CN114329230B - 信息生成方法和装置 - Google Patents

Abstract

本公开提供了信息生成方法和装置，具体涉及信息显示技术领域。具体实现方案为：获取由推荐内容对应的内容标签构成的第一标签集合；获取由推荐内容对应的点赞用户的属性标签构成的第二标签集合及该集合中各标签对应的点赞用户数量；在第二标签集合中，确定出与第一标签集合中的内容标签相匹配的目标属性标签；基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。该方式有助于展示点赞信息背后的人群特征信息，有效提高了用户获取信息的效率。

Description

信息生成方法和装置

技术领域

本公开涉及计算机技术领域，具体涉及信息显示技术领域，尤其涉及一种信息生成方法和装置。

背景技术

点赞数据在推荐场景中是用户判断内容价值的关键因素，直接影响用户对内容的感知。在当前内容平台中，用户点赞数据往往可以体现用户对于该内容的满意度评价，对于精准地推荐优质内容至关重要；同时点赞数据的展示可以辅助用户快速获取所需信息，高效地进行互动及内容消费。

现有技术中展示点赞数据的方法主要包括以下三种：(1)直接展示点赞数值。这种方案使用在有用户互动模块的内容平台中，直接展示数值，反映内容的普遍吸引力。(2)基于用户亲密度展示熟悉的人点赞的数值。(3)基于用户亲密度展示人名点赞。

发明内容

本公开实施例提供了一种信息生成方法、装置、设备以及存储介质。

第一方面，本公开实施例提供了一种信息生成方法，该方法包括：获取由推荐内容对应的内容标签构成的第一标签集合；获取由推荐内容对应的点赞用户的属性标签构成的第二标签集合及该集合中各标签对应的点赞用户数量；在第二标签集合中，确定出与第一标签集合中的内容标签相匹配的目标属性标签；基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

第二方面，本公开实施例提供了一种信息生成装置，该装置包括：第一获取模块，被配置成获取由推荐内容对应的内容标签构成的第一标签集合；第二获取模块，被配置成获取由推荐内容对应的点赞用户的属性标签构成的第二标签集合及该集合中各标签对应的点赞用户数量；确定目标模块，被配置成在第二标签集合中，确定出与第一标签集合中的内容标签相匹配的目标属性标签；生成信息模块，被配置成基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

第三方面，本公开实施例提供了一种电子设备，该电子设备包括一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被该一个或多个处理器执行，使得一个或多个处理器实现如第一方面的任一实施例的信息生成方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的任一实施例的信息生成方法。

第五方面，本公开实施例提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面的任一实施例的信息生成方法。

本公开有效提高了用户获取信息的效率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。

附图说明

图1是本公开可以应用于其中的示例性系统架构图；

图2是根据本公开的信息生成方法的一个实施例的流程图；

图3是根据本公开的信息生成方法的一个应用场景的示意图；

图4是根据本公开的信息生成方法的又一个实施例的流程图；

图5是根据本公开的信息生成装置的一个实施例的示意图；

图6是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的信息生成方法的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于手机和笔记本电脑。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供信息生成服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如，获取由推荐内容对应的内容标签构成的第一标签集合；获取由推荐内容对应的点赞用户的属性标签构成的第二标签集合及该集合中各标签对应的点赞用户数量；在第二标签集合中，确定出与第一标签集合中的内容标签相匹配的目标属性标签；基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供信息生成服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要指出的是，本公开的实施例所提供的信息生成方法可以由服务器105执行，也可以由终端设备101、102、103执行，还可以由服务器105和终端设备101、102、103彼此配合执行。相应地，信息生成装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器105中，也可以全部设置于终端设备101、102、103中，还可以分别设置于服务器105和终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示出了信息生成方法的实施例的流程示意图200。该信息生成方法包括以下步骤：

步骤201，获取由推荐内容对应的内容标签构成的第一标签集合。

在本实施例中，执行主体(例如，图1中的服务器105或终端设备101、102、103)可以采用有线或无线的方式获取由推荐内容对应的至少一个内容标签构成的第一标签集合。

其中，推荐内容可以社区平台中推送给用户的待用户阅读的任意内容，例如，资讯、视频、短视频、直播等等，本申请对此不作限定。

这里，推荐内容对应的内容标签可以基于预设的内容理解模型生成，内容理解模型可以基于标注有内容标签的推荐内容样本对初始内容理解模型进行训练得到。

其中，初始内容理解模型可以是各种类型的未经训练或未训练完成的人工神经网络或者对多种未经训练或未训练完成的人工神经网络进行组合所得到的模型，例如，初始内容理解模型可以是未经训练的卷积神经网络，也可以是未经训练的循环神经网络，还可以是对未经训练的卷积神经网络、未经训练的循环神经网络和未经训练的全连接层进行组合所得到的模型。

上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

需要指出的是，第一标签集合中的内容标签各不相同。

步骤202，获取由推荐内容对应的点赞用户的属性标签构成的第二标签集合及该集合中各标签对应的点赞用户数量。

在本实施例中，执行主体可以获取由推荐内容对应的至少一个点赞用户中各点赞用户对应的至少一个属性标签构成的第二标签集合，以及第二标签集合中各标签对应的点赞用户数量。

这里，点赞用户的属性标签可以任意属性标签，例如，兴趣属性标签、技能属性标签等等，本申请对此不作限定。

具体地，执行主体可根据推荐内容对应的两个点赞用户，例如，点赞用户A、点赞用户B，的历史浏览信息，生成各点赞用户的兴趣属性标签，例如，点赞用户A的属性标签(兴趣属性)为兴趣M，点赞用户B的属性标签(兴趣属性)为兴趣N，进一步地，根据各点赞用户的属性标签，生成第二标签集合，即{兴趣M，兴趣N}以及各标签对应的点赞用户数量。

这里，第二标签集合中的各属性标签各不相同。

步骤203，在第二标签集合中，确定出与第一标签集合中的内容标签相匹配的目标属性标签。

在本实施例中，执行主体可以在第二标签集合中，基于文本相似度确定出与第一标签集合中的内容标签相匹配的目标属性标签。

其中，目标属性标签可以是一个，也可以是多个，本申请对此不作限定。

这里，执行主体可以采用现有技术或未来发展技术中的计算文本相似度的方法，例如，欧氏距离、余弦距离、杰卡德相似度等，在第二标签集合中，确定出与第一标签集合中的内容标签相匹配的目标属性标签。

具体地，第一标签集合为{A1，A2}，第二标签集合为{B1，B2，B3}，执行主体可分别计算第二标签集合中的各标签与第一标签集合中各标签的相似度，即A1与B1的相似度S1、A1与B2的相似度S2、A1与B3的相似度S3、A2与B1的相似度S4、A2与B2的相似度S5、A2与B3的相似度S6，若预设的文本相似度阈值为K，其中，相似度S1和S5大于等于预设的相似度阈值K，则可确定B1和B2为目标属性标签。

这里，预设的文本相似度阈值可以根据经验、实际需求和具体地应用场景确定。

步骤204，基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

在本实施例中，执行主体在确定出目标属性标签后，可以根据目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的一条或多条点赞信息。

其中，每一条点赞信息可包括一个目标属性标签及该标签对应的点赞用户数量。

具体地，目标属性标签的数量为两个，例如，B1、B2，各目标属性标签对应的点赞用户数量分别为80个、70个，执行主体可根据目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的两条点赞信息，如，80个B1用户点赞了该推荐内容，70个B2用户点赞了该推荐内容。

本公开的上述实施例通过在预设的描述用户的正向形容词库中，确定出与目标属性标签对应的目标形容词；响应于确定目标属性标签为多级标签，基于目标属性标签中最后一级的名称标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，提升了生成的推荐内容的点赞信息的趣味性和可读性。

在一些可选的方式中，基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，包括：响应于确定目标属性标签的数量为多个，基于最终目标属性标签及所对应的点赞用户数量，生成推荐内容的点赞信息。

在本实现方式中，执行主体在确定出目标属性标签后，可首先确定目标属性标签的数量，若目标属性标签的数量为多个，则进一步确定最终目标属性标签及所对应的点赞用户数量，并基于最终目标属性标签及所对应的点赞用户数量，生成推荐内容的点赞信息，其中，最终目标属性标签为多个目标属性标签中对应点赞用户数量最多的目标属性标签。

具体地，执行主体确定出两个目标属性标签，例如，B1、B2，各目标标签对应的点赞用户数量分别为80个、70个，进一步地，执行主体可确定出最终目标属性标签，即多个目标属性标签中对应点赞用户数量最多的目标属性标签，也即目标属性标签B1，进而基于最终目标属性标签及所对应的点赞用户数量，生成推荐内容的点赞信息，例如，80个B1用户点赞了该推荐内容。

该实现方式通过响应于确定目标属性标签的数量为多个，基于最终目标属性标签及所对应的点赞用户数量，生成推荐内容的点赞信息，有助于用户及时了解对应点赞用户数量最多的属性标签，有效提升了生成推荐内容点赞信息的效率和有效性。

在一些可选的方式中，基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，包括：响应于确定目标属性标签为多级标签，基于目标属性标签中最后一级的名称标签及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

在本实现方式中，执行主体在确定出目标属性标签后，可首先判断目标标签是否为多级标签，其中，多级标签中的每一级包括应用领域的一个标签名称，若目标属性标签为多级标签，则根据目标属性标签中最后一级的名称标签及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

具体地，执行主体确定出一个目标属性标签，目标属性标签为多级标签，例如，一级名称标签L1-二级名称标签L2-三级名称标签L3-四级名称标签L4，目标属性标签对应的点赞用户数量为80个，执行主体可根据目标属性标签中最后一级的名称标签，即四级名称标签L4，及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，例如，80个L4用户点赞了该推荐内容。

该实现方式通过响应于确定目标属性标签为多级标签，基于目标属性标签中最后一级的名称标签及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，提升了生成点赞信息的可读性，有助于用户精确理解消费内容。

在一些可选的方式中，基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，包括：在预设的描述用户的正向形容词库中，确定出与目标属性标签对应的目标形容词；基于目标属性标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

在本实现方式中，执行主体在确定出目标属性标签后，可在预先构建的描述用户的正向形容词库中，随机抽取一个形容词作为与目标属性标签对应的目标形容词；并基于目标属性标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

具体地，执行主体确定出一个目标属性标签，例如，兴趣标签K，目标属性标签对应的点赞用户数量为80个，并在预设的描述用户的正向形容词库中随机抽取一个形容词作为与目标属性标签对应的目标形容词，例如，聪明机智的，进而基于目标属性标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，例如，80位聪明机智的K用户点赞了该推荐内容。

该实现方式通过在预设的描述用户的正向形容词库中，确定出与目标属性标签对应的目标形容词；基于目标属性标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，提升了生成的推荐内容的点赞信息的趣味性。

在一些可选的方式中，基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，包括：在预设的描述用户的正向形容词库中，确定出与目标属性标签对应的目标形容词；响应于确定目标属性标签为多级标签，基于目标属性标签中最后一级的名称标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

在本实现方式中，若目标属性标签为多级标签，则执行主体可进一步基于目标属性标签中最后一级的名称标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

具体地，执行主体确定出一个目标属性标签，目标属性标签为多级标签，例如，一级名称标签L1-二级名称标签L2-三级名称标签L3-四级名称标签L4，目标属性标签对应的点赞用户数量为80个，进一步地，执行主体可基于趣味话术模型在预设的描述用户的正向形容词库中随机抽取一个形容词作为与目标属性标签对应的目标形容词，例如，聪明机智的，并根据目标属性标签中最后一级的名称标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，例如，80位聪明机智的L4用户点赞了该推荐内容。

这里，趣味话术模型用于响应于确定目标属性标签为多级标签，确定出目标属性标签中最后一级的名称标签，以及确定目标属性标签对应的目标形容词，并根据目标属性标签中最后一级的名称标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，构成显示话术，即生成推荐内容的点赞信息。

继续参见图3，图3是根据本实施例的信息生成方法的应用场景的一个示意图。执行主体301可采用有线或无线方式获取由推荐内容对应的内容标签构成的第一标签集合302，例如，{A，B，C}；获取由推荐内容对应的点赞用户的属性标签构成的第二标签集合303，例如，{A1，B1}及该集合中各标签对应的点赞用户数量304，例如，80个，60个，其中，所述第二标签集合中的属性标签各不相同；在第二标签集合中，确定出与第一标签集合中的内容标签相匹配的目标属性标签305，例如，A1，B1；基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息306，例如，80个A1用户点赞了该推荐内容，60个B1用户点赞了该推荐内容。

进一步参考图4，其示出了图2所示的信息生成方法的又一个实施例的流程400。在本实施例中，信息生成方法的流程400，可包括以下步骤：

步骤401，获取由推荐内容对应的内容标签构成的第一标签集合。

在本实施例中，步骤401的实现细节和技术效果，可以参考对步骤201的描述，在此不再赘述。

步骤402，在第二标签集合中，确定出与第一标签集合中的内容标签相匹配的目标属性标签。

在本实施例中，步骤402的实现细节和技术效果，可以参考对步骤202的描述，在此不再赘述。

步骤403，在第二标签集合中，确定出与第一标签集合中的内容标签相匹配的目标属性标签。

在本实施例中，步骤402的实现细节和技术效果，可以参考对步骤202的描述，在此不再赘述。

步骤404，响应于确定目标属性标签的数量为多个，对于每一目标属性标签，基于该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的特征值。

在本实施例中，执行主体在确定出目标属性标签后，可首先确定目标属性标签的数量，若目标属性标签的数量为多个，则进一步确定各目标属性标签对应的特征值，特征值可根据目标属性标签的权重与目标属性标签对应的点赞用户数量的乘积确定。

其中，对于每一目标属性标签，该目标属性标签的权重可以根据该目标属性标签对应的内容标签表征内容的准确度确定。

步骤405，按照各目标属性标签所对应的特征值的大小，对目标属性标签进行排序，得到排序结果。

在本实施例中，执行主体在获取到各目标属性标签对应的特征值后，可按照特征值从大到小的属性，对目标属性标签进行排序，得到排序结果。

步骤406，基于排序结果，生成推荐内容的点赞信息。

在本实施例中，执行主体在获取到排序结果后，可根据排序最高的目标属性标签及所对应的点赞用户的人数，生成推荐内容的点赞信息，也可以根据排序靠前的多个目标属性标签及各目标属性对应的点赞用户的人数，生成推荐内容的点赞信息，本申请对此不作限定。

具体地，执行主体确定出两个目标属性标签，例如，B1、B2，各目标属性标签对应的点赞用户数量分别为80个、70个，各目标属性标签的权重分别为0.2、0.8，进一步地，执行主体对于每一目标属性标签，基于该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的特征值，即特征值16(80*0.2)和特征值56(70*0.8)，并按照各目标属性标签所对应的特征值的大小，对目标属性标签进行排序，得到排序结果，基于排序结果，生成推荐内容的点赞信息，例如，基于排序最高的目标属性标签及所对应的点赞用户的人数，生成推荐内容的点赞信息，即70个B2用户点赞了该推荐内容。

在一些可选的方式中，基于该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的特征值，包括：根据该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的初始特征值，根据初始特征值与总点赞用户数量的比值，确定该目标属性标签的特征值。

在本实现方式中，执行主体在确定出目标属性标签后，可首先确定目标属性标签的数量，若目标属性标签的数量为多个，则对于每一个目标属性标签，执行主体可首先根据该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的初始特征值，进而根据初始特征值与总点赞用户数量的比值，确定该目标属性标签的特征值。

具体地，执行主体确定出两个目标属性标签，例如，B1、B2，各目标标签对应的点赞用户数量分别为80个、70个，各目标标签的权重分别为0.2、0.8，总点赞用户数量为100，进一步地，执行主体对于每一目标属性标签，根据该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的初始特征值，即初始特征值16(80*0.2)和初始特征值56(70*0.8)，进而根据初始特征值与总点赞用户数量的比值，确定该目标属性标签的特征值，即特征值0.16(16/100)和特征值0.56(56/100)，并按照各目标属性标签所对应的特征值的大小，对目标属性标签进行排序，得到排序结果，基于排序结果，生成推荐内容的点赞信息，例如，基于排序最高的目标属性标签及所对应的点赞用户的人数，生成推荐内容的点赞信息，即70个B2用户点赞了该推荐内容。

该实现方式通过根据该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的初始特征值，根据初始特征值与总点赞用户数量的比值，确定该目标属性标签的特征值，进而基于特征值进行排序，得到排序结果，并根据排序结果，输出推荐内容的点赞信息，有助于提升输出的点赞信息所刻画的人群特征的准确度，进而进一步提升点赞信息的有效性。

本公开的上述实施例，与图2所示实施例相比，突出了响应于确定目标属性标签的数量为多个，对于每一目标属性标签，基于该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的特征值，按照各目标属性标签所对应的特征值的大小，对目标属性标签进行排序，得到排序结果，基于排序结果，生成推荐内容的点赞信息，有助于提升输出的点赞信息所刻画的人群特征的准确度，进一步提升了点赞信息的有效性。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种信息生成装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的信息生成装置500包括：第一获取模块501、第二获取模块502、确定目标模块503和生成信息模块504。

其中，第一获取模块501，可被配置成获取由推荐内容对应的内容标签构成的第一标签集合。

第二获取模块502，可被配置成获取由推荐内容对应的点赞用户的属性标签构成的第二标签集合及该集合中各标签对应的点赞用户数量。

确定目标模块503，可被配置成在第二标签集合中，确定出与第一标签集合中的内容标签相匹配的目标属性标签。

生成信息模块504，可被配置成基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

在本实施例的一些可选的方式中，确定目标模块包括：确定特征单元，被配置成响应于确定目标属性标签的数量为多个，对于每一目标属性标签，基于该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的特征值，所述目标属性标签的权重根据该目标属性标签对应的内容标签表征内容的准确度确定；排序标签单元，被配置成按照各目标属性标签所对应的特征值的大小，对目标属性标签进行排序，得到排序结果；生成信息单元，被配置成基于排序结果，生成推荐内容的点赞信息。

本实施例的一些可选的方式中，确定特征单元进一步被配置成：根据该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的初始特征值；根据初始特征值与总点赞用户数量的比值，确定该目标属性标签的特征值。

在本实施例的一些可选的方式中，生成信息模块进一步被配置成：响应于确定目标属性标签为多级标签，基于目标属性标签中最后一级的名称标签及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

在本实施例的一些可选的方式中，生成信息模块进一步被配置成：在预设的描述用户的正向形容词库中，确定出与目标属性标签对应的目标形容词；基于目标属性标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

在本实施例的一些可选的方式中，生成信息模块进一步被配置成：在预设的描述用户的正向形容词库中，确定出与目标属性标签对应的目标形容词；响应于确定目标属性标签为多级标签，基于目标属性标签中最后一级的名称标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

在本实施例的一些可选的方式中，生成信息模块进一步被配置成：响应于确定目标属性标签的数量为多个，基于最终目标属性标签及所对应的点赞用户数量，生成推荐内容的点赞信息。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

如图6所示，是根据本公开实施例的信息生成方法的电子设备的框图。

600是根据本公开实施例的信息生成方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本公开所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本公开所提供的信息生成方法。本公开的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本公开所提供的信息生成方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本公开实施例中的信息生成方法对应的程序指令/模块(例如，附图5所示的第一获取模块501、第二获取模块502、确定目标模块503和生成信息模块504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的信息生成方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储人脸跟踪的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至车道线检测的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

信息生成方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与车道线检测的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本公开实施例的技术方案，有助于展示点赞信息背后的人群特征信息，有效提高了用户获取信息的效率。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (14)

1.一种信息生成方法，包括：

获取由推荐内容对应的内容标签构成的第一标签集合；

获取由推荐内容对应的点赞用户的属性标签构成的第二标签集合及该集合中各标签对应的点赞用户数量，其中，所述第二标签集合中的属性标签各不相同，所述属性标签为技能属性标签；

在第二标签集合中，确定出与所述第一标签集合中的内容标签相匹配的目标属性标签；

基于所述目标属性标签、所述目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，包括：响应于确定目标属性标签的数量为多个，对于每一目标属性标签，基于该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的特征值，所述目标属性标签的权重根据该目标属性标签对应的内容标签表征内容的准确度确定；按照各目标属性标签所对应的特征值的大小，对目标属性标签进行排序，得到排序结果；根据排序最高的目标属性标签及所对应的点赞用户的人数，生成推荐内容的点赞信息。

2.根据权利要求1所述的方法，其中，所述基于该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的特征值，包括：

根据该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的初始特征值；

根据所述初始特征值与总点赞用户数量的比值，确定该目标属性标签的特征值。

3.根据权利要求1所述的方法，其中，所述该基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，包括：

响应于确定目标属性标签为多级标签，基于所述目标属性标签中最后一级的名称标签及所述目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，其中，所述多级标签中的每一级中包括应用领域的一个标签名称。

4.根据权利要求1所述的方法，其中，所述基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，包括：

在预设的描述用户的正向形容词库中，确定出与目标属性标签对应的目标形容词；

基于目标属性标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

5.根据权利要求1所述的方法，其中，所述基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，包括：

在预设的描述用户的正向形容词库中，确定出与目标属性标签对应的目标形容词；

响应于确定目标属性标签为多级标签，基于所述目标属性标签中最后一级的名称标签、所述目标属性标签对应的目标形容词及所述目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，其中，所述多级标签中的每一级中包括应用领域的一个标签名称。

6.根据权利要求1所述的方法，其中，所述基于目标属性标签、目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，包括：

响应于确定所述目标属性标签的数量为多个，基于最终目标属性标签及所对应的点赞用户数量，生成推荐内容的点赞信息，所述最终目标属性标签为多个目标属性标签中对应点赞用户数量最多的目标属性标签。

7.一种信息生成装置，包括：

第一获取模块，被配置成获取由推荐内容对应的内容标签构成的第一标签集合；

第二获取模块，被配置成获取由推荐内容对应的点赞用户的属性标签构成的第二标签集合及该集合中各标签对应的点赞用户数量，其中，所述第二标签集合中的属性标签各不相同，所述属性标签为技能属性标签；

确定目标模块，被配置成在第二标签集合中，确定出与所述第一标签集合中的内容标签相匹配的目标属性标签；

生成信息模块，被配置成基于所述目标属性标签、所述目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，包括：确定特征单元，被配置成响应于确定目标属性标签的数量为多个，对于每一目标属性标签，基于该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的特征值，所述目标属性标签的权重根据该目标属性标签对应的内容标签表征内容的准确度确定；排序标签单元，被配置成按照各目标属性标签所对应的特征值的大小，对目标属性标签进行排序，得到排序结果；生成信息单元，被配置成根据排序最高的目标属性标签及所对应的点赞用户的人数，生成推荐内容的点赞信息。

8.根据权利要求7所述的装置，其中，所述确定特征单元进一步被配置成：

根据该目标属性标签的权重与该目标属性标签对应的点赞用户数量的乘积，确定该目标属性标签的初始特征值；

根据所述初始特征值与总点赞用户数量的比值，确定该目标属性标签的特征值。

9.根据权利要求7所述的装置，其中，所述生成信息模块进一步被配置成：

响应于确定目标属性标签为多级标签，基于所述目标属性标签中最后一级的名称标签及所述目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，其中，所述多级标签中的每一级中包括应用领域的一个标签名称。

10.根据权利要求7所述的装置，其中，所述生成信息模块进一步被配置成：

在预设的描述用户的正向形容词库中，确定出与目标属性标签对应的目标形容词；

基于目标属性标签、目标属性标签对应的目标形容词及目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息。

11.根据权利要求7所述的装置，其中，所述生成信息模块进一步被配置成：

在预设的描述用户的正向形容词库中，确定出与目标属性标签对应的目标形容词；

响应于确定目标属性标签为多级标签，基于所述目标属性标签中最后一级的名称标签、所述目标属性标签对应的目标形容词及所述目标属性标签对应的点赞用户数量，生成推荐内容的点赞信息，其中，所述多级标签中的每一级中包括应用领域的一个标签名称。

12.根据权利要求7所述的装置，其中，所述生成信息模块进一步被配置成：

响应于确定所述目标属性标签的数量为多个，基于最终目标属性标签及所对应的点赞用户数量，生成推荐内容的点赞信息，所述最终目标属性标签为多个目标属性标签中对应点赞用户数量最多的目标属性标签。

13.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。

Images