技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种社交内容文本的选取方法、装置、设备及存储介质与流程  >  正文

一种社交内容文本的选取方法、装置、设备及存储介质与流程

  • 国知局
  • 2024-07-31 22:46:40

本技术涉及数据处理,具体涉及一种社交内容文本的选取方法、装置、设备及存储介质。

背景技术:

1、随着互联网技术的快速发展,用户能够在网络社区上通过发布和浏览社交内容,例如帖子以及评论,和网络社区中的其他用户进行社交。用户发布的社交内容能够反映用户的所关注的内容。分析社交内容,能够确定用户的偏好的社交内容,进一步为用户推荐符合用户偏好的社交内容,提升用户的使用体验。

2、例如,对用户发布的评论进行情感分析,确定用户喜欢的物品,并为用户推荐用户喜欢的物品的商品信息,以便用户购买。但是,用户在社交网络上发布和浏览的社交内容较多,用户偏好的社交内容也较为复杂,目前难以较为准确地确定用户的偏好内容。

技术实现思路

1、有鉴于此,本技术提供一种社交内容文本的选取方法、装置、设备及存储介质,能够充分挖掘用户偏好,较为准确地确定用户的偏好内容。

2、本技术提供的技术方案如下:

3、第一方面,本技术提供一种确定用户对社交内容的关注程度的方法,所述方法包括:

4、获取目标用户、社交内容文本以及所述目标用户和所述社交内容文本的交互记录;

5、从所述社交内容文本中提取实体以及话题;

6、利用所述实体、所述话题和所述交互记录,构建实体级别矩阵和话题级别矩阵,所述实体级别矩阵包括用户-实体关注矩阵和社交内容文本-实体含量矩阵,所述话题级别矩阵包括用户-话题关注矩阵和社交内容文本-话题含量矩阵;

7、利用所述实体级别矩阵和话题级别矩阵,生成用户显因子和社交内容显因子;

8、利用所述用户显因子、用户隐因子、所述社交内容显因子和社交内容隐因子,确定针对所述社交内容文本的两类属性的子关注分值,所述属性包括实体和话题;

9、确定两个所述子关注分值的加权和,得到总关注分值,所述总关注分值用于衡量所述目标用户对所述社交内容文本的关注程度。

10、在一种可能的实现方式中,所述从所述社交内容文本中提取实体以及话题,包括:

11、利用实体提取模型从所述社交内容文本中提取实体;

12、利用神经主题模型从所述社交内容文本中提取话题。

13、在一种可能的实现方式中,所述方法还包括:

14、利用所述用户-话题关注矩阵修正所述用户-实体关注矩阵;

15、利用所述社交内容文本-话题含量矩阵修正所述社交内容文本-实体含量矩阵。

16、在一种可能的实现方式中,所述子关注分值的权重根据所述用户隐因子、所述社交内容隐因子、所述实体级别矩阵和所述话题级别矩阵确定。

17、在一种可能的实现方式中,所述方法还包括:

18、确定总关注分值大于或者等于关注分值阈值的社交内容文本为推荐社交内容文本;

19、向所述目标用户发送所述推荐社交内容文本的内容信息。

20、在一种可能的实现方式中,所述方法还包括:

21、向所述目标用户发送所述推荐社交内容文本的推荐信息,所述推荐信息基于所述推荐社交内容文本的属性以及推荐信息模板生成。

22、在一种可能的实现方式中,所述构建实体级别矩阵和话题级别矩阵以及所述生成用户显因子和社交内容显因子,由社交文本推荐模型的特征提取模块执行;

23、所述子关注分值和所述总关注分值由所述社交文本推荐模型的分值计算模块执行;

24、所述方法还包括:

25、利用所述目标用户针对所述社交内容文本的实际关注分值,对所述社交文本推荐模型包括的参数进行更新。

26、第二方面,本技术提供一种确定用户对社交内容的关注程度的装置,所述装置包括:

27、获取单元,用于获取目标用户、社交内容文本以及所述目标用户和所述社交内容文本的交互记录;

28、提取单元,用于从所述社交内容文本中提取实体以及话题;

29、构建单元,用于利用所述实体、所述话题和所述交互记录,构建实体级别矩阵和话题级别矩阵,所述实体级别矩阵包括用户-实体关注矩阵和社交内容文本-实体含量矩阵,所述话题级别矩阵包括用户-话题关注矩阵和社交内容文本-话题含量矩阵;

30、第一生成单元,用于利用所述实体级别矩阵和话题级别矩阵,生成用户显因子和社交内容显因子;

31、第二生成单元,用于利用所述用户显因子、用户隐因子、所述社交内容显因子和社交内容隐因子,确定针对所述社交内容文本的两类属性的子关注分值,所述属性包括实体和话题;

32、第三生成单元,用于确定两个所述子关注分值的加权和,得到总关注分值,所述总关注分值用于衡量所述目标用户对所述社交内容文本的关注程度。

33、在一种可能的实现方式中,所述提取单元,具体用于利用实体提取模型从所述社交内容文本中提取实体;利用神经主题模型从所述社交内容文本中提取话题。

34、在一种可能的实现方式中,所述装置还包括:

35、修正单元,用于利用所述用户-话题关注矩阵修正所述用户-实体关注矩阵;利用所述社交内容文本-话题含量矩阵修正所述社交内容文本-实体含量矩阵。

36、在一种可能的实现方式中,所述子关注分值的权重根据所述用户隐因子、所述社交内容隐因子、所述实体级别矩阵和所述话题级别矩阵确定。

37、在一种可能的实现方式中,所述装置还包括:

38、选取单元,用于确定总关注分值大于或者等于关注分值阈值的社交内容文本为推荐社交内容文本;

39、发送单元,用于向所述目标用户发送所述推荐社交内容文本的内容信息。

40、在一种可能的实现方式中,发送单元,还用于向所述目标用户发送所述推荐社交内容文本的推荐信息,所述推荐信息基于所述推荐社交内容文本的属性以及推荐信息模板生成。

41、在一种可能的实现方式中,所述构建实体级别矩阵和话题级别矩阵以及所述生成用户显因子和社交内容显因子,由社交文本推荐模型的特征提取模块执行;

42、所述子关注分值和所述总关注分值由所述社交文本推荐模型的分值计算模块执行;

43、所述装置还包括:

44、更新单元,用于利用所述目标用户针对所述社交内容文本的实际关注分值,对所述社交文本推荐模型包括的参数进行更新。

45、第三方面,本技术提供一种设备,包括:处理器、存储器、系统总线;

46、所述处理器以及所述存储器通过所述系统总线相连;

47、所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行上述第一方面任一实施方式所述的方法。

48、第四方面,本技术提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述第一方面任一实施方式所述的方法。

49、由此可见,本技术具有如下有益效果:

50、本技术提供一种社交内容文本的选取方法、装置、设备及存储介质,在该方法中,获取目标用户、社交内容文本以及目标用户和社交内容文本的交互记录;从所述社交内容文本中提取实体以及话题;利用所述实体、所述话题和所述交互记录,构建实体级别矩阵和话题级别矩阵。如此便于从实体和话题两个粒度确定用户偏好,得到更为准确的总关注分值。利用所述实体级别矩阵和话题级别矩阵,生成用户显因子和社交内容显因子;利用所述用户显因子、用户隐因子、所述社交内容显因子和社交内容隐因子,计算针对所述社交内容文本的两类属性的子关注分值。确定两个子关注分值的加权和,得到总关注分值,有效提升总关注分值的准确程度和可信度,充分挖掘用户偏好,有助于利用总关注分值为用户提供推荐服务,提高用户体验。

本文地址:https://www.jishuxx.com/zhuanli/20240730/194540.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。