CN117725149A - 内容反馈的查询方法、装置及设备 - Google Patents
内容反馈的查询方法、装置及设备 Download PDFInfo
- Publication number
- CN117725149A CN117725149A CN202211104824.4A CN202211104824A CN117725149A CN 117725149 A CN117725149 A CN 117725149A CN 202211104824 A CN202211104824 A CN 202211104824A CN 117725149 A CN117725149 A CN 117725149A
- Authority
- CN
- China
- Prior art keywords
- content
- query
- search
- complaint
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 239000013598 vector Substances 0.000 claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims description 100
- 230000011218 segmentation Effects 0.000 claims description 30
- 230000004044 response Effects 0.000 claims description 21
- 230000008451 emotion Effects 0.000 claims description 16
- 230000008909 emotion recognition Effects 0.000 claims description 9
- 239000002131 composite material Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 19
- 238000003860 storage Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 14
- 238000000605 extraction Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000009193 crawling Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种内容反馈的查询方法、装置及设备，涉及计算机技术领域。该方法包括：针对获取到的查询请求进行类型判断，得到查询类型，其中，查询请求包含搜索内容；若查询类型为文本搜索，则对查询请求进行精准度识别，得到查询请求的精准度；基于精准度对查询请求进行匹配处理，得到搜索内容对应的主观数据和客观数据；若查询类型为图片搜索，则获取目标图片的目标向量，其中，图片搜索对应的查询请求包含目标图片；基于目标向量进行向量检索处理，得到搜索内容对应的主观数据和客观数据；根据主观数据和客观数据进行联合统计，得到查询请求的目标反馈结果。该方法可以提升推荐内容的反馈情况的获取效率和数据准确度。
Description
技术领域
本申请涉及计算机技术领域，特别涉及一种内容反馈的查询方法、装置及设备。
背景技术
互联网广告的出现使得广告主能够使用更多的广告投放途径对商品或服务进行推广。在广告内容被投放至广告平台后，广告主或广告平台需要根据广告内容投放后的反馈情况进行后续分析。
相关技术中，广告主或广告平台通过拉取广告内容在广告平台上的日志表，通过对日志表中的原始数据进行统计分析，从而确定广告内容的反馈情况，例如，确定广告内容的曝光率、点击率、转化率等。
然而，上述广告内容的反馈情况的获取过程存在效率低下，反馈数据单一的问题。
发明内容
本申请实施例提供了一种内容反馈的查询方法、装置及设备，可以提升推荐内容的反馈情况的获取效率。所述技术方案如下：
一方面，提供了一种内容反馈的查询方法，所述方法包括：
针对获取到的查询请求进行类型判断，得到查询类型，其中，所述查询请求包含搜索内容，所述查询类型包含文本搜索和图片搜索；
若所述查询类型为所述文本搜索，则对所述查询请求进行精准度识别，得到所述查询请求的精准度；
基于所述精准度对所述查询请求进行匹配处理，得到所述搜索内容对应的主观数据和客观数据，所述主观数据用于指示接收所述搜索内容对应的候选推荐内容的账号对所述候选推荐内容的个体评价，所述客观数据用于指示指定群体对所述候选推荐内容关联的事件的综合评价；
若所述查询类型为所述图片搜索，则获取目标图片的目标向量，其中，所述图片搜索对应的查询请求包含所述目标图片；
基于所述目标向量进行向量检索处理，得到所述搜索内容对应的主观数据和客观数据；
根据所述主观数据和所述客观数据进行联合统计，得到所述查询请求的目标反馈结果。
另一方面，提供了一种内容反馈的查询方法，所述方法包括：
显示查询界面，所述查询界面用于查询推荐内容在历史时段内的推荐反馈数据；
接收在所述查询界面中对搜索内容的查询操作，所述查询操作指示对所述搜索内容进行匹配，确定与所述搜索内容之间存在匹配关系的候选推荐内容，并获取所述候选推荐内容对应的客观数据和主观数据；
显示所述候选推荐内容对应的目标反馈结果；其中，所述目标反馈结果是通过所述候选推荐内容对应的所述客观数据和所述主观数据确定的，所述客观数据用于指示指定群体对与所述候选推荐内容关联的事件的综合评价，所述主观数据用于指示接收所述候选推荐内容的账号对所述候选推荐内容的个体评价。
另一方面，提供了一种内容反馈的查询装置，所述装置包括：
第一确定模块，用于针对获取到的查询请求进行类型判断，得到查询类型，其中，所述查询请求包含搜索内容，所述查询类型包含文本搜索和图片搜索；
第一处理模块，用于识别模块，用于若所述查询类型为所述文本搜索，则对所述查询请求进行精准度识别，得到所述查询请求的精准度；
所述第一处理模块，还用于基于所述精准度对所述查询请求进行匹配处理，得到所述搜索内容对应的主观数据和客观数据，所述主观数据用于指示接收所述搜索内容对应的候选推荐内容的账号对所述候选推荐内容的个体评价，所述客观数据用于指示指定群体对所述候选推荐内容关联的事件的综合评价；
第二处理模块，用于若所述查询类型为所述图片搜索，则获取目标图片的目标向量，其中，所述图片搜索对应的查询请求包含所述目标图片；
所述第二处理模块，还用于基于所述目标向量进行向量检索处理，得到所述搜索内容对应的主观数据和客观数据；
第二确定模块，用于根据所述主观数据和所述客观数据进行联合统计，得到所述查询请求的目标反馈结果。
另一方面，提供了一种内容反馈的查询装置，所述装置包括：
显示模块，用于显示查询界面，所述查询界面用于查询推荐内容在历史时段内的推荐反馈数据；
接收模块，用于接收在所述查询界面中对搜索内容的查询操作，所述查询操作指示对所述搜索内容进行匹配，确定与所述搜索内容之间存在匹配关系的候选推荐内容，并获取所述候选推荐内容对应的客观数据和主观数据；
所述显示模块，还用于显示所述候选推荐内容对应的目标反馈结果；其中，所述目标反馈结果是通过所述候选推荐内容对应的客观数据和主观数据确定的，所述客观数据用于指示指定群体对与所述候选推荐内容关联的事件的综合评价，所述主观数据用于指示接收所述候选推荐内容的账号对所述候选推荐内容的个体评价。
另一方面，提供了一种计算机设备，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现本申请实施例中任一所述的内容反馈的查询方法。
另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现本申请实施例中任一所述的内容反馈的查询方法。
另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中任一所述的内容反馈的查询方法。
本申请的提供的技术方案至少包括以下有益效果：
在需要获取搜索内容对应的内容反馈情况时，根据查询请求指示的搜索内容确定搜索内容对应的查询类型，当确定搜索内容对应的查询类型为文本搜索时，根据查询请求对应的精准度进行确认，并基于精准度获取搜索内容对应的主观数据和客观数据，当确定搜索内容对应的查询类型为图片搜索时，则获取所搜索的图片对应的目标向量，基于目标向量进行检索，并获取搜索内容对应的主观数据和客观数据，通过搜索内容对应的主观数据和客观数据进行联合统计，从而得到查询请求对应的反馈结果。即，该方法通过提供的查询系统实现自动化地对推荐内容的反馈情况进行查询，提升了推荐内容的反馈情况的获取效率，并根据不同的查询类型以及精准度来提供不同的数据反馈，能够提升反馈结果的准确度，同时，通过将综合评价和个体评价进行结合，提升了反馈结果的多样性，从而丰富下游进行结果分析时所使用数据的多样性，提高对内容反馈情况的分析效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一个示例性实施例提供的实施环境的示意图；
图2是本申请一个示例性实施例提供的内容反馈的查询方法的流程图；
图3是本申请一个示例性实施例提供的历史时段设置的界面示意图；
图4是本申请一个示例性实施例提供的主观数据的显示示意图；
图5是本申请一个示例性实施例提供的内容反馈的查询方法的流程图；
图6是本申请一个示例性实施例提供的精确查询控件的示意图；
图7是本申请一个示例性实施例提供的检索服务的流程图；
图8是本申请一个示例性实施例提供的目标反馈结果的显示示意图；
图9是本申请一个示例性实施例提供的内容反馈的查询方法的流程图；
图10是本申请一个示例性实施例提供的投诉统计结果的示意图；
图11是本申请一个示例性实施例提供的广告反馈的查询的模块分布示意图；
图12是本申请一个示例性实施例提供的内容反馈的查询装置结构框图；
图13是本申请一个示例性实施例提供的内容反馈的查询装置结构框图；
图14是本申请一个示例性实施例提供的内容反馈的查询装置结构框图；
图15是本申请一个示例性实施例提供的内容反馈的查询装置结构框图；
图16是本申请一个示例性实施例提供的终端的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先，对本申请方法的应用场景进行示意性说明，该方法可以应用于如下场景中的至少一种：
第一种：应用于内容投放方的查询业务，例如，广告推广反馈的查询。示意性的，广告主或广告平台的审核人员通过第一应用进入查询界面，其中，第一应用是广告平台提供的面向广告主或审核人员的后台数据查询应用，通过在查询界面中进行广告内容的查询，从而得到广告内容对应的目标反馈结果。广告主可以根据广告分析报告确定是否需要对广告内容继续进行竞价以获取投放资源，审核人员则可以根据目标反馈结果确定是否需要在广告平台中下架该广告内容。
第二种：应用于内容获取方的查询业务。示意性的，内容获取方通过第二应用进入查询界面，其中，第二应用是内容推送平台提供给内容获取方的内容浏览应用，通过查询界面中进行指定内容的查询，从而使得内容获取方在获取指定内容的同时，通过指定内容对应的目标反馈结果了解到指定内容所对应的综合评价以及个体评价。
值得注意的是，上述仅对本申请方法的应用根据进行举例说明，该方法还可以应用于其它内容推荐反馈的查询场景中，在此不进行限定。
请参考图1，其示出了本申请一个示例性实施例提供的实施环境的示意图。该实施环境的计算机系统中包括：终端设备、服务器120和通信网络130，其中，终端设备包括第一终端111和第二终端112。
终端设备包括手机、平板电脑、台式电脑、便携式笔记本电脑、智能语音交互设备、智能家电、车载终端、飞行器等多种形式的设备。
第一终端111中运行有第一应用，第一应用提供有内容推荐的反馈查询服务，第一用户可以通过第一应用查询内容推荐平台中所投放的推荐内容对应的反馈情况。
第二终端112中运行有第二应用，第二应用提供有内容推荐服务，第二用户可以通过第二应用对内容推荐平台所提供的推荐内容进行浏览。示意性的，第二用户通过第二应用接收到推荐内容后，第二用户对推荐内容的操作在被充足授权的情况下，被记录在内容推荐平台的服务器120中。
服务器120用于为内容推荐平台的内容推荐服务以及反馈查询服务提供后端支持。示意性的，服务器120对向第二终端112进行内容推荐的推荐情况记录在内容日志中。同时，服务器120以指定频率获取公开网页中的网页数据，并根据网页数据进行整理分析，得到客观数据。
在服务器120接收到第一终端111发送的查询请求时，服务器120根据查询请求中携带的搜索内容在内容日志中进行匹配，确定出与搜索内容对应的客观数据和主观数据，根据客观数据和主观数据确定目标反馈结果，将目标反馈结果反馈至第一终端111，第一终端111中将得到的目标反馈结果显示在第一应用提供的查询界面上。
值得注意的是，上述对候选推荐内容对应的客观数据和主观数据的联合统计过程也可以由服务器120实现，在此不进行具体限定。
可选地，上述第一应用和第二应用可以是同一应用或是同一平台提供的不同应用，当第一应用和第二应用是同一应用时，第一应用和第二应用可以是在同一应用上通过不同权限的账号登录后的应用，或者，第二应用为主应用，第一应用是第二应用上的功能模块或功能组件。可选地，第一应用和第二应用可以是传统应用软件，可以是云应用软件，可以实现为宿主应用程序中的小程序或应用模块，也可以是某个网页平台，在此不进行限定。可选地，上述第二应用可以是电子商务应用、短视频应用、音频应用、小说应用、地图应用等，在此不进行具体限制。
可选地，上述服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云安全、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
其中，云技术(Cloud Technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。
在一些实施例中，上述服务器120还可以实现为区块链系统中的节点。区块链(Blockchain)是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。
示意性的，终端设备和服务器120之间通过通信网络130连接，其中，上述通信网络130可以是有线网络，也可以是无线网络，在此不进行限定。
请参考图2，其示出了本申请一个实施例示出的内容反馈的查询方法，在本申请实施例中，以该方法应用于如图1所示的第一终端111中为例进行说明，该方法包括：
步骤210，显示查询界面。
示意性的，上述查询界面用于查询推荐内容在历史时段内的推荐反馈数据。
在本申请实施例中，上述查询界面是第一应用提供的应用界面。示意性的，上述第一应用是内容推荐平台提供给第一用户的用于查询推荐内容的推荐反馈情况的应用。可选地，上述第一用户可以是在内容推荐平台上进行内容投放的用户，也可以是内容推荐平台的管理人员。
可选地，上述推荐内容可以是文本内容、图像内容、视频内容和音频内容中的至少一种。
可选地，上述历史时段可以是第一用户通过第一终端设置的时间段；或者，上述历史时段可以是系统指定的时间段。
在一些实施例中，当历史时段是通过终端设置的时间段时，查询界面中提供有时段设置控件，通过上述时段设置控件可以对历史时段的起止时间进行配置。在一个示例中，如图3所示，其示出本申请一个示例性实施例提供的历史时段设置的界面示意图，在查询界面300中提供有时段设置控件310，其中，时段设置控件310包括起始时间子控件311和结束时间子控件312，通过起始时间子控件311可以配置所查询的历史时段的开始时间，通过结束时间子控件312可以配置所查询的历史时段的结束时间。
步骤220，接收在查询界面中对搜索内容的查询操作。
示意性的，上述查询操作指示以目标查询模式在内容日志中对搜索内容进行匹配，确定与搜索内容之间存在匹配关系的候选推荐内容，并获取候选推荐内容对应的客观数据和主观数据，目标查询模式用于指示所述搜索内容与候选推荐内容之间的匹配度。
可选地，搜索内容可以是文本内容、图片内容和语音内容中的至少一种。
在一些实施例中，查询界面中提供有输入框，通过该输入框可以对文本内容进行输入。即，在查询界面中提供的输入框中接收对文本内容的输入操作；在查询界面中提供的查询控件上接收对文本内容的查询操作。
在一些实施例中，查询界面中提供有图片上传控件，通过该图片上传控件可以对图片内容进行上传。即，在查询界面中提供的图片上传控件上接收对图片内容的上传操作；在查询界面中提供的查询控件上接收对图片内容的查询操作。
在一些实施例中，查询界面中提供有录音控件，通过该录音控件可以对语音内容进行上传。即，在查询界面中提供的录音控件上接收对语音内容的输入操作；在查询界面中提供的查询控件上接收对语音内容的查询操作。
可选地，在通过查询控件触发查询操作时，可以通过对查询控件的点击操作、长按操作、双击操作等中的至少一种操作实现。
可选地，上述查询操作除了可以通过查询控件实现之外，还可以通过预设快捷键实现，例如，当第一终端接收到“回车”快捷键的输入操作时，触发对搜索内容的查询操作。
在一些实施例中，上述内容日志收录的推荐内容的范围与第一应用中登录的查询账号的账号权限关联。在一个示例中，当第一应用中登录的查询账号是管理员账号时，则上述内容日志收录的内容可以是内容推荐平台中所有推荐内容，或是内容推荐平台中当前处于投放状态的推荐内容。在另一个示例中，当第一应用中登录的查询账号是内容投放方的投放账号时，则上述内容日志收录的内容可以是该投放账号在内容推荐平台上历史投放的推荐内容。
示意性的，上述客观数据用于指示指定群体对与候选推荐内容关联的事件的综合评价，在一个示例中，上述事件可以是互联网中的热点事件；上述主观数据用于指示接收账号对候选推荐内容的个体评价。上述接收账号是在历史时段内接收候选推荐内容的账号。
在一些实施例中，上述事件可以是服务器根据指定频率对公开网页中的热点内容进行爬取后整理得到的内容；或者，上述事件也可以是服务器从公开网页中爬取得到的搜索量榜单中搜索词条确定的内容。示意性的，服务器对获取得到的事件设置对应的事件标识并对应存储至事件数据库，以便下游相关数据的获取。
在一些实施例中，为保证事件的新鲜度，服务器根据指定周期更新事件数据库中的数据。
示意性的，在确定候选推荐内容关联的事件时，可以通过计算候选推荐内容和事件库中的候选事件之间的关联度，当候选推荐内容和候选事件之间的关联度达到指定关联阈值时，将该候选事件确定为候选推荐内容关联的事件。可选地，在确定候选推荐内容和候选事件之间的关联度时，可以通过计算候选推荐内容和候选事件之间的语义相似度来确定。
在一些实施例中，第一应用在接收到查询操作后，根据查询操作生成查询请求，该查询请求中包括搜索内容，第一应用将上述查询请求发送至服务器，由服务器根据查询请求从内容日志确定与搜索内容匹配的候选推荐内容。
示意性的，服务器在确定搜索内容对应的候选推荐内容之后，从内容日志对应的第一数据库中获取候选推荐内容对应的客观数据，从内容日志对应的第二数据库中获取候选推荐内容对应的主观数据。
在一些实施例中，候选推荐内容对应有内容标签，根据内容标签确定与候选推荐内容对应的事件，并根据上述事件获取对应的客观数据。在一些实施例中，上述客观数据是服务器对通过爬虫技术从公开网页中爬取得到的网页内容进行分析整理得到的数据。在一些实施例中，在通过爬虫技术实现网页内容获取时，为了更加针对性地获取网页内容，可以通过设置关键词，即，仅获取公开网页中与关键词关联的网页内容。
在一些实施例中，候选推荐内容对应有内容标识，服务器根据内容标识从第二数据库中获取候选推荐内容对应的主观数据，其中，上述主观数据是服务器在通过第二应用向第二终端进行内容推荐时记录的流水日志中得到的数据；和/或，是在得到接收账号的充分授权的情况下，服务器从第二终端上传的接收账号对推荐内容的操作数据中得到的数据。
可选地，主观数据包括推荐内容的曝光量、转化量、点击量/浏览量、收藏量、点赞量、举报量、非兴趣标注量、投放资源消耗等数据中的至少一种。其中，曝光量用于指示推荐内容被推送至接收账号的次数；转化量用于指示推荐内容在被点击后并产生资源转换(例如，产生购买行为等)的次数；点击量/浏览量指示推荐内容被接收账号点击/浏览的次数；收藏量指示推荐内容被接收账号收藏的数量；点赞量指示推荐内容被接收账号点赞的数量；举报量指示推荐内容被接收账号举报的数量；非兴趣标注量指示推荐内容被接收账号标注为非兴趣内容的数量；投放资源消耗指示推荐内容在内容推荐平台进行推广时所消耗的资源，例如，投入资金的消耗。
示意性的，上述目标查询模式包括精确查询模式和模糊查询模式，其中，精确查询模式查询到的候选推荐内容对应的内容集合和搜索内容之间的匹配度，高于模糊查询模式查询到的候选推荐内容对应的内容集合和搜索内容之间的匹配度。在一些实施例中，模糊查询模式下查询到的多个候选推荐内容中包括精确查询模式下查询到的多个候选推荐内容。
在一个示例中，上述精确查询模式和模糊查询模式的设置通过查询界面中的精确查询控件指示，示意性的，当精确查询控件开启时，确定启用精确查询模式，当精确查询控件关闭时，确定启用模糊查询模式。
步骤230，显示候选推荐内容对应的目标反馈结果。
示意性的，上述目标反馈结果是通过候选推荐内容对应的客观数据和主观数据确定的。
在一些实施例中，目标反馈结果中包括由客观数据得到的数据。可选地，目标反馈结果中包括与候选推荐内容对应的事件、上述事件对应的评价内容。可选地，上述事件对应的评价内容可以是通过爬取统计得到的，指定网页中评价热度达到指定热度阈值的内容，例如，获取多个公开网页中上述事件对应的多个评价内容，对上述多个评价内容按照点赞数量进行排序，将点赞数量最高的前N个评价内容在目标反馈结果中进行显示。
在一些实施例中，目标反馈结果中包括由主观数据得到的数据。可选地，目标反馈结果中包括与候选推荐内容对应的曝光量、转化量、点击量/浏览量、收藏量、点赞量、举报量、非兴趣标注量、投放资源消耗等数据中的至少一种主观数据。
可选地，在对目标反馈结果中的主观数据进行显示时，除了显示候选推荐内容对应的主观数据之外，还可以显示大盘反馈数据。其中，上述大盘反馈数据用于指示内容推荐平台中所有推荐内容对应的主观数据。例如，目标反馈结果在显示候选推荐内容对应的曝光量时，可以对应显示大盘曝光量。可选地，也可以显示候选推荐内容所对应的类别下的推荐内容的主观反馈数据，以用于与候选推荐内容的主观数据进行对比。可选地，还可以显示其他内容推荐平台中与搜索内容匹配的推荐内容的主观反馈数据，值得注意的是，上述其他内容推荐平台上获取的主观反馈数据是通过公开平台提供的公开数据获取的，其对数据的获取和使用均是得到授权且合法的。
在一个示例中，如图4所示，其示出了本申请一个示例性实施例提供的主观数据的显示示意图，在查询界面400中显示有通过对搜索内容401进行查询得到的目标反馈结果，其中，在该目标反馈结果中包括上述搜索内容401经过匹配得到的候选推荐内容的第一数量信息411、内容推荐平台内中的所有推荐内容对应的第二数量信息412以及其他平台对应的匹配推荐内容的第三数量信息413；该目标反馈结果中还包括上述候选推荐内容对应的第一曝光量421、上述所有推荐内容对应的第二曝光量422以及其他平台对应的匹配推荐内容对应的第三曝光量423；该目标反馈结果中还包括上述候选推荐内容对应的第一投放资源消耗信息431以及内容推荐平台内所有推荐内容对应的第二投放资源消耗信息432；该目标反馈结果中还包括上述候选推荐内容对应的第一点击率441以及内容推荐平台内所有推荐内容对应的第二点击率442；该目标反馈结果中还包括上述候选推荐内容对应的第一投诉信息451以及内容推荐平台内所有推荐内容对应的第二投诉信息452。
在一些实施例中，上述目标反馈结果的生成过程可以是由第一终端执行的，也可以是由服务器完成的，即，服务器根据客观数据和主观数据进行联合统计，得到目标反馈结果，将上述目标反馈结果发送至第一终端，第一终端对上述目标反馈结果进行显示。
综上所述，本申请实施例提供的内容反馈的查询方法，在查询界面中对推荐内容的反馈情况进行查询时，通过获取搜索内容所匹配的候选推荐内容的客观数据和主观数据来生成对应的目标反馈结果，即，通过查询界面快速查询推荐内容的推荐反馈数据，提升了推荐内容的反馈情况的获取效率，同时，通过将综合评价和个体评价进行结合，提升了内容推荐的反馈信息的多样性，从而丰富下游进行结果分析时所使用数据的多样性，提高对内容推荐反馈情况的分析效率。
请参考图5，其示出了本申请一个实施例示出的内容反馈的查询方法，在本申请实施例中，以该方法应用于如图1所示的服务器120中为例进行说明，该方法包括：
步骤510，针对获取到的查询请求进行类型判断，得到查询类型。
示意性的，上述查询请求为第一终端发送的请求，查询请求中包括搜索内容，搜索内容用于从内容日志中查询得到具有匹配关系的候选推荐内容。
可选地，查询类型包括文本搜索和图片搜索。针对不同查询类型的查询请求，服务器将搜索内容输入至不同的查询服务中进行处理，示意性的，若查询类型为文本搜索，则输入文本搜索服务中，若查询类型为图片搜索，则输入图片搜索服务中。
示意性的，服务器根据搜索内容对应的内容类型确定查询类型。可选地，搜索内容可以是文本内容、图片内容和语音内容中的至少一种。
在一些实施例中，当确定搜索内容是文本内容时，确定该查询请求对应的查询类型为文本搜索，并将文本内容输入至文本搜索服务中。当确定搜索内容是语音内容时，确定该查询请求对应的查询类型为文本搜索，示意性的，服务器对语音内容进行语音转文字处理，得到语音内容对应的文本内容，将上述文本内容输入至文本搜索服务中。
当确定搜索内容是图片内容时，确定该查询请求对应的查询类型为图片搜索，并将图片内容输入至图片搜索服务中。
在一些实施例中，上述搜索内容也可以通过多种不同内容类型的内容组合得到，当搜索内容中包括多种不同内容类型的内容时，服务器将搜索内容按照内容类型进行划分，得到多个子搜索内容，将各个子内容输入至内容类型所对应的查询类型下的查询服务中。
步骤520，若查询类型为文本搜索，则对查询请求进行精准度识别，得到查询请求的精准度。
在本申请实施例中，针对文本搜索对应有不同的搜索精准度需求。在一些实施例中，查询请求中还包括查询模式，上述查询模式包含精确查询模式和模糊查询模式。示意性的，响应于查询模式为精确查询模式，确定查询请求对应的精准度为第一精准度；响应于查询模式为模糊查询模式，确定查询请求对应的精准度为第二精准度；其中，第一精准度高于第二精准度。
在一些实施例中，服务器针对精确查询模式提供有精确查询服务，针对模糊查询模式提供有模糊查询服务。
示意性的，第一终端在指示对搜索内容进行查询时，可以对查询模式进行指示，即，第一终端根据用户对查询模式的设置情况在查询请求中。
在一个示例中，如图6所示，其示出了本申请一个示例性实施例提供的精确查询控件610的示意图，在查询界面中提供的搜索区域600中，包括输入框620以及精确查询控件610。当精确查询控件610处于开启状态时，确定使用精确查询服务，即，查询请求中指示精确查询模式；当精确查询控件610处于关闭状态时，确定使用模糊查询服务，即，查询请求中指示模糊查询模式。
在一些实施例中，查询请求中携带有精确查询控件的状态标识，其中，该状态标识用于指示查询界面中的精确查询控件状态。在一个示例中，该状态标识可以是0/1标识，当状态标识为“0”时，则指示精确查询控件处于关闭状态，即，确定启用模糊查询模式；当状态标识为“1”时，则指示精确查询控件处于开启状态，即，确定启用精确查询模式。
在另一些实施例中，精确查询模式或模糊查询模式的应用由后台决定。示意性的，服务器在根据搜索内容在内容日志中进行匹配时，先启用精确查询模式，当确定在精确查询模式下匹配得到的候选推荐内容的数量未达到查询阈值时，启用模糊查询模式对候选推荐内容进行补充。可选地，上述查询阈值可以是系统预设的，也可以是通过查询界面设置的。示意性的，根据服务器最终使用的查询模式，在查询界面中显示目标反馈结果时显示是精确查询模式还是模糊查询模式的查询结果。
步骤530，基于精准度对查询请求进行匹配处理，得到搜索内容对应的主观数据和客观数据。
在一些实施例中，精确查询模式通过第一匹配方式在内容日志中的推荐内容中确定出候选推荐内容，并在内容日志中获取候选推荐内容对应的主观数据和客观数据；模糊查询模式通过第二匹配方式在内容日志中的推荐内容中确定出候选推荐内容，并在内容日志中获取候选推荐内容对应的主观数据和客观数据。示意性的，上述客观数据用于指示指定群体对与候选推荐内容关联的事件的综合评价，在一个示例中，上述事件可以是互联网中的热点事件；上述主观数据用于指示接收账号对候选推荐内容的个体评价，上述接收账号是接收候选推荐内容的账号。
示意性的，第一匹配方式指示将搜索内容作为完整的短语字符串来和内容日志中的推荐内容进行匹配。即，响应于确定查询请求对应的精准度为第一精准度，将搜索内容作为短语字符串，与内容日志中的推荐内容进行匹配，确定搜索内容与推荐内容之间的第一匹配度；将第一匹配度高于第一匹配阈值的推荐内容确定为候选推荐内容；获取候选推荐内容对应的主观数据和客观数据。
在一个示例中，当确定通过精确查询服务对上述文本内容进行查询时，采用字符串直接匹配的方式来从内容日志中确定出候选推荐内容。在一个示例中，精确查询子模块会根据文本内容在日志搜索(Elasticsearch)提供的索引中利用match_prase匹配规则进行候选推荐内容的搜索匹配。其中，Elasticsearch是一个分布式的开源搜索和分析引擎，适用于包括文本、数字、地理空间、结构化和非结构化数据等在内的所有类型的数据，Elasticsearch在速度和可扩展性方面都表现出色，而且还能够索引多种类型的内容。值得注意的是，在进行精确查询匹配时，也可以使用其它匹配规则，在此仅以match_prase为例进行示意性说明。
示意性的，第二匹配方式指示对搜索内容进行划分，从而以分词粒度来对搜索内容进行匹配。即，响应于确定查询请求对应的精准度为第二精准度，对至少一个候选分词进行分词编码，得到每个候选分词对应的分词编码表示；基于候选分词对应的分词编码表示确定搜索内容对应的第一文本特征表示；获取内容日志中各个推荐内容对应的第二文本特征表示；基于第一文本特征表示和第二文本特征表示之间的特征相似度确定搜索内容与所述推荐内容之间的第二匹配度；将第二匹配度高于第二匹配阈值的推荐内容确定为候选推荐内容；获取候选推荐内容对应的主观数据和客观数据。
示意性的，在对文本内容进行特征提取时，将文本内容进行分词，得到至少一个候选分词，对每个候选分词进行编码，得到每个候选分词对应的分词编码表示。当该文本内容包括多个分词时，可以通过将各个分词对应的分词编码表示进行连接，从而得到文本内容对应的文本特征表示。
可选地，在对文本内容进行分词时，可以使用正向最大匹配分词算法、逆向最大匹配分词算法、双向最大匹配分词算法、最少切分分词算法、N元统计模型等至少一种用于实现分词处理的算法。
在一个示例中，通过“结巴”(jieba)分词得到至少一个候选分词，将至少一个候选分词输入至双向编码转换模型(Bidirectional Encoder Representation fromTransformers，BERT)，通过BERT模型中的隐藏(Hidden)层输出作为文本内容的嵌入(embedding)向量，即，得到文本内容的文本特征表示。
在另一些实施例中，还可以根据文本内容的分字情况对文本内容进行特征提取。示意性的，对文本内容进行分字，得到至少一个候选分字，对每个候选分字进行编码，得到每个候选分字对应的分字编码表示。当该文本内容包括多个分字时，可以通过将各个分字对应的分字编码表示进行链接，从而得到文本内容对应的文本特征表示。
在另一些实施例中，还可以根据文本内容的分字情况和分词情况共同进行编码，示意性的，基于文本内容的分词情况获取文本内容对应的分词编码表示，基于文本内容的分词情况获取文本内容对应的分字编码表示，通过分词编码表示和分字编码表示进行字词特征融合，得到文本内容对应的字词融合表示，将该字词融合表示作为文本内容的文本特征表示。
在一个示例中，以分字为单位对目标文本内容进行字向量编码时，得到文本内容对应的第一维度的字向量编码表示；以分词为单位对文本内容进行词向量编码，得到文本内容对应的第二维度的第一词向量编码表示；将第二维度的第一词向量编码表示转换为第一维度的第二词向量编码表示；将字向量编码表示和第二词向量编码表示进行融合，得到字词融合表示。其中，在对分词进行编码之前，对文本内容对应的每个分词进行复制处理，即，将每个分词复制N次，上述N可以是文本内容中分字的数量。
可选地，在将字向量编码表示和第二词向量编码表示融合时，可以采用将字向量编码表示和第二词向量编码表示相加的形式，也可以采用将字向量编码表示和第二词向量编码表示相乘的形式。
可选地，上述特征相似度可以通过计算特征之间的欧式距离、余弦距离、马氏距离、汉明距离等中的至少一种距离来确定，在此不进行限制。
在一个示例中，将上述文本内容的文本特征表示输入至脸书AI相似度搜索(Facebook AI Similarity Search，Faiss)服务中进行向量检索，返回候选推荐内容对应的内容标识。
其中，通过第一匹配方式得到的候选推荐内容形成第一内容集合，通过第二匹配方式得到的候选推荐内容形成第二内容集合，第一内容集合和搜索内容之间的匹配度高于第二内容集合与搜索内容之间的匹配度。
步骤540，若查询类型为图片搜索，则获取目标图片的目标向量。
其中，图片搜索对应的查询请求包含目标图片。示意性的，服务器提供有图片搜索服务，图片搜索服务对搜索内容进行图片编码，得到目标图片的目标向量。
示意性的，将目标图片输入至预先训练得到的图像特征提取网络中，输出得到上述目标向量。可选地，上述图像特征提取网络可以是视觉几何群网络(Visual GeometryGroup Network，VGGNet)、深度残差网络(Deep residual network，ResNet)、卷积神经网络(Convolutional Neural Networks，CNN)、循环神经网络(Recurrent Neural Network，RNN)、Transformer等中的至少一种可以进行图像特征提取的神经网络。
在一个示例中，上述图像特征提取网络可以是VGG16模型，即，将目标图片输入至VGG16模型中，输出得到图片embedding向量。
步骤550，基于目标向量进行向量检索处理，得到搜索内容对应的主观数据和客观数据。
示意性的，获取内容日志中推荐内容对应的图像向量；通过目标向量与图像向量之间的特征相似度，确定从内容日志中的推荐内容中确定出至少一个候选推荐内容；获取候选推荐内容对应的主观数据和客观数据；其中，所述至少一个候选推荐内容中包括图片内容和视频内容中的至少一种。即，图片搜索服务实现以图搜图或以图搜视频的功能。
在一些实施例中，内容日志中的推荐内容对应的图像信息通过预先完成的特征提取处理，得到推荐内容对应的图像向量，并将上述推荐内容对应的图像向量进行对应存储。在进行图搜索时，将目标图片的目标向量和推荐内容对应的图像向量进行特征相似度计算，响应于目标向量和图像向量之间的特征相似度达到相似度阈值，将上述推荐内容确定为候选推荐内容。可选地，上述相似度可以通过计算特征之间的欧式距离、余弦距离、马氏距离、汉明距离等中的至少一种距离来确定，在此不进行限制。
在一个示例中，将上述目标向量输入至Faiss服务中进行向量检索，返回候选推荐内容对应的内容标识。
在另一些实施例中，在针对目标图片进行候选推荐内容的查询的过程中，除了针对图像形式的推荐内容的查询，还可以进行视频形式的推荐内容的查询。在一些实施例中，视频形式的推荐内容对应的图像帧经过特征提取处理，得到用于表征视频的图片向量。可选地，在针对视频的图像帧进行特征提取时，可以选择将视频中的所有图像帧进行编码，将得到的图片特征编码表示进行连接，以得到表征视频特征的编码表示；或者，为减少视频的图片编码表示对应的数据量，可以选择对视频中的关键帧进行编码，以得到用于表征视频的图片向量。
示意性的，服务器在确定搜索内容对应的候选推荐内容之后，从内容日志对应的第一数据库中获取候选推荐内容对应的客观数据，从内容日志对应的第二数据库中获取候选推荐内容对应的主观数据。
请参考图7，其示出了本申请一个示例性实施例提供的检索服务的流程图，该流程包括：710，前端输入搜索内容；720，判断搜索类型，若是文本搜索，执行731，若是图片搜索，执行741；731，判断是否精准查询，若是，执行732，若否，执行733；732，利用日志搜索中的短语匹配(match_phrase)进行搜索匹配；733，“结巴”分词；734，基于BERT模型获取隐藏层输出作为句子嵌入(embedding)向量；735，基于Faiss进行向量检索；741，利用VGG16模型获取图片嵌入(embedding)向量；742，基于Faiss进行以图搜图或以图搜视频；750，确定候选推荐内容后获取候选推荐内容的相关数据。
步骤560，根据主观数据和客观数据进行联合统计，得到查询请求的目标反馈结果。
其中，客观数据用于指示指定群体对与候选推荐内容关联的事件的综合评价，主观数据用于指示接收账号对候选推荐内容的个体评价，接收账号是在历史时段内接收候选推荐内容的账号。
在一些实施例中，服务器中包括统计服务，将候选推荐内容及对应的客观数据和主观数据输入至统计服务后，统计服务会根据指定的多个指标进行统计，从而得到目标反馈结果。
在一些实施例中，目标反馈结果中包括由客观数据得到的数据。可选地，目标反馈结果中包括与候选推荐内容对应的事件、上述事件对应的评价内容。
在一些实施例中，目标反馈结果中包括由主观数据得到的数据。可选地，目标反馈结果中包括与候选推荐内容对应的曝光量、转化量、点击量/浏览量、收藏量、点赞量、举报量、非兴趣标注量、投放资源消耗等数据中的至少一种主观数据。
在一些实施例中，目标反馈结果中还显示有查询结果对应的行业类别信息。示意性的，上述行业类型信息用于指示根据搜索内容进行查询确定的候选推荐内容所属的行业类别。可选地，在对行业类别信息进行展示时，可以选择显示所有候选推荐内容对应的行业类别，即，行业类别信息中可以显示有多个行业类别，上述多个行业类别可以根据对应的候选推荐内容的数量在总的候选推荐内容数量之中的占比来进行排序；或者，在对行业类别信息进行展示时，也可以仅显示候选推荐内容数量最多的行业类别，即，行业类别信息中只显示候选推荐内容数量最多的行业类别。
在一些实施例中，目标反馈结果中还可以对候选推荐内容进行显示。可选地，考虑检索到的候选推荐内容的数量较大，可以显示指定数量的部分候选推荐内容。
在一些实施例中，目标反馈结果中可以显示满足筛选条件的指定数量的候选推荐内容。示意性的，上述筛选条件可以是系统预设的，也可以是终端自定义的。在一个示例中，可以选择显示点击率最高的TOPN的候选推荐内容，N为正整数。
示意性的，请参考图8，其示出了本申请一个示例性实施例提供的目标反馈结果的显示示意图，在查询界面800中显示有通过对搜索内容801进行查询得到的目标反馈结果，其中，目标反馈结果中显示有上述搜索内容801经过匹配得到的候选推荐内容对应的行业类别信息810，以及候选推荐内容中投放资源消耗量最高的五个展示推荐内容820。
综上所述，本申请实施例提供的内容反馈的查询方法，在需要获取搜索内容对应的内容反馈情况时，根据查询请求指示的搜索内容确定搜索内容对应的查询类型，当确定搜索内容对应的查询类型为文本搜索时，根据查询请求对应的精准度进行确认，并基于精准度获取搜索内容对应的主观数据和客观数据，当确定搜索内容对应的查询类型为图片搜索时，则获取所搜索的图片对应的目标向量，基于目标向量进行检索，并获取搜索内容对应的主观数据和客观数据，通过搜索内容对应的主观数据和客观数据进行联合统计，从而得到查询请求对应的反馈结果。即，该方法通过提供的查询系统实现自动化地对推荐内容的反馈情况进行查询，提升了推荐内容的反馈情况的获取效率，并根据不同的查询类型以及精准度来提供不同的数据反馈，能够提升反馈结果的准确度，同时，通过将综合评价和个体评价进行结合，提升了反馈结果的多样性，从而丰富下游进行结果分析时所使用数据的多样性，提高对内容反馈情况的分析效率。
请参考图9，其示出了本申请一个示例性实施例提供的内容反馈的查询方法，在本申请实施例中，主观数据中还包括接收账号对候选推荐内容的投诉信息，其中，步骤941～步骤943执行于步骤230之后，该方法包括：
步骤941，在目标反馈结果中显示与投诉信息对应的投诉统计结果，投诉统计结果中包括被投诉内容对应的内容列表。
在本申请实施例中，投诉统计结果由候选推荐内容的投诉信息统计得到。示意性的，用户在通过第二终端接收内容推荐平台推送的推荐内容时，用户也可以对接收到的推荐内容进行投诉。
其中，上述投诉统计结果包括总投诉量、投诉率、投诉流量分布数据、投诉行业分布信息、投诉理由分布数据、被投诉内容中的至少一种数据。其中，投诉量用于指示候选推荐内容中接收到用户投诉的次数；投诉率用于指示候选推荐内容的被投诉次数与指定曝光量之间的比值，例如，百万次曝光量的投诉率；投诉流量分布数据用于指示候选推荐内容的推荐途径，例如，内容推荐平台中包括社交区域、电商区域、办公区域等，上述投诉流量分布数据用于指示不同区域中进行内容推荐时接收到的投诉量；上述投诉理由分布数据用于指示被投诉内容对应的投诉理由。
在一些实施例中，在显示候选推荐内容对应的投诉统计结果时，还可以对应显示大盘投诉数据。其中，上述大盘反馈数据用于指示内容推荐平台中所有推荐内容对应投诉信息。
在一个示例中，如图10所示，其示出了本申请一个示例性实施例提供的投诉统计结果的示意图，在查询界面1000中显示有通过对搜索内容进行查询得到的目标反馈结果，其中，该目标反馈结果中包括候选推荐内容对应的投诉统计结果。该投诉统计结果中包括候选推荐内容中的总投诉量1010、投诉率1020、投诉浏览分布数据1030、投诉行业分布信息1040、投诉理由分布数据1050以及五个投诉案例1060。
步骤942，响应于接收到从内容列表中对至少一个被投诉内容的选择操作，显示至少一个被投诉内容对应的综合评价，以及至少一个被投诉内容与事件之间的关联度。
在一些实施例中，内容列表中的被投诉内容可以通过内容标题以及内容标识来进行指示。
在一些实施例中，当被投诉内容的数量较多时，内容列表中可以仅显示部分被投诉内容，在一个示例中，将所有被投诉内容中投诉次数达到指定投诉阈值的被投诉内容显示在上述内容列表中。
示意性的，对被投诉内容进行特征提取处理，得到被投诉内容对应的第一特征表示。针对事件对应的第二特征表示，可以通过对事件对应的评价内容进行特征提取得到。可选地，可以将事件对应的多个评价内容按照点赞数量进行排序，将点赞数量最高的评价内容进行特征提取，得到事件对应的第二特征表示；或者，通过获取事件对应的多个评价内容，对多个评价内容分别进行特征提取，得到评价内容对应的评价特征表示，对多个评价内容分别对应的评价特征表示进行聚类，得到多个评价特征表示对应的聚类簇，将聚类簇中作为聚类中心的评价特征表示确定为事件对应的第二特征表示。
在获取到被投诉内容的第一特征表示和事件的第二特征表示后，将第一特征表示和第二特征表示之间的特征相似度确定为被投诉内容与事件之间的关联度。可选地，上述相似度可以通过计算特征之间的欧式距离、余弦距离、马氏距离、汉明距离等中的至少一种距离来确定，在此不进行限制。
步骤943，响应于被投诉内容与事件之间的关联度达到关联度阈值，显示下架控件。
其中，上述下架控件用于将被投诉内容从推荐平台对应的推荐内容日志中删除。
可选地，上述关联度阈值可以是系统预设的，也可以是终端自定义的，在此不进行限制。
示意性的，响应于下架控件接收到触发操作，向服务器发送下架请求，该下架请求中包括被投诉内容对应的内容标识，服务器在接收到下架请求后，根据内容标识从内容日志中查询得到对应的推荐内容，将上述推荐内容从内容日志中删除，其中，上述内容日志中存储的推荐内容用于内容推荐平台向第二终端进行内容推荐。
在一些实施例中，在根据被投诉内容与事件之间的关联度来对投诉内容进行下架时，可以考虑事件对应的综合评价所传达的是正面情绪还是负面情绪。示意性的，响应于被投诉内容与事件之间的关联度达到关联度阈值，获取上述事件对应的综合评价内容，将综合评价内容输入至文本情绪识别模型中进行情绪识别，确定上述综合评价内容对应的评价情绪，响应于上述评价情绪是负面情绪，显示上述下架控件。
其中，上述综合评价内容是通过事件对应的多个评价内容进行提炼得到的评价内容。可选地，可以将事件对应的多个评价内容中热度最高的评价内容确定为上述事件的综合评价内容；或者，可以根据评价内容对应的发布账号的账号权重以及评价内容对应的热度计算评价内容对应的得分，根据上述得分对评价内容进行排序，从而得到评价内容列表，将评价内容列表中得分最高的评价内容作为上述综合评价内容。在一个示例中，当发布账号为官方媒体账号时，其对应的账号权重高于个人账号对应的账号权重，在针对不同级别的官方媒体账号中，还可以根据其对应的官方级别对其账号权重进行设置，在此不进行限定。
示意性的，上述文本情绪识别模型是通过样本数据预训练得到的，能够对文本所表达的正面情绪或负面情绪进行语义分类。
综上所述，本申请实施例提供的内容反馈的查询方法，在查询界面中对推荐内容的反馈情况进行查询时，通过获取搜索内容所匹配的候选推荐内容的客观数据和主观数据来生成对应的目标反馈结果，即，通过查询界面快速查询推荐内容的推荐反馈数据，提升了推荐内容的反馈情况的获取效率，同时，通过将综合评价和个体评价进行结合，提升了内容推荐的反馈信息的多样性，从而丰富下游进行结果分析时所使用数据的多样性，提高对内容推荐反馈情况的分析效率。
在一些实施例中，服务器通过数据离线更新模块对内容日志对应的第一数据库和第二数据库中的数据进行离线更新。可选地，数据离线更新模块以预设频率对第一数据库和第二数据库中的数据进行更新，在一个示例中，以天为更新频率进行更新。
示意性的，请参考图11，其示出了本申请一个示例性实施例提供的广告反馈的查询的模块分布示意图，其中包括数据离线更新模块1110和用户实时查询模块1120，其中，数据离线更新模块1110以天为更新频率获取客观数据1111和主观数据1112，其中，主观数据1112中包括广告投放数据1113和广告投诉数据1114。每天收集到的客观数据1111和主观数据1112会被输入Elastic数据库和Faiss服务1101，以对Elastic数据库和Faiss服务1101进行数据更新。用户实时查询模块1120中包括查询输入模块1121、Elastic数据检索和Faiss向量检索服务1122以及数据展示模块1123，其中，查询输入模块1121将接收到的搜索内容输入至Elastic数据检索和Faiss向量检索服务1122，由Elastic数据检索和Faiss向量检索服务1122向数据展示模块1123输出目标反馈结果，由数据展示模块1123对目标反馈结果进行显示，其中，Elastic数据检索和Faiss向量检索服务1122由Elastic数据库和Faiss服务1101进行更新。
请参考图12，其示出了本申请一个示例性的实施例提供的内容反馈的查询装置结构框图，该装置包括如下模块：
第一确定模块1210，用于针对获取到的查询请求进行类型判断，得到查询类型，其中，所述查询请求包含搜索内容，所述查询类型包含文本搜索和图片搜索；
第一处理模块1220，用于识别模块，用于若所述查询类型为所述文本搜索，则对所述查询请求进行精准度识别，得到所述查询请求的精准度；
所述第一处理模块1220，还用于基于所述精准度对所述查询请求进行匹配处理，得到所述搜索内容对应的主观数据和客观数据，所述主观数据用于指示接收所述搜索内容对应的候选推荐内容的账号对所述候选推荐内容的个体评价，所述客观数据用于指示指定群体对所述候选推荐内容关联的事件的综合评价；
第二处理模块1230，用于若所述查询类型为所述图片搜索，则获取目标图片的目标向量，其中，所述图片搜索对应的查询请求包含所述目标图片；
所述第二处理模块1230，还用于基于所述目标向量进行向量检索处理，得到所述搜索内容对应的主观数据和客观数据；
第二确定模块1240，用于根据所述主观数据和所述客观数据进行联合统计，得到所述查询请求的目标反馈结果。
在一些可选的实施例中，所述查询请求中还包括查询模式；
所述第一处理模块1220，还用于响应于所述查询模式为精确查询模式，确定所述查询请求对应的精准度为第一精准度；响应于所述查询模式为模糊查询模式，确定所述查询请求对应的精准度为第二精准度；其中，所述第一精准度高于所述第二精准度。
在一些可选的实施例中，如图13所示，所述第一处理模块1220，还包括：
第一匹配单元1221，用于响应于确定所述查询请求对应的精准度为第一精准度，将所述搜索内容作为短语字符串，与内容日志中的推荐内容进行匹配，确定所述搜索内容与所述推荐内容之间的第一匹配度；
第一确定单元1222，用于将所述第一匹配度高于第一匹配阈值的所述推荐内容确定为候选推荐内容；
第一获取单元1223，用于获取所述候选推荐内容对应的主观数据和客观数据。
在一些可选的实施例中，所述第一确定单元1222，还用于响应于确定所述查询请求对应的精准度为第二精准度，对所述搜索内容进行分词处理，得到所述搜索内容对应的至少一个候选分词；
所述第一确定单元1222，还用于对所述至少一个候选分词进行分词编码，得到每个候选分词对应的分词编码表示；
所述第一确定单元1222，还用于基于所述候选分词对应的分词编码表示确定所述搜索内容对应的第一文本特征表示；
所述第一获取单元1223，还用于获取内容日志中各个推荐内容对应的第二文本特征表示；
所述第一确定单元1222，还用于基于所述第一文本特征表示和所述第二文本特征表示之间的特征相似度确定所述搜索内容与所述推荐内容之间的第二匹配度；
所述第一确定单元1222，还用于将所述第二匹配度高于第二匹配阈值的所述推荐内容确定为候选推荐内容；
所述第一获取单元1223，还用于获取所述候选推荐内容对应的主观数据和客观数据。
在一些可选的实施例中，所述第二处理模块1230，还包括：
第二获取单元1231，用于获取内容日志中推荐内容对应的图像向量；
第二确定单元1232，用于通过所述目标向量与所述图像向量之间的特征相似度，确定从所述内容日志中的推荐内容中确定出至少一个候选推荐内容；
所述第二获取单元1231，用于获取所述候选推荐内容对应的主观数据和客观数据；
其中，所述至少一个候选推荐内容中包括图片内容和视频内容中的至少一种。
请参考图14，其示出了本申请一个示例性的实施例提供的内容反馈的查询装置结构框图，该装置包括如下模块：
显示模块1410，用于，用于显示查询界面，所述查询界面用于查询推荐内容在历史时段内的推荐反馈数据；
接收模块1420，用于，用于接收在所述查询界面中对搜索内容的查询操作，所述查询操作指示对所述搜索内容进行匹配，确定与所述搜索内容之间存在匹配关系的候选推荐内容，并获取所述候选推荐内容对应的客观数据和主观数据；
所述显示模块1410，还用于显示所述候选推荐内容对应的目标反馈结果；其中，所述目标反馈结果是通过所述候选推荐内容对应的客观数据和主观数据确定的，所述客观数据用于指示指定群体对与所述候选推荐内容关联的事件的综合评价，所述主观数据用于指示接收所述候选推荐内容的账号对所述候选推荐内容的个体评价。
在一些可选的实施例中，所述主观数据中包括所述接收账号对所述候选推荐内容的投诉信息；
所述显示模块1410，还用于在所述目标反馈结果中显示与所述投诉信息对应的投诉统计结果，所述投诉统计结果由所述候选推荐内容的投诉信息统计得到；
其中，所述投诉统计结果包括总投诉量、投诉率、投诉流量分布数据、投诉行业分布信息、投诉理由分布数据、被投诉内容中的至少一种数据。
在一些可选的实施例中，所述投诉统计结果中包括所述被投诉内容对应的内容列表；
所述显示模块1410，还用于响应于接收到从所述内容列表中对至少一个被投诉内容的选择操作，显示所述至少一个被投诉内容对应的所述综合评价，以及所述至少一个被投诉内容与所述事件之间的关联度。
在一些可选的实施例中，所述显示模块1410，还用于响应于所述被投诉内容与所述事件之间的关联度达到关联度阈值，显示下架控件，所述下架控件用于将所述被投诉内容从推荐平台对应的推荐内容日志中删除。
在一些可选的实施例中，如图15所示，所述装置还包括：
所述获取模块1430，还用于响应于所述被投诉内容与所述事件之间的关联度达到关联度阈值，获取所述事件对应的综合评价内容，所述综合评价内容是通过所述事件对应的多个评价内容进行提炼得到的评价内容；
确定模块1440，用于将综合评价内容输入至文本情绪识别模型中进行情绪识别，确定所述综合评价内容对应的评价情绪，所述文本情绪识别模型用于对文本所表达的正面情绪或负面情绪进行语义分类；
所述显示模块1410，还用于响应于所述评价情绪是负面情绪，显示所述下架控件。
在一些可选的实施例中，所述被投诉内容与所述事件之间的关联度的确定过程通过确定模块1440实现，确定模块1440还包括：
提取单元1441，用于对所述被投诉内容进行特征提取，得到所述被投诉内容对应的第一特征表示；
获取单元1442，用于获取所述事件对应的多个评价内容；
所述提取单元1441，还用于对所述多个评价内容分别进行特征提取，得到所述评价内容对应的评价特征表示；
聚类单元1443，用于对所述多个评价内容分别对应的评价特征表示进行聚类，得到多个评价特征表示对应的聚类簇；
确定单元1444，用于将所述聚类簇中作为聚类中心的评价特征表示确定为所述事件对应的第二特征表示；
所述确定单元1444，还用于将所述第一特征表示和所述第二特征表示之间的特征相似度确定为所述被投诉内容与所述事件之间的关联度。
在一些可选的实施例中，所述搜索内容包括文本内容、图片内容和语音内容中的至少一种；
所述接收模块1420，还用于在所述查询界面中提供的输入框中接收对所述文本内容的输入操作；在所述查询界面中提供的查询控件上接收对所述文本内容的查询操作；或者，在所述查询界面中提供的图片上传控件上接收对所述图片内容的上传操作；在所述查询界面中提供的查询控件上接收对所述图片内容的查询操作；或者，在所述查询界面中提供的录音控件上接收对所述语音内容的输入操作；在所述查询界面中提供的查询控件上接收对所述语音内容的查询操作。
在一些可选的实施例中，所述查询界面中包括精确查询控件，所述精确查询控件用于设置所述搜索内容对应的查询模式；
所述确定模块1440，还用于响应于接收到所述查询操作，确定所述精确查询控件的控件状态；
所述装置还包括：发送模块1450，用于响应于所述精确查询控件的控件状态处于开启状态，向服务器发送第一查询请求，所述第一查询请求中包括所述搜索内容和精确查询模式；响应于所述精确查询控件的控件状态处于关闭状态，向服务器发送第二查询请求，所述第二查询请求中包括所述搜索内容和模糊查询模式；
其中，所述服务器根据所述精确查询模式使用第一匹配方式确定所述候选推荐内容的内容集合，根据所述模糊查询模式使用第二匹配方式确定所述候选推荐内容的内容集合，所述第一匹配方式对应的内容集合与所述搜索内容之间的匹配度高于所述第二匹配方式对应的第二内容集合与所述搜索内容之间的匹配度。
需要说明的是：上述实施例提供的内容反馈的查询装置，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的内容反馈的查询装置与内容反馈的查询方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图16示出了本申请一个示例性实施例提供的终端1600的结构框图。该终端1600可以是：智能手机、平板电脑、动态影像专家压缩标准音频层面3播放器(Moving PictureExperts Group Audio Layer III，MP3)、动态影像专家压缩标准音频层面4(MovingPicture Experts Group Audio Layer IV，MP4)播放器、笔记本电脑或台式电脑。终端1600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端1600包括有：处理器1601和存储器1602。
处理器1601可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1601可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器1601也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(CentralProcessing Unit，CPU)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1601可以在集成有图像处理器(Graphics Processing Unit，GPU)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1601还可以包括人工智能(Artificial Intelligence，AI)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器1602可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1602还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1602中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1601所执行以实现本申请中方法实施例提供的内容反馈的查询方法。
示意性的，终端1600还包括其他组件，本领域技术人员可以理解，图16中示出的结构并不构成对终端1600的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质；也可以是单独存在，未装配入终端中的计算机可读存储介质。该计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述实施例中任一所述的内容反馈的查询方法。
可选的，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM，Resistance RandomAccess Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (15)
1.一种内容反馈的查询方法，其特征在于，所述方法包括：
针对获取到的查询请求进行类型判断，得到查询类型，其中，所述查询请求包含搜索内容，所述查询类型包含文本搜索和图片搜索；
若所述查询类型为所述文本搜索，则对所述查询请求进行精准度识别，得到所述查询请求的精准度；
基于所述精准度对所述查询请求进行匹配处理，得到所述搜索内容对应的主观数据和客观数据，所述主观数据用于指示接收所述搜索内容对应的候选推荐内容的账号对所述候选推荐内容的个体评价，所述客观数据用于指示指定群体对所述候选推荐内容关联的事件的综合评价；
若所述查询类型为所述图片搜索，则获取目标图片的目标向量，其中，所述图片搜索对应的查询请求包含所述目标图片；
基于所述目标向量进行向量检索处理，得到所述搜索内容对应的主观数据和客观数据；
根据所述主观数据和所述客观数据进行联合统计，得到所述查询请求的目标反馈结果。
2.根据权利要求1所述的方法，其特征在于，所述查询请求中还包括查询模式；
所述对所述查询请求进行精准度识别，得到所述查询请求的精准度，包括：
响应于所述查询模式为精确查询模式，确定所述查询请求对应的精准度为第一精准度；
响应于所述查询模式为模糊查询模式，确定所述查询请求对应的精准度为第二精准度；
其中，所述第一精准度高于所述第二精准度。
3.根据权利要求2所述的方法，其特征在于，所述基于所述精准度对所述查询请求进行匹配处理，得到所述搜索内容对应的主观数据和客观数据，包括：
响应于确定所述查询请求对应的精准度为第一精准度，将所述搜索内容作为短语字符串，与内容日志中的推荐内容进行匹配，确定所述搜索内容与所述推荐内容之间的第一匹配度；
将所述第一匹配度高于第一匹配阈值的所述推荐内容确定为候选推荐内容；
获取所述候选推荐内容对应的主观数据和客观数据。
4.根据权利要求2所述的方法，其特征在于，所述基于所述精准度对所述查询请求进行匹配处理，得到所述搜索内容对应的主观数据和客观数据，包括：
响应于确定所述查询请求对应的精准度为第二精准度，对所述搜索内容进行分词处理，得到所述搜索内容对应的至少一个候选分词；
对所述至少一个候选分词进行分词编码，得到每个候选分词对应的分词编码表示；
基于所述候选分词对应的分词编码表示确定所述搜索内容对应的第一文本特征表示；
获取内容日志中各个推荐内容对应的第二文本特征表示；
基于所述第一文本特征表示和所述第二文本特征表示之间的特征相似度确定所述搜索内容与所述推荐内容之间的第二匹配度；
将所述第二匹配度高于第二匹配阈值的所述推荐内容确定为候选推荐内容；
获取所述候选推荐内容对应的主观数据和客观数据。
5.根据权利要求1至3任一所述的方法，其特征在于，所述基于所述目标向量进行向量检索处理，得到所述搜索内容对应的主观数据和客观数据，包括：
获取内容日志中推荐内容对应的图像向量；
通过所述目标向量与所述图像向量之间的特征相似度，确定从所述内容日志中的推荐内容中确定出至少一个候选推荐内容；
获取所述候选推荐内容对应的主观数据和客观数据；
其中，所述至少一个候选推荐内容中包括图片内容和视频内容中的至少一种。
6.一种内容反馈的查询方法，其特征在于，所述方法包括：
显示查询界面，所述查询界面用于查询推荐内容在历史时段内的推荐反馈数据；
接收在所述查询界面中对搜索内容的查询操作，所述查询操作指示对所述搜索内容进行匹配，确定与所述搜索内容之间存在匹配关系的候选推荐内容，并获取所述候选推荐内容对应的客观数据和主观数据；
显示所述候选推荐内容对应的目标反馈结果；其中，所述目标反馈结果是通过所述候选推荐内容对应的所述客观数据和所述主观数据确定的，所述客观数据用于指示指定群体对与所述候选推荐内容关联的事件的综合评价，所述主观数据用于指示接收所述候选推荐内容的账号对所述候选推荐内容的个体评价。
7.根据权利要求6所述的方法，其特征在于，所述主观数据中包括接收所述候选推荐内容的账号对所述候选推荐内容的投诉信息；
所述显示所述候选推荐内容对应的目标反馈结果，包括：
在所述目标反馈结果中显示与所述投诉信息对应的投诉统计结果，所述投诉统计结果由所述候选推荐内容的投诉信息统计得到；
其中，所述投诉统计结果包括总投诉量、投诉率、投诉流量分布数据、投诉行业分布信息、投诉理由分布数据、被投诉内容中的至少一种数据。
8.根据权利要求7所述的方法，其特征在于，所述投诉统计结果中包括所述被投诉内容对应的内容列表；
所述方法还包括：
响应于接收到从所述内容列表中对至少一个被投诉内容的选择操作，显示所述至少一个被投诉内容对应的所述综合评价，以及所述至少一个被投诉内容与所述事件之间的关联度。
9.根据权利要求8所述的方法，其特征在于，所述显示所述至少一个被投诉内容对应的所述综合评价，以及所述至少一个被投诉内容与所述事件之间的关联度之后，还包括：
响应于所述被投诉内容与所述事件之间的关联度达到关联度阈值，显示下架控件，所述下架控件用于将所述被投诉内容从推荐平台对应的推荐内容日志中删除。
10.根据权利要求9所述的方法，其特征在于，所述响应于所述被投诉内容与所述事件之间的关联度达到关联度阈值，显示下架控件，包括：
响应于所述被投诉内容与所述事件之间的关联度达到关联度阈值，获取所述事件对应的综合评价内容，所述综合评价内容是通过所述事件对应的多个评价内容进行提炼得到的评价内容；
将综合评价内容输入至文本情绪识别模型中进行情绪识别，确定所述综合评价内容对应的评价情绪，所述文本情绪识别模型用于对文本所表达的正面情绪或负面情绪进行语义分类；
响应于所述评价情绪是负面情绪，显示所述下架控件。
11.根据权利要求8至10任一所述的方法，其特征在于，所述被投诉内容与所述事件之间的关联度的确定过程包括：
对所述被投诉内容进行特征提取，得到所述被投诉内容对应的第一特征表示；
获取所述事件对应的多个评价内容；
对所述多个评价内容分别进行特征提取，得到所述评价内容对应的评价特征表示；
对所述多个评价内容分别对应的评价特征表示进行聚类，得到多个评价特征表示对应的聚类簇；
将所述聚类簇中作为聚类中心的评价特征表示确定为所述事件对应的第二特征表示；
将所述第一特征表示和所述第二特征表示之间的特征相似度确定为所述被投诉内容与所述事件之间的关联度。
12.根据权利要求6至10任一所述的方法，其特征在于，所述搜索内容包括文本内容、图片内容和语音内容中的至少一种；
所述接收在所述查询界面中对搜索内容的查询操作，包括：
在所述查询界面中提供的输入框中接收对所述文本内容的输入操作；在所述查询界面中提供的查询控件上接收对所述文本内容的查询操作；
或者，
在所述查询界面中提供的图片上传控件上接收对所述图片内容的上传操作；在所述查询界面中提供的查询控件上接收对所述图片内容的查询操作；
或者，
在所述查询界面中提供的录音控件上接收对所述语音内容的输入操作；在所述查询界面中提供的查询控件上接收对所述语音内容的查询操作。
13.一种内容反馈的查询装置，其特征在于，所述装置包括：
第一确定模块，用于针对获取到的查询请求进行类型判断，得到查询类型，其中，所述查询请求包含搜索内容，所述查询类型包含文本搜索和图片搜索；
第一处理模块，用于识别模块，用于若所述查询类型为所述文本搜索，则对所述查询请求进行精准度识别，得到所述查询请求的精准度；
所述第一处理模块，还用于基于所述精准度对所述查询请求进行匹配处理，得到所述搜索内容对应的主观数据和客观数据，所述主观数据用于指示接收所述搜索内容对应的候选推荐内容的账号对所述候选推荐内容的个体评价，所述客观数据用于指示指定群体对所述候选推荐内容关联的事件的综合评价；
第二处理模块，用于若所述查询类型为所述图片搜索，则获取目标图片的目标向量，其中，所述图片搜索对应的查询请求包含所述目标图片；
所述第二处理模块，还用于基于所述目标向量进行向量检索处理，得到所述搜索内容对应的主观数据和客观数据；
第二确定模块，用于根据所述主观数据和所述客观数据进行联合统计，得到所述查询请求的目标反馈结果。
14.一种内容反馈的查询装置，其特征在于，所述装置包括：
显示模块，用于显示查询界面，所述查询界面用于查询推荐内容在历史时段内的推荐反馈数据；
接收模块，用于接收在所述查询界面中对搜索内容的查询操作，所述查询操作指示对所述搜索内容进行匹配，确定与所述搜索内容之间存在匹配关系的候选推荐内容，并获取所述候选推荐内容对应的客观数据和主观数据；
所述显示模块，还用于显示所述候选推荐内容对应的目标反馈结果；其中，所述目标反馈结果是通过所述候选推荐内容对应的客观数据和主观数据确定的，所述客观数据用于指示指定群体对与所述候选推荐内容关联的事件的综合评价，所述主观数据用于指示接收所述候选推荐内容的账号对所述候选推荐内容的个体评价。
15.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一段程序，所述至少一段程序由所述处理器加载并执行以实现如权利要求1至12任一所述的内容反馈的查询方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211104824.4A CN117725149A (zh) | 2022-09-09 | 2022-09-09 | 内容反馈的查询方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211104824.4A CN117725149A (zh) | 2022-09-09 | 2022-09-09 | 内容反馈的查询方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117725149A true CN117725149A (zh) | 2024-03-19 |
Family
ID=90207473
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211104824.4A Pending CN117725149A (zh) | 2022-09-09 | 2022-09-09 | 内容反馈的查询方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117725149A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118760781A (zh) * | 2024-06-25 | 2024-10-11 | 广东顺融检测科技股份有限公司 | 一种现场即时视频数据存储方法、系统、设备及介质 |
-
2022
- 2022-09-09 CN CN202211104824.4A patent/CN117725149A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118760781A (zh) * | 2024-06-25 | 2024-10-11 | 广东顺融检测科技股份有限公司 | 一种现场即时视频数据存储方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7201730B2 (ja) | 意図推薦方法、装置、機器及び記憶媒体 | |
| US9449271B2 (en) | Classifying resources using a deep network | |
| CN112052387B (zh) | 一种内容推荐方法、装置和计算机可读存储介质 | |
| EP2438539B1 (en) | Co-selected image classification | |
| CN101661475B (zh) | 一种搜索方法和系统 | |
| Shi et al. | Learning-to-rank for real-time high-precision hashtag recommendation for streaming news | |
| CN113836131B (zh) | 一种大数据清洗方法、装置、计算机设备及存储介质 | |
| WO2023108980A1 (zh) | 基于文本对抗样例的信息推送方法及装置 | |
| US11126682B1 (en) | Hyperlink based multimedia processing | |
| US9069880B2 (en) | Prediction and isolation of patterns across datasets | |
| WO2009108576A2 (en) | Prioritizing media assets for publication | |
| Lubis et al. | A framework of utilizing big data of social media to find out the habits of users using keyword | |
| CN111444357A (zh) | 内容信息确定方法、装置、计算机设备及存储介质 | |
| CN111723256A (zh) | 一种基于信息资源库的政务用户画像构建方法及其系统 | |
| CN112749330B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
| US20240193402A1 (en) | Method and apparatus for determining representation information, device, and storage medium | |
| US10579630B2 (en) | Content creation from extracted content | |
| CN117725149A (zh) | 内容反馈的查询方法、装置及设备 | |
| CN117132323A (zh) | 推荐内容的分析方法、装置、设备、介质及程序产品 | |
| CN112035740B (zh) | 项目使用时长预测方法、装置、设备及存储介质 | |
| Li et al. | Research on hot news discovery model based on user interest and topic discovery | |
| CN116628232A (zh) | 标签确定方法、装置、设备、存储介质及产品 | |
| CN114662002A (zh) | 对象推荐方法、介质、装置和计算设备 | |
| CN118964745B (zh) | 一种政务大数据推荐方法、系统、存储介质及电子设备 | |
| CN116521975B (zh) | 内容推荐方法、装置、计算机设备、可读存储介质和产品 |
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 |