[发明专利]一种信息推送的方法、装置、计算机设备及存储介质有效

专利信息
申请号: 202010210877.9 申请日: 2020-03-24
公开(公告)号: CN111444421B 公开(公告)日: 2023-04-07
发明(设计)人: 王子昂;张梦琳;张永华 申请(专利权)人: 北京字节跳动网络技术有限公司
主分类号: G06F16/9535 分类号: G06F16/9535
代理公司: 北京中知法苑知识产权代理有限公司 11226 代理人: 李明;赵吉阳
地址: 100041 北京市石景山区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 信息 推送 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种信息推送的方法,其特征在于,所述方法包括:

获取待检测媒体内容;

从实体类意图维度对所述待检测媒体内容进行识别过滤,确定所述待检测媒体内容中,与用户搜索意图对应的至少一个第一实体对象;

从服务需求类意图维度对所述待检测媒体内容进行识别过滤,确定所述待检测媒体内容中,与用户搜索意图对应的至少一个第二实体对象;所述第二实体对象,为基于消费意图模型对所述待检测媒体内容中的至少一张图片进行服务需求类识别过滤,确定出与所述服务需求类意图匹配的意图图片后,对所述意图图片进行服务需求类实体检测得到的;

基于所述至少一个第一实体对象和所述至少一个第二实体对象,确定与用户搜索意图对应的目标对象信息。

2.根据权利要求1所述的方法,其特征在于,所述从实体类意图维度对所述待检测媒体内容进行识别过滤,确定所述待检测媒体内容中,与用户搜索意图对应的至少一个第一实体对象,包括:

对所述待检测媒体内容进行实体检测,得到所述待检测媒体内容中包含的至少一个实体对象;

对所述至少一个实体对象进行识别过滤,得到与用户搜索意图对应的至少一个第一实体对象。

3.根据权利要求2所述的方法,其特征在于,所述对所述待检测媒体内容进行实体检测,得到所述待检测媒体内容中包含的至少一个实体对象,包括:

将所述待检测媒体内容中的至少一张图片输入实体检测模型进行实体检测,得到所述图片中包含的实体对象;所述实体检测模型为基于已标记实体对象的训练样本图片进行训练得到的。

4.根据权利要求2所述的方法,其特征在于,所述对所述至少一个实体对象进行识别过滤,得到与用户搜索意图对应的至少一个第一实体对象,包括:

针对检测出的每个实体对象,将该实体对象的特征信息、用户特征信息、和所述待检测媒体内容的属性信息输入实体意图模型,确定该实体对象的意图得分;所述实体意图模型为基于已标记识别过滤结果的样本媒体内容进行训练得到的;所述用户特征信息是指发起针对所述待检测媒体内容的搜索指令的用户的特征信息;

若该意图得分大于设定分数阈值,将该实体对象作为与所述用户搜索意图对应的第一实体对象。

5.根据权利要求4所述的方法,其特征在于,

所述实体对象的特征信息包括:任一实体对象在所述待检测媒体内容中的持续出现时长、所述任一实体对象在对应图片中出现的位置信息、所述任一实体对象在对应帧图片中的尺寸信息、所述任一实体对象对应的景深信息中的至少一种;

所述待检测媒体内容的属性信息包括:所述待检测媒体内容的分类信息和所述待检测媒体内容的文本描述信息中的至少一种。

6.根据权利要求1所述的方法,其特征在于,通过以下步骤对所述待检测媒体内容中的至少一张图片进行服务需求类识别过滤,包括:

针对所述待检测媒体内容中的至少一张图片,将所述至少一张图片中的每张图片对应的特征信息、所述待检测媒体内容的属性信息、和所述待检测媒体内容的发布者的属性信息输入消费意图模型进行识别过滤,确定该张图片是否为与所述服务需求类意图匹配的意图图片;所述消费意图模型为基于已标记服务需求类识别过滤结果的样本媒体内容进行训练得到的。

7.根据权利要求6所述的方法,其特征在于,所述待检测媒体内容的属性信息包括以下信息中的至少一种:

所述待检测媒体内容的分类信息、所述待检测媒体内容的文本描述信息、所述待检测媒体内容中是否包含消费链接信息。

8.根据权利要求1所述的方法,其特征在于,根据以下步骤对所述意图图片进行服务需求类实体检测:

将匹配的意图图片对应的服务需求类检测信息,输入服务需求类实体检测模型,得到匹配的意图图片中包含的至少一个实体对象分别对应的服务需求类意图得分;所述服务需求类实体检测模型为基于已标记服务需求类识别过滤结果的样本媒体内容进行训练得到的;

若所述意图图片中包含的任一实体对象对应的服务需求类意图得分大于设定分数阈值,将该任一实体对象作为与所述用户搜索意图对应的第二实体对象。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010210877.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top