Holo表，完成计算层表达的统一。流批一体需要依赖离线的调度，因此需要对MaxCompute平台做一定程度的打通。还包括语义层表达优化基于NLP新闻语义分析技术，针对不同新闻的语义特征动态设置新闻标题、新闻图片、新闻文字的推荐样式，场景优化基于不同的前端使用场景，根据前端显示比例，实现版面样式的自动排版，语义层表达的优化，趋势图逻辑针对流场景做了针对性优化，这些特殊场景需要做语义对齐，以保证达到性能目标。促进彼此紧密的互动和交流，实现人与人更高效的连接。应用流式计算和批量计算的大数据计算模式，流数据（或数据流）是指在时间分布和数量上无限的一系列动态数据集合体，数据的价值随着时间的流逝而降低，因此必须实时计算给出秒级响应。流式计算是对数据流进行处理，是实时计算。批量计算则统一收集数据，存储到数据库中，然后对数据进行批量处理的数据计算方式。客户端访问并读取服务器端所存储的数字报纸流量数据，在客户端的显示屏幕上浏览到数字报纸版面内容、分详情版和简讯版。
在本发明实施例中，步骤S1中，步骤S2中，在进行屏幕阅读时，生成用户当前阅读时长，动态记录用户月或年查询历史阅读时长。
在本发明实施例中，步骤S4中，提取阅读内容包括以下子步骤：
S41：利用深度神经网络的非线性结构获取数字报纸版面，并利用深度神经网络的输入层提取数字报纸版面的阅读文本；
S42：利用深度神经网络的隐藏层对阅读文本进行编码转换；
S43：利用深度神经网络的输出层生成编码转换后的阅读文本的提取路径，完成阅读内容提取。
在本发明实施例中，步骤S41中，利用深度神经网络的输入层计算数字报纸版面中文本的阅读预测值，将阅读预测值大于设置预测值的文本作为阅读文本，其中，阅读预测值h i 的计算公式为：
式中，n表示数字报纸版面的文本总数，yi表示数字报纸版面的文本索引值，reck(·)表示数字报纸版面中用户u的优先级顺序；
步骤S42中，对阅读文本进行编码转换的具体方法为：对阅读文本进行分词，对分词得到的词性进行标注，利用隐藏层对词性标注后的阅读文本进行依存句法分析，完成编码转换。
在本发明实施例中，步骤S4中，完成内容分享和分发的具体方法为：在客户端点中数字报纸版面的版面元素，在点中的版面元素的***自动绘制方框，并将数字报纸版面上移，以使提取的版面元素在数字报纸版面的底部显示；利用数字报纸版面的功能键分享和分发当前数字报纸版面。
在本发明实施例中，步骤S5中，进行个性推荐并完成阅读内容分享和分发的具体方法为：在简讯版的数字报纸版面中设置自动摘要和背景图片，利用MindOpt优化求解器的在线优化算法，确定用户对应阅读内容的权重，按照权重大小排序显示阅读内容，利用数字报纸版面的功能键分享和分发当前数字报纸版面。步骤S5中，进行实时个性推荐，抢占读者时间，即：数据、算法和算力，解决“一人千面”直接复用，并完成内容分享和分发。借助于后台流量统计、分析与自主决策。
与微信结合，右上角三点［…］功能键点击分享给好友，利用微信的设计理念是把阅读和社交充分结合，用微信土壤无与伦比的优势，全面连接微信生态，打造成一个可随时+交流沟通、以阅读交友的平台。分享生成当版的数字报纸版面图片、点击内容，从而帮助读者获取社交认同，引流推广。
在本发明实施例中，本发明涉及一种数字报纸搜索接口及智能分享（彩信、微信）推荐的方法。纸媒移动客户端除了主动查找就是推送服务，本发明通过彩信与H5智能数字报筛选结合，用彩信发行报纸，变“被动”为“主动”。它是基于“云计算”的数字技术，可阅读中进行推送搜索，基于算法加持，提升了读者的内容阅读效率。读者对搜索的耐心有限，以抢占读者时间。原来读者通过“搜索功能”也能看到有价值的内容，可增加了读者操作成本。而通过内容推荐的方式，缩短读者获得内容的时间，通过上述方式，从搜索引擎到信息流推荐，算法对大量数据的处理，本发明能够解决机器算法筛选出内容精准度，从纸质阅读到屏幕阅读，阅读行为的转变，向跨越平面与UI不同终端的设计方向转变的问题。
在本发明中，版面层和内容层之间实现关联跳转，能够从版面关联到内容单元，反之，也能够从内容单元关联到版面的相应局部区域位置。该方法还能够根据浏览到的文本或者图表内容反过来定位到版面上的局部区域。服务器端与客户端是不同的计算机***，服务器端与客户端之间是通过互联网或局域网连接的。服务器端与客户端也可以是同一台计算机***。
本发明的有益效果为：该数字报纸搜索及智能推荐与分享方法实现了数字报纸版面文件与局部内容文件之间的关联链接，使读者阅读起来更加方便、快捷、直观和层次分明，内容清晰，符合阅读习惯。灵活多变的实时数据聚合需求，读者既可以从版面上的区域位置关联到相关文本、图片和表格内容，也可以从文本、图片和表格内容反过来关联到版面上的区域位置。通过MindOpt优化求解器中的在线优化算法，并结合了流计算等技术，将数据、算力和算法形成了闭环，形成一种在线学习与优化的方案。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种数字报纸搜索及智能推荐与分享方法，其特征在于，包括以下步骤：
S1：在服务器端中载入数字报纸数据，对数字报纸数据进行批量计算，并通过客户端访问并读取批量计算后的数字报纸数据；
S2：在数字报纸流量数据中搜索关键词，根据用户的深度神经网络优先级排序对数字报纸流量数据进行实时建模，并根据批量计算后的数字报纸数据进行屏幕阅读；
S3：确定进行屏幕阅读的数字报纸版面类型，若属于详情版则进入步骤S4，若属于简讯版则进入步骤S5；
S4：在详情版的数字报纸版面中提取阅读内容，并完成阅读内容的分享和分发；
S5：在简讯版的数字报纸版面中生成摘要和背景图片，进行个性推荐，并完成阅读内容分享和分发；
所述步骤S4中，提取阅读内容包括以下子步骤：
S41：利用深度神经网络的非线性结构获取数字报纸版面，并利用深度神经网络的输入层提取数字报纸版面的阅读文本；
S42：利用深度神经网络的隐藏层对阅读文本进行编码转换；
S43：利用深度神经网络的输出层生成编码转换后的阅读文本的提取路径，完成阅读内容提取；
所述步骤S41中，利用深度神经网络的输入层计算数字报纸版面中文本的阅读预测值，将阅读预测值大于设置预测值的文本作为阅读文本，其中，阅读预测值h i 的计算公式为：
式中，n表示数字报纸版面的文本总数，y i 表示数字报纸版面的文本索引值， rec k (·)表示数字报纸版面中用户u的优先级顺序；
所述步骤S42中，对阅读文本进行编码转换的具体方法为：对阅读文本进行分词，对分词得到的词性进行标注，利用隐藏层对词性标注后的阅读文本进行依存句法分析，完成编码转换。
2.根据权利要求1所述的数字报纸搜索及智能推荐与分享方法，其特征在于，所述步骤S1中，数字报纸数据包括用户手机号、用户阅读数据、用户行动数据、用户激活数据、用户留存数据、版面元素在数字报纸版面上对应坐标以及对应关系和版面元素间的关联关系。
3.根据权利要求2所述的数字报纸搜索及智能推荐与分享方法，其特征在于，所述步骤S1中，对数字报纸数据进行批量计算的具体方法为：将数字报纸数据形成埋点计入日志，利用日志收集***将埋点计入日志收集传输至Kafka平台，在Kafka平台中对数字报纸数据进行数据过滤、数据格式转换、数据分组、数据去重和数据聚合。
4.根据权利要求1所述的数字报纸搜索及智能推荐与分享方法，其特征在于，所述步骤S1中，所述客户端包括移动终端、桌面端、Pad端、电视端和ibox平台。
5.根据权利要求2所述的数字报纸搜索及智能推荐与分享方法，其特征在于，所述步骤S2中，对数字报纸流量数据进行流式建模的具体方法为：将数字报纸版面分为四层，分别是收集层、存储层、引擎层和平台层；
所述收集层用于采集用户实时数字报纸数据，并进行批量计算；所述存储层用于将埋点计入日志收集传输至Kafka平台；所述引擎层用于在Kafka平台设置用户进行屏幕阅读的前端、小程序或App的埋点；所述平台层用于进行屏幕阅读；其中，用户实时数据包括用户手机号、用户阅读数据、用户行动数据、用户激活数据和用户留存数据；
所述步骤S2中，进行屏幕阅读的具体方法为：在数字报纸版面顶部的搜索框输入用户设置的关键词，通过预判设计交互确定关键词对应的目标数字报纸数据，进行屏幕阅读。
6.根据权利要求1所述的数字报纸搜索及智能推荐与分享方法，其特征在于，所述步骤S2中，在进行屏幕阅读时，生成用户当前阅读时长，动态记录用户月或年查询历史阅读时长。
7.根据权利要求1所述的数字报纸搜索及智能推荐与分享方法，其特征在于，所述步骤S4中，完成内容分享和分发的具体方法为：在客户端点中数字报纸版面的版面元素，在点中的版面元素的***自动绘制方框，并将数字报纸版面上移，以使提取的版面元素在数字报纸版面的底部显示；利用数字报纸版面的功能键分享和分发当前数字报纸版面。
8.根据权利要求1所述的数字报纸搜索及智能推荐与分享方法，其特征在于，所述步骤S5中，进行个性推荐并完成阅读内容分享和分发的具体方法为：在简讯版的数字报纸版面中设置自动摘要和背景图片，利用MindOpt优化求解器的在线优化算法，确定用户对应阅读内容的权重，按照权重大小排序显示阅读内容，利用数字报纸版面的功能键分享和分发当前数字报纸版面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210843395.6A CN114996587B (zh) | 2022-07-18 | 2022-07-18 | 一种数字报纸搜索及智能推荐与分享方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210843395.6A CN114996587B (zh) | 2022-07-18 | 2022-07-18 | 一种数字报纸搜索及智能推荐与分享方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114996587A CN114996587A (zh) | 2022-09-02 |
| CN114996587B true CN114996587B (zh) | 2022-10-25 |
Family
ID=83022806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210843395.6A Active CN114996587B (zh) | 2022-07-18 | 2022-07-18 | 一种数字报纸搜索及智能推荐与分享方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114996587B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004178370A (ja) * | 2002-11-28 | 2004-06-24 | Mainichi Newspaper Co Ltd | 高速インターネット利用によるパソコンに向けて、新聞記事の閲覧と主要な新聞記事項目の一覧表示と、この主要な記事について解説する動画、ならびに付帯の音声サウンドを一括同時に配信するニュースコンテンツの生成 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4140242A (en) * | 1977-07-15 | 1979-02-20 | Muller Robert F | Newspaper and periodical single-copy vending machine |
| JP2003058568A (ja) * | 2001-08-10 | 2003-02-28 | Sekai Nipposha:Kk | 電子記事の関連記事自動表示方式およびそのシステム |
| CN101826096B (zh) * | 2009-12-09 | 2012-10-10 | 网易有道信息技术（北京）有限公司 | 基于鼠标指点的信息显示方法、装置*** |
| CN102411618A (zh) * | 2011-11-14 | 2012-04-11 | 江苏联著实业有限公司 | 一种用于数字网报的快速翻页导航*** |
| CN107153665A (zh) * | 2016-03-04 | 2017-09-12 | 北大方正集团有限公司 | 一种数字报纸展示方法及*** |
| CN107992531B (zh) * | 2017-11-21 | 2020-11-27 | 吉浦斯信息咨询（深圳）有限公司 | 基于深度学习的新闻个性化智能推荐方法与*** |
| CN110597981B (zh) * | 2019-09-16 | 2021-07-20 | 西华大学 | 一种采用多策略自动生成摘要的网络新闻概要*** |
-
2022
- 2022-07-18 CN CN202210843395.6A patent/CN114996587B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004178370A (ja) * | 2002-11-28 | 2004-06-24 | Mainichi Newspaper Co Ltd | 高速インターネット利用によるパソコンに向けて、新聞記事の閲覧と主要な新聞記事項目の一覧表示と、この主要な記事について解説する動画、ならびに付帯の音声サウンドを一括同時に配信するニュースコンテンツの生成 |
Non-Patent Citations (1)
| Title |
|---|
| 报纸数字化与全文检索方法研究;傅军;《铁路计算机应用》;20121128(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114996587A (zh) | 2022-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | When journalism and automation intersect: Assessing the influence of the technological field on contemporary newsrooms | |
| Raza et al. | News recommender system: a review of recent progress, challenges, and opportunities | |
| CN111444428B (zh) | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 | |
| US11829404B2 (en) | Functional image archiving | |
| US10108601B2 (en) | Method and system for presenting personalized content | |
| US20240126826A1 (en) | System and method for integrating user feedback into website building system services | |
| Gozhyj et al. | Uniform Method of Operative Content Management in Web Systems. | |
| WO2018040069A1 (zh) | 信息推荐***及方法 | |
| US11444909B2 (en) | Latent user communities | |
| CN111159341B (zh) | 基于用户投资理财偏好的资讯推荐方法及装置 | |
| US10929036B2 (en) | Optimizing static object allocation in garbage collected programming languages | |
| US10560419B2 (en) | Message presentation management in a social networking environment | |
| EP3732592A1 (en) | Intelligent routing services and systems | |
| US11797590B2 (en) | Generating structured data for rich experiences from unstructured data streams | |
| WO2022042157A1 (zh) | 视频数据的制作方法、装置、计算机设备和存储介质 | |
| CN112035748A (zh) | 信息推荐方法、装置、电子设备及存储介质 | |
| CN111460267A (zh) | 对象识别方法、装置和*** | |
| Bellini et al. | Mobile Medicine: semantic computing management for health care applications on desktop and mobile devices | |
| CN106462588B (zh) | 来自所提取的内容的内容创建 | |
| US20200226209A1 (en) | Methods and systems for auto-filling fields of electronic documents | |
| CN112000823A (zh) | 功能入口显示方法、电子设备及计算机可读存储介质 | |
| Hoque et al. | CQAVis: Visual text analytics for community question answering | |
| CN114996587B (zh) | 一种数字报纸搜索及智能推荐与分享方法 | |
| Kwak | A study on the evolution of post-smartphone technologies in the 5G technology environment | |
| Reuter et al. | End-user development and social big data–towards tailorable situation assessment with social media |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220902 Assignee: Zhejiang Fangzheng Media Technology Research Institute Assignor: ZHEJIANG FANGZHENG PRINTING Co.,Ltd. Contract record no.: X2023330000390 Denomination of invention: A Digital Newspaper Search and Intelligent Recommendation and Sharing Method Granted publication date: 20221025 License type: Common License Record date: 20230712 |