CN115408599A - 信息推荐方法、装置、电子设备及计算机可读存储介质 - Google Patents

Abstract

本申请实施例提供了一种信息推荐方法、装置、电子设备及计算机可读存储介质，涉及信息处理技术领域。本申请实施例通过确定用户目标信息和各待推荐健康宣教信息的第一匹配度，确定向所述用户推荐所述目标健康宣教信息。其中，由于拥有不同用户基本信息以及拥有不同用户健康信息的用户可能感兴趣的健康宣教信息不同，此外，每个用户的目标查询意图可以反映各自的健康信息查询需求，因此，在健康宣教信息的推荐过程中，本申请充分考虑了用户个人属性、用户身体健康情况，以及用户个人的查询需求，进而所推荐的健康宣教信息更加贴合用户自身情况及所需了解的健康宣教信息的需求，从而实现了更加个性化的精准推荐。

Description

信息推荐方法、装置、电子设备及计算机可读存储介质

技术领域

本申请涉及信息处理技术领域，具体而言，本申请涉及一种信息推荐方法、装置、电子设备及计算机可读存储介质。

背景技术

健康宣教是在护理流程中重要工作环节，对患者进行健康、康复、疾病、护理、治疗等内容的教育，让患者提前为治疗做好准备，做好自身处置，对疾病或处置有提前了解，方便配合治疗以及进行自我处置。宣教按照业务分为门诊宣教、住院宣教。门诊宣教是对临时性短程病人进行教育的一种方式；住院宣教是对时间相对较长，在医院住院一段时间的病人进行宣教的方式。

在相关技术的为用户推荐健康宣教信息的方案中，存在推荐不够智能化，推荐的健康宣教信息不全面、不精准，因此，存在所推荐的信息不够理想的问题。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特别是信息推荐不理想的技术缺陷。

根据本申请的一个方面，提供了一种信息推荐方法，该方法包括：

获取用户的用户信息，所述用户信息包括用户基本信息和用户健康信息；

确定至少一个候选查询意图，并将各所述候选查询意图提供给所述用户，其中，每个所述候选查询意图与待推荐信息库中的至少一个健康宣教信息关联；

响应于所述用户针对各所述候选查询意图中任一意图的选择操作，将所述选择操作对应的候选查询意图确定为用户的目标查询意图；

分别确定用户目标信息和各待推荐健康宣教信息的第一匹配度，所述用户目标信息包括所述用户信息和所述目标查询意图，各所述待推荐健康宣教信息为所述待推荐信息库中的健康宣教信息；

根据各所述待推荐健康宣教信息对应的第一匹配度，从各所述待推荐健康宣教信息中确定出目标健康宣教信息，并向所述用户推荐所述目标健康宣教信息。

在一个可能的实现方式中，确定至少一个候选查询意图，包括：

分别确定各个预配置意图与用户信息的第二匹配度；

根据各预配置意图对应的第二匹配度，从各预配置意图中确定至少一个候选查询意图。

在一个可能的实现方式中，该方法还包括：

分别确定所述目标查询意图与所述待推荐信息库中的各预配置健康宣教信息的第三匹配度；

根据所述待推荐信息库中的各预配置健康宣教信息对应的第三匹配度，从所述待推荐信息库中的各预配置健康宣教信息中确定至少一个所述待推荐健康宣教信息。

在一个可能的实现方式中，

若未获取到所述用户针对各所述候选查询意图中任一意图的选择操作，所述方法还包括：

向所述用户展示输入查询信息的提示信息；

获取所述用户输入的查询信息；

重复执行以下步骤，直至获取到所述用户针对任一候选查询意图的选择操作：

获取所述查询信息与各预配置意图之间的第四匹配度；

根据各所述预配置意图对应的第四匹配度，从各所述预配置意图中确定至少一个新的候选查询意图，并将所述新的候选查询意图提供给所述用户。

在一个可能的实现方式中，

所述分别确定用户目标信息和各待推荐健康宣教信息的第一匹配度，包括以下方式中的至少一种：

根据所述用户目标信息，确定所述用户的第一用户画像标签，并获取各所述待推荐健康宣教信息对应的信息标签；分别确定所述第一用户画像标签与每个所述待推荐健康宣教信息对应的信息标签的标签匹配度，将所述标签匹配度作为所述第一匹配度；

获取所述用户目标信息的用户特征、以及各所述待推荐健康宣教信息的推荐信息特征，分别确定所述用户特征和每个所述推荐信息特征的特征匹配度，将所述特征匹配度作为所述第一匹配度。

在一个可能的实现方式中，

，所述获取所述用户目标信息的用户特征，包括：

获取所述用户信息的用户信息特征以及所述目标查询意图的意图特征，所述用户特征包括所述用户信息特征和所述意图特征；

所述分别确定所述用户特征和每个所述推荐信息特征的特征匹配度，包括以下任一项：

将所述用户信息特征以及所述意图特征进行融合，得到所述用户目标信息对应的融合特征，分别确定所述融合特征和每个所述推荐信息特征的特征匹配度；

确定所述用户信息特征和每个所述推荐信息特征的用户信息匹配度，以及确定所述意图特征和每个所述推荐信息特征的第五匹配度，根据每个待推荐信息对应的用户信息匹配度和所述第五匹配度，得到每个所述待推荐信息对应的特征匹配度。

在一个可能的实现方式中，该方法还包括：

根据所述用户信息，确定所述用户的第二用户画像标签；

获取至少一个候选关联对象的对象画像标签；

分别确定所述第一用户画像标签与各所述候选关联对象的对象画像标签的画像匹配度；

根据各所述候选关联对象对应的画像匹配度，从所述至少一个候选关联对象中确定所述用户对应的至少一个目标关联对象；

将与所述用户匹配的群组提供给所述用户，所述群组中包含所述至少一个目标关联对象。

在一个可能的实现方式中，所述获取所述用户目标信息的用户特征、以及各所述待推荐健康宣教信息的推荐信息特征，分别确定所述用户特征和每个所述推荐信息特征的特征匹配度，包括：

将所述用户目标信息输入至匹配度计算模型的第一特征提取模块，得到所述用户目标信息的用户特征；

对于每个所述待推荐健康宣教信息，将该待推荐健康宣教信息输入所述匹配度计算模型的第二特征提取模块，得到该待推荐健康宣教信息的推荐信息特征；

对于每个待推荐健康宣教信息，由所述匹配度计算模型的匹配度计算模块根据所述用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度。

在一个可能的实现方式中，所述将所述用户目标信息输入至匹配度计算模型的第一特征提取模块，得到所述用户目标信息的用户特征，包括以下任一项：

将所述用户信息与所述目标查询意图拼接，将拼接后的信息输入所述第一特征提取模块，得到所述用户特征；

将所述用户信息和所述目标查询意图分别输入至所述第一特征提取模块，提取得到所述用户信息对应的用户信息特征和所述目标查询意图对应的意图特征，所述用户特征包括所述用户信息特征和所述意图特征；

其中，若所述用户特征包括所述用户信息特征和所述意图特征，对于每个待推荐健康宣教信息，所述由所述匹配度计算模型的匹配度计算模块根据所述用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度，包括以下任一项：

通过匹配度计算模块，将所述用户信息特征和所述意图特征融合，得到用户目标信息对应的融合特征，计算所述融合特征与该待推荐健康宣教信息的推荐信息特征的匹配度；

通过匹配度计算模块，分别确定所述用户信息特征和该待推荐健康宣教信息的推荐信息特征的用户信息匹配度，以及确定所述意图特征和该待推荐健康宣教信息的推荐信息特征的第五匹配度，根据该待推荐信息对应的用户信息匹配度和第五匹配度，得到该待推荐信息对应的特征匹配度。

在一个可能的实现方式中，对于每个待推荐健康宣教信息，所述由所述匹配度计算模型的匹配度计算模块根据所述用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度，包括：

基于所述用户特征和该待推荐健康宣教信息的推荐信息特征，通过所述匹配度计算模型的注意力模块确定所述用户信息和该待推荐健康宣教信息之间的关联度；

根据该待推荐健康宣教信息对应的关联度对所述用户特征进行加权，得到加权后的加权用户特征；

由所述匹配度计算模型根据所述加权用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度。

在一个可能的实现方式中，所述匹配度计算模型是通过以下方式训练得到的：

获取训练样本集，所述训练样本集中的每个训练样本包括样本用户的用户目标信息，以及该样本用户对应于所述待推荐信息库中的每个健康宣教信息的真实标签，对于每个健康宣教信息，所述真实标签表征了样本用户的用户目标信息与该健康宣教信息的真实匹配度；

对于每个所述训练样本，将所述训练样本的样本用户的用户目标信息和待推荐信息库中的各个健康宣教信息输入初始的神经网络模型中，得到每个所述健康宣教信息对应的预测结果，对于每个所述健康宣教信息，所述预测结果表征了该样本用户的目标用户信息和该健康宣教信息的预测匹配度；

根据各所述训练样本对应于各预配置健康宣教信息的真实标签和预测匹配度，确定训练损失值；

若满足预设的训练结束条件，则结束训练，并将训练结束时的神经网络模型作为匹配度计算模型，若不满足训练结束条件，则基于所述训练损失值调整所述神经网络模型的模型参数，并基于各所述训练样本对调整后的模型继续进行训练。

根据本申请的另一个方面，提供了一种信息推荐装置，该装置包括：

用户信息获取模块，用于获取用户的用户信息，所述用户信息包括用户基本信息和用户健康信息；

候选意图确定模块，用于确定至少一个候选查询意图，并将各所述候选查询意图提供给所述用户，其中，每个所述候选查询意图与待推荐信息库中的至少一个健康宣教信息关联；

目标意图确定模块，用于响应于所述用户针对各所述候选查询意图中任一意图的选择操作，将所述选择操作对应的候选查询意图确定为用户的目标查询意图；

匹配度确定模块，用于分别确定用户目标信息和各待推荐健康宣教信息的第一匹配度，所述用户目标信息包括所述用户信息和所述目标查询意图，各所述待推荐健康宣教信息为所述待推荐信息库中的健康宣教信息；

推荐信息确定模块，用于根据各所述待推荐健康宣教信息对应的第一匹配度，从各所述待推荐健康宣教信息中确定出目标健康宣教信息，并向所述用户推荐所述目标健康宣教信息。

在一个可能的实现方式中，所述候选意图确定模块具体用于，分别确定各个预配置意图与所述用户信息的第二匹配度；

根据各所述预配置意图对应的第二匹配度，从各所述预配置意图中确定所述至少一个候选查询意图。

根据本申请的另一个方面，提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行如本申请所提供的第一方面所示的信息推荐方法。

例如，本申请的第三方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；

存储器用于存放至少一可执行指令，可执行指令使处理器执行如本申请的第一方面所示的信息推荐方法对应的操作。

根据本申请的再一个方面，提供了一种计算机可读存储介质，计算机程序被处理器执行时实现本申请所提供的第一方面所示的信息推荐方法。

例如，本申请实施例的第四方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现本申请第一方面所示的信息推荐方法。

根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面或者第二方面的各种可选实现方式中提供的方法。

本申请提供的技术方案带来的有益效果是：

本申请实施例通过确定用户目标信息和各待推荐健康宣教信息的第一匹配度，确定向用户推荐目标健康宣教信息。其中，由于用户目标信息中包括用户基本信息、用户健康信息以及用户的目标查询意图，由于拥有不同用户基本信息以及拥有不同用户健康信息的用户可能感兴趣的健康宣教信息不同，例如，不同性别或者年龄的用户会对不同的健康宣教信息感兴趣，例如，不同患病情况的用户需要的健康宣教信息也不同。此外，每个用户的目标查询意图可以反映各自的健康信息查询需求，因此，在健康宣教信息的推荐过程中，本申请充分考虑了用户个人属性、用户身体健康情况，以及用户个人的查询需求，进而所推荐的健康宣教信息更加贴合用户自身情况及所需了解的健康宣教信息的需求，从而实现了更加个性化的精准推荐。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。

图1为本申请实施例提供的一种信息推荐方法的流程示意图；

图2为本申请实施例提供的一种信息推荐方法涉及的匹配度计算模型示意图；

图3为本申请实施例提供的一种信息推荐方法的应用场景示意图之一；

图4为本申请实施例提供的一种信息推荐方法的应用场景示意图之二；

图5为本申请实施例提供的一种信息推荐方法的应用场景示意图之三；

图6为本申请实施例提供的一种信息推荐装置的结构示意图；

图7为本申请实施例提供的一种信息推荐的电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

为使本申请的目的、技术方案和优点更加清楚，下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

本申请实施例提供了一种信息推荐方法，该方法的执行主体可以为任一电子设备，例如，该方法可以应用于具有信息推荐功能的应用程序中，该方法可以由该应用程序的服务器或者终端设备执行，可选的，该方法可以由服务器执行，如图1所示，其为本申请实施例提供的一种信息推荐方法的流程示意图，该方法可以包括：

步骤S101：获取用户的用户信息。

其中，在本申请实施例中，上述用户可以为任一用户。比如，可以是进行信息推荐的应用程序的任一注册用户。也可以是注册用户代为上传的信息对应的其他用户。用户信息可以为表征用户属性以及反映用户情况的信息，具体可以包括用户基本信息和用户健康信息。其中，用户基本信息可以包括用户的个人属性信息，例如，可以包括性别、年龄、身高、体重等个人属性信息。用户健康信息可以包括既往病史、现病史等身体健康状况信息，例如，具体可以包括疾病种类、症状、检查化验手段及结果、医嘱信息等。

此外，上述用户信息可以通过终端设备接收用户输入的用户信息获得，还可以通过用户信息数据库获得，其中，用户信息数据库可以通过对用户进行问卷调查所获得的用户信息构建，或者还可以通过对用户的历史行为数据进行分析得到的用户信息构建，此外还可以通过用户在此次登录应用程序之前上传或者填写的用户信息获得。作为一种可选实施方式，用户信息还可以通过用户的健康登记表单获得，健康登记表单中可以包括上述用户的用户基本信息以及用户健康信息，例如，可以通过接收用户上传的健康登记表单，通过提取健康登记表单中的信息获得用户信息，还可以通过接收用户上传的健康登记表单的图片，并对该图片进行文本识别，例如，采用OCR(Optical Character Recognition，光学字符识别)技术，得到用户信息。

S102：确定至少一个候选查询意图，并将各候选查询意图提供给用户其中，每个所述候选查询意图与待推荐信息库中的至少一个健康宣教信息关联。

具体的，候选查询意图可以用于表征潜在的用户感兴趣的查询意图，或者用户可能感兴趣的查询意图。例如，候选查询意图可以为待推荐信息库中的健康宣教信息的类别，如，肋骨骨折。或者还可以为较为常见的健康宣教信息，如，骨折护理方式等。

可选的，候选查询意图可以是多个查询意图，其中，候选查询意图可以通过多种方式确定，例如，可以通过随机挑选方式，从查询意图库中的多个查询意图中确定预设数量的查询意图。还可以采用统计方式统计出的用户可能感兴趣的查询意图。或者是对多个查询意图进行筛选后的至少一个查询意图，例如可以根据用户的用户基本信息和用户健康信息中的至少一项，对查询意图库中的多个查询意图进行预筛选，如，根据用户的用户基本信息和用户健康信息中的至少一项，通过确定与查询意图库中的多个查询意图分别对应的匹配度，确定出用户可能感兴趣的至少一个候选查询意图。

可选的，还可以通过获取用户输入的查询语句，根据用户输入的查询语句与查询意图库中的多个查询意图分别对应的匹配度，确定出用户可能感兴趣的至少一个候选查询意图。

S103：响应于用户针对各候选查询意图中任一意图的选择操作，将选择操作对应的候选查询意图确定为用户的目标查询意图。

S104：分别确定用户目标信息和各待推荐健康宣教信息的第一匹配度，用户目标信息包括用户信息和目标查询意图，各待推荐健康宣教信息为待推荐信息库中的健康宣教信息。

S105：根据各待推荐健康宣教信息对应的第一匹配度，从各待推荐健康宣教信息中确定出目标健康宣教信息，并向用户推荐目标健康宣教信息。

具体的，用户的目标查询意图用于表征用户欲查询的信息或者欲查询的信息的类别。

此外，由于用户的用户信息和用户目标查询意图不同，从而用户所需要的健康宣教信息也不尽相同，例如，不同年龄、不同健康状态的用户可能需要不同的健康宣教信息，又如，用户所选择的查询意图不同，所需推荐的健康宣教信息也不同，因此，可以根据各待推荐健康宣教信息对应的第一匹配度，从各待推荐健康宣教信息中确定出目标健康宣教信息，并向用户推荐目标健康宣教信息。

其中，各待推荐健康宣教信息对应的第一匹配度用于表征用户目标信息与各待推荐健康宣教信息之间的关联程度，在确定用户目标信息与各待推荐健康宣教信息的第一匹配度时，针对每个待推荐健康宣教信息，可以采用以下方式，确定该待推荐健康宣教信息对应的第一匹配度。

例如，可以先确定用户目标信息中用户信息及目标查询意图与待推荐健康宣教信息分别对应的匹配度，然后基于用户信息及目标查询意图分别对应的匹配度，计算每个待推荐健康宣教信息对应的第一匹配度。此外，还可以先对用户目标信息中用户信息及目标查询意图进行特征融合，然后确定融合后的特征，基于融合后的特征与待推荐健康宣教信息对应的特征，计算每个待推荐健康宣教信息对应的第一匹配度。

在具体进行计算时，可以通过神经网络学习模型计算得到。也可以直接计算用户目标信息对应的特征与待推荐健康宣教信息对应的特征之间的第一匹配度。还可以提取用户信息中的关键字，以及待推荐健康宣教信息中的关键字，通过计算上述两种信息中的关键字的匹配度来确定第一匹配度。此外，作为一种可选实施方式，还可以根据用户目标信息，为用户建立用户画像，提取用户画像标签，以及提取待推荐健康宣教信息的标签，通过计算上述两种标签的匹配度来确定第一匹配度。

进一步的，在各待推荐健康宣教信息中，可以将上述第一匹配度满足预设条件的待推荐健康宣教信息，作为向用户推荐的目标健康宣教信息。例如，可以将第一匹配度大于预设阈值的待推荐健康宣教信息作为向用户推荐的目标健康宣教信息，此外，还可以按照第一匹配度由大到小的排列顺序，或者按照第一匹配度从小到大的顺序，选择预设数量的待推荐健康宣教信息作为向用户推荐的目标健康宣教信息，例如，当按照第一匹配度由大到小的顺序排列时，可以选择第一匹配度排名在前5位的候选感兴趣项目待推荐健康宣教信息作为向用户推荐的目标健康宣教信息。作为一种可选的实施方式，还可以在上述方式的基础上，在根据各待推荐健康宣教信息对应的第一匹配度，从各待推荐健康宣教信息中确定一部分健康宣教信息的基础上，还可以再根据这部分健康宣教信息中每个健康宣教信息的阅读量或者点赞量等数据，进一步确定出目标健康宣教信息。

本申请实施例通过确定用户目标信息和各待推荐健康宣教信息的匹配度，确定向用户推荐目标健康宣教信息。其中，由于用户目标信息中包括用户基本信息、用户健康信息以及用户的目标查询意图，其中，拥有不同用户基本信息以及拥有不同用户健康信息的用户可能感兴趣的健康宣教信息不同，例如，不同性别或者年龄的用户会对不同的健康宣教信息感兴趣，例如，不同患病情况的用户需要的健康宣教信息也不同。此外，每个用户的目标查询意图可以反映各自的健康信息查询需求，因此，在健康宣教信息的推荐过程中，本申请充分考虑了用户个人属性、用户身体健康情况，以及用户个人的查询需求，进而所推荐的健康宣教信息更加贴合用户自身情况及所需了解的健康宣教信息的需求，从而实现了更加个性化的精准推荐。

在本申请的一个实施例中，确定至少一个候选查询意图，可以包括：

分别确定各个预配置意图与用户信息的第二匹配度；

根据各预配置意图对应的第二匹配度，从各预配置意图中确定至少一个候选查询意图。

在本申请的可选实施方式中，每个预配置意图与用户信息的第二匹配度可以用于表征用户信息与该预配置意图的关联关系或者匹配程度，例如，用户的用户信息中包含骨科的就诊以及肋骨检查信息，那么，在该用户信息与预配置意图“肋骨骨折”以及“肋骨疾病治疗”等预配置意图具有较高的关联关系。其中，上述第二匹配度可以通过以下至少一种方式确定：例如，可以通过神经网络学习模型计算得到。也可以直接计算用户目标信息对应的特征与预配置意图对应的特征之间的第二匹配度。还可以提取用户信息中的关键字，以及预配置意图中的关键字，通过计算上述两种信息中的关键字的匹配度来确定第二匹配度。此外，作为一种可选实施方式，还可以根据用户信息，为用户建立用户画像，并提取用户画像标签，以及预配置意图的标签，通过计算上述两种标签的匹配度来确定第二匹配度。

另外，预配置意图可以是多个预先配置的用户的查询意图，例如，可以根据对数据库中的用户常见的查询语句统计得到，还可以根据对用户历史行为中用户的查询信息进行分类得到。因此，可以理解的是，预配置意图可以为用户欲查询的健康宣教信息的具体知识，也可以为用户欲查询的健康宣教信息的类别。

在本申请的一个实施例中，预配置意图可以是根据待推荐信息库中包括的多个预配置健康宣教信息的类别确定的，待推荐健康宣教信息属于待推荐信息库中的信息。

进一步的，可以根据各预配置意图对应的第二匹配度，从各预配置意图中确定至少一个候选查询意图。在各预配置意图中，可以将上述第二匹配度满足预设条件的预配置意图，作为向用户提供的候选查询意图。例如，可以将第二匹配度大于预设阈值的预配置意图作为向用户提供的候选查询意图，此外，还可以按照第二匹配度由大到小的排列顺序，或者按照第二匹配度从小到大的顺序，选择预设数量的预配置意图，作为向用户提供的候选查询意图。例如，当按照第二匹配度由大到小的顺序排列时，可以选择第二匹配度排名在前5位的预配置意图，作为向用户提供的候选查询意图。

本申请实施例通过各个预配置意图与用户信息的第二匹配度，确定向用户提供的候选查询意图。其中，由于用户目标信息中包括用户基本信息、用户健康信息，其中，由于拥有不同用户基本信息以及拥有不同用户健康信息的用户可能感兴趣的查询意图(即欲查询的信息)不同，因此，在确定候选查询意图的过程中，本申请充分考虑了用户个人属性、用户身体健康情况，进而所确定的候选查询意图更加贴合用户自身情况，此外，预配置意图为根据待推荐信息库中包括的多个预配置的健康宣教信息的类别确定的，待推荐健康宣教信息属于待推荐信息库中的信息，因此，所提供的给用户的候选查询意图即为后续推荐的健康宣教信息的类别，从而后续基于用户选出的目标查询意图进行推荐时，所推荐的健康宣教信息即为用户所选的类别对应的健康宣教信息，从而推荐内容符合用户的查询需求，从而实现了更加个性化的精准推荐。

在本申请的实施例中，待推荐健康宣教信息可以是待推荐信息库中包括的多个预配置健康宣教信息，例如，待推荐健康宣教信息可以包括待推荐信息库中全部的预配置健康宣教信息，此外，在本申请的一个可选实施例中，该信息推荐方法还可以包括：

分别确定所述目标查询意图与所述待推荐信息库中的各预配置健康宣教信息的第三匹配度；

根据所述待推荐信息库中的各预配置健康宣教信息对应的第三匹配度，从所述待推荐信息库中的各预配置健康宣教信息中确定至少一个所述待推荐健康宣教信息。

具体的，上述每个预配置健康宣教信息对应的第三匹配度可以用于表征目标查询意图与该预配置健康宣教信息之间的关联关系或者匹配程度，其中，上述第三匹配度可以通过以下至少一种方式确定：例如，可以通过神经网络学习模型计算得到。也可以直接计算预配置健康宣教信息对应的特征与目标查询意图对应的特征之间的第三匹配度。还可以提取预配置健康宣教信息中的关键字，以及目标查询意图中的关键字，通过计算上述两种信息中的关键字的匹配度来确定第三匹配度。

进一步的，可以根据各预配置健康宣教信息对应的第三匹配度，从各预配置健康宣教信息中确定至少一个待推荐健康宣教信息。在各预配置健康宣教信息中，可以将上述第三匹配度满足预设条件的预配置健康宣教信息，作为待推荐健康宣教信息。例如，可以将第三匹配度大于预设阈值的预配置健康宣教信息作为待推荐健康宣教信息，此外，还可以按照第三匹配度由大到小的排列顺序，或者按照第三匹配度从小到大的顺序，选择预设数量的预配置健康宣教信息，作为待推荐健康宣教信息。例如，当按照第三匹配度由大到小的顺序排列时，可以选择第三匹配度排名在前100位的预配置健康宣教信息，作为待推荐健康宣教信息。

可选的，若根据上述第三匹配度确定出的待推荐健康宣教信息的数量过少，则还可以从待推荐信息库中随机筛选一部分预配置健康宣教信息，作为待推荐健康宣教信息。还可以根据预配置健康宣教信息的热度确定其中一部分预配置健康宣教信息，作为待推荐健康宣教信息。其中，确定各预配置健康宣教信息的热度的方式本申请实施例不做限定，如可以根据各预配置健康宣教信息对应的历史点击率确定。

本申请实施例中，通过根据目标查询意图与各预配置健康宣教信息的第三匹配度，对多个预配置健康宣教信息进行筛选，得到至少一个待推荐健康宣教信息，以实现在多个预配置健康宣教信息中筛选出一部分更加符合用户查询意图的待推荐健康宣教信息，以用于后续为用户进行推荐，提高了后续推荐过程中选择向用户推荐的目标健康宣教信息的效率。

在本申请的一个实施例中，若未获取到用户针对各候选查询意图中任一意图的选择操作，该方法还可以包括：

向所述用户展示输入查询信息的提示信息；

获取所述用户输入的查询信息；

重复执行以下步骤，直至获取到所述用户针对任一候选查询意图的选择操作：

获取所述查询信息与各预配置意图之间的第四匹配度；

根据各所述预配置意图对应的第四匹配度，从各所述预配置意图中确定至少一个新的候选查询意图，并将所述新的候选查询意图提供给所述用户。

具体的，向用户展示的输入查询信息的提示信息可以以信息提示框的形式在终端的应用界面上显示。

在获取到用户输入的查询信息后，确定用户输入的查询信息与各预配置意图之间的第四匹配度。其中，第四匹配度用于表征用户输入的查询信息与各预配置意图之间关联关系或者匹配程度，其中，第四匹配度的计算方式可以与第三匹配度的计算方式类似，在此不再赘述。

此外，根据第四匹配度从各预配置意图中确定至少一个新的候选查询意图时，需要说明的是，各预配置意图可以为除已经提供给用户，但是用户未选择的预配置意图以外的预配置意图。

根据第四匹配度从各预配置意图中确定至少一个新的候选查询意图的具体方式，可以参照上述根据各预配置意图对应的第二匹配度，从各预配置意图中确定至少一个候选查询意图的具体方式，在此不再赘述。

并且，上述循环过程可以重复执行，直至获取到用户针对任一候选查询意图的选择操作，从而将选择操作对应的候选查询意图确定为目标查询意图。

本申请实施例通过用户输入的查询信息与各预配置意图之间的第四匹配度，确定预配置意图中的候选查询意图，以确定目标查询意图，从而基于用户输入的查询信息，确定的候选查询意图更加贴合用户的真实查询需求。

在本申请的一个实施例中，分别确定用户目标信息和各待推荐健康宣教信息的第一匹配度，包括以下方式中的至少一种：

根据用户目标信息，确定用户的第一用户画像标签，并获取各待推荐健康宣教信息对应的信息标签；分别确定第一用户画像标签与每个待推荐健康宣教信息对应的信息标签的标签匹配度，将标签匹配度作为第一匹配度；

获取用户目标信息的用户特征、以及各待推荐健康宣教信息的推荐信息特征，分别确定用户特征和每个推荐信息特征的特征匹配度，将特征匹配度作为第一匹配度。

具体的，在上述第一种方式中，可以根据用户信息及用户目标查询意图，生成用户画像，并提取用户的用户画像标签，即第一用户画像标签。此外，还可以获取各待推荐健康宣教信息对应的信息标签，其中，各待推荐健康宣教信息对应的信息标签可以是预先建立好的。进一步的，对于每个待推荐健康宣教信息，可以根据第一用户画像标签对应的关键字以及该待推荐健康宣教信息的信息标签对应的关键字之间的匹配度，确定第一匹配度。

作为一种可选实施方式，还可以获取关联用户的用户信息；其中，所述用户目标信息还可以包括该用户的关联用户的用户信息。

可选的，还可以确定关联用户的用户信息与各待推荐健康宣教信息的匹配度，并根据关联用户的用户信息与各待推荐健康宣教信息的匹配度，从待推荐健康宣教信息中确定推荐目标健康宣教信息。其中，一个用户的关联用户是指与该用户具有关联关系的用户，关联关系的确定方式本申请不做限定，比如，可以是与该用户相似的其他用户，例如，基本信息或者健康信息相似的用户，还可以是该用户关注的其他用户。

并且，在根据各待推荐健康宣教信息对应的第一匹配度，从各待推荐健康宣教信息中确定一部分健康宣教信息的基础上，还可以再根据这部分健康宣教信息中每个健康宣教信息的阅读量或者点赞量等数据，进一步确定出目标健康宣教信息。

在上述第二种方式中，用户目标信息的用户特征和各待推荐健康宣教信息的推荐信息特征可以通过预训练的模型进行特征提取得到。可选的，对于用户目标信息，可以首先对该信息进行初始特征的提取，如可以通过one-hot(独热编码)编码等方式得到用户个人信息对应的二进制编码，将该编码作为初始特征，之后，可以通过其他特征提取模型对该初始特征进行进一步的特征提取，以得到具有更好的特征表达能力的用户特征，例如，可以通过embedding(嵌入)方式将one-hot编码转换为低维稠密向量等。

此外，作为一种可选的实施方式，获取用户目标信息的用户特征，包括：获取用户信息的用户信息特征以及获取目标查询意图的意图特征，

分别确定用户特征和每个推荐信息特征的第一匹配度，包括以下任一项：

将用户信息特征以及意图特征进行融合，得到用户目标信息对应的融合特征，分别确定融合特征和每个推荐信息特征的第一匹配度；

确定用户信息特征和每个推荐信息特征的用户信息匹配度，以及确定意图特征和每个推荐信息特征的第五匹配度，根据用户信息匹配度以及第五匹配度，确定第一匹配度。

结合图2所示可以采用基于向量内积的双塔DNN(Deep Neural Networks，深度神经网络)模型来确定第一匹配度，可以在两个DNN模型分别输入用户目标信息(即用户信息以及用户目标查询意图)和各待推荐健康宣教信息，经过深度神经网络计算后，得到用户目标信息对应的用户特征和推荐信息特征，再通过计算用户特征和推荐信息特征的向量相似度计算，得到用户特征和每个推荐信息特征的第一匹配度。其中第一匹配度是根据上述用户特征与推荐信息特征的内积得到的。

其中，上述双塔DNN模型可以是基于标注数据(即带有标签的训练样本)学习到的，标注数据可以包括大量的训练样本，每个训练样本可以包括一个样本用户的用户目标信息以及该样本用户的用户目标信息与待推荐信息库中的各预配置健康宣教信息的真实匹配度标签，真实匹配度标签可以用[0,1]之间的数值表示，该标签表征了样本用户的用户目标信息与一个预配置健康宣教信息的真实匹配度。在基于标注数据对模型进行训练时，可以将每个样本用户的用户目标信息和各预配置健康宣教信息输入至模型中，通过模型预测得到每个样本用户与各预配置健康宣教信息的匹配度，通过计算预测得到的各匹配度与匹配度标签对应的真实匹配度之间的差异，得到模型对应的训练损失值，如果训练损失值满足结束训练的设定条件，则结束训练。若训练损失值不满足结束训练的设定条件，则调整模型的模型参数，并基于标注数据继续对模型进行训练，直至训练损失值满足设定条件或者训练次数达到预设的迭代次数。

此外，双塔DNN模型可以是最基本的模型，当实际应用场景复杂或宣教数据库规模很大时，可采用双塔模型的变种模型，例如，增加注意力机制获得用户目标特征和推荐信息特征的交互特征，或者通过知识蒸馏获得交互特征，从而可以增强对用户目标特征和推荐信息特征两者之间的交互。

此外，还可以通过逻辑回归、决策树等机器学习模型，或者上述双塔DNN模型，确定用户信息特征和每个推荐信息特征的用户信息匹配度，以及确定意图特征和每个推荐信息特征的第五匹配度，根据用户信息匹配度以及第五匹配度，确定第一匹配度。例如，根据用户信息匹配度以及第五匹配度分别对应的权重，确定第一匹配度。

本申请实施例通过分别确定用户目标信息和各待推荐健康宣教信息的第一匹配度，从各待推荐健康宣教信息中确定出目标健康宣教信息，以实现基于用户目标信息的精准的信息推荐。

在本申请的一个实施例中，方法还包括：

根据用户信息，确定用户的第二用户画像标签；

获取至少一个候选关联对象的对象画像标签；

分别确定第一用户画像标签与各候选关联对象的对象画像标签的画像匹配度；

根据各候选关联对象对应的画像匹配度，从至少一个候选关联对象中确定用户对应的至少一个目标关联对象；

将与用户匹配的群组提供给用户，群组中包含至少一个目标关联对象。

在本申请实施例中，为了进行更好的健康信息宣教，本申请还可以为用户推荐与用户匹配的群组以使用户与群组中的目标关联对象进行健康宣教信息交流，其中，目标关联对象可以为与用户存在关联关系或者匹配关系的对象，例如，与用户患病信息匹配的医护人员，或者与用户存在相同或者相似患病信息的其他用户，或者与用户健康信息或者查询意图匹配的志愿服务人员等等。

此外，在进行推荐的过程中，候选关联对象可以为潜在的或者可能的目标关联对象，也可以为随机选出的任意对象。其中，第二用户画像标签和候选关联对象的对象画像标签可以画像模型可采用神经网络算法来构建，例如，对于第二用户画像标签，输入数据可以为用户目标信息，通过神经网络算法可以输出量化的标签向量。

其中，每个候选关联对象对应的画像匹配度用于描述第一用户画像标签与该候选关联对象的对象画像标签之间的关联程度或者匹配程度。其中，画像匹配度的具体计算方式可以参照上述计算匹配度的方式，在此不再赘述。

根据各候选关联对象对应的画像匹配度，从至少一个候选关联对象中确定用户对应的至少一个目标关联对象的方式可以通过以下方式确定：

例如，在各候选关联对象中，可以将上述画像匹配度满足预设条件的候选关联对象，作为目标关联对象。例如，可以将画像匹配度大于预设阈值的候选关联对象作为目标关联对象，此外，还可以按照画像匹配度由大到小的排列顺序，或者按照画像匹配度从小到大的顺序，选择预设数量的候选关联对象，作为目标关联对象。例如，当按照画像匹配度由大到小的顺序排列时，可以选择画像匹配度排名在前5位的候选关联对象，作为目标关联对象。此外，还可以根据候选关联对象对应的画像匹配度对候选关联对象进行聚类，将聚类在同一区域的对象，作为目标关联对象。

本申请实施例通过根据各候选关联对象对应的画像匹配度，从至少一个候选关联对象中确定用户对应的至少一个目标关联对象；并向用户提供包含目标关联对象的群组，从而，用户可以同与自身情况存在匹配关系的目标关联对象进行交流，以实现更好的健康信息宣教。

在本申请的一个实施例中，所述获取所述用户目标信息的用户特征、以及各所述待推荐健康宣教信息的推荐信息特征，分别确定所述用户特征和每个所述推荐信息特征的特征匹配度，包括：

将所述用户目标信息输入至匹配度计算模型的第一特征提取模块，得到所述用户目标信息的用户特征；

对于每个所述待推荐健康宣教信息，将该待推荐健康宣教信息输入所述匹配度计算模型的第二特征提取模块，得到该待推荐健康宣教信息的推荐信息特征；

对于每个待推荐健康宣教信息，由所述匹配度计算模型的匹配度计算模块根据所述用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度。

具体的，本申请实施例在计算各待推荐健康宣教信息对应的第一匹配度时，即计算特征匹配度时，可以采用匹配度计算模型进行计算。其中，匹配度计算模型可以为逻辑回归、决策树等机器学习模型，也可以为深度神经网络模型，作为一种可选实施方式，匹配度计算模型可以采用基于向量内积的双塔DNN模型，其中，第一特征提取模块以及第二特征提取模块可以分别为双塔DNN模型中的一个DNN模型。匹配度计算模块可以根据上述用户特征与推荐信息特征进行内积计算得到特征匹配度。

在本申请的一个实施例中，所述将所述用户目标信息输入至匹配度计算模型的第一特征提取模块，得到所述用户目标信息的用户特征，包括以下任一项：

将所述用户信息与所述目标查询意图拼接，将拼接后的信息输入所述第一特征提取模块，得到所述用户特征；

将所述用户信息和所述目标查询意图分别输入至所述第一特征提取模块，提取得到所述用户信息对应的用户信息特征和所述目标查询意图对应的意图特征，所述用户特征包括所述用户信息特征和所述意图特征；

其中，若所述用户特征包括所述用户信息特征和所述意图特征，对于每个待推荐健康宣教信息，所述由所述匹配度计算模型的匹配度计算模块根据所述用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度，包括以下任一项：

通过匹配度计算模块，将所述用户信息特征和所述意图特征融合，得到用户目标信息对应的融合特征，计算所述融合特征与该待推荐健康宣教信息的推荐信息特征的匹配度；

通过匹配度计算模块，分别确定所述用户信息特征和该待推荐健康宣教信息的推荐信息特征的用户信息匹配度，以及确定所述意图特征和该待推荐健康宣教信息的推荐信息特征的第五匹配度，根据该待推荐信息对应的用户信息匹配度和第五匹配度，得到该待推荐信息对应的特征匹配度。

具体的，在计算用户目标信息的用户特征时，可以先对用户信息与所述目标查询意图拼接，基于拼接后的信息得到用户特征，还可以先分别提去用户信息与所述目标查询意图各自对应的特征，然后上述分别提取的特征进行拼接或者融合。

此外，计算待推荐健康宣教信息对应的特征匹配度时，即计算第一匹配度时，可以根据用户信息特征和所述意图特征融合后的融合特征，以及待推荐健康宣教信息的推荐信息特征，计算特征匹配度。还可以分别计算用户信息特征与待推荐健康宣教信息的推荐信息特征的用户信息匹配度，以及意图特征和待推荐健康宣教信息的推荐信息特征的第五匹配度，然后基于上述分别计算的用户信息匹配度及第五匹配度，计算特征匹配度。

在本申请的一个实施例中，对于每个待推荐健康宣教信息，所述由所述匹配度计算模型的匹配度计算模块根据所述用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度，包括：

基于所述用户特征和该待推荐健康宣教信息的推荐信息特征，通过所述匹配度计算模型的注意力模块确定所述用户信息和该待推荐健康宣教信息之间的关联度；

根据该待推荐健康宣教信息对应的关联度对所述用户特征进行加权，得到加权后的加权用户特征；

由所述匹配度计算模型根据所述加权用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度。

具体的，在计算待推荐健康宣教信息对应的特征匹配度时，还可以加入注意力机制，即对于每个待推荐健康宣教信息，通过匹配度计算模型中的匹配度计算模块，计算用户信息和该待推荐健康宣教信息之间的关联度，并将该关联度作为待推荐健康宣教信息对应的权重，对用户特征进行加权，得到加权后的加权用户特征，根据所述加权用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度。

在本申请的一个实施例中，所述匹配度计算模型是通过以下方式训练得到的：

获取训练样本集，所述训练样本集中的每个训练样本包括样本用户的用户目标信息，以及该样本用户对应于所述待推荐信息库中的每个健康宣教信息的真实标签，对于每个健康宣教信息，所述真实标签表征了样本用户的用户目标信息与该健康宣教信息的真实匹配度；

对于每个所述训练样本，将所述训练样本的样本用户的用户目标信息和待推荐信息库中的各个健康宣教信息输入初始的神经网络模型中，得到每个所述健康宣教信息对应的预测结果，对于每个所述健康宣教信息，所述预测结果表征了该样本用户的目标用户信息和该健康宣教信息的预测匹配度；

根据各所述训练样本对应于各预配置健康宣教信息的真实标签和预测匹配度，确定训练损失值；

若满足预设的训练结束条件，则结束训练，并将训练结束时的神经网络模型作为匹配度计算模型，若不满足训练结束条件，则基于所述训练损失值调整所述神经网络模型的模型参数，并基于各所述训练样本对调整后的模型继续进行训练。

本申请实施例通过匹配度计算模型计算各所述待推荐健康宣教信息对应的第一匹配度，提高了匹配度的计算精度。

下面结合图3至图5对本申请实施例的应用场景进行说明。在本申请实施例中，可以通过获取使用信息推荐应用的用户上传的患病信息登记表图片，然后对图片进行OCR识别得到用户的用户基本信息以及健康信息等用户关键信息，即本申请所涉及的用户信息。或者直接采集用户输入患病信息、用户基本信息等用户关键信息。然后，基于获取到的用户关键信息与各预配置意图之间的匹配度，从各预配置意图中确定至少一个候选查询意图，并将各候选查询意图提供给用户进行选择，例如如图3所示，用户患病信息中涉及骨科就诊、检查、住院等信息时，所确定的候选查询意图可能是肋骨骨折、核磁共振检查等，当用户选择其中一个候选查询意图时，则将用户所选择的意图，即，目标查询意图，以及用户关键信息，作为用户目标信息，分别确定用户目标信息和各待推荐健康宣教信息的匹配度，即第一匹配度，根据各待推荐健康宣教信息对应的第一匹配度，从各待推荐健康宣教信息中确定出目标健康宣教信息，并向用户推荐目标健康宣教信息。当用户未选择上述候选查询意图时，则可以向用户展示输入查询信息的提示信息，并接收用户输入的查询语句，确定用户输入的查询语句与各预配置意图之间的匹配度，即第四匹配度；根据各预配置意图对应的第四匹配度，从各预配置意图中确定至少一个新的候选查询意图，并将新的候选查询意图提供给用户。直至用户选择候选查询意图中的一个意图。并将该意图作为目标查询意图，以执行上述推荐过程中后续的过程。

此外，如图5所示，本申请实施例中，还可以对云平台上的医生和用户建立画像模型，可以根据用户的画像标签(即第二用户画像标签)，以及医生和/或其他患者用户(即候选关联对象)的画像标签之间的画像匹配度；对医生和/或患者进行聚类，将聚类在同一区域的医生和/或患者，作为目标关联对象，并将目标关联对象组成的群组提供给用户，以使用户与群组中的成员进行更好的健康宣教信息交流。

本申请实施例通过确定用户目标信息和各待推荐健康宣教信息的第一匹配度，确定向用户推荐目标健康宣教信息。其中，由于用户目标信息中包括用户基本信息、用户健康信息以及用户的目标查询意图，其中，拥有不同用户基本信息以及拥有不同用户健康信息的用户可能感兴趣的健康宣教信息不同，例如，不同性别或者年龄的用户会对不同的健康宣教信息感兴趣，例如，不同患病情况的用户需要的健康宣教信息也不同。此外，每个用户的目标查询意图可以反映各自的健康信息查询需求，因此，在健康宣教信息的推荐过程中，本申请充分考虑了用户个人属性、用户身体健康情况，以及用户个人的查询需求，进而所推荐的健康宣教信息更加贴合用户自身情况及所需了解的健康宣教信息的需求，从而实现了更加个性化的精准推荐。

本申请实施例提供了一种信息推荐装置，如图6所示，该信息推荐装置60可以包括：用户信息获取模块601、候选意图确定模块602以及目标意图确定模块603、匹配度确定模块604、推荐信息确定模块605，其中，

用户信息获取模块，用于获取用户的用户信息，所述用户信息包括用户基本信息和用户健康信息；

候选意图确定模块，用于确定至少一个候选查询意图，并将各所述候选查询意图提供给所述用户，其中，每个所述候选查询意图与待推荐信息库中的至少一个健康宣教信息关联；

目标意图确定模块，用于响应于所述用户针对各所述候选查询意图中任一意图的选择操作，将所述选择操作对应的候选查询意图确定为用户的目标查询意图；

匹配度确定模块，用于分别确定用户目标信息和各待推荐健康宣教信息的第一匹配度，所述用户目标信息包括所述用户信息和所述目标查询意图，各所述待推荐健康宣教信息为所述待推荐信息库中的健康宣教信息；

推荐信息确定模块，用于根据各所述待推荐健康宣教信息对应的第一匹配度，从各所述待推荐健康宣教信息中确定出目标健康宣教信息，并向所述用户推荐所述目标健康宣教信息。

在另一个实施例中，候选意图确定模块可以具体用于：

分别确定各个预配置意图与用户信息的第二匹配度；

根据各预配置意图对应的第二匹配度，从各预配置意图中确定至少一个候选查询意图。

在另一个实施例中，该装置还可以包括待推荐信息确定模块，用于分别确定所述目标查询意图与所述待推荐信息库中的各预配置健康宣教信息的第三匹配度；

根据所述待推荐信息库中的各预配置健康宣教信息对应的第三匹配度，从所述待推荐信息库中的各预配置健康宣教信息中确定至少一个所述待推荐健康宣教信息。

在另一个实施例中，若未获取到用户针对各候选查询意图中任一意图的选择操作，该装置还可以还包括意图确定模块，具体用于

向所述用户展示输入查询信息的提示信息；

获取所述用户输入的查询信息；

重复执行以下步骤，直至获取到所述用户针对任一候选查询意图的选择操作：

获取所述查询信息与各预配置意图之间的第四匹配度；

根据各所述预配置意图对应的第四匹配度，从各所述预配置意图中确定至少一个新的候选查询意图，并将所述新的候选查询意图提供给所述用户。

在另一个实施例中，匹配度确定模块具体可以包括以下至少一个单元：

第一匹配度确定单元，用于根据用户目标信息，确定用户的第一用户画像标签，并获取各待推荐健康宣教信息对应的信息标签；分别确定第一用户画像标签与每个待推荐健康宣教信息对应的信息标签的标签匹配度，将标签匹配度作为第一匹配度；

第二匹配度确定单元，用于获取用户目标信息的用户特征、以及各待推荐健康宣教信息的推荐信息特征，分别确定用户特征和每个推荐信息特征的特征匹配度，将特征匹配度作为第一匹配度。

在另一个实施例中，第二匹配度确定单元可以包括：

特征获取子单元，用于获取用户信息的用户信息特征以及获取目标查询意图的意图特征，

还可以第一确定子单元或者第二确定子单元。

第一确定子单元，用于将所述用户信息特征以及所述意图特征进行融合，得到所述用户目标信息对应的融合特征，分别确定所述融合特征和每个所述推荐信息特征的特征匹配度；

第二确定子单元，用于确定所述用户信息特征和每个所述推荐信息特征的用户信息匹配度，以及确定所述意图特征和每个所述推荐信息特征的第五匹配度，根据每个待推荐信息对应的用户信息匹配度和所述第五匹配度，得到每个所述待推荐信息对应的特征匹配度。

在另一个实施例中，该装置还可以包括群组推荐模块，具体用于：

根据用户信息，确定用户的第二用户画像标签；

获取至少一个候选关联对象的对象画像标签；

分别确定第一用户画像标签与各候选关联对象的对象画像标签的画像匹配度；

根据各候选关联对象对应的画像匹配度，从至少一个候选关联对象中确定用户对应的至少一个目标关联对象；

将与用户匹配的群组提供给用户，群组中包含至少一个目标关联对象。

在另一个实施例中，第二匹配度确定单元，具体用于：将所述用户目标信息输入至匹配度计算模型的第一特征提取模块，得到所述用户目标信息的用户特征；

对于每个所述待推荐健康宣教信息，将该待推荐健康宣教信息输入所述匹配度计算模型的第二特征提取模块，得到该待推荐健康宣教信息的推荐信息特征；

对于每个待推荐健康宣教信息，由所述匹配度计算模型的匹配度计算模块根据所述用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度。

在另一个实施例中，第二匹配度确定单元，具体用于：将所述用户信息与所述目标查询意图拼接，将拼接后的信息输入所述第一特征提取模块，得到所述用户特征；

将所述用户信息和所述目标查询意图分别输入至所述第一特征提取模块，提取得到所述用户信息对应的用户信息特征和所述目标查询意图对应的意图特征，所述用户特征包括所述用户信息特征和所述意图特征；

通过匹配度计算模块，将所述用户信息特征和所述意图特征融合，得到用户目标信息对应的融合特征，计算所述融合特征与该待推荐健康宣教信息的推荐信息特征的匹配度；

通过匹配度计算模块，分别确定所述用户信息特征和该待推荐健康宣教信息的推荐信息特征的用户信息匹配度，以及确定所述意图特征和该待推荐健康宣教信息的推荐信息特征的第五匹配度，根据该待推荐信息对应的用户信息匹配度和第五匹配度，得到该待推荐信息对应的特征匹配度。

在另一个实施例中，第二匹配度确定单元，具体用于：基于所述用户特征和该待推荐健康宣教信息的推荐信息特征，通过所述匹配度计算模型的注意力模块确定所述用户信息和该待推荐健康宣教信息之间的关联度；

根据该待推荐健康宣教信息对应的关联度对所述用户特征进行加权，得到加权后的加权用户特征；

由所述匹配度计算模型根据所述加权用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度。

在另一个实施例中，所述匹配度计算模型是通过以下方式训练得到的：

获取训练样本集，所述训练样本集中的每个训练样本包括样本用户的用户目标信息，以及该样本用户对应于所述待推荐信息库中的每个健康宣教信息的真实标签，对于每个健康宣教信息，所述真实标签表征了样本用户的用户目标信息与该健康宣教信息的真实匹配度；

对于每个所述训练样本，将所述训练样本的样本用户的用户目标信息和待推荐信息库中的各个健康宣教信息输入初始的神经网络模型中，得到每个所述健康宣教信息对应的预测结果，对于每个所述健康宣教信息，所述预测结果表征了该样本用户的目标用户信息和该健康宣教信息的预测匹配度；

根据各所述训练样本对应于各预配置健康宣教信息的真实标签和预测匹配度，确定训练损失值；

若满足预设的训练结束条件，则结束训练，并将训练结束时的神经网络模型作为匹配度计算模型，若不满足训练结束条件，则基于所述训练损失值调整所述神经网络模型的模型参数，并基于各所述训练样本对调整后的模型继续进行训练。

本实施例的信息推荐装置可执行本申请前述实施例所示的信息推荐方法，其实现原理相类似，此处不再赘述。

本申请实施例通过确定用户目标信息和各待推荐健康宣教信息的第一匹配度，确定向用户推荐目标健康宣教信息。其中，由于用户目标信息中包括用户基本信息、用户健康信息以及用户的目标查询意图，其中，拥有不同用户基本信息以及拥有不同用户健康信息的用户可能感兴趣的健康宣教信息不同，例如，不同性别或者年龄的用户会对不同的健康宣教信息感兴趣，例如，不同患病情况的用户需要的健康宣教信息也不同。此外，每个用户的目标查询意图可以反映各自的健康信息查询需求，因此，在健康宣教信息的推荐过程中，本申请充分考虑了用户个人属性、用户身体健康情况，以及用户个人的查询需求，进而所推荐的健康宣教信息更加贴合用户自身情况及所需了解的健康宣教信息的需求，从而实现了更加个性化的精准推荐。

本申请实施例中提供了一种电子设备，该电子设备包括：存储器和处理器；至少一个程序，存储于存储器中，用于被处理器执行时，与现有技术相比可实现：本申请实施例通过确定用户目标信息和各待推荐健康宣教信息的第一匹配度，确定向所述用户推荐所述目标健康宣教信息。其中，由于用户目标信息中包括用户基本信息、用户健康信息以及用户的目标查询意图，其中，拥有不同用户基本信息以及拥有不同用户健康信息的用户可能感兴趣的健康宣教信息不同，例如，不同性别或者年龄的用户会对不同的健康宣教信息感兴趣，例如，不同患病情况的用户需要的健康宣教信息也不同。此外，每个用户的目标查询意图可以反映各自的健康信息查询需求，因此，在健康宣教信息的推荐过程中，本申请充分考虑了用户个人属性、用户身体健康情况，以及用户个人的查询需求，进而所推荐的健康宣教信息更加贴合用户自身情况及所需了解的健康宣教信息的需求，从而实现了更加个性化的精准推荐。

在一个可选实施例中提供了一种电子设备，如图7所示，图7所示的电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可以包括收发器4004，收发器4004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本申请实施例的限定。

处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器4003用于存储执行本申请方案的应用程序代码(计算机程序)，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序代码，以实现前述方法实施例所示的内容。

其中，电子设备包括但不限于：移动电话、笔记本电脑、多媒体播放器、台式计算机等。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。

本申请实施例通过确定用户目标信息和各待推荐健康宣教信息的第一匹配度，确定向所述用户推荐所述目标健康宣教信息。其中，由于用户目标信息中包括用户基本信息、用户健康信息以及用户的目标查询意图，其中，拥有不同用户基本信息以及拥有不同用户健康信息的用户可能感兴趣的健康宣教信息不同，例如，不同性别或者年龄的用户会对不同的健康宣教信息感兴趣，例如，不同患病情况的用户需要的健康宣教信息也不同。此外，每个用户的目标查询意图可以反映各自的健康信息查询需求，因此，在健康宣教信息的推荐过程中，本申请充分考虑了用户个人属性、用户身体健康情况，以及用户个人的查询需求，进而所推荐的健康宣教信息更加贴合用户自身情况及所需了解的健康宣教信息的需求，从而实现了更加个性化的精准推荐。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (15)

1.一种信息推荐方法，其特征在于，包括：

获取用户的用户信息，所述用户信息包括用户基本信息和用户健康信息；

确定至少一个候选查询意图，并将各所述候选查询意图提供给所述用户，其中，每个所述候选查询意图与待推荐信息库中的至少一个健康宣教信息关联；

响应于所述用户针对各所述候选查询意图中任一意图的选择操作，将所述选择操作对应的候选查询意图确定为用户的目标查询意图；

分别确定用户目标信息和各待推荐健康宣教信息的第一匹配度，所述用户目标信息包括所述用户信息和所述目标查询意图，各所述待推荐健康宣教信息为所述待推荐信息库中的健康宣教信息；

根据各所述待推荐健康宣教信息对应的第一匹配度，从各所述待推荐健康宣教信息中确定出目标健康宣教信息，并向所述用户推荐所述目标健康宣教信息。

2.根据权利要求1所述的信息推荐方法，其特征在于，所述确定至少一个候选查询意图，包括：

分别确定各个预配置意图与所述用户信息的第二匹配度；

根据各所述预配置意图对应的第二匹配度，从各所述预配置意图中确定所述至少一个候选查询意图。

3.根据权利要求1所述的信息推荐方法，其特征在于，所述方法还包括：

分别确定所述目标查询意图与所述待推荐信息库中的各预配置健康宣教信息的第三匹配度；

根据所述待推荐信息库中的各预配置健康宣教信息对应的第三匹配度，从所述待推荐信息库中的各预配置健康宣教信息中确定至少一个所述待推荐健康宣教信息。

4.根据权利要求1所述的信息推荐方法，其特征在于，若未获取到所述用户针对各所述候选查询意图中任一意图的选择操作，所述方法还包括：

向所述用户展示输入查询信息的提示信息；

获取所述用户输入的查询信息；

重复执行以下步骤，直至获取到所述用户针对任一候选查询意图的选择操作：

获取所述查询信息与各预配置意图之间的第四匹配度；

根据各所述预配置意图对应的第四匹配度，从各所述预配置意图中确定至少一个新的候选查询意图，并将所述新的候选查询意图提供给所述用户。

5.根据权利要求1所述的信息推荐方法，其特征在于，所述分别确定用户目标信息和各待推荐健康宣教信息的第一匹配度，包括以下方式中的至少一种：

根据所述用户目标信息，确定所述用户的第一用户画像标签，并获取各所述待推荐健康宣教信息对应的信息标签；分别确定所述第一用户画像标签与每个所述待推荐健康宣教信息对应的信息标签的标签匹配度，将所述标签匹配度作为所述第一匹配度；

获取所述用户目标信息的用户特征、以及各所述待推荐健康宣教信息的推荐信息特征，分别确定所述用户特征和每个所述推荐信息特征的特征匹配度，将所述特征匹配度作为所述第一匹配度。

6.根据权利要求5所述的信息推荐方法，其特征在于，所述获取所述用户目标信息的用户特征，包括：

获取所述用户信息的用户信息特征以及所述目标查询意图的意图特征，所述用户特征包括所述用户信息特征和所述意图特征；

所述分别确定所述用户特征和每个所述推荐信息特征的特征匹配度，包括以下任一项：

将所述用户信息特征以及所述意图特征进行融合，得到所述用户目标信息对应的融合特征，分别确定所述融合特征和每个所述推荐信息特征的特征匹配度；

确定所述用户信息特征和每个所述推荐信息特征的用户信息匹配度，以及确定所述意图特征和每个所述推荐信息特征的第五匹配度，根据每个待推荐信息对应的用户信息匹配度和所述第五匹配度，得到每个所述待推荐信息对应的特征匹配度。

7.根据权利要求1-6任一所述的信息推荐方法，其特征在于，所述方法还包括：

根据所述用户信息，确定所述用户的第二用户画像标签；

获取至少一个候选关联对象的对象画像标签；

分别确定所述第一用户画像标签与各所述候选关联对象的对象画像标签的画像匹配度；

根据各所述候选关联对象对应的画像匹配度，从所述至少一个候选关联对象中确定所述用户对应的至少一个目标关联对象；

将与所述用户匹配的群组提供给所述用户，所述群组中包含所述至少一个目标关联对象。

8.根据权利要求5或6所述的信息推荐方法，其特征在于，所述获取所述用户目标信息的用户特征、以及各所述待推荐健康宣教信息的推荐信息特征，分别确定所述用户特征和每个所述推荐信息特征的特征匹配度，包括：

将所述用户目标信息输入至匹配度计算模型的第一特征提取模块，得到所述用户目标信息的用户特征；

对于每个所述待推荐健康宣教信息，将该待推荐健康宣教信息输入所述匹配度计算模型的第二特征提取模块，得到该待推荐健康宣教信息的推荐信息特征；

对于每个待推荐健康宣教信息，由所述匹配度计算模型的匹配度计算模块根据所述用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度。

9.根据权利要求8所述的信息推荐方法，其特征在于，所述将所述用户目标信息输入至匹配度计算模型的第一特征提取模块，得到所述用户目标信息的用户特征，包括以下任一项：

将所述用户信息与所述目标查询意图拼接，将拼接后的信息输入所述第一特征提取模块，得到所述用户特征；

将所述用户信息和所述目标查询意图分别输入至所述第一特征提取模块，提取得到所述用户信息对应的用户信息特征和所述目标查询意图对应的意图特征，所述用户特征包括所述用户信息特征和所述意图特征；

其中，若所述用户特征包括所述用户信息特征和所述意图特征，对于每个待推荐健康宣教信息，所述由所述匹配度计算模型的匹配度计算模块根据所述用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度，包括以下任一项：

通过匹配度计算模块，将所述用户信息特征和所述意图特征融合，得到用户目标信息对应的融合特征，计算所述融合特征与该待推荐健康宣教信息的推荐信息特征的匹配度；

通过匹配度计算模块，分别确定所述用户信息特征和该待推荐健康宣教信息的推荐信息特征的用户信息匹配度，以及确定所述意图特征和该待推荐健康宣教信息的推荐信息特征的第五匹配度，根据该待推荐信息对应的用户信息匹配度和第五匹配度，得到该待推荐信息对应的特征匹配度。

10.根据权利要求5或6所述的信息推荐方法，其特征在于，对于每个待推荐健康宣教信息，所述由所述匹配度计算模型的匹配度计算模块根据所述用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度，包括：

基于所述用户特征和该待推荐健康宣教信息的推荐信息特征，通过所述匹配度计算模型的注意力模块确定所述用户信息和该待推荐健康宣教信息之间的关联度；

根据该待推荐健康宣教信息对应的关联度对所述用户特征进行加权，得到加权后的加权用户特征；

由所述匹配度计算模型根据所述加权用户特征和该待推荐健康宣教信息的推荐信息特征，得到该待推荐健康宣教信息对应的特征匹配度。

11.根据权利要求8所述的信息推荐方法，其特征在于，所述匹配度计算模型是通过以下方式训练得到的：

获取训练样本集，所述训练样本集中的每个训练样本包括样本用户的用户目标信息，以及该样本用户对应于所述待推荐信息库中的每个健康宣教信息的真实标签，对于每个健康宣教信息，所述真实标签表征了样本用户的用户目标信息与该健康宣教信息的真实匹配度；

对于每个所述训练样本，将所述训练样本的样本用户的用户目标信息和待推荐信息库中的各个健康宣教信息输入初始的神经网络模型中，得到每个所述健康宣教信息对应的预测结果，对于每个所述健康宣教信息，所述预测结果表征了该样本用户的目标用户信息和该健康宣教信息的预测匹配度；

根据各所述训练样本对应于各预配置健康宣教信息的真实标签和预测匹配度，确定训练损失值；

若满足预设的训练结束条件，则结束训练，并将训练结束时的神经网络模型作为匹配度计算模型，若不满足训练结束条件，则基于所述训练损失值调整所述神经网络模型的模型参数，并基于各所述训练样本对调整后的模型继续进行训练。

12.一种信息推荐装置，其特征在于，包括：

用户信息获取模块，用于获取用户的用户信息，所述用户信息包括用户基本信息和用户健康信息；

候选意图确定模块，用于确定至少一个候选查询意图，并将各所述候选查询意图提供给所述用户，其中，每个所述候选查询意图与待推荐信息库中的至少一个健康宣教信息关联；

目标意图确定模块，用于响应于所述用户针对各所述候选查询意图中任一意图的选择操作，将所述选择操作对应的候选查询意图确定为用户的目标查询意图；

匹配度确定模块，用于分别确定用户目标信息和各待推荐健康宣教信息的第一匹配度，所述用户目标信息包括所述用户信息和所述目标查询意图，各所述待推荐健康宣教信息为所述待推荐信息库中的健康宣教信息；

推荐信息确定模块，用于根据各所述待推荐健康宣教信息对应的第一匹配度，从各所述待推荐健康宣教信息中确定出目标健康宣教信息，并向所述用户推荐所述目标健康宣教信息。

13.根据权利要求12所述的信息推荐装置，其特征在于，所述候选意图确定模块具体用于，分别确定各个预配置意图与所述用户信息的第二匹配度；

根据各所述预配置意图对应的第二匹配度，从各所述预配置意图中确定所述至少一个候选查询意图。

14.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～11任一项所述的信息推荐方法。

15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～11任一项所述的信息推荐方法。

Images