[发明专利]评论信息排序方法、装置、存储介质及服务器在审

专利信息
申请号: 202010093459.6 申请日: 2020-02-14
公开(公告)号: CN111310079A 公开(公告)日: 2020-06-19
发明(设计)人: 周宇超;康斌;王皓;刘智静;黄义棚 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/9538 分类号: G06F16/9538
代理公司: 深圳翼盛智成知识产权事务所(普通合伙) 44300 代理人: 汪阮磊
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 评论 信息 排序 方法 装置 存储 介质 服务器
【权利要求书】:

1.一种评论信息排序方法,其特征在于,包括:

获取已发表内容的多条评论信息、以及每条所述评论信息的用户互动信息,所述评论信息包括评论内容和评论时间;

根据所述评论信息、所述用户互动信息和所述已发表内容确定每条所述评论信息的热度值;

根据所述评论时间确定每条所述评论信息的时间衰减值;

根据所述热度值和时间衰减值对所述多条评论信息进行排序。

2.根据权利要求1所述的评论信息排序方法,其特征在于,所述根据所述评论信息、所述用户互动信息和所述已发表内容确定每条所述评论信息的热度值,包括:

根据所述评论内容和所述已发表内容确定每条所述评论信息的内容特征;

根据所述用户互动信息确定每条所述评论信息的互动特征;

根据所述互动特征和所述内容特征确定每条所述评论信息的热度值。

3.根据权利要求2所述的评论信息排序方法,其特征在于,所述根据所述评论内容和所述已发表内容确定每条所述评论信息的内容特征,包括:

确定每条所述评论内容和所述已发表内容之间的相关度;

确定每条所述评论内容中的实体词数量、以及每条所述评论内容的字符长度;

将所述相关度、所述实体词数量和所述字符长度作为对应评论信息的内容特征。

4.根据权利要求3所述的评论信息排序方法,其特征在于,所述确定每条所述评论内容和所述已发表内容之间的相关度,包括:

基于预设的主题模型确定每条所述评论内容对应的第一主题向量、以及所述已发表内容对应的第二主题向量;

确定所述第二主题向量和每个所述第一主题向量之间的分布距离,以得到对应评论内容和所述已发表内容之间的相关度。

5.根据权利要求2所述的评论信息排序方法,其特征在于,所述用户互动信息包括对所述评论信息的点赞次数、以及由所述评论信息引出的回复次数和点赞次数,所述根据所述用户互动信息确定每条所述评论信息的互动特征,包括:

根据所述由所述评论信息引出的回复次数确定所述评论信息的评论树复杂度;

根据所述由所述评论信息引出的点赞次数确定所述评论信息的评论树点赞次数;

将所述对所述评论信息的点赞次数、所述评论树复杂度和所述评论树点赞次数作为对应评论信息的互动特征。

6.根据权利要求2所述的评论信息排序方法,其特征在于,所述评论信息还包括评论用户,在根据所述互动特征和所述内容特征确定每条所述评论信息的热度值之前,还包括:

确定网络用户集中每个网络用户相对其他网络用户的历史互动信息,所述网络用户集中包括所述评论用户;

根据所述历史互动信息确定每个所述评论用户的用户特征;

所述根据所述互动特征和所述内容特征确定每条所述评论信息的热度值,包括:根据所述用户特征、所述互动特征和所述内容特征确定每条所述评论信息的热度值。

7.根据权利要求6所述的评论信息排序方法,其特征在于,所述根据所述用户特征、所述互动特征和所述内容特征确定每条所述评论信息的热度值,包括:

对所述用户特征、所述互动特征和所述内容特征分别进行对数化处理;

利用极小极大值法,对对数化处理后的所述用户特征、所述互动特征和所述内容特征进行归一化处理,得到归一化数值;

根据预设加权值,对每条所述评论信息对应的归一化数值进行加权求和处理,得到对应热度值。

8.根据权利要求6所述的评论信息排序方法,其特征在于,所述历史互动信息包括历史总点赞次数,所述根据所述历史互动信息确定每个所述评论用户的用户特征,包括:

对每个所述网络用户对应的历史总点赞次数进行累加,得到网络总点赞次数;

根据每个所述网络用户对应的历史总点赞次数,对所述网络用户进行排序;

根据所述网络总点赞次数和排序后的所述网络用户,确定每个所述评论用户所属的用户等级;

根据每个所述评论用户所属的用户等级,确定对应的点赞权重值,并将所述点赞权重值作为用户特征。

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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/202010093459.6/1.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