[发明专利]知识内容的评价方法、装置、电子设备和存储介质有效

专利信息
申请号: 202010407510.6 申请日: 2020-05-14
公开(公告)号: CN111708934B 公开(公告)日: 2023-06-20
发明(设计)人: 李永恒;李小婉;邵世臣 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06F16/9535 分类号: G06F16/9535;G06F16/9536;G06F40/205;G06F40/58;G06Q30/0282;G06Q30/0202;G06Q50/00
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 石茵汀
地址: 100085 北京市*** 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: 知识 内容 评价 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种知识内容的评价方法,其特征在于,包括:

获取知识内容;

获取所述知识内容的评价参数,所述评价参数包括所述知识内容的需求度信息、所述知识内容的作者权威度信息和所述知识内容的稀缺度信息;以及

根据所述评价参数生成所述知识内容的评价值;

根据所述评价值查询预先存储的用户评价值库,以获取目标用户评价值;以及

根据所述目标用户评价值对所述评价值进行优化;

所述根据所述目标用户评价值对所述评价值进行优化,包括:

根据所述目标用户评价值在所述用户评价值库中获取预设数量的候选用户评价值;

将所述知识内容标定为所述候选用户评价值并进行交易测试;以及

将设定时间内所述候选用户评价值中总交易额最大的用户评价值确定为所述评价值。

2.根据权利要求1所述的评价方法,其特征在于,获取所述知识内容的作者权威度信息,包括:

获取所述知识内容的作者在搜索终端的被检索量和/或在社交媒体的粉丝量;以及

根据所述被检索量和/或所述粉丝量确定所述知识内容的作者权威度信息。

3.根据权利要求1所述的评价方法,其特征在于,获取所述知识内容的稀缺度信息,包括:

获取所述知识内容的主题;

获取所述主题对应的知识内容的数量;以及

根据所述主题对应的知识内容的数量确定所述知识内容的稀缺度信息。

4.根据权利要求1所述的评价方法,其特征在于,获取所述知识内容的需求度信息,包括:

获取所述知识内容的主题;

获取所述主题对应的知识内容的需求度参数,所述需求度参数包括以下参数中的至少一种:知识内容的检索量、知识内容的使用量、知识内容的使用时长和点击率数据;以及

根据所述需求度参数确定所述知识内容的需求度信息。

5.根据权利要求1所述的评价方法,其特征在于,所述评价参数还包括以下参数中的至少一种:

所述知识内容的长度信息、所述知识内容的历史销量、所述知识内容的评分、所述知识内容的热度和所述知识内容的信息丰富度。

6.根据权利要求1所述的评价方法,其特征在于,还包括:

若所述总交易额最大的用户评价值为至少两个,则将所述知识内容标定为所述候选用户评价值并再次进行交易测试。

7.根据权利要求1或6所述的评价方法,其特征在于,还包括:

若所述总交易额最大的用户评价值为至少两个,则将所述总交易额最大的用户评价值中最小的用户评价值确定为所述评价值。

8.根据权利要求1所述的评价方法,其特征在于,所述根据所述评价参数生成所述知识内容的评价值,包括:

将所述评价参数输入评价模型生成所述评价值。

9.根据权利要求8所述的评价方法,其特征在于,所述评价模型通过以下步骤训练得到:

获取样本知识内容的历史评价参数和历史评价值;以及

根据所述历史评价参数和所述历史评价值训练得到所述评价模型。

10.根据权利要求9所述的评价方法,其特征在于,所述根据所述历史评价参数和所述历史评价值训练得到所述评价模型,包括:

将所述历史评价参数和所述历史评价值代入多元方程中进行训练,得到所述多元方程中每个评价参数对应的权重值,其中,所述多元方程包括多个评价参数、与每个评价参数对应的权重值和评价值;以及

根据所述权重值和所述多元方程得到所述评价模型。

11.根据权利要求9所述的评价方法,其特征在于,还包括:

若所述样本知识内容的所述历史评价参数缺失,则将用于训练的其他样本知识内容的同一历史评价参数的平均值作为所述样本知识内容的所述历史评价参数。

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京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,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/202010407510.6/1.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