CN109858528B - 推荐系统训练方法、装置、计算机设备及存储介质 - Google Patents
推荐系统训练方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109858528B CN109858528B CN201910023778.7A CN201910023778A CN109858528B CN 109858528 B CN109858528 B CN 109858528B CN 201910023778 A CN201910023778 A CN 201910023778A CN 109858528 B CN109858528 B CN 109858528B
- Authority
- CN
- China
- Prior art keywords
- word
- sample
- word vector
- input
- search
- 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.)
- Active
Links
- 238000012549 training Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000013598 vector Substances 0.000 claims abstract description 481
- 230000011218 segmentation Effects 0.000 claims abstract description 140
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 21
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种推荐系统训练方法、装置、计算机设备及存储介质。其中,该方法属于人工智能技术,该方法包括:对检索词样本以及答案词样本进行分词处理以得到检索词样本分词集合以及答案词样本分词集合;对检索词样本分词集合以及答案词样本分词集合进行词向量训练以得到检索词样本词向量集合以及答案词样本词向量集合;将检索词样本词向量集合中的检索词样本词向量输入到知识图谱中以得到输入词向量集合;通过输入词向量集合以及答案词样本词向量集合对推荐系统进行训练;若接收到用户输入的检索信息,根据训练后的推荐系统向用户提供推荐结果,从而使得推荐系统共享知识图谱中的数据特征,提高了推荐系统的准确性。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种推荐系统训练方法、装置、计算机设备及存储介质。
背景技术
随着电子商务的发展,推荐系统的应用越来越广泛。推荐系统能够根据用户输入的检索信息向用户推荐个性化的结果。为了使得推荐的结果更加准确,一般需要大量的数据对推荐系统进行训练。
然而由于用户的数据体量较少,导致推荐系统的训练效果不好,常出现过拟合的现象。进一步地,导致推荐系统的推荐结果不准确。
发明内容
本发明实施例提供了一种推荐系统训练方法、装置、计算机设备及存储介质,旨在提高推荐系统的准确性。
第一方面,本发明实施例提供了一种推荐系统训练方法,其包括:
获取预先存储的历史检索记录样本,并分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合;
分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合;
将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合,其中,所述知识图谱是根据所述历史检索记录样本建立的,所述输入词向量集合中的输入词向量为所述检索词样本词向量集合中的检索词样本词向量输入到所述知识图谱后的输出结果;
通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练;
若接收到用户输入的检索信息,根据所述检索信息以及训练后的推荐系统向用户提供推荐结果。
第二方面,本发明实施例还提供了一种推荐系统训练装置,其包括:
第一分词单元,用于获取预先存储的历史检索记录样本,并分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合;
第一训练单元,用于分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合;
第一输入单元,用于将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合,其中,所述知识图谱是根据所述历史检索记录样本建立的,所述输入词向量集合中的输入词向量为所述检索词样本词向量集合中的检索词样本词向量输入到所述知识图谱后的输出结果;
第二训练单元,用于通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练;
第一推荐单元,用于若接收到用户输入的检索信息,根据所述检索信息以及训练后的推荐系统向用户提供推荐结果。
第三方面,本发明实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现上述方法。
本发明实施例提供了一种推荐系统训练方法、装置、计算机设备及存储介质。其中,所述方法包括:获取预先存储的历史检索记录样本,并分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合;分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合;将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合;通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练;若接收到用户输入的检索信息,根据所述检索信息以及训练后的推荐系统向用户提供推荐结果。本发明实施例的技术方案,通过将检索词样本词向量集合中的检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量,并通过输入词向量来对推荐系统进行训练,能够使得推荐系统共享知识图谱中的数据特征,使得推荐系统在训练过程中实现了部分数据增强,提升了推荐系统的精度并一定程度上降低了过拟合的可能性,提高了推荐系统的准确性。
附图说明
为了更清楚地说明本发明实施例技术方案,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,下面描述中的附图是本发明的一些实施例,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为本发明实施例提供的一种推荐系统训练方法的流程示意图;
图2为本发明实施例提供的一种推荐系统训练方法的子流程示意图;
图3为本发明实施例提供的一种推荐系统训练方法的子流程示意图;
图4为本发明实施例提供的一种推荐系统训练方法的子流程示意图;
图5为本发明实施例提供的一种推荐系统训练方法的子流程示意图;
图6为本发明实施例提供的一种推荐系统训练装置的示意性框图;
图7为本发明实施例提供的一种推荐系统训练装置的第一分词单元的示意性框图;
图8为本发明实施例提供的一种推荐系统训练装置的第一输入单元的示意性框图;
图9为本发明实施例提供的一种推荐系统训练装置的第二训练单元的示意性框;
图10为本发明实施例提供的一种推荐系统训练装置的第一推荐单元的示意性框图;以及
图11为本发明实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
请参阅图1,图1是本发明实施例提供的推荐系统训练方法的流程示意图。如图1所示,该方法包括以下步骤S1-S5。
S1,获取预先存储的历史检索记录样本,并分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合。
本发明实施例中,预先收集获取用户的历史检索记录,以得到历史检索记录样本。历史检索记录样本包括检索词样本以及相应的答案词样本。
具体实施中,对所述检索词样本进行分词处理以相应得到检索词样本分词集合。检索词样本分词集合是所述检索词样本的分词结果组成的集合。
相应地,对所述答案词样本进行分词处理以相应得到答案词样本分词集合。答案词样本分词集合是所述答案词样本的分词结果组成的集合。
在一实施例中,如图2所示,所述步骤S1可包括步骤S11-S12。
S11,通过预设分词工具对检索词样本以及答案词样本进行分词处理以相应得到初始检索词样本分词集合以及初始答案词样本分词集合。
常用的分词工具为结巴分词工具。本发明实施例中,通过结巴分词工具对检索词样本以及答案词样本进行分词处理以相应得到初始检索词样本分词集合以及初始答案词样本分词集合。
或者在其它实施例中,通过其它分词工具对检索词样本以及答案词样本进行分词处理,本发明对此不做具体限定。
S12,分别将所述初始检索词样本分词集合以及初始答案词样本分词集合中的停止词去除以分别得到检索词样本分词集合以及答案词样本分词集合。
具体实施中,分别将所述初始检索词样本分词集合以及初始答案词样本分词集合中的停止词去除以分别得到检索词样本分词集合以及答案词样本分词集合。
要说明的是,停止词(stop word),常为介词、副词或连词等。停止词没有实际意义,因此需要去除。常用的停止词包括如"在"、"里面"、"也"、"的"、"它"、"为"等。
S2,分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合。
具体实施中,通过词向量工具word2vec分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合。
其中,检索词样本词向量集为检索词样本分词集合中各样本的词向量组成的集合;答案词样本词向量集合为答案词样本分词集合中各样本的词向量组成的集合。
需要说明的是,word2vec是一种常用的自然语言处理工具,其作用就是将自然语言中的字词转为计算机可以理解的词向量。
传统的词向量容易受维数灾难的困扰,且任意两个词之间都是孤立的,不能体现词和词之间的关系,因此本实施例采用word2vec来得到词向量,其可通过计算向量之间的距离来体现词与词之间的相似性。
或者,在其他实施例中,可采用其他词向量工具对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练,本发明对此不作具体限定。
S3,将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合。
具体实施中,预先根据历史检索记录样本建立知识图谱。本方案中,采用自顶向下的方式构建知识图谱。
具体的,借助百科类互联网网站等结构化数据源,从用户的历史检索记录样本中提取本体和模式信息,加入到知识库中得到知识图谱。
需要说明的是,知识图谱的建立方法可参照现有技术资料实现,本发明对此不作具体限定。
在预先建立了知识图谱后,将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合。其中,所述输入词向量集合中的输入词向量为所述检索词样本词向量集合中的检索词样本词向量输入到所述知识图谱后的输出结果。
在一实施例中,如图3所示,所述步骤S3可包括步骤S31-S34。
S31,从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中。
具体实施中,从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中。
S32,将所述目标检索词样本词向量从所述检索词样本词向量集合中移除。
具体实施中,在将目标词向量输入到知识图谱中获得输入词向量后,将所述目标检索词样本词向量从所述检索词样本词向量集合中移除,以避免重复输入。
S33,判断所述检索词样本词向量集合中是否还存在检索词样本词向量。
具体实施中,判断所述检索词样本词向量集合中是否还存在检索词样本词向量。
若所述检索词样本词向量集合中还存在检索词样本词向量,则执行步骤S31,返回所述从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中的步骤。
具体实施中,如果所述检索词样本词向量集合中还存在检索词样本词向量,则返回所述从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中的步骤,如此循环以上步骤,直到将所述检索词样本词向量集合中的所有检索词样本词向量均输入到所述知识图谱中为止。
如果所述检索词样本词向量集合中不存在检索词样本词向量,则执行以下步骤S4。
S4,通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练。
具体实施中,将所述输入词向量集合中的输入词向量作为输入数据,以及将所述答案词样本词向量集合中的相应的答案词向量作为参考输出数据来对所述推荐系统进行训练。
需要说明的是,在本实施例中,推荐系统是基于深度神经网络(Deep NeuralNetworks,DNN)建立的推荐系统。或者,在其它实施例中,可采用其它架构的推荐系统,本发明对此不作具体限定。
在一实施例中,如图4所示,所述步骤S4可包括步骤S41-S46。
S41,从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中。
具体实施中,从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中。
S42,判断所述推荐系统输出的答案词向量是否与目标答案词向量相同,其中,所述目标答案词向量为所述答案词样本词向量集合中与所述输入词向量相对应的答案词样本词向量。
具体实施中,判断所述推荐系统输出的答案词向量是否与目标答案词向量相同。其中,所述目标答案词向量为所述答案词样本词向量集合中与所述输入词向量相对应的答案词样本词向量。
S43,若所述推荐系统输出的答案词向量与目标答案词向量不相同,将所述推荐系统输出的答案词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为新的目标输入词向量输入到所述推荐系统中。
具体实施中,如果所述推荐系统输出的答案词向量与目标答案词向量不相同,将所述推荐系统输出的答案词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为新的目标输入词向量输入到所述推荐系统中,如此循环以上步骤,直到所述推荐系统输出的答案词向量与目标答案词向量相同为止。
S44,若所述推荐系统输出的答案词向量与目标答案词向量相同,将所述目标输入词向量从所述输入词向量集合中移除。
具体实施中,如果所述推荐系统输出的答案词向量与目标答案词向量相同,将所述目标输入词向量从所述输入词向量集合中移除,以避免重复输入。
S45,判断所述输入词向量集合中是否存在输入词向量。
具体实施中,判断所述输入词向量集合中是否存在输入词向量,即判断是否所述输入词向量集合中的所有输入词向量均已输入到推荐系统中。如果输入词向量集合中还存在输入词向量,则继续执行步骤S41,继续获取输入词向量输入到推荐系统中;如果输入词向量集合中不存在输入词向量,则结束对推荐系统的训练,并执行步骤S5。
具体实施中,如果所述输入词向量集合中还存在输入词向量,返回所述从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中的步骤,如此循环以上步骤,直到输入词向量集合中不存在输入词向量为止。
S5,若接收到用户输入的检索信息,根据所述检索信息以及训练后的推荐系统向用户提供推荐结果。
具体实施中,如果接收到用户输入的检索信息,将所述检索信息转换为词向量后输入到通过上述步骤训练好的推荐系统中,并将推荐系统的输出结果作为提供给用户的推荐结果。
在一实施例中,如图5所示,所述步骤S5可包括步骤S51-S53。
S51,分别对所述检索信息进行分词处理以及词向量训练以得到所述检索信息的检索词向量。
具体实施中,分别对所述检索信息进行分词处理后得到检索词,对检索词进行词向量训练以得到检索词向量。
分词处理以及词向量训练的过程在上述步骤S1-S2中已经详细描述,在此不再赘述。
S52,将所述检索词向量输入到所述知识图谱中,并将所述知识图谱的输出结果输入到训练好的推荐系统中。
具体实施中,将所述检索词向量输入到所述知识图谱中,并将所述知识图谱的输出结果输入到训练好的推荐系统中,通过以上步骤可使得推荐系统共享知识图谱中的数据特征,使得推荐系统的推荐结果更加的准确。
S53,将所述推荐系统的输出结果作为推荐结果推荐给用户。
具体实施中,将所述推荐系统的输出结果作为提供给用户的推荐结果。
本发明实施例的技术方案,通过将检索词样本词向量集合中的检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量,并通过输入词向量来对推荐系统进行训练,能够使得推荐系统共享知识图谱中的数据特征,使得推荐系统在训练过程中实现了部分数据增强,提升了推荐系统的精度并一定程度上降低了过拟合的可能性,提高了推荐系统的准确性。
图6是本发明实施例提供的一种推荐系统训练装置60的示意性框图。如图6所示,对应于以上推荐系统训练方法,本发明还提供一种推荐系统训练装置60。该推荐系统训练装置60包括用于执行上述推荐系统训练方法的单元,该装置可以被配置于服务器中。具体地,请参阅图6,该推荐系统训练装置60包括第一分词单元61、第一训练单元62、第一输入单元63、第二训练单元64以及第一推荐单元65。
第一分词单元61,用于获取预先存储的历史检索记录样本,并分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合;
第一训练单元62,用于分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合;
第一输入单元63,用于将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合,其中,所述知识图谱是根据所述历史检索记录样本建立的,所述输入词向量集合中的输入词向量为所述检索词样本词向量集合中的检索词样本词向量输入到所述知识图谱后的输出结果;
第二训练单元64,用于通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练;
第一推荐单元65,用于若接收到用户输入的检索信息,根据所述检索信息以及训练后的推荐系统向用户提供推荐结果。
在一实施例中,参见图7,所述第一分词单元61包括第二分词单元611以及去除单元612。
第二分词单元611,用于通过预设分词工具对检索词样本以及答案词样本进行分词处理以相应得到初始检索词样本分词集合以及初始答案词样本分词集合;
去除单元612,用于分别将所述初始检索词样本分词集合以及初始答案词样本分词集合中的停止词去除以分别得到检索词样本分词集合以及答案词样本分词集合。
在一实施例中,参见图8,所述第一输入单元63包括第二输入单元631、第一移除单元632、第一判断单元633以及第一通知单元634。
第二输入单元631,用于从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中;
第一移除单元632,用于将所述目标检索词样本词向量从所述检索词样本词向量集合中移除;
第一判断单元633,用于判断所述检索词样本词向量集合中是否还存在检索词样本词向量;
第一通知单元634,用于若所述检索词样本词向量集合中还存在检索词样本词向量,通知第二输入单元返回所述从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中的步骤。
在一实施例中,参见图9,所述第二训练单元64包括第三输入单元641、第二判断单元642、第二通知单元643、第二移除单元644、第三判断单元645以及第三通知单元646。
第三输入单元641,用于从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中;
第二判断单元642,用于判断所述推荐系统输出的答案词向量是否与目标答案词向量相同,其中,所述目标答案词向量为所述答案词样本词向量集合中与所述输入词向量相对应的答案词样本词向量;
第二通知单元643,用于若所述推荐系统输出的答案词向量与目标答案词向量不相同,将所述推荐系统输出的答案词向量输入到所述知识图谱中,并通知所述第三输入单元641将所述知识图谱的输出结果作为新的目标输入词向量输入到所述推荐系统中;
第二移除单元644,用于若所述推荐系统输出的答案词向量与目标答案词向量相同,将所述目标输入词向量从所述输入词向量集合中移除;
第三判断单元645,用于判断所述输入词向量集合中是否存在输入词向量;
第三通知单元646,用于若所述输入词向量集合中还存在输入词向量,通知所述第三输入单元641返回所述从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中的步骤。
在一实施例中,参见图10,所述第一推荐单元65包括处理单元651、第四输入单元652以及第二推荐单元653。
处理单元651,用于分别对所述检索信息进行分词处理以及词向量训练以得到所述检索信息的检索词向量;
第四输入单元652,用于将所述检索词向量输入到所述知识图谱中,并将所述知识图谱的输出结果输入到训练好的推荐系统中;
第二推荐单元653,用于将所述推荐系统的输出结果作为推荐结果推荐给用户。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述推荐系统训练装置60和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述推荐系统训练装置可以实现为一种计算机程序的形式,该计算机程序可以在如图11所示的计算机设备上运行。
请参阅图11,图11是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是终端,也可以是服务器,其中,终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图11,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行一种推荐系统训练方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种推荐系统训练方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
获取预先存储的历史检索记录样本,并分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合;
分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合;
将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合,其中,所述知识图谱是根据所述历史检索记录样本建立的,所述输入词向量集合中的输入词向量为所述检索词样本词向量集合中的检索词样本词向量输入到所述知识图谱后的输出结果;
通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练;
若接收到用户输入的检索信息,根据所述检索信息以及训练后的推荐系统向用户提供推荐结果。
在一实施例中,处理器502在实现所述分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合步骤时,具体实现如下步骤:
通过预设分词工具对检索词样本以及答案词样本进行分词处理以相应得到初始检索词样本分词集合以及初始答案词样本分词集合;
分别将所述初始检索词样本分词集合以及初始答案词样本分词集合中的停止词去除以分别得到检索词样本分词集合以及答案词样本分词集合。
在一实施例中,处理器502在实现所述将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合步骤时,具体实现如下步骤:
从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中;
将所述目标检索词样本词向量从所述检索词样本词向量集合中移除;
判断所述检索词样本词向量集合中是否还存在检索词样本词向量;
若所述检索词样本词向量集合中还存在检索词样本词向量,返回所述从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中的步骤。
在一实施例中,处理器502在实现所述通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练步骤时,具体实现如下步骤:
从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中;
判断所述推荐系统输出的答案词向量是否与目标答案词向量相同,其中,所述目标答案词向量为所述答案词样本词向量集合中与所述输入词向量相对应的答案词样本词向量;
若所述推荐系统输出的答案词向量与目标答案词向量不相同,将所述推荐系统输出的答案词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为新的目标输入词向量输入到所述推荐系统中;
若所述推荐系统输出的答案词向量与目标答案词向量相同,将所述目标输入词向量从所述输入词向量集合中移除;
判断所述输入词向量集合中是否存在输入词向量;
若所述输入词向量集合中还存在输入词向量,返回所述从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中的步骤。
在一实施例中,处理器502在实现所述根据所述检索信息以及训练后的推荐系统向用户提供推荐结果步骤时,具体实现如下步骤:
分别对所述检索信息进行分词处理以及词向量训练以得到所述检索信息的检索词向量;
将所述检索词向量输入到所述知识图谱中,并将所述知识图谱的输出结果输入到训练好的推荐系统中;
将所述推荐系统的输出结果作为推荐结果推荐给用户。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被处理器执行时使处理器执行如下步骤:
获取预先存储的历史检索记录样本,并分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合;
分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合;
将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合,其中,所述知识图谱是根据所述历史检索记录样本建立的,所述输入词向量集合中的输入词向量为所述检索词样本词向量集合中的检索词样本词向量输入到所述知识图谱后的输出结果;
通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练;
若接收到用户输入的检索信息,根据所述检索信息以及训练后的推荐系统向用户提供推荐结果。
在一实施例中,所述处理器在执行所述计算机程序而实现所述分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合步骤时,具体实现如下步骤:
通过预设分词工具对检索词样本以及答案词样本进行分词处理以相应得到初始检索词样本分词集合以及初始答案词样本分词集合;
分别将所述初始检索词样本分词集合以及初始答案词样本分词集合中的停止词去除以分别得到检索词样本分词集合以及答案词样本分词集合。
在一实施例中,所述处理器在执行所述计算机程序而实现所述将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合步骤时,具体实现如下步骤:
从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中;
将所述目标检索词样本词向量从所述检索词样本词向量集合中移除;
判断所述检索词样本词向量集合中是否还存在检索词样本词向量;
若所述检索词样本词向量集合中还存在检索词样本词向量,返回所述从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中的步骤。
在一实施例中,所述处理器在执行所述计算机程序而实现所述通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练步骤时,具体实现如下步骤:
从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中;
判断所述推荐系统输出的答案词向量是否与目标答案词向量相同,其中,所述目标答案词向量为所述答案词样本词向量集合中与所述输入词向量相对应的答案词样本词向量;
若所述推荐系统输出的答案词向量与目标答案词向量不相同,将所述推荐系统输出的答案词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为新的目标输入词向量输入到所述推荐系统中;
若所述推荐系统输出的答案词向量与目标答案词向量相同,将所述目标输入词向量从所述输入词向量集合中移除;
判断所述输入词向量集合中是否存在输入词向量;
若所述输入词向量集合中还存在输入词向量,返回所述从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中的步骤。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述检索信息以及训练后的推荐系统向用户提供推荐结果步骤时,具体实现如下步骤:
分别对所述检索信息进行分词处理以及词向量训练以得到所述检索信息的检索词向量;
将所述检索词向量输入到所述知识图谱中,并将所述知识图谱的输出结果输入到训练好的推荐系统中;
将所述推荐系统的输出结果作为推荐结果推荐给用户。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种推荐系统训练方法,其特征在于,包括:
获取预先存储的历史检索记录样本,并分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合;
分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合;
将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合,其中,所述知识图谱是根据所述历史检索记录样本建立的,所述输入词向量集合中的输入词向量为所述检索词样本词向量集合中的检索词样本词向量输入到所述知识图谱后的输出结果;其包括:从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中;将所述目标检索词样本词向量从所述检索词样本词向量集合中移除;判断所述检索词样本词向量集合中是否还存在检索词样本词向量;若所述检索词样本词向量集合中还存在检索词样本词向量,返回所述从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中的步骤;
通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练;
若接收到用户输入的检索信息,根据所述检索信息以及训练后的推荐系统向用户提供推荐结果。
2.根据权利要求1所述的方法,其特征在于,所述分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合,包括:
通过预设分词工具对检索词样本以及答案词样本进行分词处理以相应得到初始检索词样本分词集合以及初始答案词样本分词集合;
分别将所述初始检索词样本分词集合以及初始答案词样本分词集合中的停止词去除以分别得到检索词样本分词集合以及答案词样本分词集合。
3.根据权利要求1所述的方法,其特征在于,其特征在于,所述通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练,包括:
从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中;
判断所述推荐系统输出的答案词向量是否与目标答案词向量相同,其中,所述目标答案词向量为所述答案词样本词向量集合中与所述输入词向量相对应的答案词样本词向量;
若所述推荐系统输出的答案词向量与目标答案词向量不相同,将所述推荐系统输出的答案词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为新的目标输入词向量输入到所述推荐系统中;
若所述推荐系统输出的答案词向量与目标答案词向量相同,将所述目标输入词向量从所述输入词向量集合中移除;
判断所述输入词向量集合中是否存在输入词向量;
若所述输入词向量集合中还存在输入词向量,返回所述从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中的步骤。
4.根据权利要求1所述的方法,其特征在于,所述根据所述检索信息以及训练后的推荐系统向用户提供推荐结果,包括:
分别对所述检索信息进行分词处理以及词向量训练以得到所述检索信息的检索词向量;
将所述检索词向量输入到所述知识图谱中,并将所述知识图谱的输出结果输入到训练好的推荐系统中;
将所述推荐系统的输出结果作为推荐结果推荐给用户。
5.一种推荐系统训练装置,其特征在于,包括:
第一分词单元,用于获取预先存储的历史检索记录样本,并分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合;
第一训练单元,用于分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合;
第一输入单元,用于将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合,其中,所述知识图谱是根据所述历史检索记录样本建立的,所述输入词向量集合中的输入词向量为所述检索词样本词向量集合中的检索词样本词向量输入到所述知识图谱后的输出结果;
第二训练单元,用于通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练;
第一推荐单元,用于若接收到用户输入的检索信息,根据所述检索信息以及训练后的推荐系统向用户提供推荐结果。
6.根据权利要求5所述的推荐系统训练装置,其特征在于,所述第一输入单元包括:
第二输入单元,用于从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中;
第一移除单元,用于将所述目标检索词样本词向量从所述检索词样本词向量集合中移除;
第一判断单元,用于判断所述检索词样本词向量集合中是否还存在检索词样本词向量;
第一通知单元,用于若所述检索词样本词向量集合中还存在检索词样本词向量,通知第二输入单元返回所述从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中的步骤。
7.根据权利要求5所述的推荐系统训练装置,其特征在于,所述第二训练单元包括:
第三输入单元,用于从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中;
第二判断单元,用于判断所述推荐系统输出的答案词向量是否与目标答案词向量相同,其中,所述目标答案词向量为所述答案词样本词向量集合中与所述输入词向量相对应的答案词样本词向量;
第二通知单元,用于若所述推荐系统输出的答案词向量与目标答案词向量不相同,将所述推荐系统输出的答案词向量输入到所述知识图谱中,并通知所述第三输入单元将所述知识图谱的输出结果作为新的目标输入词向量输入到所述推荐系统中;
第二移除单元,用于若所述推荐系统输出的答案词向量与目标答案词向量相同,将所述目标输入词向量从所述输入词向量集合中移除;
第三判断单元,用于判断所述输入词向量集合中是否存在输入词向量;
第三通知单元,用于若所述输入词向量集合中还存在输入词向量,通知所述第三输入单元返回所述从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中的步骤。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现如权利要求1-4中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910023778.7A CN109858528B (zh) | 2019-01-10 | 2019-01-10 | 推荐系统训练方法、装置、计算机设备及存储介质 |
PCT/CN2019/093138 WO2020143186A1 (zh) | 2019-01-10 | 2019-06-27 | 推荐系统训练方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910023778.7A CN109858528B (zh) | 2019-01-10 | 2019-01-10 | 推荐系统训练方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858528A CN109858528A (zh) | 2019-06-07 |
CN109858528B true CN109858528B (zh) | 2024-05-14 |
Family
ID=66894421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910023778.7A Active CN109858528B (zh) | 2019-01-10 | 2019-01-10 | 推荐系统训练方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109858528B (zh) |
WO (1) | WO2020143186A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858528B (zh) * | 2019-01-10 | 2024-05-14 | 平安科技(深圳)有限公司 | 推荐系统训练方法、装置、计算机设备及存储介质 |
CN110825855B (zh) * | 2019-09-18 | 2023-02-14 | 平安科技(深圳)有限公司 | 基于人工智能的应答方法、装置、计算机设备及存储介质 |
CN111368048B (zh) * | 2020-02-26 | 2024-06-25 | 京东方科技集团股份有限公司 | 信息获取方法、装置、电子设备及计算机可读存储介质 |
CN111797257B (zh) * | 2020-06-29 | 2024-02-23 | 京东方科技集团股份有限公司 | 基于词向量的图片推荐方法及相关设备 |
CN112487141A (zh) * | 2020-11-26 | 2021-03-12 | 北京三快在线科技有限公司 | 推荐文案的生成方法、装置、设备及存储介质 |
CN112527998A (zh) * | 2020-12-22 | 2021-03-19 | 深圳市优必选科技股份有限公司 | 一种答复推荐方法、答复推荐装置及智能设备 |
CN113268604B (zh) * | 2021-05-19 | 2024-06-07 | 国网辽宁省电力有限公司 | 知识库自适应扩展方法及系统 |
CN115329200B (zh) * | 2022-08-26 | 2024-04-26 | 国家开放大学 | 一种基于知识图谱和用户相似度的教学资源推荐方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156359A (zh) * | 2013-05-13 | 2014-11-19 | 腾讯科技(深圳)有限公司 | 内链信息推荐方法及装置 |
CN105095444A (zh) * | 2015-07-24 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN105989040A (zh) * | 2015-02-03 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 智能问答的方法、装置及系统 |
CN106055623A (zh) * | 2016-05-26 | 2016-10-26 | 《中国学术期刊(光盘版)》电子杂志社有限公司 | 一种跨语言推荐方法和系统 |
WO2018149326A1 (zh) * | 2017-02-16 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种自然语言问句答案的生成方法、装置及服务器 |
CN109165350A (zh) * | 2018-08-23 | 2019-01-08 | 成都品果科技有限公司 | 一种基于深度知识感知的信息推荐方法和系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7533089B2 (en) * | 2006-06-27 | 2009-05-12 | International Business Machines Corporation | Hybrid approach for query recommendation in conversation systems |
CN108427707B (zh) * | 2018-01-23 | 2021-05-04 | 深圳市阿西莫夫科技有限公司 | 人机问答方法、装置、计算机设备和存储介质 |
CN109858528B (zh) * | 2019-01-10 | 2024-05-14 | 平安科技(深圳)有限公司 | 推荐系统训练方法、装置、计算机设备及存储介质 |
-
2019
- 2019-01-10 CN CN201910023778.7A patent/CN109858528B/zh active Active
- 2019-06-27 WO PCT/CN2019/093138 patent/WO2020143186A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156359A (zh) * | 2013-05-13 | 2014-11-19 | 腾讯科技(深圳)有限公司 | 内链信息推荐方法及装置 |
CN105989040A (zh) * | 2015-02-03 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 智能问答的方法、装置及系统 |
CN105095444A (zh) * | 2015-07-24 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN106055623A (zh) * | 2016-05-26 | 2016-10-26 | 《中国学术期刊(光盘版)》电子杂志社有限公司 | 一种跨语言推荐方法和系统 |
WO2018149326A1 (zh) * | 2017-02-16 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种自然语言问句答案的生成方法、装置及服务器 |
CN109165350A (zh) * | 2018-08-23 | 2019-01-08 | 成都品果科技有限公司 | 一种基于深度知识感知的信息推荐方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2020143186A1 (zh) | 2020-07-16 |
CN109858528A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858528B (zh) | 推荐系统训练方法、装置、计算机设备及存储介质 | |
US9965522B2 (en) | Mobile application search ranking | |
US20190197416A1 (en) | Information recommendation method, apparatus, and server based on user data in an online forum | |
CN108829808B (zh) | 一种页面个性化排序方法、装置及电子设备 | |
CN105045781B (zh) | 查询词相似度计算方法及装置、查询词搜索方法及装置 | |
US9864951B1 (en) | Randomized latent feature learning | |
CN109325146B (zh) | 一种视频推荐方法、装置、存储介质和服务器 | |
CN109299356B (zh) | 基于大数据的活动推荐方法、装置、电子设备及存储介质 | |
CA3070612A1 (en) | Click rate estimation | |
CN111008272A (zh) | 基于知识图谱的问答方法、装置、计算机设备及存储介质 | |
CN112667825B (zh) | 基于知识图谱的智能推荐方法、装置、设备及存储介质 | |
WO2023000491A1 (zh) | 一种应用推荐方法、装置、设备及计算机可读存储介质 | |
CN111061979A (zh) | 一种用户标签的推送方法、装置、电子设备和介质 | |
CN113204953A (zh) | 基于语义识别的文本匹配方法、设备及设备可读存储介质 | |
CN111782946A (zh) | 书友推荐方法、计算设备及计算机存储介质 | |
CN110008396B (zh) | 对象信息推送方法、装置、设备及计算机可读存储介质 | |
CN114428910A (zh) | 资源推荐方法、装置、电子设备、产品及介质 | |
CN112199500A (zh) | 针对评论的情感倾向识别方法、装置及电子设备 | |
CN116089616A (zh) | 主题文本获取方法、装置、设备及存储介质 | |
CN112487181A (zh) | 关键词确定方法和相关设备 | |
KR101958555B1 (ko) | 검색 결과 제공 장치 및 방법 | |
CN116415063A (zh) | 云服务推荐方法及装置 | |
CN112784032A (zh) | 会话语料推荐评价方法、装置、存储介质和电子设备 | |
CN111915339A (zh) | 数据的处理方法、装置及设备 | |
CN112214387B (zh) | 基于知识图谱的用户操作行为预测方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |