System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及网络数据处理,特别涉及一种关键词推荐方法及应用其的社区信息生成方法和系统。
技术介绍
1、当前在通过计算机算法进行关键词推荐时,大都是向所有用户推荐相同的关键词,并不能针对不同的用户群体进行差异化推荐,例如常见的热搜推荐;
2、部分面向社区开发的社区应用中,由于用户是基于其所在社区进行群体划分的,同一类型社区的用户往往存在相同的兴趣点,不同类型社区的用户往往兴趣点有所差异,例如康养类社区的用户更多关注的是医疗保健类信息,经常使用的是医疗保健类服务,而出租屋类社区的用户更多关注的是房屋或生活用品租赁信息,更多使用的是租赁类服务;并且不同社区随着入住用户群体的改变,社区类型也会随之改变。
3、综上所述,如何使社区应用能够更加精准地向用户推荐信息的问题有待解决。
技术实现思路
1、本专利技术的目的在于提供一种关键词推荐方法及应用其的社区信息生成方法和系统,解决的技术问题是,更加精准地向社区用户进行信息推荐。
2、为达成上述目的,本专利技术的解决方案为:一种关键词推荐方法,包括:
3、在系统中提供多项社区服务,并对应每个社区分别设置一个社区风格库,各社区风格库用于实时记录对应社区内各项社区服务的使用量;
4、在系统中设置多个社区风格标签,根据对应社区风格库中各项社区服务的使用量,为每个社区分别匹配一个社区风格标签,实时更新各社区的社区风格标签;
5、在系统中,对应每个社区风格标签分别设置一个关键词库,各关
6、当系统收到搜索请求时,首先确定发出该搜索请求的用户所在社区,根据其所在社区当前的社区风格标签,匹配到对应的关键词库,而后根据该关键词库内各关键词的搜索和/或使用量向该用户推荐关键词,并使该关键词库对该用户搜索和/或使用的关键词进行记录。
7、进一步,在每个所述社区风格库中分别设置一个社区服务哈希表,将每项社区服务分别对应到至少一个社区风格标签,对应社区内的用户每使用一次社区服务时,更新一次社区服务哈希表中该社区服务的使用次数,将社区风格库中使用次数多的社区服务所对应的社区风格标签匹配为该社区的社区风格标签。
8、进一步,在社区风格库中的每个社区服务分别对应一个社区风格标签时,将使用最多的社区服务所对应社区风格标签匹配为该社区的社区风格标签。
9、进一步,社区风格库中存在一个社区服务对应多个社区风格标签时,将出现次数最多的社区风格标签匹配为该社区的社区风格标签。
10、进一步,在每个所述关键词库中分别设置一个关键词哈希表,根据用户在搜索请求中输入的关键词,确定对应关键词库的哈希表中是否存在与该关键词对应的储存节点,若存在该储存节点,则更新一次该储存节点下的关键词搜索次数,对各关键词搜索次数进行排序,按照排序顺位将搜索次数更多的关键词推荐给用户。
11、进一步,所述关键词库用于分别记录各关键词的搜索量和使用量,而后利用贝叶斯算法计算推荐率,按照推荐率的大小对关键词进行排序,将推荐率更高的关键词推荐给用户,利用贝叶斯算法计算推荐率的计算式为:
12、
13、其中,p(a│b)表示关键词库中任一关键词的推荐率,a表示用户搜该关键词,b表示用户使用该关键词,p(a)表示搜索该关键词的概率,p(b|a)表示用户搜索后使用该关键词的概率,p(b)表示各关键词搜索后并使用的概率总和。
14、一种社区信息生成方法,应用前述的关键词推荐方法,包括以下步骤:
15、s1、根据用户的搜索请求,确定发出该搜索请求的用户所在社区;
16、s2、根据该社区当前的社区风格标签,确定一页面模板和一用户偏好特性;
17、s3、通过aigc模型,根据用户在搜索请求中输入的关键词内容和/或用户选用的推荐关键词,结合s2步骤中确定的用户偏好特性生成图文信息,再将图文信息按照s2步骤中确定的页面模板进行呈现,以生成图文页面;
18、s4、将生成的图文页面返回用户。
19、进一步,系统根据发出搜索请求的用户的地址,将用户分为社区居民和社区管理人员,针对社区管理人员,在s4步骤将生成的图文页面返回用户后,系统使用户能够将该图文页面发送至对应社区内的各社区居民。
20、一种社区信息生成系统,用于实现前述的社区信息生成方法,包括多个用户端设备和至少一个服务器,各用户端设备和服务器通讯连接;
21、各用户端设备:用于供用户进行搜索请求的输入,用于呈现推荐的关键词,用于呈现返回给用户的图文页面;
22、服务器:用于建立所述系统和aigc模型。
23、进一步,所述用户端设备为智能手机或个人电脑。
24、采用上述方案后,本专利技术的有益效果在于:
25、关键词推荐方法,根据各社区内用户的社区服务使用情况,为各社区实时选择匹配一个社区风格标签,每个社区风格标签对应不同的关键词库,当系统收到用户的搜索请求时,首先确定用户所在社区的社区风格标签,而后匹配到该社区风格标签所对应的关键词库,使该关键词库记录该用户的搜索请求,同时根据该关键词库中的各关键词的历史搜索和使用情况向该用户进行关键词信息的推荐,实现了更加精准地向社区用户进行关键词信息推荐;
26、社区信息生成方法,在社区内的用户输入搜索请求时,根据其所在社区当下的社区风格标签,确定一页面模板和一用户偏好特性,而后集合用户在搜索请求中输入的信息,使用aigc模型自动生成与用户兴趣点更加匹配的图文页面信息进行推荐。
本文档来自技高网...【技术保护点】
1.一种关键词推荐方法,其特征在于,包括:
2.如权利要求1所述一种关键词推荐方法,其特征在于:在每个所述社区风格库中分别设置一个社区服务哈希表,将每项社区服务分别对应到至少一个社区风格标签,对应社区内的用户每使用一次社区服务时,更新一次社区服务哈希表中该社区服务的使用次数,将社区风格库中使用次数多的社区服务所对应的社区风格标签匹配为该社区的社区风格标签。
3.如权利要求2所述一种关键词推荐方法,其特征在于:在社区风格库中的每个社区服务分别对应一个社区风格标签时,将使用最多的社区服务所对应社区风格标签匹配为该社区的社区风格标签。
4.如权利要求2所述一种关键词推荐方法,其特征在于:社区风格库中存在一个社区服务对应多个社区风格标签时,将出现次数最多的社区风格标签匹配为该社区的社区风格标签。
5.如权利要求1所述一种关键词推荐方法,其特征在于:在每个所述关键词库中分别设置一个关键词哈希表,根据用户在搜索请求中输入的关键词,确定对应关键词库的哈希表中是否存在与该关键词对应的储存节点,若存在该储存节点,则更新一次该储存节点下的关键词搜索次数
6.如权利要求1所述一种关键词推荐方法,其特征在于:所述关键词库用于分别记录各关键词的搜索量和使用量,而后利用贝叶斯算法计算推荐率,按照推荐率的大小对关键词进行排序,将推荐率更高的关键词推荐给用户,利用贝叶斯算法计算推荐率的计算式为:
7.一种社区信息生成方法,其特征在于:应用如权利要求1-6任意一项所述的关键词推荐方法,包括以下步骤:
8.如权利要求7所述一种社区信息生成方法,其特征在于:系统根据发出搜索请求的用户的地址,将用户分为社区居民和社区管理人员,针对社区管理人员,在S4步骤将生成的图文页面返回用户后,系统使用户能够将该图文页面发送至对应社区内的各社区居民。
9.一种社区信息生成系统,其特征在于:该系统用于实现权利要求7-8所述的方法,包括多个用户端设备和至少一个服务器,各用户端设备和服务器通讯连接;
10.如权利要求9所述一种社区信息生成系统,其特征在于:所述用户端设备为智能手机或个人电脑。
...【技术特征摘要】
1.一种关键词推荐方法,其特征在于,包括:
2.如权利要求1所述一种关键词推荐方法,其特征在于:在每个所述社区风格库中分别设置一个社区服务哈希表,将每项社区服务分别对应到至少一个社区风格标签,对应社区内的用户每使用一次社区服务时,更新一次社区服务哈希表中该社区服务的使用次数,将社区风格库中使用次数多的社区服务所对应的社区风格标签匹配为该社区的社区风格标签。
3.如权利要求2所述一种关键词推荐方法,其特征在于:在社区风格库中的每个社区服务分别对应一个社区风格标签时,将使用最多的社区服务所对应社区风格标签匹配为该社区的社区风格标签。
4.如权利要求2所述一种关键词推荐方法,其特征在于:社区风格库中存在一个社区服务对应多个社区风格标签时,将出现次数最多的社区风格标签匹配为该社区的社区风格标签。
5.如权利要求1所述一种关键词推荐方法,其特征在于:在每个所述关键词库中分别设置一个关键词哈希表,根据用户在搜索请求中输入的关键词,确定对应关键词库的哈希表中是否存在与该关键词对应的储存节点,若存在该储存节点,则更新一次该储存节...
【专利技术属性】
技术研发人员:林郑鑫,吴小杰,杨思超,
申请(专利权)人:厦门立林科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。