CN112883248A - 信息推送方法、装置以及电子设备 - Google Patents
信息推送方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN112883248A CN112883248A CN202110127157.0A CN202110127157A CN112883248A CN 112883248 A CN112883248 A CN 112883248A CN 202110127157 A CN202110127157 A CN 202110127157A CN 112883248 A CN112883248 A CN 112883248A
- Authority
- CN
- China
- Prior art keywords
- target
- user information
- document
- knowledge graph
- target user
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000013598 vector Substances 0.000 claims description 73
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims 1
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000013145 classification model Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000396377 Tranes Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种信息推送方法、装置以及电子设备，涉及知识图谱和自然语言处理技术领域。具体实现方案为：获取目标用户信息；根据所述目标用户信息从预构建的知识图谱中获取目标文档，所述知识图谱包括多个用户信息与文档之间的第一关联关系，所述知识图谱包括员工、文档、产品领域和产品四种实体；向终端发送所述目标文档。目标文档为基于目标用户信息从知识图谱中获取到的文档，提高了目标文档确定的准确率，另外，采用了知识图谱的形式对企业进行信息管理，在基于目标用户信息在知识图谱中进行查询时，可提高查询效率；同时，将获取到的目标文档主动推送给用户，可提高用户获取目标文档的便利性。
Description
技术领域
本公开涉及计算机技术领域，尤其知识图谱和自然语言处理技术领域。具体地，提供了一种信息推送方法、装置以及电子设备。
背景技术
对于企业内部海量的文档来说，传统的管理方案可包括如下几个步骤：收集散落在各个团队、各个产品线的经验文档、新闻文档、团队总结文档等素材，然后为这些文档设置倒排索引，构成倒排索引库，该过程只对文章进行简单的理解；在倒排索引库上构建搜索系统，当用户有明确的搜索意图时，从系统中搜索出目标的页面。
发明内容
本公开提供了一种信息推送方法、装置以及电子设备。
根据本公开的第一方面，提供了一种信息推送方法，包括：
获取目标用户信息；
根据所述目标用户信息从预构建的知识图谱中获取目标文档，所述知识图谱包括多个用户信息与文档之间的第一关联关系，所述知识图谱包括员工、文档、产品领域和产品四种实体；
向终端发送所述目标文档。
根据本公开的第二方面，提供了一种信息推送装置，包括：
第一获取模块，用于获取目标用户信息；
第二获取模块，用于根据所述目标用户信息从预构建的知识图谱中获取目标文档，所述知识图谱包括多个用户信息与文档之间的第一关联关系，所述知识图谱包括员工、文档、产品领域和产品四种实体；
发送模块，用于向终端发送所述目标文档。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面任一项所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面任一项所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面任一项所述的方法。
本公开提供的方法，目标文档为基于目标用户信息从知识图谱中获取到的文档，提高了目标文档确定的准确率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开实施例提供的信息推送方法的一流程图；
图2a是本公开实施例提供的分类模型示意图；
图2b是本公开实施例提供的知识图谱结构示意图；
图2c是本公开实施例提供的相似度计算模型示意图；
图3是本公开实施例提供的信息推送装置的结构图；
图4是用来实现本公开实施例的信息推送方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
参见图1，图1是本公开实施例提供的信息推送方法的流程图，如图1所示，本实施例提供一种信息推送方法，可由服务器执行，例如信息推送服务器，信息推送方法包括以下步骤：
步骤101、获取目标用户信息。
用户信息也可理解为员工信息，本实施例中的方法可应用于企业中，员工信息为企业的员工的信息，可包括员工的工号、姓名、所属部门、职位等等信息。在员工登录公司电脑的情况下，或者在员工登录公司的办工系统的情况下，可获取到用户信息。目标用户信息可理解为某个用户的用户信息，例如，在公司电脑上进行登录的用户信息，或者在公司的办工系统上进行登录的用户信息。目标用户信息可包括员工的工号、姓名、所属部门、职位和根据历史行为数据确定的第二标签的一项或多项信息。
步骤102、根据所述目标用户信息从预构建的知识图谱中获取目标文档，所述知识图谱包括多个用户信息与文档之间的第一关联关系。
知识图谱可基于企业内部组织设置预先构建，知识图谱中的实体可包括员工、文档、产品领域和产品(也可称为业务)四种实体，产品领域也可理解为业务领域，例如，人工智能、产品设计、区块链等。
实体可从企业的数据库中导出和挖掘获得。例如，员工实体可从企业的数据库中获取，获得员工的部分、职位、工号、年龄等属性；文档可从企业各部门分处收集，并增加标题、摘要、发布时间、详细内容等属性；知识点也可理解为产品领域，例如，人工智能、产品设计、区块链等，知识点可根据企业的业务范围进行划分；产品或业务是指企业生产或开发的产品，例如，聊天软件A、理财软件B等等产品。上述中，文档可以是部门发布的文章、通知、总结、报告或者公示文件等等。
在确定实体之后，构建各实体之间的关联关系。例如，建立员工与文档之间的关联关系(也可称为相关关系)时，可获取发布文档的员工信息，建立发布文档的员工与文档之间的关联关系，或者，对文档中的内容进行人名识别，若该人名为企业的员工，则将该人名对应的员工信息与文档进行关联。在建立文档与知识点之间的关联关系时，可基于分类模型对文档属于的知识点进行分类，建立文档与知识点之间的关联关系。分类模型的输入特征可包括标题、摘要、标签或主题等与知识点相关的内容，分类模型可基于输入特征提取语义向量，输出分类，即文档属于的知识点。分类模型可使用BERT模型，如图2a所示，图中[cls]可为训练样本的标签，Tok1、Tok2至Tokn分别表示训练样本中的句子，E[cls]为训练样本的标签对应的向量表示，E1、E2至En分别对应句子的向量表示，BERT模型的输出为分类。
BERT模型具有强大的语义提取能力，在小样本场景下，容易迁移语义，具有更强的泛化能力。对于文档与产品之间的关联关系，可构建一个二分类模型，判断文档中出现的业务或产品是否与文档为相关关系。除上述直接相关关系之外，还可以有间接相关关系，间接相关关系是通过传递规则构建的，例如，员工C与文档D有相关关系，文档D与知识点E有相关关系，则可以推断出员工C与知识点E具有相关关系。
如图2b所示为构建的知识图谱示意图。模式层定义了四种实体类型，包括员工、文章(即文档)、知识点、产品/业务；两种关系类型：相关关系和ISA关系。通过该知识图谱可以获知：员工相关的知识点有哪些、员工感兴趣的文章有哪些等问题，图2b中，标号11所示为文章的摘要信息。
目标用户信息可为多个用户信息中的一个。第一关联关系可包括多个用户信息与文档之间的直接关联关系，还可包括多个用户信息与文档之间的间接关联关系，例如，用户信息M与知识点N之间具有直接关联关系，知识点N与文档I之间具有直接关联关系，则用户信息M与文档I之间具有间接关联关系。目标文档可包括一个或多个文档。
步骤103、向终端发送所述目标文档。
将目标文档发送给终端，终端可理解为目标用户信息登录的终端，终端可为手机，台式电脑、平板电脑、笔记本电脑等等。
目标文档为基于目标用户信息从知识图谱中获取到的文档，目标文档为用户感兴趣的文档的可能性更大，提高了目标文档确定的准确率，同时，服务器将获取到的目标文档主动推送给用户，提高用户获取目标文档的便利性。
本实施例中，获取目标用户信息；根据所述目标用户信息从预构建的知识图谱中获取目标文档，所述知识图谱包括多个用户信息与文档之间的第一关联关系；向终端发送所述目标文档。目标文档为基于目标用户信息从知识图谱中获取到的文档，提高了目标文档确定的准确率，另外，本实施例中的方法采用了知识图谱的形式对企业进行信息管理，使得在基于目标用户信息在知识图谱中进行查询时，可提高查询效率；同时，服务器将获取到的目标文档主动推送给用户，提高用户获取目标文档的便利性。
上述中，步骤102、根据所述目标用户信息从预构建的知识图谱中获取目标文档，包括：
根据所述目标用户信息从所述知识图谱中获取至少两个中间文档；
根据所述目标用户信息对所述至少两个中间文档进行排序，获得所述目标文档。
上述中，在基于目标用户信息从知识图谱中获取到至少两个中间文档后，可对这至少两个中间文档进行排序，例如，基于目标用户信息，确定每个中间文档的重要程度，或者与目标用户信息的匹配程度，对这至少两个中间文档进行排序，获得目标文档。此种情况下，目标文档包括至少两个中间文档，且这至少两个中间文档中的文档具有排序。将目标文档发送给终端，在终端进行显示时可按照至少两个中间文档中各文档的排序进行显示，重要程度越高的文档或匹配程度越高的文档，满足用户需求的可能性越大，文档的顺序越靠前，可提高用户获取感兴趣文档的效率。
对所述目标用户信息对所述至少两个中间文档进行排序，获得目标文档的过程，可包括：
获取所述至少两个中间文档中每个中间文档的文档特征向量；获取所述目标用户信息的用户特征向量；计算所述每个中间文档的文档特征向量和所述用户特征向量之间的相似度；按照相似度从大到小的顺序，对所述每个中间文档进行排序，获得所述目标文档。
对于至少两个中间文档中的每个中间文档，获取每个中间文档的文档特征向量，例如，获取中间文档的文档信息，文档信息可包括标题、摘要、主题和第一标签(可理解为文章所属的知识点)中的一个或多个信息。举例来说，对于标题，可先对标题进行分词，并获取每个词对应的向量，将各个词的向量进行平均，获得标题的特征向量。对于文档信息中的每一个信息，可采用与获取标题特征向量相同的方式，获得摘要的特征向量，主题的特征向量和第一标签的特征向量，然后将标题、摘要、主题和第一标签各自对应的特性向量进行拼接，获得文档特征向量。
目标用户信息可包括员工的工号、姓名、所属部门、职位和根据历史行为数据确定的第二标签中的一项或多项信息，对于目标用户信息包括的各项信息，可采用上述获取标题特征向量的方式获取各项信息对应的特征向量，并将各项信息对应的特征向量进行拼接，获得目标用户信息对应的用户特征向量。上述中，历史行为数据可为目标用户信息对应的用户点击过的文档属于的知识点，该知识点即为第二标签，也可理解为用户标签。
在获取到各文档的文档特征向量和用户特征向量之后，计算各文档的文档特征向量与用户特征向量之间的相似度，例如，余弦相似度，可采用transE向量计算余弦相似度，相似度越大，用户感兴趣的可能性越大，用户点击的可能性也越大。
在确定每个中间文档与目标用户信息之间的相似度之后，可从中选取相似度大于或等于相似度阈值的中间文档，并按照相似度从大到小的顺序，对选取的中间文档进行排序，获得所述目标文档，或者，在确定每个中间文档与目标用户信息之间的相似度之后，按照相似度从大到小的顺序，对各中间文档进行排序，获得目标文档。目标文档中的各文档按照相似度从大到小的顺序进行排序，可将用户感兴趣可能性高的文档排在靠前位置，提高了用户获取感兴趣信息的效率。
上述中，根据文档信息和目标用户信息确定各自的特征向量，可避免特征向量稀疏；使用transE向量的相似度作为一维特征，从图谱的角度给模型提供一个很好的借鉴；特征采用词向量(即embedding向量)，可以采用预训练好的语义向量，进一步提升模型的泛化能力。模型如图2c所示的相似度计算模型，特征转成向量后，拼接成为一个固定长度的向量，接入三层全连接层，并使用线性整流函数(Rectified Linear Unit,ReLU)作为激活函数。这种网络层的设计主要是出于性能的考虑，而且全连接层可以使用模型再好地学习特征的交互。
上述中，根据所述目标用户信息从预构建的知识图谱中获取目标文档，包括两种方式，第一种方式为通过关键字检索。
基于关键字检索包括两种关键字检索方式，一种是基于直接关联关系进行检索。即基于所述目标用户信息的关键字在所述知识图谱中进行检索，获得所述目标文档。
例如，基于目标用户信息中的姓名，在第一关联关系中进行检索，获得与目标用户信息中的姓名相匹配的目标文档，或者，基于目标用户信息中的职位，在第一关联关系中进行检索，获得与目标用户信息中的职位相匹配的目标文档。目标文档为基于目标用户信息从第一关联关系中获取到的文档，该文档与目标用户信息之间具有直接的关联关系，提高了目标文档确定的准确率。
知识图谱还包括第二关联关系和第三关联关系，第二关联关系包括多个用户信息与产品领域之间的关联关系，以及多个用户信息与产品标识之间的关联关系；第三关联关系包括产品领域与文档之间的关联关系，以及产品标识与文档之间的关联关系。第一关联关系可体现多个用户信息与文档之间的直接关联关系，第二关联关系和第三关联关系可体现多个用户信息与文档之间的间接关联关系。
基于此，另一种关键字检索方式可以是基于间接关联关系进行检索，即基于目标用户信息的关键字在知识图谱中进行检索，从第二关联关系中获得目标用户信息对应的目标产品领域和目标产品标识；分别基于目标产品领域的关键字，以及基于目标产品标识的关键字在知识图谱中进行检索，从第三关联关系中获得目标文档。
基于目标用户信息从第二关联关系和第三关联关系中获取到的目标文档，该文档与目标用户信息之间具有间接的关联关系，可提高获取的目标文档的全面性。
上述基于直接关联关系与基于间接关联关系获取文档的方式也可以同时使用，来获得最终的目标文档。进一步的，在获取到目标文档之后，还可以进行去重处理，避免目标文档中出现重复的文档。
第二种方式为基于语义向量检索，即基于目标用户信息的语义向量在知识图谱中进行检索，获得目标文档，目标文档的语义向量与目标用户信息的语义向量匹配。
可采用算法将知识图谱中的实体都表示成语义向量，具体可采用tranE算法，将获取的文档的语义向量加载到向量索引库(例如annoy，fairss库等等)中。在基于语义向量进行检索时，从向量索引库中检索出与目标用户信息的语义向量匹配的文档。目标文档的语义向量与目标用户信息的语义向量匹配，可以理解为，目标文档的语义向量与目标用户信息的语义向量的相似度大于预设阈值，目标文档的语义向量与目标用户信息的语义向量的相似度从大到小排序中的前J个相似度对应的文档，J为正整数。
本实施例中，目标文档与目标用户信息的语义向量匹配，使得目标文档为目标用户感兴趣的文档的概率比较大，提高了为用户获取文档的准确率。
本申请中的方法，可也基于知识图谱来管理和组织信息，企业信息经过知识图谱组织后，可以支持更多的创新应用，例如图谱问答应用，回答员工最擅长的技能有哪些、产品的相关文章有哪些等；通过主动推送，向用户主动推送感兴趣的文章，可使知识更好地触达感兴趣的用户，让知识真正流动起来，提升企业创新的能力。
参见图3，图3是本公开实施例提供的信息推送装置的结构图，如图3所示，本实施例提供一种信息推送装置300，由服务器执行，包括：
第一获取模块301，用于获取目标用户信息；
第二获取模块302，用于根据所述目标用户信息从预构建的知识图谱中获取目标文档，所述知识图谱包括多个用户信息与文档之间的第一关联关系，所述知识图谱包括员工、文档、产品领域和产品四种实体；
发送模块303，用于向终端发送所述目标文档。
进一步地，所述第二获取模块302，包括：
第一获取子模块，用于根据所述目标用户信息从所述知识图谱中获取至少两个中间文档；
第二获取子模块，用于根据所述目标用户信息对所述至少两个中间文档进行排序，获得所述目标文档。
进一步地，所述第二获取子模块，包括：
第一获取单元，用于获取所述至少两个中间文档中每个中间文档的文档特征向量；
第二获取单元，用于获取所述目标用户信息的用户特征向量；
计算单元，用于计算所述每个中间文档的文档特征向量和所述用户特征向量之间的相似度；
排序单元，用于按照相似度从大到小的顺序，对所述每个中间文档进行排序，获得所述目标文档。
进一步地，所述第二获取模块302，包括：
第一检索子模块，用于基于所述目标用户信息的关键字在所述知识图谱中进行检索，获得所述目标文档；
或者，
第二检索子模块，用于基于所述目标用户信息的语义向量在所述知识图谱中进行检索，获得所述目标文档，所述目标文档的语义向量与所述目标用户信息的语义向量匹配。
进一步地，所述第一检索子模块，用于：
基于所述目标用户信息的关键字在所述知识图谱中进行检索，从所述第一关联关系中获得所述目标用户信息对应的目标文档。
进一步地，所述知识图谱还包括第二关联关系和第三关联关系，所述第二关联关系包括多个用户信息与产品领域之间的关联关系，以及多个用户信息与产品标识之间的关联关系；
所述第三关联关系包括产品领域与文档之间的关联关系，以及产品标识与文档之间的关联关系；
所述第二检索子模块，用于：
基于所述目标用户信息的关键字在所述知识图谱中进行检索，从所述第二关联关系中获得所述目标用户信息对应的目标产品领域和目标产品标识；
分别基于所述目标产品领域的关键字，以及基于所述目标产品标识的关键字在所述知识图谱中进行检索，从所述第三关联关系中获得所述目标文档。
本公开实施例提供的信息推送装置300能够实现图1的方法实施例中电子设备实现的各个过程以及达到相同的技术效果，为避免重复，这里不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、计算机程序产品和一种可读存储介质。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图，该电子设备400可为服务器。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如信息推送方法。例如，在一些实施例中，信息推送方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元404。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的信息推送方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行信息推送方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物体主机与VPS服务(“VirtualPrivate Server”,或简称“VPS”)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (15)
1.一种信息推送方法，包括：
获取目标用户信息；
根据所述目标用户信息从预构建的知识图谱中获取目标文档，所述知识图谱包括多个用户信息与文档之间的第一关联关系，所述知识图谱包括员工、文档、产品领域和产品四种实体；
向终端发送所述目标文档。
2.根据权利要求1所述的方法，其中，所述根据所述目标用户信息从预构建的知识图谱中获取目标文档，包括：
根据所述目标用户信息从所述知识图谱中获取至少两个中间文档；
根据所述目标用户信息对所述至少两个中间文档进行排序，获得所述目标文档。
3.根据权利要求2所述的方法，其中，所述根据所述目标用户信息对所述至少两个中间文档进行排序，获得所述目标文档，包括：
获取所述至少两个中间文档中每个中间文档的文档特征向量；
获取所述目标用户信息的用户特征向量；
计算所述每个中间文档的文档特征向量和所述用户特征向量之间的相似度；
按照相似度从大到小的顺序，对所述每个中间文档进行排序，获得所述目标文档。
4.根据权利要求1所述的方法，其中，所述根据所述目标用户信息从预构建的知识图谱中获取目标文档，包括：
基于所述目标用户信息的关键字在所述知识图谱中进行检索，获得所述目标文档；
或者，
基于所述目标用户信息的语义向量在所述知识图谱中进行检索，获得所述目标文档，所述目标文档的语义向量与所述目标用户信息的语义向量匹配。
5.根据权利要求4所述的方法，其中，所述基于所述目标用户信息的关键字在所述知识图谱中进行检索，获得所述目标文档，包括：
基于所述目标用户信息的关键字在所述知识图谱中进行检索，从所述第一关联关系中获得所述目标用户信息对应的目标文档。
6.根据权利要求4所述的方法，其中，所述知识图谱还包括第二关联关系和第三关联关系，所述第二关联关系包括多个用户信息与产品领域之间的关联关系，以及多个用户信息与产品标识之间的关联关系；
所述第三关联关系包括产品领域与文档之间的关联关系，以及产品标识与文档之间的关联关系；
所述基于所述目标用户信息的关键字在所述知识图谱中进行检索，获得所述目标文档，包括：
基于所述目标用户信息的关键字在所述知识图谱中进行检索，从所述第二关联关系中获得所述目标用户信息对应的目标产品领域和目标产品标识；
分别基于所述目标产品领域的关键字，以及基于所述目标产品标识的关键字在所述知识图谱中进行检索，从所述第三关联关系中获得所述目标文档。
7.一种信息推送装置，包括：
第一获取模块，用于获取目标用户信息；
第二获取模块，用于根据所述目标用户信息从预构建的知识图谱中获取目标文档，所述知识图谱包括多个用户信息与文档之间的第一关联关系，所述知识图谱包括员工、文档、产品领域和产品四种实体；
发送模块，用于向终端发送所述目标文档。
8.根据权利要求7所述的装置，其中，所述第二获取模块，包括：
第一获取子模块，用于根据所述目标用户信息从所述知识图谱中获取至少两个中间文档；
第二获取子模块，用于根据所述目标用户信息对所述至少两个中间文档进行排序，获得所述目标文档。
9.根据权利要求8所述的装置，其中，所述第二获取子模块，包括：
第一获取单元，用于获取所述至少两个中间文档中每个中间文档的文档特征向量；
第二获取单元，用于获取所述目标用户信息的用户特征向量；
计算单元，用于计算所述每个中间文档的文档特征向量和所述用户特征向量之间的相似度；
排序单元，用于按照相似度从大到小的顺序，对所述每个中间文档进行排序，获得所述目标文档。
10.根据权利要求7所述的装置，其中，所述第二获取模块，包括：
第一检索子模块，用于基于所述目标用户信息的关键字在所述知识图谱中进行检索，获得所述目标文档；
或者，
第二检索子模块，用于基于所述目标用户信息的语义向量在所述知识图谱中进行检索，获得所述目标文档，所述目标文档的语义向量与所述目标用户信息的语义向量匹配。
11.根据权利要求10所述的装置，其中，所述第一检索子模块，用于：
基于所述目标用户信息的关键字在所述知识图谱中进行检索，从所述第一关联关系中获得所述目标用户信息对应的目标文档。
12.根据权利要求10所述的装置，其中，所述知识图谱还包括第二关联关系和第三关联关系，所述第二关联关系包括多个用户信息与产品领域之间的关联关系，以及多个用户信息与产品标识之间的关联关系；
所述第三关联关系包括产品领域与文档之间的关联关系，以及产品标识与文档之间的关联关系；
所述第二检索子模块，用于：
基于所述目标用户信息的关键字在所述知识图谱中进行检索，从所述第二关联关系中获得所述目标用户信息对应的目标产品领域和目标产品标识；
分别基于所述目标产品领域的关键字，以及基于所述目标产品标识的关键字在所述知识图谱中进行检索，从所述第三关联关系中获得所述目标文档。
13.一种电子设备，其中，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110127157.0A CN112883248B (zh) | 2021-01-29 | 2021-01-29 | 信息推送方法、装置以及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110127157.0A CN112883248B (zh) | 2021-01-29 | 2021-01-29 | 信息推送方法、装置以及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112883248A true CN112883248A (zh) | 2021-06-01 |
| CN112883248B CN112883248B (zh) | 2024-01-09 |
Family
ID=76053695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110127157.0A Active CN112883248B (zh) | 2021-01-29 | 2021-01-29 | 信息推送方法、装置以及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112883248B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836466A (zh) * | 2021-09-18 | 2021-12-24 | 北京来也网络科技有限公司 | 基于rpa和ai的推送站内信的方法、装置及计算设备 |
| CN113868294A (zh) * | 2021-08-31 | 2021-12-31 | 北京中知智慧科技有限公司 | 基于爆炸图的知识产权检索方法及装置 |
| CN114153963A (zh) * | 2021-11-30 | 2022-03-08 | 北京达佳互联信息技术有限公司 | 文档推荐方法、装置、计算机设备及介质 |
| WO2023273596A1 (zh) * | 2021-06-29 | 2023-01-05 | 北京字节跳动网络技术有限公司 | 确定文本相关性的方法、装置、可读介质及电子设备 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030135606A1 (en) * | 2002-01-14 | 2003-07-17 | Goodwin James Patrick | System and method for implementing a metrics engine for tracking relationships over time |
| US20180082183A1 (en) * | 2011-02-22 | 2018-03-22 | Thomson Reuters Global Resources | Machine learning-based relationship association and related discovery and search engines |
| CN108563766A (zh) * | 2018-04-19 | 2018-09-21 | 天津科技大学 | 食品检索的方法及装置 |
| CN109492156A (zh) * | 2018-10-24 | 2019-03-19 | 宿州元化信息科技有限公司 | 一种文献推送方法及装置 |
| CN110188186A (zh) * | 2019-04-24 | 2019-08-30 | 平安科技（深圳）有限公司 | 医疗领域的内容推荐方法、电子装置、设备及存储介质 |
| CN111209411A (zh) * | 2020-01-03 | 2020-05-29 | 北京明略软件系统有限公司 | 一种文档分析的方法及装置 |
| CN112104734A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备以及存储介质 |
| CN112100288A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 用于输出信息的方法、装置、设备以及存储介质 |
| CN112148885A (zh) * | 2020-09-04 | 2020-12-29 | 上海晏鼠计算机技术股份有限公司 | 一种基于知识图谱的智能搜索方法及系统 |
| CN112148889A (zh) * | 2020-09-23 | 2020-12-29 | 平安直通咨询有限公司上海分公司 | 一种推荐列表的生成方法及设备 |
| CN112182150A (zh) * | 2020-09-23 | 2021-01-05 | 中国建设银行股份有限公司 | 基于多元数据的聚合检索方法、装置、设备及存储介质 |
-
2021
- 2021-01-29 CN CN202110127157.0A patent/CN112883248B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030135606A1 (en) * | 2002-01-14 | 2003-07-17 | Goodwin James Patrick | System and method for implementing a metrics engine for tracking relationships over time |
| US20180082183A1 (en) * | 2011-02-22 | 2018-03-22 | Thomson Reuters Global Resources | Machine learning-based relationship association and related discovery and search engines |
| CN108563766A (zh) * | 2018-04-19 | 2018-09-21 | 天津科技大学 | 食品检索的方法及装置 |
| CN109492156A (zh) * | 2018-10-24 | 2019-03-19 | 宿州元化信息科技有限公司 | 一种文献推送方法及装置 |
| CN110188186A (zh) * | 2019-04-24 | 2019-08-30 | 平安科技（深圳）有限公司 | 医疗领域的内容推荐方法、电子装置、设备及存储介质 |
| CN111209411A (zh) * | 2020-01-03 | 2020-05-29 | 北京明略软件系统有限公司 | 一种文档分析的方法及装置 |
| CN112148885A (zh) * | 2020-09-04 | 2020-12-29 | 上海晏鼠计算机技术股份有限公司 | 一种基于知识图谱的智能搜索方法及系统 |
| CN112104734A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备以及存储介质 |
| CN112100288A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 用于输出信息的方法、装置、设备以及存储介质 |
| CN112148889A (zh) * | 2020-09-23 | 2020-12-29 | 平安直通咨询有限公司上海分公司 | 一种推荐列表的生成方法及设备 |
| CN112182150A (zh) * | 2020-09-23 | 2021-01-05 | 中国建设银行股份有限公司 | 基于多元数据的聚合检索方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张肃;许慧;: "基于知识图谱的企业知识服务模型构建研究", 情报科学, no. 08 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023273596A1 (zh) * | 2021-06-29 | 2023-01-05 | 北京字节跳动网络技术有限公司 | 确定文本相关性的方法、装置、可读介质及电子设备 |
| CN113868294A (zh) * | 2021-08-31 | 2021-12-31 | 北京中知智慧科技有限公司 | 基于爆炸图的知识产权检索方法及装置 |
| CN113836466A (zh) * | 2021-09-18 | 2021-12-24 | 北京来也网络科技有限公司 | 基于rpa和ai的推送站内信的方法、装置及计算设备 |
| CN114153963A (zh) * | 2021-11-30 | 2022-03-08 | 北京达佳互联信息技术有限公司 | 文档推荐方法、装置、计算机设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112883248B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112883248B (zh) | 信息推送方法、装置以及电子设备 | |
| EP3958145A1 (en) | Method and apparatus for semantic retrieval, device and storage medium | |
| US10956469B2 (en) | System and method for metadata correlation using natural language processing | |
| US20100106719A1 (en) | Context-sensitive search | |
| CN110390094B (zh) | 对文档进行分类的方法、电子设备和计算机程序产品 | |
| US20160314122A1 (en) | Identifying experts and areas of expertise in an organization | |
| CN112506864B (zh) | 文件检索的方法、装置、电子设备及可读存储介质 | |
| CN111209351A (zh) | 对象关系预测、对象推荐方法及装置、电子设备、介质 | |
| CN113988157A (zh) | 语义检索网络训练方法、装置、电子设备及存储介质 | |
| CN110245357B (zh) | 主实体识别方法和装置 | |
| CN114116997A (zh) | 知识问答方法、装置、电子设备及存储介质 | |
| CN105159898A (zh) | 一种搜索的方法和装置 | |
| CN115248890A (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
| CN116597443A (zh) | 素材标签处理方法、装置、电子设备及介质 | |
| CN113139558A (zh) | 确定物品的多级分类标签的方法和装置 | |
| CN114491232B (zh) | 信息查询方法、装置、电子设备和存储介质 | |
| CN114201622B (zh) | 获取事件信息的方法、装置、电子设备和存储介质 | |
| CN113704494B (zh) | 基于知识图谱的实体检索方法、装置、设备以及存储介质 | |
| CN114036397B (zh) | 数据推荐方法、装置、电子设备和介质 | |
| CN116186198A (zh) | 信息检索方法、装置、计算机设备及存储介质 | |
| CN114461748A (zh) | 标签抽取方法、装置、存储介质以及电子设备 | |
| CN113722593A (zh) | 事件数据处理方法、装置、电子设备和介质 | |
| CN113407579A (zh) | 群组查询方法、装置、电子设备及可读存储介质 | |
| CN112989190A (zh) | 一种商品挂载方法、装置、电子设备和存储介质 | |
| CN112328653A (zh) | 数据识别方法、装置、电子设备及存储介质 |
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 |