一种基于大数据机器学习展示回复内容的方法技术

本说明书实施例提供一种基于大数据机器学习展示回复内容的方法，确定被评论内容及其评论信息，获取在所述评论信息下进行的回复内容及对所述回复内容再次进行回复的回复内容，并确定各回复内容所关联的用户，构建极性学习模型，将被评论内容、所述评论信息、回复内容及其关联的用户输入到所述极性学习模型中，学习出各回复内容的极性，根据预先为不同极性配置的展示方式展示各回复内容，在展示的时候兼顾了极性，用户能快速寻找到自己需要的回复内容进行浏览，避免了逐一浏览分析筛选需要的回复内容之后再精读的弊端，提升了展示的智能化水平，提升用户体验。提升用户体验。提升用户体验。

【技术实现步骤摘要】
一种基于大数据机器学习展示回复内容的方法


[0001]本申请涉及计算机领域，尤其涉及一种基于大数据机器学习展示回复内容的方法。

技术介绍

[0002]随着短视频的快速发展，评论区成为用户发表观点的汇集区，然而，目前展示回复内容一律是按照时间顺序机械的进行展示，智能化水平低。
[0003]有必要提供一种新的方法，以提升展示的智能化水平，提升用户体验。

技术实现思路

[0004]本说明书实施例提供一种基于大数据机器学习展示回复内容的方法，用以提升展示的智能化水平，提升用户体验，具体包括：
[0005]确定被评论内容及其评论信息，获取在所述评论信息下进行的回复内容及对所述回复内容再次进行回复的回复内容，并确定各回复内容所关联的用户；
[0006]构建极性学习模型，将被评论内容、所述评论信息、回复内容及其关联的用户输入到所述极性学习模型中，学习出各回复内容的极性；
[0007]根据预先为不同极性配置的展示方式展示各回复内容。
[0008]本说明书实施例提供的各种技术方案通过确定被评论内容及其评论信息，获取在所述评论信息下进行的回复内容及对所述回复内容再次进行回复的回复内容，并确定各回复内容所关联的用户，构建极性学习模型，将被评论内容、所述评论信息、回复内容及其关联的用户输入到所述极性学习模型中，学习出各回复内容的极性，根据预先为不同极性配置的展示方式展示各回复内容，在展示的时候兼顾了极性，用户能快速寻找到自己需要的回复内容进行浏览，避免了逐一浏览分析筛选需要的回复内容之后再精读的弊端，提升了展示的智能化水平，提升用户体验。
附图说明
[0009]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0010]图1为本说明书实施例提供的一种基于大数据机器学习展示回复内容的方法的原理示意图。
具体实施方式
[0011]现在将参考附图更全面地描述本专利技术的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本专利技术仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本专利技术更加全面和完整，更加便于将专利技术构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重
复描述。
[0012]在符合本专利技术的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
[0013]在对于具体实施例的描述中，本专利技术描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本专利技术的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
[0014]附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0015]附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0016]术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
[0017]图1为本说明书实施例提供的一种基于大数据机器学习展示回复内容的方法的原理示意图，该方法可以包括：
[0018]S101:确定被评论内容及其评论信息，获取在所述评论信息下进行的回复内容及对所述回复内容再次进行回复的回复内容，并确定各回复内容所关联的用户。
[0019]S102:构建极性学习模型，将被评论内容、所述评论信息、回复内容及其关联的用户输入到所述极性学习模型中，学习出各回复内容的极性。
[0020]S103:根据预先为不同极性配置的展示方式展示各回复内容。
[0021]该方法通过确定被评论内容及其评论信息，获取在所述评论信息下进行的回复内容及对所述回复内容再次进行回复的回复内容，并确定各回复内容所关联的用户，构建极性学习模型，将被评论内容、所述评论信息、回复内容及其关联的用户输入到所述极性学习模型中，学习出各回复内容的极性，根据预先为不同极性配置的展示方式展示各回复内容，在展示的时候兼顾了极性，用户能快速寻找到自己需要的回复内容进行浏览，避免了逐一浏览分析筛选需要的回复内容之后再精读的弊端，提升了展示的智能化水平，提升用户体验。
[0022]被评论内容可以是发布的短视频，评论信息是在评论区直接进行的评论，回复内容是在各评论信息下进行的回复，回复内容还可以被其他人再次回复，也正是这个原因，回复内容可能多达几十条甚至上百条，目前现有技术的实际场景中，评论、回复往往会有不同观点，用户需要的回复内容多是反对方的观点，从而进行反驳，或者自己未知的己方观点，从而加深认识，如果机械的展示所有的回复内容，会造成大量的重复浏览，降低浏览速度。
[0023]因此，在用户阅读每个回复内容之前，实际上并不知到该回复内容是否是需要的，只有阅读之后才知道，但是阅读之后即便发现该回复内容不是需要的，也已经付出了时间成本，因此，如果能够以区分显示甚至隐藏的方式进行展示，则用户通过视觉即可分辨出某回复内容是否是其需要的回复内容，极大提高了浏览速度。
[0024]一个用户可能会有多条回复内容，为了避免误伤队友，因此需要结合同一用户的多条回复内容来判断回复内容的极性。
[0025]因此，在本说明书实施例中，所述构建极性学习模型，可以包括：
[0026]在输入层搭建被评论内容通道、评论信息通道、附带有用户标识的回复内容通道，在输出层搭建极性输出通道，在所述输入层和输出层中间搭建神经网络结构；
[0027]获取训练样本，根据训练样本中的被评论内容、所述评论信息、同一用户的多条回复内容结合回复内容语义中的观点一致度、与待设置标签的回复内容所关联的其他回复内容的极性设置训练样本的极性标签；利用训练样本及其所述极性标签训练输入层、所述神经网络结构和输出层。
[0028]其中，可以根据关键字确定回复内容语义中的观点一致性，关联可以是指回复内容具有同一用户。
[0029]同一用户的多条回复内容设置为同一极性。
[0030]这样，训练之后，只需要把被评论内容、所述评论信息、回复内容及其关联的用户输入到所述极性学习模型中，便可以学习出各回复内容的极性。
[0031]极性分为正极性和负极性，前者表征支持，后者表征反对。
[0032]为了提高浏览效率，可以进行定制化的展示，通过隐藏用户已知的回复内容，只显示剩余的回复内容。
[0033]考虑到回复内容之间可能有递进关系，也可能有并列关系，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据机器学习展示回复内容的方法，其特征在于，包括：确定被评论内容及其评论信息，获取在所述评论信息下进行的回复内容及对所述回复内容再次进行回复的回复内容，并确定各回复内容所关联的用户；构建极性学习模型，将被评论内容、所述评论信息、回复内容及其关联的用户输入到所述极性学习模型中，学习出各回复内容的极性；根据预先为不同极性配置的展示方式展示各回复内容。2.根据权利要求1所述的方法，其特征在于，所述构建极性学习模型，包括：在输入层搭建被评论内容通道、评论信息通道、附带有用户标识的回复内容通道，在输出层搭建极性输出通道，在所述输入层和输出层中间搭建神经网络结构；获取训练样本，根据训练样本中的被评论内容、所述评论信息、同一用户的多条回复内容结合回复内容语义中的观点一致度、与待设置标签的回复内容所关联的其他回复内容的极性设置训练样本的极性标签；利用训练样本及其所述极性标签训练输入层、所述神经网络结构和输出层。3.根据权利要求2所述的方法，其特征在于，还包括：确定用户的已浏览内容或者所述用户的回复内容；以所述被评论内容为树根，根据各评论及回复内容的递进关系和并列关系构造内容树；根据用户的已浏览的回复内容或者所述用户输入的回复内容进行搜索内容树的目标节点，并将所述目标节点到内容树树根之间的内容设置为隐藏属性；所述根据预先为不同极性配置的展示方式展示各回复内容，包括：在内容树中确定所述目标节点到内容树树根之间的内容之外的剩余内容，根据各剩余内容的极性及预先为不同极性配置的展示方式展示各剩余内容。4.根据权利要求3所述的方法，其特征在于，所述根据用户的已浏览的回复内容或者所述用户输入的回复内容进行搜索内容树的目标节点，包括：对所...

【专利技术属性】
技术研发人员：葛纪侠，
申请(专利权)人：葛纪侠，
类型：发明
国别省市：