基于多模态智能社交信息推送系统及方法

摘要

本发明属于人工智能技术领域，尤其涉及基于多模态智能社交信息推送系统及方法。该系统包括：制作单元，用于制作及发布信息数据；推送单元，推送单元内设有筛选模型，筛选模型用于对信息数据进行筛选，推送单元用于根据筛选模型的筛选结果进行信息数据推送；记录单元，用于记录接收到信息数据后的操作数据；调整单元，用于根据记录的操作数据，对筛选模型进行优化。使用本系统，能够让用户接受到的信息与其自身的兴趣偏好不断的接近，从而让用户拥有更好的使用体验。

说明书

技术领域

本发明属于人工智能技术领域，尤其涉及基于多模态智能社交信息推送系统及方法。

背景技术

社交是个充满未知的名词，指社会上人与人的交际往来，是人们运用一定的方式(工具)传递信息、交流思想的意识，以达到某种目的的社会各项活动，当今时代，经济和社会环境的变化使得人与人之间的交往显得更加重要，因为我们只有不断地与各类人员进行交往和信息沟通，才能不断地丰富自己、发展自己、扩充自己。

现有的社交工具，大都是以语言作为主要的交际模态，结合表情符号、图片、语音以及视频等其他模态作为辅助，以单一或者多层次结合的方式充当社交的主要或者次要模态。但是在信息大爆炸的互联网时代，网络用户的数量级也非常之大，用户需要面对的信息量非常大。若仍然以随机推送信息的方式进行社交，用户的社交效率会非常低下，不少客户绝大多数时间都会用在自己不感兴趣的信息数据中。

因此，需要一种基于多模态智能社交信息推送系统及方法,能够让用户接受到的信息数据与其自身的兴趣偏好不断的接近。

发明内容

本发明的目的在于，提供一种基于多模态智能社交信息推送系统及方法,能够让用户接受到的信息数据与其自身的兴趣偏好不断的接近。

本发明提供的基础方案为：

基于多模态智能社交信息推送系统，包括：

制作单元，用于制作及发布信息数据；

推送单元，推送单元内设有筛选模型，筛选模型用于对信息数据进行筛选，推送单元用于根据筛选模型的筛选结果进行信息数据推送；

记录单元，用于记录接收到信息数据后的操作数据；

调整单元，用于根据记录的操作数据，对筛选模型进行优化。

基础方案工作原理及有益效果：

使用本系统，一方面，用户可以在制作单元上制作并发布信息数据。另一方面，推送单元也会根据筛选模型的筛选结果进行信息数据推送。通过制作信息与推送信息，用户之间可以实现互动。

用户接受到推送单元推送的信息数据后，根据用户的操作数据，可以了解到用户对该对应信息数据是否感兴趣。如，若用户感兴趣，会进行长时间的观看、互动、点赞、关注等操作；若用户不感兴趣，则会观看时间短或直接刷走等操作。

记录单元会对用户接受到信息数据后的操作数据进行记录，之后，调整单元会根据记录的操作数据，对筛选模型进行优化，使筛选模型的筛选机制与用户的兴趣偏好更加贴合。

通过这样的方式，能够让用户接受到的信息与其自身的兴趣偏好不断的接近，从而让用户拥有更好的使用体验。

进一步，记录单元记录操作数据时，还记录对应的日期和时间。

由于在不同的日期，如工作日和节假日，不少用户偏好的内容是不同的。除此，不同的时间点，如早上、中午和晚上，也有不少用户偏好的内容是不同的。记录单元记录操作数据时，还记录对应的日期和时间，这样，在进行信息数据的筛选时，会结合具体的日期和时间进行内容筛选，从而使得筛选的结果与用户当下偏好的内容更加的匹配。

进一步，制作单元还用于输入个人信息，个人信息包括身份信息及兴趣偏好，调整单元还用于根据用户的个人信息，对筛选模型进行优化。

由于个人信息包括了身份信息(如年龄、居住地区等)和兴趣偏好，从一个人的大致信息，就能够大致了解他喜好的信息数据类型，通过调整单元根据用户的个人信息对筛选模型进行优化，可以使筛选模型快速成型。

进一步，推送单元还用于按照预设的频率，随机将筛选模型筛掉的信息数据进行推送。

当推送信息与用户的偏好信息越来越贴合后，推送的信息数据基本都是用户的兴趣偏好类型。这样虽然能够高密度高强度的向用户输出其偏好的信息数据，但是，也容易使用户赶到疲态。除此，随着时间的流转，喜好的内容是可能会发生改变的，因此，推送单元会按照预设的频率，随机将筛掉的信息数据进行推送。这样，就相当于每隔一定的时间，用户就会接受到一个“信息彩蛋”，这个彩蛋可能是自己喜欢的，也可能是自己不喜欢的，但和自己常规观看的内容会有较大不同。通过这样的机制，一方面可以缓解用户对于高密度的偏好数据信息的疲劳，另一方面，也有利于在用户的兴趣发生偏移时，及时发现情况。

进一步，信息数据包括信息内容、标题及标签。

便于对信息数据进行管理。

进一步，筛选模型为神经网络模型。

神经网络模型在投入使用后仍然能继续使用，符合本系统的需求。

进一步，通过操作数据对筛选模型的优化方式为，将操作数据对应的信息数据的文本进行分词后，根据操作数据对各分词的词频、词序、语义进行评分，选出词频、词序、语义的综合评分最高的X个分词作为词向量的表示，得到偏好的信息数据的文本的词向量；再用偏好的信息数据的文本的词向量作为输入对筛选模型进行训练。

这样，能够精准的得到用户操作数据背后的偏好，并以这些偏好为依据，对筛选模型进行优化，进而使得推送的信息数据与用户的偏好越来越贴合。

进一步，操作数据包括停留时间、关注、留言、点赞、踩灭和分享。

通过这些操作数据，能够较为全面的了解使用者对信息数据的喜好度。

进一步，还包括提醒单元，用于设置提醒时间，还用于当连续操作时间大于提醒时间后，发出休息提醒。

通过提醒单元，可以提醒使用者注意合理安排时间。

本发明提供基础方案二：基于多模态智能社交信息推送方法，使用上述基于多模态智能社交信息推送系统。

附图说明

图1为本发明基于多模态智能社交信息推送系统实施例一的逻辑框图。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例一

如图1所示，基于多模态智能社交信息推送系统，包括制作单元、推送单元、记录单元和调整单元。

制作单元用于制作及发布信息数据，信息数据包括信息内容、标题及标签；制作单元还用于输入个人信息，个人信息包括身份信息及兴趣偏好，调整单元还用于根据用户的个人信息，对筛选模型进行优化。其中，筛选模型为神经网络模型。神经网络模型在投入使用后仍然能继续使用，符合本系统的需求。

推送单元内设有筛选模型，筛选模型用于对信息数据进行筛选，推送单元用于根据筛选模型的筛选结果进行信息数据推送；推送单元还用于按照预设的频率，随机将筛选模型筛掉的信息数据进行推送。

记录单元用于记录接收到信息数据后的操作数据，操作数据包括停留时间、关注、留言、点赞、踩灭和分享。通过这些操作数据，能够较为全面的了解使用者对信息数据的喜好度。记录单元记录操作数据时，还记录对应的日期和时间。

调整单元用于根据记录的操作数据，对筛选模型进行优化。具体的，通过操作数据对筛选模型的优化方式为，将操作数据对应的信息数据的文本进行分词后，根据操作数据对各分词的词频、词序、语义进行评分，选出词频、词序、语义的综合评分最高的X个分词作为词向量的表示，得到偏好的信息数据的文本的词向量；再用偏好的信息数据的文本的词向量作为输入对筛选模型进行训练。这样的优化方式，能够精准的得到用户操作数据背后的偏好，并以这些偏好为依据，对筛选模型进行优化，进而使得推送的信息数据与用户的偏好越来越贴合。

具体实施过程如下：

使用本系统，一方面，用户可以在制作单元上制作并发布信息数据。另一方面，推送单元也会根据筛选模型的筛选结果进行信息数据推送。通过制作信息与推送信息，用户之间可以实现互动。

用户接受到推送单元推送的信息数据后，根据用户的操作数据，可以了解到用户对该对应信息数据是否感兴趣。如，若用户感兴趣，则会进行长时间的观看、互动、点赞、关注等操作；若用户不感兴趣，则会观看时间短或直接刷走等操作。

记录单元会对用户接受到信息数据后的操作数据进行记录，之后，调整单元会根据记录的操作数据，对筛选模型进行优化，使筛选模型的筛选机制与用户的兴趣偏好更加贴合。

由于在不同的日期，如工作日和节假日，不少用户偏好的内容是不同的。除此，不同的时间点，如早上、中午和晚上，也有不少用户偏好的内容是不同的。记录单元记录操作数据时，还记录对应的日期和时间，这样，在进行信息数据的筛选时，会结合具体的日期和时间进行内容筛选，从而使得筛选的结果与用户当下偏好的内容更加的匹配。

除此，使用者可以通过制作单元于输入个人信息，个人信息包括身份信息及兴趣偏好，调整单元还用于根据用户的个人信息，对筛选模型进行优化。由于个人信息包括了身份信息和兴趣偏好，换个说法，从一个人的大致信息，就能够大致了解他喜好的信息数据，通过调整单元根据用户的个人信息对筛选模型进行优化，可以使筛选模型快速成型。

通过这样的方式，能够让用户接受到的信息与其自身的兴趣偏好不断的接近，从而让用户拥有更好的使用体验。

当推送信息与用户的偏好信息越来越贴合后，推送的信息数据基本都是用户的兴趣偏好类型。这样虽然能够高密度高强度的向用户输出其偏好的信息数据，但是，也容易使用户赶到疲态。除此，随着时间的流转，喜好的内容是可能会发生改变的，因此，本系统中的推送单元会按照预设的频率，随机将筛掉的信息数据进行推送。这样，就相当于每隔一定的时间，用户就会接受到一个“信息彩蛋”，这个彩蛋可能是自己喜欢的，也可能是自己不喜欢的，但和自己常规观看的内容会有较大不同；通过这样的机制，一方面可以缓解用户对于高密度的偏好数据信息的疲劳，另一方面，也有利于在用户的兴趣发生偏移时，及时发现情况。

本发明的另一目的在于，提供一种基于多模态智能社交信息推送方法，使用上述基于多模态智能社交信息推送系统。

实施例二

与实施例一不同的是，本实施例中，还包括提醒单元，用于设置提醒时间，还用于当连续操作时间大于提醒时间后，发出休息提醒。通过提醒单元，可以提醒使用者注意合理安排时间。

实施例三

当出现错误的操作时，记录单元同样会对其错误的操作进行记录，进而导致调整单元以该错误的操作数据对筛选模型进行优化，进而导致推送的内容的精确性因此而受到影响。

与实施例一不同的是，本实施例中：当记录单元接收到长按屏幕的时间超过第一预设时间的操作时，识别为撤回操作；记录单元还用于识别到撤回操作时，将临近的第二预设时间内的操作数据删除。

第一预设时间及第二预设时间的具体时长，本领域技术人员可依据信息数据的类型具体设置。本实施例中，第一预设时间为2秒，第二预设时间为60秒。

具体实施过程：

在进行操作时，如果对观看的内容不喜欢，但是由于误操作按到了点赞之类的操作，记录单元会对其错误的操作进行记录，进而导致调整单元以该错误的操作数据对筛选模型进行优化，进而导致推送的内容的精确性因此而受到影响。

使用本系统，操作者就可以长按屏幕，如2.5秒，长按时间超过第一预设时间后，记录单元会将接受到该操作，并将其识别为撤回操作。之后，记录单元会将临近的第二预设时间内的操作数据删除。这样，当操作者产生误操作时，可以通过测绘操作，让记录单元将误操作的记录删除，这样，就可以防止调整单元以该错误的操作数据对筛选模型进行优化。

除此，在观看推送内容中看到自己反感的内容时，有些操作者会进行留言，表达自己的不同观点。正常情况下，记录单元会将其记录为操作者进行了互动，进而会使得后续对筛选模型的优化时加强该类型推送内容的推送。但是，操作者并不想再看到该类型的推送内容。

使用本系统，操作者遇到这类情况时，就可以在留言表达自己的观点后，长按屏幕超过第一预设时间，这样，在表达自己的观点的同时，记录单元会将临近的第二预设时间内的操作数据删除，防止调整单元对筛选模型进行错误的优化。

因此，使用本系统，可以使筛选模型进行更加准确的优化。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。