[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111127079A - 下发商品资源的方法、装置、计算机设备和存储介质 - Google Patents

下发商品资源的方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111127079A
CN111127079A CN201911229114.2A CN201911229114A CN111127079A CN 111127079 A CN111127079 A CN 111127079A CN 201911229114 A CN201911229114 A CN 201911229114A CN 111127079 A CN111127079 A CN 111127079A
Authority
CN
China
Prior art keywords
preset
commodity
information
target
commodity information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911229114.2A
Other languages
English (en)
Inventor
樊海英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201911229114.2A priority Critical patent/CN111127079A/zh
Publication of CN111127079A publication Critical patent/CN111127079A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0252—Targeted advertisements based on events or environment, e.g. weather or festivals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0263—Targeted advertisements based upon Internet or website rating

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及一种下发商品资源的方法、装置、计算机设备和存储介质。所述方法包括：实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息；输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取商品信息，根据商品信息确定对应的目标主题；从各个目标主题对应的预设商品信息中查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题的目标商品信息；下发各个目标商品信息对应的预设商品资源。通过实时对视频数据中的弹幕信息进行爬取通过预设主题模型预测弹幕信息对应的目标主题来判断用户对商品的感兴趣程度，根据用户对商品的感兴趣程度下发预设商品资源，在合理时间下发预设商品资源，提高了用户的观影体验。

Description

下发商品资源的方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及一种下发商品资源的方法、装置、计算机设备和存储介质。
背景技术
观看视频成为了人们生活的一部分，在视频数据中下发对应的商品资源成为一种常见的数据下发手段，常见的资源下发通过弹幕的形式下发。弹幕是指用户在看视频时，会对视频中的内容或已经发送的弹幕的评价信息和回复信息、用户、商家等上传的商品资源、或服务器下发的商品资源等等。
目前服务器下发商品资源时都是定时下发商品资源，即在特定的视频播放点位下发商品资源，定时下发商品资源，用于视频中包含的商品信息的类型众多，若都下发，容易引起用户的反感，观看体验不佳。
发明内容
为了解决上述技术问题，本申请提供了一种下发商品资源的方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种下发商品资源的方法，包括：
实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息；
输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题；
从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息；
下发各个目标主题的目标商品信息对应的预设商品资源。
第二方面，本申请提供了一种下发商品资源的装置，包括：
数据爬取模块，用于实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息；
主题预测模块，用于输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题；
商品信息匹配模块，用于从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息；
商品下发模块，用于下发各个目标主题的目标商品信息对应的预设商品资源。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息；
输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题；
从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息；
下发各个目标主题的目标商品信息对应的预设商品资源。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息；
输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题；
从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息；
下发各个目标主题的目标商品信息对应的预设商品资源。
上述下发商品资源的方法、装置、计算机设备和存储介质，所述方法包括：实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息；输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题；从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息；下发各个目标主题的目标商品信息对应的预设商品资源。通过实时对视频数据中的弹幕信息进行爬取通过预设主题模型预测弹幕信息对应的目标主题来判断用户对商品的感兴趣程度，根据用户对商品的感兴趣程度下发预设商品资源，在合理时间下发合理的商品资源，提高了用户的观影体验。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中下发商品资源的方法的应用环境图；
图2为一个实施例中下发商品资源的方法的流程示意图；
图3为一个具体的实施例中下发商品资源的方法的流程示意图；
图4为一个实施例中LDA模型的模型示意图；
图5为一个实施例中下发商品资源的装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为一个实施例中下发商品资源的方法的应用环境图。参照图1，该下发商品资源的方法应用于下发商品信息的系统。该下发商品信息的系统包括终端110和服务器120。终端110和服务器120通过网络连接。服务器120接收当前视频对应的多个终端110上传的弹幕信息，输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题，从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息。下发各个目标主题的目标商品信息对应的预设商品资源至各个终端110。
终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图2所示，在一个实施例中，提供了一种下发商品资源的方法。本实施例主要以该方法应用于上述图1中的终端110(或服务器120)来举例说明。参照图2，该下发商品资源的方法具体包括如下步骤：
步骤S201，实时爬取当前视频中的弹幕信息。
在本具体实施例中，弹幕信息中包含商品信息。
步骤S202，输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题。
具体地，当前视频是指正在播放的视频，如电视剧、电影、短视频和直播视频等等。弹幕信息是指各个观看视频的用户上传的观影信息的信息集合，弹幕信息中包括商品信息、表情包、时间等等。实时爬取当前视频中的弹幕信息，即每隔一定时间爬取该当前视频的弹幕信息，定期爬取的间隔时长可以自定义，如每隔半分钟或一分钟爬取当前视频中的弹幕信息。已训练的预设主题模型是通过大量的训练弹幕信息得到的，已训练的预设主题模型用于对输入的弹幕信息进行主题预测，将弹幕信息输入已训练的预设主题模型后，通过已训练的预设主题模型对弹幕信息的商品信息进行提取，根据提取到的商品信息确定弹幕信息中包含的目标主题。其中目标主题可以为一个也可以为多个，一个目标主题对应一个或多个商品信息。主题可以自定义，如主题包括但不限于美妆、汽车、食品和服饰等等。以美妆为例，如美妆主题对应的商品包括但不限于口红、眼影、腮红等等。
在一个实施例中，在实时爬取前视频中的弹幕信息之后，还包括：根据预设数据清洗规则对弹幕信息进行清洗，得到清洗后的弹幕信息，输入清洗后的弹幕信息至已训练的预设主题模型。
具体地，预设清洗规则是预先设置的用于清洗弹幕信息的规则，清洗掉弹幕信息中的无效信息，无效信息包括但不限于上传用户的用户名称、时间信息、表情包、标点符号等等。将无效信息清洗掉之后得到清洗后的弹幕信息。将清洗后的弹幕信息输入至预设主题模型，通过预设主体模型对清洗后的弹幕信息提取商品信息，输出商品信息对应的目标主题。
步骤S203，从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息。
步骤S204，下发各个目标主题的目标商品信息对应的预设商品资源。
具体地，预设商品信息是指预先设置到的商品信息，主题与预设商品之间对应的关系和概率分布保存在已训练的预设主题模型中。在该目标主题对应的预设商品信息，查找与该目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息。根据商品信息与预设商品之间匹配可以自定义的匹配规则，如匹配规则为相似度匹配规则和，其中相似度匹配包括但不限于品牌相似度、功能相似度等中的一个或多个。以口红为例可以以口红对应的色号相似度作为相似度，也可以是口红的品牌相似度作为相似度，还可以是色号相似度和品牌相似度同时作为相似度。根据相似度确定商品时可以选择相似相似度最高的预设商品信息作为目标商品信息，也可以选择相似度大于预设相似度的预设商品信息作为目标商品信息。预设商品资源包括商品链接信息，下发商品链接信息，将商品链接信息当前视频对应的终端，或以弹幕信息的方式或弹窗的方式展示商品链接信息，其中弹窗包括弹窗内容可以可跳转图片，也可以是文案雨。商品链接信息是用于引导用户进入对应的商品信息页面的链接数据。如对视频中人物所使用或佩戴的商品感兴趣时，用户主动发弹幕询问商品信息、回复用户发送的商品询问信息等等。收集用户的弹幕信息，通过收集的弹幕信息对用户需求进行预测，看剧时某个用户发了女主口红是什么牌子的什么色号的弹幕，在一段时间内多个用户发类似的弹幕，在该时间段是用户对该商品较为感兴趣，因此可以在此时间段投放相关商品资源。
上述下发商品资源的方法，包括：实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息；输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题；从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息；下发各个目标主题的目标商品信息对应的预设商品资源。通过实时对视频数据中的弹幕信息进行爬取通过预设主题模型预测弹幕信息对应的目标主题来判断用户对商品的感兴趣程度，根据用户对商品的感兴趣程度下发预设商品资源，在合理时间下发预设商品资源，增加与用户的互动，并提高了用户的观影体验。
在一个实施例中，步骤S203，包括：计算各个商品信息与对应的目标主题的各个预设商品信息的相似度；将相似度大于或等于预设相似度的预设商品信息，作为各个目标主题对应的目标商品信息。
具体地，计算相似度时可以采用文字相似度或图像相似度等其中的一种或多种相似度确定商品与预设商品之间的相似度。其中文字相似度和图像相似度的计算方法可以采用自定义的算法，也可以采用常规的相似度计算方法。判断各个预设商品与对应的目标主题对应的商品信息之间的相似度是否大于或等于预设相似度，若大于或等于，则将大于或等于预设相似度对应的预设商品信息作为目标商品信息。
在一个实施例中，下发各个目标主题的目标商品信息对应的预设商品资源，包括：下发各个目标主题的目标商品信息中相似度最高的目标商品信息对应的预设商品资源。
具体地，相似度最高表示两者之间的匹配度最高，匹配度越高说明弹幕信息中包含的商品与预设商品属于同类商品的概率越大，弹幕中出现该商品的概率越大，即下发该商品对应的商品资源，不容易引起用户的反感，从而提高观看体验。
在一个实施例中，生成已训练的预设主题模型，包括：获取多个训练弹幕信息，训练弹幕信息中包括商品信息；对各个训练弹幕信息进行分词，得到分词结果；将分词结果行转换得到各个训练弹幕信息的词向量；采用词向量训练预设主题模型，直至预设主题模型满足预设收敛条件，得到已训练的预设主题模型，已训练的预设主题模型中包括主题在弹幕下的分布和商品信息在主题下的分布。
具体地，训练弹幕信息是指用于训练模型的文档。训练弹幕信息中包括商品信息，对训练弹幕信息进行分词处理，其中分词方法可以采用常见的文档分词算法，得到各个训练弹幕信息的分词结果，即得到各个训练弹幕信息对应的多个字、词汇等等。将各个训练弹幕信息对应的分词结果向量化，向量化过程采用常规的词向量化算法，得到各个训练弹幕信息对应的词向量。采用词向量训练预设主题模型，即通过预设主题模型对词向量进行归纳总结，得到对应的弹幕和主题的分布，以及主题和词的概率分布。其中主题和词的概率分布是指主题和对应的商品信息之间的分布。分布为Dirichlet分布。
在一个具体的实施例中，如图3所示，下发商品资源的方法，包括：
步骤S301，存储视频中商品词库和对应的商品资源。
步骤S302，实时爬取视频中的弹幕并进行预处理。使用爬虫程序每隔一定时间爬取该直播间的弹幕数据并保存；对保存的弹幕进行预处理，删除无意义的弹幕，例如：数字、表情；对正常用户所发的弹幕，删除用户名、时间，只保留弹幕主体；对用户发出的弹幕语句进行分词处理，构建LDA主题模型，提取弹幕商品主题。创建弹幕分词词典，将预处理后的弹幕语句进行分词处理，将其分割为独立的字或词汇；创建弹幕商品词词典，去除分词后的弹幕中的与商品词无关的词；将过滤后的弹幕运行于构建的LDA主题模型，获得弹幕中的主题信息。应用LDA主题模型生成的弹幕可以包含多个主题，如使用下面方法生成弹幕：
Chooseparameterθ～p(θ)；
For each of the N words w_n:
Choose a topic z_n～p(z|θ)；
Choose a word w_n～p(w|z)；
其中θ是一个主题向量，向量的每一列表示每个主题在弹幕出现的概率，该向量为非负归一化向量；p(θ)是θ的分布，具体为Dirichlet分布，即分布的分布；N表示要生成的弹幕的单词的个数，w_n表示生成的第n个单词w，z_n表示选择的主题，p(z|θ)表示给定θ时主题z的概率分布，具体为θ的值，即p(z＝i|θ)＝θ_i；p(w|z)表示单词w的分布，就是从主题中以一定概率选择某个词。
选定一个题向量θ，确定每个主题被选择的概率。在生成每个单词的时候，从主题分布向量θ中选择一个主题zn，按主题zn的单词概率分布生成一个单词wn。如图4所示，为该模型的概率，模型对应的概率公式如下：
Figure BDA0002303065820000091
式中α是主题分布的先验分布，M是指弹幕的数量，N是指词汇的数量，β是词分布的先验分布的参数。
步骤S303，将得到的主题与步骤S301中存储视频中商品词库，进行相似度比较，识别出具体的商品。
步骤S304，下发识别出的商品对应的商品资源。计算出弹幕是否出现商品，从而在用户希望了解商品时下发商品资源。
根据用户主观意识推荐相关商品，不会引起用户对广告反感，同时增加用户观看视频的兴趣。利用爬虫技术以及分词技术识别出商品，并以弹幕等形式下发商品资源。
图2和3为一个实施例中下发商品资源的方法的流程示意图。应该理解的是，虽然图2和3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2和3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种下发商品资源的装置200，包括：
数据爬取模块201，用于实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息。
主题预测模块202，用于输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题。
商品信息匹配模块203，用于从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息。
商品下发模块204，用于下发各个目标主题的目标商品信息对应的预设商品资源。
在一个实施例中，商品信息匹配模块具体用于计算各个商品信息与对应的目标主题的各个预设商品信息的相似度；将相似度大于或等于预设相似度的预设商品信息，作为各个目标主题对应的目标商品信息。
在一个实施例中，商品下发模块具体用于下发各个目标主题的目标商品信息中相似度最高的目标商品信息对应的预设商品资源。
在一个实施例中，上述下发商品资源的装置200，还包括：
数据清洗模块，用于根据预设数据清洗规则对弹幕信息进行清洗，得到清洗后的弹幕信息；
预测模块还用于输入清洗后的弹幕信息至已训练的预设主题模型。
在一个实施例中，上述下发商品资源的装置200，还包括：
模型生成模块，用于生成已训练的预设主题模型，其中模型生成模块包括：
训练数据获取单元，用于获取多个训练弹幕信息，训练弹幕信息中包括商品信息。
分词单元，用于对各个训练弹幕信息进行分词，得到分词结果。
词向量转化单元，用于将分词结果行转换得到各个训练弹幕信息的词向量。
模型生成单元，用于采用词向量训练预设主题模型，直至预设主题模型满足预设收敛条件，得到已训练的预设主题模型，已训练的预设主题模型中包括主题在弹幕下的分布和商品信息在主题下的分布。
图6示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图6所示，该计算机设备通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现下发商品资源的方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行下发商品资源的方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的下发商品资源的装置可以实现为一种计算机程序的形式，计算机程序可在如图6所示的计算机设备上运行。计算机设备的存储器中可存储组成该下发商品资源的装置的各个程序模块，比如，图5所示的数据爬取模块201、主题预测模块202、商品信息匹配模块203和商品下发模块204。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的下发商品资源的方法中的步骤。
例如，图6所示的计算机设备可以通过如图5所示的下发商品资源的装置中的数据爬取模块201执行实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息；计算机设备可以通过主题预测模块202执行输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题。计算机设备可以通过商品信息匹配模块203执行从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息。计算机设备可以通过商品下发模块204执行下发各个目标主题的目标商品信息对应的预设商品资源。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息；输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题；从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息；下发各个目标主题的目标商品信息对应的预设商品资源。
在一个实施例中，从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息，包括：计算各个商品信息与对应的目标主题的各个预设商品信息的相似度；将相似度大于或等于预设相似度的预设商品信息，作为各个目标主题对应的目标商品信息。
在一个实施例中，下发各个目标主题的目标商品信息对应的预设商品资源，包括：下发各个目标主题的目标商品信息中相似度最高的目标商品信息对应的预设商品资源。
在一个实施例中，实时爬取当前视频中的弹幕信息之后，处理器执行计算机程序时还实现以下步骤：根据预设数据清洗规则对弹幕信息进行清洗，得到清洗后的弹幕信息；输入弹幕信息至已训练的预设主题模型，包括：输入清洗后的弹幕信息至已训练的预设主题模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：生成已训练的预设主题模型，包括：获取多个训练弹幕信息，训练弹幕信息中包括商品信息；对各个训练弹幕信息进行分词，得到分词结果；将分词结果行转换得到各个训练弹幕信息的词向量；采用词向量训练预设主题模型，直至预设主题模型满足预设收敛条件，得到已训练的预设主题模型，已训练的预设主题模型中包括主题在弹幕下的分布和商品信息在主题下的分布。
在一个实施例中，初始主题模型和预设主题模型为LDA(Latent DirichletAllocation)模型。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：实时爬取当前视频中的弹幕信息，弹幕信息中包含商品信息；输入弹幕信息至已训练的预设主题模型，通过已训练的预设主题模型提取至少一个商品信息，根据各个商品信息确定对应的目标主题；从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息；下发各个目标主题的目标商品信息对应的预设商品资源。
在一个实施例中，从各个目标主题对应的预设商品信息中，查找与各个目标主题对应的商品信息匹配的预设商品信息，得到各个目标主题对应的目标商品信息，包括：计算各个商品信息与对应的目标主题的各个预设商品信息的相似度；将相似度大于或等于预设相似度的预设商品信息，作为各个目标主题对应的目标商品信息。
在一个实施例中，下发各个目标主题的目标商品信息对应的预设商品资源，包括：下发各个目标主题的目标商品信息中相似度最高的目标商品信息对应的预设商品资源。
在一个实施例中，实时爬取当前视频中的弹幕信息之后，计算机程序被处理器执行时还实现以下步骤：根据预设数据清洗规则对弹幕信息进行清洗，得到清洗后的弹幕信息；输入弹幕信息至已训练的预设主题模型，包括：输入清洗后的弹幕信息至已训练的预设主题模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：生成已训练的预设主题模型，包括：获取多个训练弹幕信息，训练弹幕信息中包括商品信息；对各个训练弹幕信息进行分词，得到分词结果；将分词结果行转换得到各个训练弹幕信息的词向量；采用词向量训练预设主题模型，直至预设主题模型满足预设收敛条件，得到已训练的预设主题模型，已训练的预设主题模型中包括主题在弹幕下的分布和商品信息在主题下的分布。
在一个实施例中，初始主题模型和预设主题模型为LDA(Latent DirichletAllocation)模型。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种下发商品资源的方法，其特征在于，所述方法包括：
实时爬取当前视频中的弹幕信息，所述弹幕信息中包含商品信息；
输入所述弹幕信息至已训练的预设主题模型，通过所述已训练的预设主题模型提取至少一个所述商品信息，根据各个所述商品信息确定对应的目标主题；
从各个所述目标主题对应的预设商品信息中，查找与各个所述目标主题对应的商品信息匹配的预设商品信息，得到各个所述目标主题对应的目标商品信息；
下发各个所述目标主题的目标商品信息对应的预设商品资源。
2.根据权利要求1所述的方法，其特征在于，所述从各个所述目标主题对应的预设商品信息中，查找与各个所述目标主题对应的商品信息匹配的预设商品信息，得到各个所述目标主题对应的目标商品信息，包括：
计算各个所述商品信息与对应的目标主题的各个预设商品信息的相似度；
将相似度大于或等于预设相似度的预设商品信息，作为各个所述目标主题对应的目标商品信息。
3.根据权利要求2所述的方法，其特征在于，所述下发各个所述目标主题的目标商品信息对应的预设商品资源，包括：
下发各个所述目标主题的目标商品信息中相似度最高的目标商品信息对应的预设商品资源。
4.根据权利要求1所述的方法，其特征在于，所述实时爬取当前视频中的弹幕信息之后，还包括：
根据预设数据清洗规则对所述弹幕信息进行清洗，得到清洗后的弹幕信息；
所述输入所述弹幕信息至已训练的预设主题模型，包括：输入所述清洗后的弹幕信息至所述已训练的预设主题模型。
5.根据权利要求1至4中任一项所述的方法，其特征在于，生成所述已训练的预设主题模型，包括：
获取多个训练弹幕信息，所述训练弹幕信息中包括商品信息；
对各个所述训练弹幕信息进行分词，得到分词结果；
将分词结果行转换得到各个所述训练弹幕信息的词向量；
采用所述词向量训练所述预设主题模型，直至所述预设主题模型满足预设收敛条件，得到所述已训练的预设主题模型，所述已训练的预设主题模型中包括主题在弹幕下的分布和商品信息在主题下的分布。
6.一种下发商品资源的装置，其特征在于，所述装置包括：
数据爬取模块，用于实时爬取当前视频中的弹幕信息，所述弹幕信息中包含商品信息；
主题预测模块，用于输入所述弹幕信息至已训练的预设主题模型，通过所述已训练的预设主题模型提取至少一个所述商品信息，根据各个所述商品信息确定对应的目标主题；
商品信息匹配模块，用于从各个所述目标主题对应的预设商品信息中，查找与各个所述目标主题对应的商品信息匹配的预设商品信息，得到各个所述目标主题对应的目标商品信息；
商品下发模块，用于下发各个所述目标主题的目标商品信息对应的预设商品资源。
7.根据权利要求6所述的装置，其特征在于，所述模型生成模块，用于生成所述预设主题模型，其中所述模型生成模块包括：
训练数据获取单元，用于获取多个训练弹幕信息，所述训练弹幕信息中包括商品信息；
分词单元，用于对各个所述训练弹幕信息进行分词，得到分词结果；
词向量转化单元，用于将分词结果行转换得到各个所述训练弹幕信息的词向量；
模型生成单元，用于采用所述词向量训练所述预设主题模型，直至所述预设主题模型满足预设收敛条件，得到所述已训练的预设主题模型，所述已训练的预设主题模型中包括主题在弹幕下的分布和商品信息在主题下的分布。
8.根据权利要求6所述的装置，其特征在于，所述商品信息匹配模块具体用于计算各个所述商品信息与对应的目标主题的各个预设商品信息的相似度，将相似度大于或等于预设相似度的预设商品信息，作为各个所述目标主题对应的目标商品信息。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN201911229114.2A 2019-12-04 2019-12-04 下发商品资源的方法、装置、计算机设备和存储介质 Pending CN111127079A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911229114.2A CN111127079A (zh) 2019-12-04 2019-12-04 下发商品资源的方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911229114.2A CN111127079A (zh) 2019-12-04 2019-12-04 下发商品资源的方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN111127079A true CN111127079A (zh) 2020-05-08

Family

ID=70497377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911229114.2A Pending CN111127079A (zh) 2019-12-04 2019-12-04 下发商品资源的方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111127079A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114650455A (zh) * 2022-02-17 2022-06-21 北京达佳互联信息技术有限公司 弹幕信息的处理方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117934A (zh) * 2015-08-05 2015-12-02 北京奇艺世纪科技有限公司 一种商品评论信息的展示方法及装置
CN106021562A (zh) * 2016-05-31 2016-10-12 北京京拍档科技有限公司 用于电商平台的基于主题相关的推荐方法
CN106791970A (zh) * 2016-12-06 2017-05-31 乐视控股（北京）有限公司 视频播放中呈现商品信息的方法及装置
CN109104639A (zh) * 2017-06-20 2018-12-28 阿里巴巴集团控股有限公司 直播系统、确定直播视频主题的方法、装置以及电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117934A (zh) * 2015-08-05 2015-12-02 北京奇艺世纪科技有限公司 一种商品评论信息的展示方法及装置
CN106021562A (zh) * 2016-05-31 2016-10-12 北京京拍档科技有限公司 用于电商平台的基于主题相关的推荐方法
CN106791970A (zh) * 2016-12-06 2017-05-31 乐视控股（北京）有限公司 视频播放中呈现商品信息的方法及装置
CN109104639A (zh) * 2017-06-20 2018-12-28 阿里巴巴集团控股有限公司 直播系统、确定直播视频主题的方法、装置以及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114650455A (zh) * 2022-02-17 2022-06-21 北京达佳互联信息技术有限公司 弹幕信息的处理方法、装置、电子设备及存储介质
CN114650455B (zh) * 2022-02-17 2024-03-26 北京达佳互联信息技术有限公司 弹幕信息的处理方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Zhao et al. Affective image content analysis: Two decades review and new perspectives
CN111680219B (zh) 内容推荐方法、装置、设备及可读存储介质
Wang et al. Forest fire image recognition based on convolutional neural network
CN108509465B (zh) 一种视频数据的推荐方法、装置和服务器
JP6543986B2 (ja) 情報処理装置、情報処理方法およびプログラム
KR100997541B1 (ko) 신상품 추천문제 해결을 위한 내용기반 필터링과 협업 필터링을 혼합한 사용자 프로파일 기반 이미지 추천 방법 및 장치
Zhao et al. Matrix factorization+ for movie recommendation.
CN111708941A (zh) 内容推荐方法、装置、计算机设备和存储介质
CN111177538B (zh) 一种基于无监督权值计算的用户兴趣标签构建方法
CN106874314B (zh) 信息推荐的方法和装置
CN111949886B (zh) 一种用于信息推荐的样本数据生成方法和相关装置
CN111444387A (zh) 视频分类方法、装置、计算机设备和存储介质
CN112364204A (zh) 视频搜索方法、装置、计算机设备及存储介质
US20150131967A1 (en) Computerized systems and methods for generating models for identifying thumbnail images to promote videos
Shin et al. Stexnmf: Spatio-temporally exclusive topic discovery for anomalous event detection
CN116977992A (zh) 文本信息识别方法、装置、计算机设备和存储介质
CN114428881B (zh) 媒资视频的推送方法及装置、存储介质及电子设备
CN111127079A (zh) 下发商品资源的方法、装置、计算机设备和存储介质
CN112312189A (zh) 一种视频生成方法及视频生成系统
CN115935049A (zh) 基于人工智能的推荐处理方法、装置及电子设备
CN115129829A (zh) 问答计算方法、服务器及存储介质
CN114943549A (zh) 一种广告投放方法及装置
Matsumoto et al. Multi-modal label dequantized Gaussian process latent variable model for ordinal label estimation
CN116842478A (zh) 一种基于推特内容的用户属性预测方法
CN113434633B (zh) 基于头像的社交话题推荐方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200508

RJ01 Rejection of invention patent application after publication