[发明专利]一种互动图像的显示方法、装置、计算机设备和存储介质有效

专利信息
申请号: 202110728078.5 申请日: 2021-06-29
公开(公告)号: CN113254711B 公开(公告)日: 2021-09-14
发明(设计)人: 王晨琛 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/74 分类号: G06F16/74;G06F16/75;G06F16/78;G06F16/783;G06F40/289;G06K9/46;G06K9/62
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: 李汉亮
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: 一种 互动 图像 显示 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种互动图像的显示方法,其特征在于,包括:

获取应用程序的发布内容,当前对象针对所述发布内容的互动数据以及所述当前对象的对象数据;

分别对所述发布内容、所述互动数据以及所述对象数据进行特征提取处理,得到所述发布内容的内容特征、针对所述发布内容的互动特征以及所述当前对象的对象特征;

根据所述内容特征与所述互动特征,从所述应用程序中的多个预设互动图像中筛选出符合预设图像相似条件的至少一个目标互动图像;

获取历史对象利用所述目标互动图像进行互动的历史互动特征和所述历史对象的历史对象特征;

根据所述目标互动图像的历史互动特征和历史对象特征,以及所述当前对象的对象特征,对所述至少一个目标互动图像进行排序,得到排序后互动图像;

在所述应用程序上显示所述排序后互动图像。

2.如权利要求1所述的互动图像的显示方法,其特征在于,所述分别对所述发布内容、所述互动数据以及所述对象数据进行特征提取处理,得到所述发布内容的内容特征、针对所述发布内容的互动特征以及所述当前对象的对象特征,包括:

分别对所述发布内容、所述互动数据以及所述对象数据进行信息识别处理,得到所述发布内容的类型、所述互动数据的类型以及所述对象数据的类型;

根据所述发布内容的类型,对所述发布内容进行特征提取处理,得到所述内容特征;

根据所述互动数据的类型,对所述互动数据进行特征提取处理,得到所述互动特征;

根据所述对象数据的类型,对所述对象数据进行特征提取处理,得到所述对象特征。

3.如权利要求2所述的互动图像的显示方法,其特征在于,所述发布内容的类型包括文本发布内容;所述根据所述发布内容的类型,对所述发布内容进行特征提取处理,得到所述内容特征,包括:

对所述文本发布内容在多个不同维度上进行特征提取处理,得到每个维度输出的文本特征;

在多个文本特征中筛选出符合预设精确阈值的至少一个目标文本特征;

将所述至少一个目标文本特征进行拼接,得到所述发布内容的内容特征。

4.如权利要求3所述的互动图像的显示方法,其特征在于,所述对所述文本发布内容在多个不同维度上进行特征提取处理,得到每个维度输出的文本特征,包括:

对所述文本发布内容进行分字处理,得到所述文本发布内容的多个文本字符;

对每个文本字符进行特征标识处理,得到每个文本字符的特征标识信息;

根据每个文本字符的特征标识信息生成所述文本发布内容的文本特征。

5.如权利要求3所述的互动图像的显示方法,其特征在于,所述对所述文本发布内容在多个不同维度上进行特征提取处理,得到每个维度输出的文本特征,包括:

利用文本特征提取模型,对所述文本发布内容在多个不同维度上进行特征提取处理,得到每个维度输出的文本特征;

所述利用文本特征提取模型,对所述文本发布内容在多个不同维度上进行特征提取处理,得到每个维度输出的文本特征之前,包括:

获取多个训练文本内容和待训练文本特征提取模型;

利用所述多个训练文本内容对所述待训练文本特征提取模型进行预训练,得到预训练后文本特征提取模型;

对所述训练文本内容进行分词处理,得到所述训练文本内容的分词内容;

利用所述分词内容对所述预训练后文本特征提取模型进行增量训练,得到所述文本特征提取模型。

6.如权利要求2所述的互动图像的显示方法,其特征在于,所述根据所述互动数据的类型,对所述互动数据进行特征提取处理,得到所述互动特征,包括:

根据所述互动数据的类型,确定所述类型的互动数据对应的特征提取方式;

利用所述特征提取方式,对所述类型的互动数据进行特征提取处理,得到所述互动特征。

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/202110728078.5/1.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