用于生成信息的方法和装置制造方法及图纸

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：接收用户输入信息；对所述用户输入信息进行处理，得到所述用户输入信息对应的同语言平行文本；确定所述同语言平行文本所属的类别；基于所确定的类别以及所述同语言平行文本，生成针对所述用户输入信息的反馈信息。该实施方式实现了基于类别生成反馈信息，使生成的反馈信息更有针对性。

Methods and devices used to generate information

The application embodiment discloses a method and device for generating information. A specific implementation of the method includes receiving the input information of the user, processing the input information of the user, obtaining the parallel text of the same language corresponding to the input information of the user, determining the category of the parallel text of the same language, and generating a target based on the defined category and the same language parallel text. The user input the feedback information of the information. The implementation method generates feedback information based on category and makes the generated feedback information more targeted.

【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
目前，以贴吧、微博等为代表的社交网络平台人气高涨，社交网络平台的显著特点在于用户内容的丰富和聚集性、话题的快速传播、用户频繁的互动等等。但社交网络平台也存在明显的问题，例如，新用户缺乏历史数据，冷启动时间较长；又例如，内容繁杂，用户难以发现感兴趣内容和用户；再例如，粉丝量少的用户缺乏互动动力等等。这些问题会严重影响社交网络平台用户的活跃度和积极性，在社交网络平台内容日益增多、用户量增长的同时，日活量、人均互动量却难以持续提升。
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，包括：接收用户输入信息；对上述用户输入信息进行处理，得到上述用户输入信息对应的同语言平行文本；确定上述同语言平行文本所属的类别；基于所确定的类别以及上述同语言平行文本，生成针对上述用户输入信息的反馈信息。在一些实施例中，上述对上述用户输入信息进行处理，得到上述用户输入信息对应的同语言平行文本，包括：将上述用户输入信息对应的文本信息进行分词和词性标注，得到上述文本信息的至少一个分词和词性标注结果；将上述至少一个分词和上述词性标注结果导入预先建立的同语言平行文本生成模型，得到上述文本信息对应的同语言平行文本，其中，上述同语言平行文本生成模型用于表征分词和词性标注结果与同语言平行文本的对应关系。在一些实施例中，上述确定上述同语言平行文本所属的类别，包括：基于预先建立的类别识别模型确定上述同语言平行文本所属的类别。在一些实施例中，上述类别包括任务助手类、内容推荐类和交互类，上述类别识别模型包括第一类别识别模型和第二类别识别模型；以及上述基于预先建立的类别识别模型确定上述同语言平行文本所属的类别，包括：将上述同语言平行文本导入上述第一类别识别模型，得到第一识别结果，其中，上述第一类别识别模型用于表征同语言平行文本与任务助手类的对应关系；根据上述第一识别结果确定上述同语言平行文本是否属于任务助手类；响应于确定上述同语言平行文本不属于任务助手类，将上述同语言平行文本导入上述第二类别识别模型，得到第二识别结果，其中，上述第二类别识别模型用于表征同语言平行文本与内容推荐类的对应关系；根据上述第二识别结果确定上述同语言平行文本是否属于内容推荐类；响应于确定上述同语言平行文本不属于内容推荐类，确定上述同语言平行文本属于交互类。在一些实施例中，上述基于所确定的类别以及上述同语言平行文本，生成针对上述用户输入信息的反馈信息，包括：响应于确定上述同语言平行文本属于任务助手类，确定上述同语言平行文本所对应的任务，执行所确定的任务；响应于确定上述同语言平行文本属于内容推荐类，基于上述同语言平行文本、用户的用户画像以及上述用户的用户兴趣从预先建立的知识库中获取待推荐信息；响应于确定上述同语言平行文本属于交互类，基于上述知识库生成应答信息。在一些实施例中，上述用户的用户画像是通过以下方式得到的：获取上述用户的用户相关数据；将上述用户相关数据导入预先建立的用户标签模型，得到上述用户对应的用户标签，上述用户对应的用户标签形成上述用户的用户画像，其中，上述用户标签模型用于表征用户相关数据与用户标签的对应关系。在一些实施例中，上述用户的用户兴趣是通过以下方式得到的：将上述用户对应的用户标签导入预先建立的用户兴趣模型，得到上述用户的用户兴趣，其中，上述用户兴趣模型用于表征用户标签与用户兴趣的对应关系。第二方面，本申请实施例提供了一种用于生成信息的装置，包括：接收单元，用于接收用户输入信息；处理单元，用于对上述用户输入信息进行处理，得到上述用户输入信息对应的同语言平行文本；确定单元，用于确定上述同语言平行文本所属的类别；生成单元，用于基于所确定的类别以及上述同语言平行文本，生成针对上述用户输入信息的反馈信息。在一些实施例中，上述处理单元进一步用于：将上述用户输入信息对应的文本信息进行分词和词性标注，得到上述文本信息的至少一个分词和词性标注结果；将上述至少一个分词和上述词性标注结果导入预先建立的同语言平行文本生成模型，得到上述文本信息对应的同语言平行文本，其中，上述同语言平行文本生成模型用于表征分词和词性标注结果与同语言平行文本的对应关系。在一些实施例中，上述确定单元包括确定子单元，上述确定子单元用于：基于预先建立的类别识别模型确定上述同语言平行文本所属的类别。在一些实施例中，上述类别包括任务助手类、内容推荐类和交互类，上述类别识别模型包括第一类别识别模型和第二类别识别模型；以及上述确定子单元进一步用于：将上述同语言平行文本导入上述第一类别识别模型，得到第一识别结果，其中，上述第一类别识别模型用于表征同语言平行文本与任务助手类的对应关系；根据上述第一识别结果确定上述同语言平行文本是否属于任务助手类；响应于确定上述同语言平行文本不属于任务助手类，将上述同语言平行文本导入上述第二类别识别模型，得到第二识别结果，其中，上述第二类别识别模型用于表征同语言平行文本与内容推荐类的对应关系；根据上述第二识别结果确定上述同语言平行文本是否属于内容推荐类；响应于确定上述同语言平行文本不属于内容推荐类，确定上述同语言平行文本属于交互类。在一些实施例中，上述生成单元进一步用于：响应于确定上述同语言平行文本属于任务助手类，确定上述同语言平行文本所对应的任务，执行所确定的任务；响应于确定上述同语言平行文本属于内容推荐类，基于上述同语言平行文本、用户的用户画像以及上述用户的用户兴趣从预先建立的知识库中获取待推荐信息；响应于确定上述同语言平行文本属于交互类，基于上述知识库生成应答信息。在一些实施例中，上述用户的用户画像是通过以下方式得到的：获取上述用户的用户相关数据；将上述用户相关数据导入预先建立的用户标签模型，得到上述用户对应的用户标签，上述用户对应的用户标签形成上述用户的用户画像，其中，上述用户标签模型用于表征用户相关数据与用户标签的对应关系。在一些实施例中，上述用户的用户兴趣是通过以下方式得到的：将上述用户对应的用户标签导入预先建立的用户兴趣模型，得到上述用户的用户兴趣，其中，上述用户兴趣模型用于表征用户标签与用户兴趣的对应关系。第三方面，本申请实施例提供了一种设备，该设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。本申请实施例提供的用于生成信息的方法和装置，首先对接收的用户输入信息进行处理，得到上述用户输入信息对应的同语言平行文本，而后确定上述同语言平行文本所属的类别，最后基于所确定的类别以及上述同语言平行文本，生成针对上述用户输入信息的反馈信息，从而实现了基于类别生成反馈信息，使生成的反馈信息更有针对性。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于本文档来自技高网...

【技术保护点】
1.一种用于生成信息的方法，包括：接收用户输入信息；对所述用户输入信息进行处理，得到所述用户输入信息对应的同语言平行文本；确定所述同语言平行文本所属的类别；基于所确定的类别以及所述同语言平行文本，生成针对所述用户输入信息的反馈信息。

【技术特征摘要】
1.一种用于生成信息的方法，包括：接收用户输入信息；对所述用户输入信息进行处理，得到所述用户输入信息对应的同语言平行文本；确定所述同语言平行文本所属的类别；基于所确定的类别以及所述同语言平行文本，生成针对所述用户输入信息的反馈信息。2.根据权利要求1所述的方法，其中，所述对所述用户输入信息进行处理，得到所述用户输入信息对应的同语言平行文本，包括：将所述用户输入信息对应的文本信息进行分词和词性标注，得到所述文本信息的至少一个分词和词性标注结果；将所述至少一个分词和所述词性标注结果导入预先建立的同语言平行文本生成模型，得到所述文本信息对应的同语言平行文本，其中，所述同语言平行文本生成模型用于表征分词和词性标注结果与同语言平行文本的对应关系。3.根据权利要求1所述的方法，其中，所述确定所述同语言平行文本所属的类别，包括：基于预先建立的类别识别模型确定所述同语言平行文本所属的类别。4.根据权利要求3所述的方法，其中，所述类别包括任务助手类、内容推荐类和交互类，所述类别识别模型包括第一类别识别模型和第二类别识别模型；以及所述基于预先建立的类别识别模型确定所述同语言平行文本所属的类别，包括：将所述同语言平行文本导入所述第一类别识别模型，得到第一识别结果，其中，所述第一类别识别模型用于表征同语言平行文本与任务助手类的对应关系；根据所述第一识别结果确定所述同语言平行文本是否属于任务助手类；响应于确定所述同语言平行文本不属于任务助手类，将所述同语言平行文本导入所述第二类别识别模型，得到第二识别结果，其中，所述第二类别识别模型用于表征同语言平行文本与内容推荐类的对应关系；根据所述第二识别结果确定所述同语言平行文本是否属于内容推荐类；响应于确定所述同语言平行文本不属于内容推荐类，确定所述同语言平行文本属于交互类。5.根据权利要求4所述的方法，其中，所述基于所确定的类别以及所述同语言平行文本，生成针对所述用户输入信息的反馈信息，包括：响应于确定所述同语言平行文本属于任务助手类，确定所述同语言平行文本所对应的任务，执行所确定的任务；响应于确定所述同语言平行文本属于内容推荐类，基于所述同语言平行文本、用户的用户画像以及所述用户的用户兴趣从预先建立的知识库中获取待推荐信息；响应于确定所述同语言平行文本属于交互类，基于所述知识库生成应答信息。6.根据权利要求5所述的方法，其中，所述用户的用户画像是通过以下方式得到的：获取所述用户的用户相关数据；将所述用户相关数据导入预先建立的用户标签模型，得到所述用户对应的用户标签，所述用户对应的用户标签形成所述用户的用户画像，其中，所述用户标签模型用于表征用户相关数据与用户标签的对应关系。7.根据权利要求6所述的方法，其中，所述用户的用户兴趣是通过以下方式得到的：将所述用户对应的用户标签导入预先建立的用户兴趣模型，得到所述用户的用户兴趣，其中，所述用户兴趣模型用于表征用户标签与用户兴趣的对应关系。8.一种用于生成信息的装置，包括：接收单元，用于接收用户输入信息；处理单元，用于对所述用户输入信息进行处理，得到...

【专利技术属性】
技术研发人员：王玉操，
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