[发明专利]用于输出信息的方法和装置有效

专利信息
申请号: 201910251157.4 申请日: 2019-03-29
公开(公告)号: CN109947526B 公开(公告)日: 2023-04-11
发明(设计)人: 毛勤;李宇;肖娟;王全斌;杨晓璇;陈亮辉 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06F9/451 分类号: G06F9/451
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 输出 信息 方法 装置
【说明书】:

本申请实施例公开了用于输出信息的方法和装置。上述方法的一具体实施方式包括:获取目标信息,其中,目标信息包括图片信息与文本信息;根据预先建立的图文相关判断模型,确定目标信息中的图片信息与文本信息是否相关,其中,图文相关判断模型用于判断图片信息与文本信息是否相关;输出判断结果。该实施方式可以判断信息中的图片信息和文本信息是否相关,可应用于提高feed流中内容的质量。

技术领域

本申请实施例涉及计算机技术领域,具体涉及用于输出信息的方法和装置。

背景技术

feed是将用户主动订阅的若干消息源组合在一起形成内容聚合器,帮助用户持续地获取最新的订阅源内容。feed流是持续更新并呈现给用户内容的信息流。用户在浏览上述feed流中的内容时,往往会比较注意图片和文字的内容是否相关。如果不相关,会认为内容的质量不高、可信度不高、真实度不高。即使用户对内容产生了点击行为,也会对应用程序产生不好的印象。因此,评估feed流中内容的图片和文字是否相关尤为重要。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面,本申请实施例提供了一种用于输出信息的方法,包括:获取目标信息,其中,上述目标信息包括图片信息与文本信息;根据预先建立的图文相关判断模型,确定上述目标信息中的图片信息与文本信息是否相关,其中,上述图文相关判断模型用于判断图片信息和文本信息是否相关;输出判断结果。

在一些实施例中,上述根据预先建立的图文相关判断模型,确定上述目标信息中的图片信息与文本信息是否相关,包括:提取上述图片信息和上述文本信息的特征,得到第一特征向量和第二特征向量,其中,上述第一特征向量对应上述图片信息,上述第二特征向量对应上述文本信息;对上述第一特征向量以及上述第二特征向量进行处理,使得处理后的第一特征向量和第二特征向量的长度相同;拼接处理后的第一特征向量和处理后的第二特征向量,得到拼接向量;根据上述拼接向量,确定上述目标信息中的图片信息与文本信息是否相关。

在一些实施例中,上述文本信息包括至少一个字符;以及上述提取上述图片和上述文本信息的特征,得到第一特征向量和第二特征向量,包括:提取上述至少一个字符的特征,得到至少一个第三特征向量;提取得到的至少一个第三特征向量的特征,得到上述第二特征向量。

在一些实施例中,上述提取上述图片信息和上述文本信息的特征,得到第一特征向量和第二特征向量,包括:提取上述图片信息的特征,得到至少一个特征图;提取上述至少一个特征图的特征,得到第一特征向量。

在一些实施例中,上述方法还包括以下至少一项:删除上述文本信息中的符号,对删除符号后的文本信息进行分词;将上述图片信息的格式信息修改为预设的格式信息;将上述图片信息中的的尺寸信息调整为预设的尺寸信息。

在一些实施例中,上述方法还包括:响应于确定上述目标信息中图片与文本信息不相关,确定发布上述目标信息的用户的用户标识;向上述用户标识指示的用户所使用的终端发送预设的警示信息。

在一些实施例中,上述图文相关判断模型通过以下步骤训练得到:获取训练样本集合,其中,训练样本包括样本图片信息、样本文本信息以及样本图片信息与样本文本信息是否相关的标注结果;将上述训练样本集合中的样本图片信息和样本文本信息作为输入,将所输入的样本图片信息与所输入的样本文本信息是否相关的标注结果作为期望输出,训练得到上述图文相关判断模型。

第二方面,本申请实施例提供了一种用于输出信息的装置,包括:获取单元,被配置成获取目标信息,其中,上述目标信息包括图片信息与文本信息;判断单元,被配置成根据预先建立的图文相关判断模型,确定上述目标信息中的图片信息与文本信息是否相关,其中,上述图文相关判断模型用于判断图片信息和文本信息是否相关;输出单元,被配置成输出判断结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910251157.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top