The application embodiment discloses a method and device for generating information. A specific implementation of the method includes obtaining text information from the user's terminal input; obtaining pictures related to the semantic meaning of the text information; input the text information and pictures into the pre trained click rate prediction model and get the click rate, in which the click rate prediction model is used to characterize text information, pictures and clicks. The corresponding relationship between rates. The implementation method realizes the generated click rate.
【技术实现步骤摘要】
用于生成信息的方法和装置
本申请实施例涉及计算机
,具体涉及互联网
,尤其涉及用于生成信息的方法和装置。
技术介绍
互联网针对搜索关键字,广泛使用了图片搭配文本的展示形式,而不再是局限于单纯文字形式。由于搜索关键词往往有多个图片作为备选可以出图,选择展现其中哪一张图片是配图的核心问题。
技术实现思路
本申请实施例提出了用于生成信息的方法和装置。第一方面,本申请实施例提供了一种用于生成信息的方法,该方法包括:获取用户使用终端输入的文字信息;获取与文字信息语义相关的图片;将文字信息和图片输入至预先训练的点击率预测模型,得到点击率,其中,点击率预测模型用于表征文字信息、图片与点击率之间的对应关系。在一些实施例中,该点击率预测模型通过以下步骤训练得到:获取多个样本图片、与多个样本图片中的每个样本图片相关的文字信息以及多个样本图片中的每个样本图片的点击率;将多个样本图片中的每个样本图片和与多个样本图片中的每个样本图片相关的文字信息作为输入,将多个样本图片中的每个样本图片的点击率作为输出,训练得到点击率预测模型。在一些实施例中,该点击率预测模型包括卷积神经网络、第一深度神经网络和第二深度神经网络,其中,卷积神经网络用于对所输入的图片进行特征提取图片特征向量以输出图片特征向量,第一深度神经网络用于对所输入的文字信息进行特征提取文字特征向量以输出文字特征向量,第二深度神经网络用于表征图片特征向量、文字特征向量与图片的点击率的对应关系。在一些实施例中,该点击率预测模型通过以下步骤训练得到:获取多个样本图片、与多个样本图片中的每个样本图片相关的文字信息以及多个样本图片 ...
【技术保护点】
1.一种用于生成信息的方法,包括:获取用户使用终端输入的文字信息;获取与所述文字信息语义相关的图片;将所述文字信息和所述图片输入至预先训练的点击率预测模型,得到点击率,其中,所述点击率预测模型用于表征文字信息、图片与点击率之间的对应关系。
【技术特征摘要】
1.一种用于生成信息的方法,包括:获取用户使用终端输入的文字信息;获取与所述文字信息语义相关的图片;将所述文字信息和所述图片输入至预先训练的点击率预测模型,得到点击率,其中,所述点击率预测模型用于表征文字信息、图片与点击率之间的对应关系。2.根据权利要求1所述的方法,其中,所述点击率预测模型通过以下步骤训练得到:获取多个样本图片、与所述多个样本图片中的每个样本图片相关的文字信息以及所述多个样本图片中的每个样本图片的点击率;将所述多个样本图片中的每个样本图片和与所述多个样本图片中的每个样本图片相关的文字信息作为输入,将所述多个样本图片中的每个样本图片的点击率作为输出,训练得到点击率预测模型。3.根据权利要求1所述的方法,其中,所述点击率预测模型包括卷积神经网络、第一深度神经网络和第二深度神经网络,其中,所述卷积神经网络用于对所输入的图片进行特征提取以输出图片特征向量,所述第一深度神经网络用于对所输入的文字信息进行特征提取以输出文字特征向量,所述第二深度神经网络用于表征图片特征向量、文字特征向量与图片的点击率的对应关系。4.根据权利要求3所述的方法,其中,所述点击率预测模型通过以下步骤训练得到:获取多个样本图片、与所述多个样本图片中的每个样本图片相关的文字信息以及所述多个样本图片中的每个样本图片的点击率;基于机器学习方法,将所述样本图片作为所述卷积神经网络的输入,将所述文字信息作为所述第一深度神经网络的输入,将所述卷积神经网络输出的图片特征向量和所述第一深度神经网络输出的文字特征向量作为所述第二深度神经网络的输入,将所述多个样本图片中的每个样本图片的点击率作为所述第二深度神经网络的输出,对所述卷积神经网络、第一深度神经网络和第二深度神经网络进行训练,得到点击率预测模型。5.根据权利要求1-4之一所述的方法,其中,所述方法还包括:确定所述点击率是否在预设阈值范围内;响应于确定所述点击率在预设阈值范围内,将所述图片推送到所述终端。6.一种用于生成信息的装置,所述装置包括:文字信息获取单元,配置用于获取用户使用终端输入的文字信息;图片获取单元,配置用于获取与所述文字信息语义相关的图片;信息生成单元,配置用于将所述文字信息和所述图片输入...
【专利技术属性】
技术研发人员:刘霄,李旭斌,孙昊,文石磊,丁二锐,
申请(专利权)人:百度在线网络技术北京有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。