CN111046268A - 一种信息推荐方法、装置和电子设备 - Google Patents

Abstract

本发明实施例提供了一种信息推荐方法、装置和电子设备，其中，所述方法包括：获取输入信息，从所述输入信息中提取目标对象的名称；依据所述名称，查找所述目标对象对应的关联信息；依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐；进而无论目标对象是否已经存在别名，均可以为其匹配出别名，而无需用户自己定义，提高了别名输入效率。

Description

一种信息推荐方法、装置和电子设备

技术领域

本发明涉及数据处理技术领域，特别是涉及一种信息推荐方法、装置和电子设备。

背景技术

随着互联网的发展，为用户提供交流的平台也随之增多如贴吧、论坛等，针对某个感兴趣的话题，用户可以在平台中进行交流；如关于名人的话题、新闻事件等等。其中，这些名人、事件等名称可能比较长或者不够有趣，用户通常会为其定义别名，然后采用别名进行交流，以增加交流的便捷性和趣味性。例如在讨论足球运动员库瓦图尔守门技能的话题时，用户给库瓦图尔取名“裤袜”，然后在聊天过程中采用“裤袜”代替库瓦图尔，如用户A发表评论“裤袜真是一夫当关万夫莫开啊！”。

因此现有技术通常会挖掘别名推荐给用户，以提高用户输入别名的效率；其中，在挖掘别名时，通常是从现有的Web站点内容中查找话题对象的别名并推荐；对于不存在别名的事件、名人，从Web站点内容中是无法挖掘出对应的别名，进而无法为用户推荐别名，此时用户需要自己为话题/ 话题对象定义别名，导致用户输入别名的效率低。

发明内容

本发明实施例提供一种信息推荐方法，以提高别名输入效率。

相应的，本发明实施例还提供了一种信息推荐装置和一种电子设备，用以保证上述方法的实现及应用。

为了解决上述问题，本发明实施例公开了一种信息推荐方法，具体包括：获取输入信息，从所述输入信息中提取目标对象的名称；依据所述名称，查找所述目标对象对应的关联信息；依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐。

可选地，所述从所述输入信息中提取目标对象的名称，包括：对所述输入信息进行分词处理得到分词片段；将所述分词片段与目标对象的名称词库进行匹配，提取目标对象的名称。

可选地，所述依据所述名称，查找所述目标对象对应的关联信息，包括：获取筛选信息，所述筛选信息包括上下文信息和/或所述输入信息中除目标对象名称外的其他信息；依据所述名称和筛选信息，查找所述目标对象对应的关联信息。

可选地，所述依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名，包括：将所述关联信息输入至别名匹配模型中，得到别名集合中各别名的匹配概率；选取匹配概率最高的前N个别名，其中，N为大于0 的整数。

可选地，还包括训练所述别名匹配模型的步骤：收集多组训练数据，其中，一组训练数据包括：目标对象的关联信息和M个别名，M是正整数；采用多组所述训练数据训练所述别名匹配模型。

可选地，所述依据所述训练数据训练所述别名匹配模型，包括：从各组训练数据中选取别名，组成别名集合；针对每组训练数据，将所述组训练数据中的目标对象的关联信息输入至别名匹配模型中，得到所述别名集合中各别名对应的匹配概率；依据所述别名集合中所述目标对象对应别名的匹配概率，调整所述别名匹配模型的权值。

可选地，在所述获取输入信息之后，所述方法还包括：获取场景信息，所述场景信息包括以下至少一种：应用信息、上下文信息和用户行为数据；依据所述场景信息，判断当前输入场景是否是别名推荐场景；若所述当前输入场景是别名推荐场景，则执行从所述输入信息中提取目标对象的名称的步骤。

可选地，在所述从所述输入信息中提取目标对象的名称之后，所述方法还包括：检测所述名称是否存在谐音词；若存在，则将所述名称的谐音词确定为所述目标对象的别名并推荐；若不存在，则执行所述依据所述名称，查找所述目标对象对应的关联信息的步骤。

本发明实施例还公开了一种信息推荐装置，具体包括：提取模块，用于获取输入信息，从所述输入信息中提取目标对象的名称；

查找模块，用于依据所述名称，查找所述目标对象对应的关联信息；

匹配模块，用于依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐。

可选地，所述提取模块，用于对所述输入信息进行分词处理得到分词片段；将所述分词片段与目标对象的名称词库进行匹配，提取目标对象的名称。

可选地，所述查找模块，用于获取筛选信息，所述筛选信息包括上下文信息和/或所述输入信息中除目标对象名称外的其他信息；依据所述名称和筛选信息，查找所述目标对象对应的关联信息。

可选地，所述匹配模块，用于将所述关联信息输入至别名匹配模型中，得到别名集合中各别名的匹配概率；选取匹配概率最高的前N个别名，其中， N为大于0的整数。

可选地，还包括：收集模块，用于收集多组训练数据，其中，一组训练数据包括：目标对象的关联信息和M个别名，M是正整数；训练模块，用于采用多组所述训练数据训练所述别名匹配模型。

可选地，所述训练模块，具体用于从各组训练数据中选取别名，组成别名集合；针对每组训练数据，将所述组训练数据中的目标对象的关联信息输入至别名匹配模型中，得到所述别名集合中各别名对应的匹配概率；依据所述别名集合中所述目标对象对应别名的匹配概率，调整所述别名匹配模型的权值。

可选地，所述装置还包括：场景检测模块，用于在所述获取输入信息之后，获取场景信息，所述场景信息包括以下至少一种：应用信息、上下文信息和用户行为数据；依据所述场景信息，判断当前输入场景是否是别名推荐场景；若所述当前输入场景是别名推荐场景，则执行从所述输入信息中提取目标对象的名称的步骤。

可选地，所述装置还包括：谐音词检测模块，用于在所述从所述输入信息中提取目标对象的名称之后，检测所述名称是否存在谐音词；若存在，则将所述名称的谐音词确定为所述目标对象的别名并推荐；所述查找模块，用于若不存在，则执行所述依据所述名称，查找所述目标对象对应的关联信息的步骤。

本发明实施例还公开了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本发明实施例任一所述的信息推荐方法。

本发明实施例还公开了一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取输入信息，从所述输入信息中提取目标对象的名称；依据所述名称，查找所述目标对象对应的关联信息；依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐。

可选地，所述从所述输入信息中提取目标对象的名称，包括：对所述输入信息进行分词处理得到分词片段；将所述分词片段与目标对象的名称词库进行匹配，提取目标对象的名称。

可选地，所述依据所述名称，查找所述目标对象对应的关联信息，包括：获取筛选信息，所述筛选信息包括上下文信息和/或所述输入信息中除目标对象名称外的其他信息；依据所述名称和筛选信息，查找所述目标对象对应的关联信息。

可选地，所述依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名，包括：将所述关联信息输入至别名匹配模型中，得到别名集合中各别名的匹配概率；选取匹配概率最高的前N个别名，其中，N为大于0 的整数。

可选地，还包含用于进行训练所述别名匹配模型操作的指令：收集多组训练数据，其中，一组训练数据包括：目标对象的关联信息和M个别名，M 是正整数；采用多组所述训练数据训练所述别名匹配模型。

可选地，所述依据所述训练数据训练所述别名匹配模型，包括：从各组训练数据中选取别名，组成别名集合；针对每组训练数据，将所述组训练数据中的目标对象的关联信息输入至别名匹配模型中，得到所述别名集合中各别名对应的匹配概率；依据所述别名集合中所述目标对象对应别名的匹配概率，调整所述别名匹配模型的权值。

可选地，在所述获取输入信息之后，还包含用于进行以下操作的指令：获取场景信息，所述场景信息包括以下至少一种：应用信息、上下文信息和用户行为数据；依据所述场景信息，判断当前输入场景是否是别名推荐场景；若所述当前输入场景是别名推荐场景，则执行从所述输入信息中提取目标对象的名称的步骤。

可选地，在所述从所述输入信息中提取目标对象的名称之后，还包含用于进行以下操作的指令：检测所述名称是否存在谐音词；若存在，则将所述名称的谐音词确定为所述目标对象的别名并推荐；若不存在，则执行所述依据所述名称，查找所述目标对象对应的关联信息的步骤。

本发明实施例包括以下优点：

本发明实施例中，可以获取输入信息，从所述输入信息中提取目标对象的名称，然后依据所述名称，查找所述目标对象对应的关联信息；再依据所述关联信息和别名匹配模型，为所述目标对象匹配出对应的别名，并推荐给用户。进而无论目标对象是否已经存在别名，均可以为其匹配出别名，而无需用户自己定义，提高了别名输入效率。

附图说明

图1是本发明的一种信息推荐方法实施例的步骤流程图；

图2是本发明的一种模型训练方法实施例的步骤流程图；

图3是本发明的一种信息推荐方法可选实施例的步骤流程图；

图4是本发明的一种信息推荐装置实施例的结构框图；

图5是本发明的一种信息推荐装置可选实施例的结构框图；

图6根据一示例性实施例示出的一种用于信息推荐的电子设备的结构框图；

图7是本发明根据另一示例性实施例示出的一种用于信息推荐的电子设备的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例的核心构思之一是，通过依据目标对象的关联信息和别名匹配模型，为所述目标对象匹配对应的别名，进而无论目标对象是否已经存在别名，均可以为其匹配出别名，而无需用户自己定义，提高了别名输入效率。

本发明实施例中，对象可以包括实体和事件，所述实体是客观存在并可以相互区分的事物，如人、物等等；所述事件可以是指自然界和社会中的一切现象和活动。其中，目标对象可以是指在某一领域一定范围内具有知名度的对象，如名人例如运动员李宁、又如名著例如《西游记》、还如重大事件例如体育赛事等。

参照图1，示出了本发明的一种信息推荐方法实施例的步骤流程图，具体可以包括如下步骤：

步骤102、获取输入信息，从所述输入信息中提取目标对象的名称。

本发明实施例可以获取用户输入的输入信息，然后从所述输入信息中提取目标对象的名称，然后再依据所述目标对象的名称，为所述目标对象推荐对应的别名；其中，所述名称可以是用以识别某一对象的专门称呼，可以是指法定或规范的称呼，所述别名可以是指除名称以外的称呼。

本发明实施例提供的信息推荐方法，可以应用于多种应用中，例如聊天应用、问答应用、浏览器、新闻应用、输入法等等，本发明实施例对此不作限制。对应的，所述输入信息可以是应用程序中编辑框中的信息，其中，不同的应用中所述编辑框的名称可能不同，例如，聊天应用中的编辑框是信息输入框，浏览器中的编辑框是搜索框等等；当然针对输入法而言，所述输入信息可以是上屏信息，也可以是输入序列，具体可按照需求设置。其中，从所述输入信息中提取目标对象的名称过程中，可以将所述输入信息划分为多个片段，依据划分的片段提取目标对象的名称。

步骤104、依据所述名称，查找所述目标对象对应的关联信息。

步骤106、依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐。

本发明实施例中，可以依据某一对象的关联信息来为该对象定义别名，如根据对象的基本信息如居住信息定义别名，例如由于诸葛亮在出山之前隐居于南阳卧龙岗，因此被人称为卧龙先生；又如根据对象的职业信息如对象的职业是演员，可以依据其参演的影视作品定义别名，例如演员A在电影*** 中扮演的角色名称B，则将名称B作为演员A的别名；还例如根据对象的成就信息定义别名例如运动员A获得体育赛事体操金牌，运动员A被人称为体操王子，等等。因此可以依据目标对象的名称，查找所述目标对象对应的关联信息，再依据所述关联信息，确定所述目标对象对应的别名；其中，所述关联信息可以是与目标对象相关的信息，如目标对象的基本信息、职业信息、作品信息、成就信息等等。

本发明实施例，可以预先训练别名匹配模型，例如收集各目标对象的关联信息和别名，然后采用收集的数据对别名匹配模型进行训练；其中，别名匹配模型的训练过程在后续进行详细说明。进而在依据所述关联信息确定目标对象的别名过程中，可以将所述关联信息输入至训练后的别名匹配模型中，通过所述别名匹配模型为所述目标对象匹配出对应的别名，然后将所述别名推荐给用户。

本发明的一个示例中，获取输入信息“你觉得球星****〃***这次能踢进几个球”，可以从输入信息中提取到目标对象的名称“****〃***”，即所述目标对象就是名称为“****〃***”的球星；然后依据名称“****〃***”，查找名称为“****〃***”的球星对应的关联信息，如历史比赛成绩、效力的球队，场上的位置等等。再将关联信息输入至别名匹配模型中，可以得到对应的别名“××”，然后将别名“××”推荐给用户。其中，“×”、“*”可以表示一个字符，所述字符可以是汉字、单词、片假名等等。

本发明的另一个示例中，获取输入信息“最近很火的A公司召回汽车事件你知道吗？”可以从输入信息中提取到目标对象的名称“A公司召回汽车”，即所述目标对象就是名称为“A公司召回汽车”的事件；然后依据名称“A公司召回汽车事件”，获取对应的关联信息，如发生时间、汽车数量、汽车品牌等等；再将关联信息输入至别名匹配模型中，可以得到对应的别名“召回门”。

本发明实施例中，可以获取输入信息，从所述输入信息中提取目标对象的名称，然后依据所述名称，查找所述目标对象对应的关联信息；再依据所述关联信息和别名匹配模型，为所述目标对象匹配出对应的别名，并推荐给用户。进而无论目标对象是否已经存在别名，均可以为其匹配出别名，而无需用户自己定义，提高了别名输入效率。

本发明的另一个实施例中，可以收集训练数据，采用所述训练数据对所述别名匹配模型进行训练；具体如下：

参照图2，示出了本发明的一种模型训练方式实施例的步骤流程图；具体包括如下步骤：

步骤202、收集多组训练数据，其中，一组训练数据包括：目标对象的关联信息和M个别名。

本发明实施例中，可以从各个平台收集各目标对象的关联信息和M个别名，如知识平台例如百科，问答平台例如论坛、社交平台等；其中，可以将一个目标对象的关联信息和M个别名，作为一组训练数据，所述M可以是正整数。进而可以得到多组训练数据，然后采用所述训练数据训练所述别名匹配模型；具体可以按照步骤204-步骤208实现：

步骤204、从各组训练数据中选取别名，组成别名集合。

步骤206、针对每组训练数据，将所述组训练数据中的目标对象的关联信息输入至别名匹配模型中，得到所述别名集合中各别名对应的匹配概率。

步骤208、依据所述别名集合中所述目标对象对应别名的匹配概率，调整所述别名匹配模型的权值。

本发明实施例中，可以将各组训练数据中目标对象的别名选取出来，然后采用各组训练数据对应的别名，组成别名集合；再依据所述训练数据中目标对象对应的关联信息和别名集合，对别名匹配模型(该模型在训练前各层的权值均为默认值)进行训练。其中，每次可以采用一组训练数据对所述别名匹配模型进行训练，每次对别名匹配模型的训练可以包括正向传播和反向传播；其中，正向传播：将一组训练数据中目标对象对应的关联信息，输入至别名匹配模型中，别名匹配模型可以计算该组关联信息与别名集合中各个别名的匹配概率并输出。反向传播：可以从所述别名集合中查找所述目标对象对应的别名，然后依据所述目标对象对应别名的匹配概率，调整所述别名匹配模型中各层的权值；使得调整权值后的别名匹配模型，在采用该目标对象对应关联信息训练时，输出的该目标对象对应别名可以是别名集合中匹配概率最高的一个别名，也可以是匹配概率最高的前P个中的一个别名，所述 P是大于1的整数。然后可以采用下一组训练数据，对基于本组训练数据训练后的别名匹配模型进行训练。进而在后续别名匹配过程中，可以将目标对象的关联信息输入至训练后的别名匹配模型中，匹配出目标对象的别名。

本发明一个可选实施例中，在收集训练数据过程中，还可以收集目标对象对应的名称，然后建立目标对象的名称与别名之间的映射关系并保存；进而在后续别名匹配过程中，可以依据所述映射关系，查找目标对象对应的别名；若无法到对应的别名，再查找所述目标对象对应的关联信息，再依据所述关联信息和别名匹配模型，确定所述目标对应的别名。

以下对采用训练后的别名匹配模型，为目标对象对应的别名的过程进行详细说明。

参照图3，示出了本发明的一种信息推荐方法可选实施例的步骤流程图，具体可以包括如下步骤：

步骤302、获取输入信息。

本发明实施例中，应用程序可以获取对应的输入信息，然后为输入信息中目标对象推荐对应的别名；其中，本发明实施例不限制输入信息的语言，可以是汉语、英语、韩语、日语等等。

有些场景适合用目标对象的别名，如在论坛中评论球星，又如问答平台交流对名人事件、社会现象等意见；而有些场景可能不适合使用目标对象的别名，如在和长辈聊天，又例如在和领导聊天。因此本发明实施例中，可以先判断当前的输入场景是否是别名推荐场景，若是，则可以为用户推荐目标对象的别名；若不是，则可以结束流程。

步骤304、获取场景信息，所述场景信息包括以下至少一种：应用信息、上下文信息和用户行为数据。

步骤306、依据所述场景信息，判断当前输入场景是否是别名推荐场景。

本发明实施例中，可以获取场景信息，然后依据所述场景信息判断当前输入场景是否是别名推荐场景；其中，所述场景信息可以包括以下至少一种：应用信息、上下文信息和用户行为数据。例如依据应用信息确定当前应用是邮件应用，则可以确定当前输入场景不是别名推荐场景；依据应用信息确定当前应用是论坛时，则可以确定当前输入场景是别名推荐场景。又例如在聊天应用中依据上下文信息确定对端为领导或客户时，可以确定当前输入场景不是别名推荐场景；而依据上下文信息确定对端为好朋友时，可以确定当前输入场景是别名推荐场景。还例如若依据用户行为数据确定用户当前心情愉悦时，可以确定当前输入场景为别名推荐场景；若依据用户行为数据确定用户当前心情不愉悦时，可以确定当前输入场景不是别名推荐场景。当然也可以采用上述任意多种场景信息结合，来判断当前输入场景是否是别名推荐场景，本发明对此不作限制。当确定当前输入场景是别名推荐场景时，可以执行步骤308；当确定当前输入场景不是别名推荐场景时，可以结束上述流程。

步骤308、对所述输入信息进行分词处理得到分词片段。

步骤310、将所述分词片段与目标对象的名称词库进行匹配，提取目标对象的名称。

本发明实施例中，当确定当前输入场景是别名推荐场景时，可以从所述输入信息中提取目标对象的名称；其中，可以对所述输入信息进行分词处理得到分词片段，再将所述分词片段与目标对象的名称词库进行匹配，提取目标对象的名称。例如输入信息“球星库瓦图尔的球技”，可以得到分词片段“库”、“瓦”、“图”、“尔”、“球星”、“的”和“球技”，其中目标对象的名称词库中存在名称“库瓦图尔”，则提取到目标对象的名称“库瓦图尔”。

其中，若所述应用程序为输入法时，可以获取输入序列，然后可以对所述输入序列进行转换，得到对应的候选项；然后可以从候选分值最高的候选项中提取目标对象的名称。例如输入序列“kuwatuer”，得到候选分值最高的候选项为“库瓦图尔”，则可以从“库瓦图尔”中提取目标对象的名称。

本发明的一个可选实施例中，若预先存储了目标对象的名称与别名的映射关系，则在提取目标对象的名称后，可以依据所述目标对象的名称查询所述映射关系，从数据库中获取所述目标对象的别名。当未查找到目标对象的别名时，可执行步骤312，当查找到目标对象的别名时，可向用户推荐查找到的别名，执行步骤324。

本发明一个可选实施例中，所述目标对象包括以下至少一种：名人、事件、名著、著名影视，热门应用等；当然还可以包括其他如著名建筑、著名景点等等，本发明实施例对此不作限制。

步骤312、检测所述名称是否存在谐音词。

本发明实施例中，可以利用谐音为目标对象匹配对应的别名；当确定所述名称存在谐音词时，则可以将所述名称的谐音词确定为所述目标对象的别名，可执行步骤314；当所述名称不存在谐音词时，则采用所述别名匹配模型为目标对象匹配别名，可执行步骤316。其中，名称的谐音词可以是名称中部分词的谐音词。

步骤314、将所述名称的谐音词确定为所述目标对象的别名。

例如，目标对象的名称为“*姗姗”，则可以将“姗姗”的谐音词“33”，作为目标对象的别名。然后可以推荐所述目标对应的别名，执行步骤324。

步骤316、获取筛选信息，所述筛选信息包括上下文信息和/或所述输入信息中除目标对象名称外的其他信息；

步骤318、依据所述名称和筛选信息，查找所述目标对象对应的关联信息。

本发明实施例中，在确定所述名称不存在谐音词时，可以查找目标对象的关联信息，然后依据所述关联信息和别名匹配模型为目标对象匹配别名。其中，可能存在多个目标对象的名称相同，进而在依据所述名称查找目标对象的关联信息时，可能查找到多组关联信息；因此确定输入信息中目标对象对应的关联信息时，可以获取筛选信息，进而可以依据所述名称和筛选信息，查找所述目标对象对应的关联信息。其中，所述筛选信息可以包括：上下文信息和/或所述输入信息中除目标对象名称外的其他信息。本发明实施例中，可以先采用名称作为查询条件，查找所述目标对象的关联信息，然后采用所述筛选信息，对查找的关联信息进行筛选。例如，输入信息为“你觉得球星 ***这次能踢进几个球”，依据名称“***”可以获取到两组关联信息：足球明星“***”对应的关联信息，和，篮球明星“***”对应的关联信息；其中，可以从输入信息的其他信息“踢进几个球”，因此确定目标对象对应的身份是足球运动员；因此可以采用所述其他信息对查询到的关联信息进行筛选，确定关联信息为足球明星“***”对应的关联信息。当然也可以将所述名称和筛选信息作为联合查询条件，查找到所述目标对象的关联信息；例如基于上述输入信息，确定名称为“***”，职业信息为“足球运动员”，可以采用这两个信息，查找到的关联信息为足球明星的关联信息。

步骤320、将所述关联信息输入至别名匹配模型中，得到别名集合中各别名的匹配概率。

步骤322、选取匹配概率最高的前N个别名，其中，N为大于0的整数。

本发明实施例中，可以将所述关联信息输入至训练后的别名匹配模型中，别名匹配模型可以输出别名集合中各别名的匹配概率；然后可以从别名集合中，选取匹配概率最高的前N个别名，其中，N为大于0的整数。

步骤324、推荐所述目标对象的别名。

然后可向用户推荐所述目标对象的别名，其中，推荐别名的方式包括多种，如输入法可以在候选区推荐目标对象的别名，也可以在输入法的其他区域推荐目标对象的别名；当然也可以在应用程序设定的推荐区域推荐。又如其他应用程序可以在其编辑框对应的下拉框推荐，等等。

本发明实施例中，可以获取输入信息，从所述输入信息中提取目标对象的名称，然后依据所述名称，查找所述目标对象对应的关联信息；再依据所述关联信息和别名匹配模型，为所述目标对象匹配出对应的别名，并推荐给用户。进而无论目标对象是否已经存在别名，均可以为其匹配出别名，而无需用户自己定义，提高了别名输入效率。

其次，本发明实施例在依据所述名称查找目标对象对应的关联信息时，可以获取筛选信息，再依据所述筛选信息和名称，查找目标对象的关联信息；进而提高了查找关联信息的准确性，从而提高了匹配别名的准确性。

进一步，本发明实施例在获取输入信息之后，可以获取场景信息，依据所述场景信息，判断当前输入场景是否是别名推荐场景；若所述当前输入场景是别名推荐场景，再从所述输入信息中提取目标对象的名称；进而在合适的场景推荐别名，提高用户体验。

再次，本发明实施例中在所述从所述输入信息中提取目标对象的名称之后，可以检测所述名称是否存在谐音词；若存在，则将所述名称的谐音词确定为所述目标对象的别名并推荐；若不存在，则执行所述依据所述名称，查找所述目标对象对应的关联信息的步骤；由于利用谐音为目标对象匹配对应的别名，相对应采用别名匹配模型为目标对象匹配别名，算法更简单，进而提高了别名匹配的效率。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图4，示出了本发明的一种信息推荐装置实施例的结构框图，具体可以包括如下模块：提取模块402、查找模块404和匹配模块406，其中，

提取模块402，用于获取输入信息，从所述输入信息中提取目标对象的名称；

查找模块404，用于依据所述名称，查找所述目标对象对应的关联信息；

匹配模块406，用于依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐。

参照图5，示出了本发明的一种信息推荐装置可选实施例的结构框图。本发明一个可选的实施例中，所述装置还包括：还包括：收集模块408、训练模块410、场景检测模块412和谐音词检测模块414，其中，

收集模块408，用于收集多组训练数据，其中，一组训练数据包括：目标对象的关联信息和M个别名，M是正整数；

训练模块410，用于采用多组所述训练数据训练所述别名匹配模型。

其中，所述训练模块410，具体用于从各组训练数据中选取别名，组成别名集合；针对每组训练数据，将所述组训练数据中的目标对象的关联信息输入至别名匹配模型中，得到所述别名集合中各别名对应的匹配概率；依据所述别名集合中所述目标对象对应别名的匹配概率，调整所述别名匹配模型的权值。

场景检测模块412，用于在所述获取输入信息之后，获取场景信息，所述场景信息包括以下至少一种：应用信息、上下文信息和用户行为数据；依据所述场景信息，判断当前输入场景是否是别名推荐场景；若所述当前输入场景是别名推荐场景，则执行从所述输入信息中提取目标对象的名称的步骤。

谐音词检测模块414，用于在所述从所述输入信息中提取目标对象的名称之后，检测所述名称是否存在谐音词；若存在，则将所述名称的谐音词确定为所述目标对象的别名并推荐；所述查找模块404，用于若不存在，则执行所述依据所述名称，查找所述目标对象对应的关联信息的步骤。

本发明一个可选的实施例中，所述提取模块402，用于对所述输入信息进行分词处理得到分词片段；将所述分词片段与目标对象的名称词库进行匹配，提取目标对象的名称。

本发明一个可选的实施例中，所述查找模块404，用于获取筛选信息，所述筛选信息包括上下文信息和/或所述输入信息中除目标对象名称外的其他信息；依据所述名称和筛选信息，查找所述目标对象对应的关联信息。

本发明一个可选的实施例中，所述匹配模块406，用于将所述关联信息输入至别名匹配模型中，得到别名集合中各别名的匹配概率；选取匹配概率最高的前N个别名，其中，N为大于0的整数。

本发明一个可选的实施例中，所述目标对象包括以下至少一种：名人、事件、名著、著名影视，热门应用。

本发明实施例中，可以获取输入信息，从所述输入信息中提取目标对象的名称，然后依据所述名称，查找所述目标对象对应的关联信息；再依据所述关联信息和别名匹配模型，为所述目标对象匹配出对应的别名，并推荐给用户。进而无论目标对象是否已经存在别名，均可以为其匹配出别名，而无需用户自己定义，提高了别名输入效率。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

图6是根据一示例性实施例示出的一种用于信息推荐的电子设备600的结构框图。例如，电子设备600可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图6，电子设备600可以包括以下一个或多个组件：处理组件 602，存储器604，电力组件606，多媒体组件608，音频组件610，输入/输出(I/O)的接口612，传感器组件614，以及通信组件616。

处理组件602通常控制电子设备600的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理部件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。

存储器604被配置为存储各种类型的数据以支持在设备600的操作。这些数据的示例包括用于在电子设备600上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器 (ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件606为电子设备600的各种组件提供电力。电力组件606可以包括电源管理系统，一个或多个电源，及其他与为电子设备600生成、管理和分配电力相关联的组件。

多媒体组件608包括在所述电子设备600和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板 (TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当电子设备600处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件610被配置为输出和/或输入音频信号。例如，音频组件610 包括一个麦克风(MIC)，当电子设备600处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出音频信号。

I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件614包括一个或多个传感器，用于为电子设备600提供各个方面的状态评估。例如，传感器组件614可以检测到设备600的打开/关闭状态，组件的相对定位，例如所述组件为电子设备600的显示器和小键盘，传感器组件614还可以检测电子设备600或电子设备600一个组件的位置改变，用户与电子设备600接触的存在或不存在，电子设备600方位或加速/ 减速和电子设备600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件616被配置为便于电子设备600和其他设备之间有线或无线方式的通信。电子设备600可以接入基于通信标准的无线网络，如WiFi，2G 或3G，或它们的组合。在一个示例性实施例中，通信部件614经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件614还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA) 技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备600可以被一个或多个应用专用集成电路 (ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器604，上述指令可由电子设备600的处理器 620执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是 ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行一种信息推荐方法，所述方法包括：获取输入信息，从所述输入信息中提取目标对象的名称；依据所述名称，查找所述目标对象对应的关联信息；依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐。

可选地，所述从所述输入信息中提取目标对象的名称，包括：对所述输入信息进行分词处理得到分词片段；将所述分词片段与目标对象的名称词库进行匹配，提取目标对象的名称。

可选地，所述依据所述名称，查找所述目标对象对应的关联信息，包括：获取筛选信息，所述筛选信息包括上下文信息和/或所述输入信息中除目标对象名称外的其他信息；依据所述名称和筛选信息，查找所述目标对象对应的关联信息。

可选地，所述依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名，包括：将所述关联信息输入至别名匹配模型中，得到别名集合中各别名的匹配概率；选取匹配概率最高的前N个别名，其中，N为大于0 的整数。

可选地，还包括训练所述别名匹配模型的步骤：收集多组训练数据，其中，一组训练数据包括：目标对象的关联信息和M个别名，M是正整数；采用多组所述训练数据训练所述别名匹配模型。

可选地，所述依据所述训练数据训练所述别名匹配模型，包括：从各组训练数据中选取别名，组成别名集合；针对每组训练数据，将所述组训练数据中的目标对象的关联信息输入至别名匹配模型中，得到所述别名集合中各别名对应的匹配概率；依据所述别名集合中所述目标对象对应别名的匹配概率，调整所述别名匹配模型的权值。

可选地，在所述获取输入信息之后，所述方法还包括：获取场景信息，所述场景信息包括以下至少一种：应用信息、上下文信息和用户行为数据；依据所述场景信息，判断当前输入场景是否是别名推荐场景；若所述当前输入场景是别名推荐场景，则执行从所述输入信息中提取目标对象的名称的步骤。

可选地，在所述从所述输入信息中提取目标对象的名称之后，所述方法还包括：检测所述名称是否存在谐音词；若存在，则将所述名称的谐音词确定为所述目标对象的别名并推荐；若不存在，则执行所述依据所述名称，查找所述目标对象对应的关联信息的步骤。

图7是本发明根据另一示例性实施例示出的一种用于信息推荐的电子设备700的结构示意图。该电子设备700可以是服务器，该服务器可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器 (central processing units，CPU)722(例如，一个或一个以上处理器)和存储器732，一个或一个以上存储应用程序742或数据744的存储介质730(例如一个或一个以上海量存储设备)。其中，存储器732和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器722可以设置为与存储介质730通信，在服务器上执行存储介质730中的一系列指令操作。

服务器还可以包括一个或一个以上电源726，一个或一个以上有线或无线网络接口750，一个或一个以上输入输出接口758，一个或一个以上键盘 756，和/或，一个或一个以上操作系统741，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取输入信息，从所述输入信息中提取目标对象的名称；依据所述名称，查找所述目标对象对应的关联信息；依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐。

可选地，所述从所述输入信息中提取目标对象的名称，包括：对所述输入信息进行分词处理得到分词片段；将所述分词片段与目标对象的名称词库进行匹配，提取目标对象的名称。

可选地，所述依据所述名称，查找所述目标对象对应的关联信息，包括：获取筛选信息，所述筛选信息包括上下文信息和/或所述输入信息中除目标对象名称外的其他信息；依据所述名称和筛选信息，查找所述目标对象对应的关联信息。

可选地，所述依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名，包括：将所述关联信息输入至别名匹配模型中，得到别名集合中各别名的匹配概率；选取匹配概率最高的前N个别名，其中，N为大于0 的整数。

可选地，还包含用于进行训练所述别名匹配模型操作的指令：收集多组训练数据，其中，一组训练数据包括：目标对象的关联信息和M个别名，M 是正整数；采用多组所述训练数据训练所述别名匹配模型。

可选地，所述依据所述训练数据训练所述别名匹配模型，包括：从各组训练数据中选取别名，组成别名集合；针对每组训练数据，将所述组训练数据中的目标对象的关联信息输入至别名匹配模型中，得到所述别名集合中各别名对应的匹配概率；依据所述别名集合中所述目标对象对应别名的匹配概率，调整所述别名匹配模型的权值。

可选地，在所述获取输入信息之后，还包含用于进行以下操作的指令：获取场景信息，所述场景信息包括以下至少一种：应用信息、上下文信息和用户行为数据；依据所述场景信息，判断当前输入场景是否是别名推荐场景；若所述当前输入场景是别名推荐场景，则执行从所述输入信息中提取目标对象的名称的步骤。

可选地，在所述从所述输入信息中提取目标对象的名称之后，还包含用于进行以下操作的指令：检测所述名称是否存在谐音词；若存在，则将所述名称的谐音词确定为所述目标对象的别名并推荐；若不存在，则执行所述依据所述名称，查找所述目标对象对应的关联信息的步骤。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种信息推荐方法、一种信息推荐装置和一种电子设备，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种信息推荐方法，其特征在于，包括：

获取输入信息，从所述输入信息中提取目标对象的名称；

依据所述名称，查找所述目标对象对应的关联信息；

依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐。

2.根据权利要求1所述的方法，其特征在于，所述从所述输入信息中提取目标对象的名称，包括：

对所述输入信息进行分词处理得到分词片段；

将所述分词片段与目标对象的名称词库进行匹配，提取目标对象的名称。

3.根据权利要求1所述的方法，其特征在于，所述依据所述名称，查找所述目标对象对应的关联信息，包括：

获取筛选信息，所述筛选信息包括上下文信息和/或所述输入信息中除目标对象名称外的其他信息；

依据所述名称和筛选信息，查找所述目标对象对应的关联信息。

4.根据权利要求1所述的方法，其特征在于，所述依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名，包括：

将所述关联信息输入至别名匹配模型中，得到别名集合中各别名的匹配概率；

选取匹配概率最高的前N个别名，其中，N为大于0的整数。

5.根据权利要求1所述的方法，其特征在于，还包括训练所述别名匹配模型的步骤：

收集多组训练数据，其中，一组训练数据包括：目标对象的关联信息和M个别名，M是正整数；

采用多组所述训练数据训练所述别名匹配模型。

6.根据权利要求5所述的方法，其特征在于，所述依据所述训练数据训练所述别名匹配模型，包括：

从各组训练数据中选取别名，组成别名集合；

针对每组训练数据，将所述组训练数据中的目标对象的关联信息输入至别名匹配模型中，得到所述别名集合中各别名对应的匹配概率；

依据所述别名集合中所述目标对象对应别名的匹配概率，调整所述别名匹配模型的权值。

7.根据权利要求1所述的方法，其特征在于，在所述获取输入信息之后，所述方法还包括：

获取场景信息，所述场景信息包括以下至少一种：应用信息、上下文信息和用户行为数据；

依据所述场景信息，判断当前输入场景是否是别名推荐场景；

若所述当前输入场景是别名推荐场景，则执行从所述输入信息中提取目标对象的名称的步骤。

8.一种信息推荐装置，其特征在于，包括：

提取模块，用于获取输入信息，从所述输入信息中提取目标对象的名称；

查找模块，用于依据所述名称，查找所述目标对象对应的关联信息；

匹配模块，用于依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐。

9.一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如方法权利要求1-7任一所述的信息推荐方法。

10.一种电子设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获取输入信息，从所述输入信息中提取目标对象的名称；

依据所述名称，查找所述目标对象对应的关联信息；

依据所述关联信息和别名匹配模型，为所述目标对象匹配对应的别名并推荐。

Images