System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及信息处理,尤其涉及一种信息推送方法及电子设备。
技术介绍
1、聚类算法就是在相似的基础上收集数据来分类。聚类算法可以应用到很多领域,包括数学,计算机科学,统计学,生物学和经济学。在不同的应用领域,很多聚类技术都得到了发展,这些技术方法被用作描述数据,衡量不同数据源间的相似性,以及把数据源分类到不同的簇中。
2、目前很多智能家居设备都具备用户交互功能,例如,用户说“我想吃酸菜鱼”,但是冰箱里没有酸菜了,冰箱依据谱聚类算法,获取与酸菜鱼相似最近的几道推荐菜,例如:红烧鲤鱼、清蒸鱼、水煮鱼、酸菜排骨,其中距离“酸菜鱼”最近的推荐菜“红烧鲤鱼”,会根据相似度最高的规则推荐给用户,但是用户可能并不喜欢吃这道菜,不符合用户的口味和饮食习惯,即推荐结果不满足用户需求。
技术实现思路
1、本申请实施例提供了一种信息推送方法及电子设备,用以实现将聚类结果与用户语料信息相融合的信息推荐机制,向用户推送最能满足用户需求的推荐信息。
2、本申请实施例提供的一种信息推送方法,包括:
3、当确定需要进行信息推送时,确定预先采用聚类算法对预设样本点进行聚类划分生成的聚类结果;所述聚类结果中包括至少一个聚类,每一聚类包括至少一个样本点;
4、基于所述聚类结果确定候选样本点,并根据在与用户交互过程中获取的用户语料信息,确定每一所述候选样本点的综合评分,根据所述每一候选样本点的综合评分向所述用户输出推送信息,所述推送信息中包括从所述候选样本点中最终选择的推送样
5、通过该方法,当确定需要进行信息推送时,确定预先采用聚类算法对预设样本点进行聚类划分生成的聚类结果,其中,所述聚类结果中包括至少一个聚类,每一聚类包括至少一个样本点;并且,基于所述聚类结果确定候选样本点,并根据在与用户交互过程中获取的用户语料信息,确定每一所述候选样本点的综合评分,根据所述每一候选样本点的综合评分向所述用户输出推送信息,所述推送信息中包括从所述候选样本点中最终选择的推送样本点的信息,从而实现了将聚类结果与用户语料信息相融合的信息推荐机制,能够向用户推送最能满足用户需求的推荐信息。
6、在一些实施方式中,所述基于所述聚类结果确定候选样本点,包括:
7、获取用户当前交互的目标样本点;
8、根据所述目标样本点,以及所述聚类结果,从所述聚类结果中确定信息推送范围,所述信息推送范围包括与所述目标样本点关联的至少一个候选样本点。
9、在一些实施方式中,所述根据所述目标样本点,以及所述聚类结果,从所述聚类结果中确定信息推送范围,包括:
10、根据所述目标样本点,以及所述聚类结果,从所述聚类结果中确定与所述目标样本点的相似度超过预设阈值的候选样本点。
11、在一些实施方式中,所述从所述聚类结果中确定与所述目标样本点的相似度超过预设阈值的候选样本点,包括:
12、在所述聚类结果中,确定所述目标样本点所属的聚类;
13、根据所述目标样本点与所述目标样本点所属的聚类内的其他样本点之间的特征向量的距离,从所述目标样本点所属的聚类内确定距离最近的预设个数的候选样本点。
14、在一些实施方式中,所述用户语料信息,包括:用户情感语料分析结果;
15、所述用户情感语料分析结果,包括如下三项内容之一或组合:
16、情感词、程度词、否定词;
17、其中,所述情感词分为积极性词语和消极性词语;
18、所述程度词分为高程度词、正常程度和低程度词,不同的程度词对应不同的权重。
19、在一些实施方式中,所述根据在与用户交互过程中获取的用户语料信息,确定每一所述候选样本点的综合评分,包括:
20、针对每一所述候选样本点:
21、分别确定含有该候选样本点的用户交互语料的第一得分,以及含有该候选样本点的组成部分的用户交互语料的第二得分;其中,所述第一得分是基于含有该候选样本点的用户交互语料的用户语料信息计算得到的;所述第二得分是基于含有该候选样本点的组成部分的用户交互语料的用户语料信息计算得到的;
22、将所述第一得分与所述第二得分的和,作为该候选样本点的综合评分。
23、在一些实施方式中,获取所述用户语料信息之前,所述方法还包括:
24、将用户交互语料中含有的所述消极性词语进行同义词替换,替换为含有否定词的词语。
25、在一些实施方式中,所述方法还包括:
26、统计预设时长内包含同一候选样本点的消极情感类型的用户交互语料的句子数,当所述句子数超过预设阈值时,从所述信息推送范围中删除该候选样本点,其中,所述消极情感类型的用户交互语料中含有奇数个否定词。
27、在一些实施方式中,所述方法还包括:
28、统计预设时长内包含同一候选样本点的积极情感类型的用户交互语料的句子数,当所述句子数超过预设阈值时,为该候选样本点设置预设标记,所述预设标记用于表示可以将该候选样本点进行优先推荐,或者,所述预设标记用于表示可以提示用户排除该候选样本点,体验其他推荐样本点;
29、根据所述每一候选样本点的综合评分向所述用户输出推送信息,包括:根据所述每一候选样本点的综合评分,以及所述预设标记,向所述用户输出推送信息。
30、本申请另一实施例提供了一种电子设备,其包括存储器和处理器,其中,所述存储器用于存储程序指令,所述处理器用于调用所述存储器中存储的程序指令,按照获得的程序执行上述任一种方法。
31、此外,根据实施例,例如提供了一种用于计算机的计算机程序产品,其包括软件代码部分,当所述产品在计算机上运行时,这些软件代码部分用于执行上述所定义的方法的步骤。该计算机程序产品可以包括在其上存储有软件代码部分的计算机可读介质。此外,该计算机程序产品可以通过上传过程、下载过程和推送过程中的至少一个经由网络直接加载到计算机的内部存储器中和/或发送。
32、本申请另一实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行上述任一种方法。
本文档来自技高网...【技术保护点】
1.一种信息推送方法,其特征在于,该方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述聚类结果确定候选样本点,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标样本点,以及所述聚类结果,从所述聚类结果中确定信息推送范围,包括:
4.根据权利要求3所述的方法,其特征在于,所述从所述聚类结果中确定与所述目标样本点的相似度超过预设阈值的候选样本点,包括:
5.根据权利要求2所述的方法,其特征在于,所述用户语料信息,包括:用户情感语料分析结果;
6.根据权利要求5所述的方法,其特征在于,所述根据在与用户交互过程中获取的用户语料信息,确定每一所述候选样本点的综合评分,包括:
7.根据权利要求2所述的方法,其特征在于,获取所述用户语料信息之前,所述方法还包括:
8.根据权利要求2所述的方法,其特征在于,所述方法还包括:
9.根据权利要求2所述的方法,其特征在于,所述方法还包括:
10.一种电子设备,其特征在于,包括:
【技术特征摘要】
1.一种信息推送方法,其特征在于,该方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述聚类结果确定候选样本点,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标样本点,以及所述聚类结果,从所述聚类结果中确定信息推送范围,包括:
4.根据权利要求3所述的方法,其特征在于,所述从所述聚类结果中确定与所述目标样本点的相似度超过预设阈值的候选样本点,包括:
5.根据权利要求2所述的方法,其特征在于,所述...
【专利技术属性】
技术研发人员:田羽慧,刘晓潇,王月岭,孟卫明,
申请(专利权)人:海信集团控股股份有限公司,
类型:发明
国别省市:
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。