CN116257690A - 一种资源推荐方法、装置、电子设备和存储介质 - Google Patents
一种资源推荐方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116257690A CN116257690A CN202310272314.6A CN202310272314A CN116257690A CN 116257690 A CN116257690 A CN 116257690A CN 202310272314 A CN202310272314 A CN 202310272314A CN 116257690 A CN116257690 A CN 116257690A
- Authority
- CN
- China
- Prior art keywords
- session
- resource
- abstract
- user
- content
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000012634 fragment Substances 0.000 claims description 32
- 238000005516 engineering process Methods 0.000 claims description 18
- 230000008707 rearrangement Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 239000000047 product Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开提供了一种资源推荐方法、装置、电子设备和存储介质,涉及人工智能技术领域,尤其涉及智能推荐、深度学习等技术领域。具体实现方案为:获取用户的会话内容,并从所述会话内容中提取会话关键信息;根据所述会话关键信息进行资源检索,得到至少一个目标资源;将所述目标资源推荐给所述用户。本公开可以根据用户在会议中的会话内容,主动为用户推荐相关资源,提升用户获取相关资源的效率。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及智能推荐、深度学习等技术领域,具体涉及一种资源推荐方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
随着社会的发展,越来越多的办公会议,需求讨论通过线上的办公软件进行。产品设计、需求以及各种技术方案的敲定,基本上都依赖于办公软件的沟通。
发明内容
本公开提供了一种资源推荐方法、装置、电子设备、存储介质和计算机程序产品。
根据本公开的一方面,提供了一种资源推荐方法,包括:
获取用户的会话内容,并从所述会话内容中提取会话关键信息;
根据所述会话关键信息进行资源检索,得到至少一个目标资源;
将所述目标资源推荐给所述用户。
根据本公开的另一方面,提供了一种资源推荐装置,包括:
会议关键信息提取模块,用于获取用户的会话内容,并从所述会话内容中提取会话关键信息;
检索模块,用于根据所述会话关键信息进行资源检索,得到至少一个目标资源;
推荐模块,用于将所述目标资源推荐给所述用户。
根据本公开的另一方面,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本公开任意实施例所述的资源推荐方法。
根据本公开的另一方面,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计算机执行本公开任意实施例所述的资源推荐方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本公开任意实施例的资源推荐方法。
根据本公开的技术,实现了智能向用户推荐资源的目的,可以提升用户获取相关资源的效率。
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是根据本公开实施例的一种资源推荐方法的流程示意图;
图2是根据本公开实施例的另一种资源推荐方法的流程示意图;
图3是根据本公开实施例的另一种资源推荐方法的流程示意图;
图4是根据本公开实施例的资源推荐装置的示意图;
图5是用来实现本公开实施例的资源推荐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。
图1是根据本公开实施例的一种资源推荐方法的流程示意图,本实施例可适用于在办公聊天场景中,根据用户的会话内容向用户提供聊天主题相关资源的情况。该方法可由一种资源推荐装置来执行,该装置采用软件和/或硬件的方式实现,优选是配置于电子设备中,例如计算机设备或服务器等。如图1所示,该方法具体包括如下:
S101、获取用户的会话内容,并从会话内容中提取会话关键信息。
本公开实施例方案适用于办公场景,而在办公场景下,用户通常会使用即时通讯工具进行沟通,例如用户可通过办公通讯应用进行办公聊天(双人或多人)或者进行线上会议,其中,办公聊天或线上会议可以通过文字消息、语音、视频等方式进行,使得用户的会话内容可选的是用户通过使用即时通讯工具所产生,包括消息会话内容、语音会话内容和视频会话内容中的至少一种。在此基础上,如果会话内容为文本格式,可采用自然语言处理技术从会话中提取会话关键信息;如果会话内容为语音格式,可以基于语音识别技术从中提取会话关键信息;如果会话内容是视频格式,可以采用视频处理技术进行会话关键信息的提取。另外,如果获取的会话内容通过包括多种格式的内容,则可以采用多模态技术,从会话内容中提取会话关键信息,其中,所述会话关键信息示例性的为会话主题、项目涉及的技术难点和相关知识点等相关信息。
S102、根据会话关键信息进行资源检索,得到至少一个目标资源。
在得到会话关键信息后,可以将会话关键信息作为检索词,在检索系统进行资源检索,得到至少一个目标资源,其中,目标资源示例性的为技术文档资料。可选的,检索系统可以包括两部分,分别是内部检索系统和外部检索系统。需要说明的是,由于本公开主要立足于办公场景中,企业中很多历史项目相关的资料仅在企业内部公开,为了有效检索企业内部资源,接入企业内部的检索接口,或者定制化一套内部资源检索,以实现内部检索,进而能够将涉及历史经验的资源推荐给用户,使得用户更快地熟悉整个项目的内容。除内部检索系统外,还接入外部搜索系统,检索当前相关的一些时效性较高的外部资源作为信息补充。
S103、将目标资源推荐给用户。
本公开实施例中,在根据会话关键信息检索到目标资源后,可直接将目标资源推荐给用户,不仅保证推荐的资源的准确性,还可以避免用户自己主动检索的过程,提高了用户获取资源的效率,进而保证了用户的工作效率。
图2是根据本公开实施例的另一种资源推荐方法的流程示意图,本实施例在上述实施例的基础上进一步优化。如图2所示,该方法具体包括如下:
S201、获取用户的会话内容,根据线上会议的会议主题变更位置,对会话内容进行切分,得到至少一个会话片段。
其中,会话内容包括消息会话内容、语音会话内容和视频会话内容中的至少一种。在进行会话内容切分时,可以利用会话内容中每个句子表征之间的主题相似性,将主题相似性高的句子作为一个会话。也可以利用生成式对话模型DialoGPT对会话内容进行切分,在实现时,利用DialoGPT中的生成式任务,如果生成一个新的句子的损失函数较大,则确定这个新句子是一个新会话片段的开始句子,也即该位置为主题变更位置,进而按照主体变更位置进行会话切分。
在得到多个会话片段后,可以直接通过抽取关键词的方式,从各会话片段中确定会话关键信息。而为了保证获取的会话关键内容的准确性,可以按照S202-S203的步骤确定会话关键信息。
S202、确定每个会话片段的会话类型。
其中,会话类型包括闲聊、项目讨论、技术讨论、产品设计讨论和问题解决方案讨论中的至少一种。
在一种可选的实施方式中,可预先部署一个在线分类模型,利用该在线分类模型,识别每个会话片段的会话类型。而且在识别会话类型时,还可以参考会话片段包括的视觉特征和/或韵律特征,以保证分类的准确性。
在此需要说明的是,若某一会话片段的会话类型为闲聊,则丢弃该会话片段,以此避免基于闲聊类型的会话片段向用户推荐不相关资源,进而避免资源出现资源推荐不准确的问题。
S203、根据会话片段和会话片段的会话类型生成会话摘要,并将会话摘要作为会话关键信息。
可选的,利用预先训练的会话摘要生成模型,将会话片段和会话片段的会话类型作为模型输入,进而根据模型输出确定会话摘要。其中,会话摘要生成模型的训练样本可以包括预先标记的会话片段和会话内容。由于会话摘要可以简单明了的表征会话片段的真实内容,因此可以直接将会话摘要作为会话关键信息。
进一步的,由于现实的工作会话场景中,会话内容常以多模态的方式进行呈现。有些视觉特征数据和韵律特征数据会对会话摘要的生成有着重要作用。例如,在视频会议中,参会用户注意的视觉焦点(VFOA)停留在某一个人身上的时间越长,表明当前讲述人的表述越重要,越可能是关键信息。因此,针对多模态方式呈现的会话内容,可从会话内容中提取韵律特征数据和/或视觉特征数据;进而根据会话片段、会话片段的会话类型,结合韵律特征数据和/或视觉特征数据,生成会话摘要。可选的,将韵律特征数据和/或视觉特征数据作为辅助信息,和会话片段、会话片段的会话类型一起输入到预先训练的会话摘要生成模型中,根据模型输出确定会话摘要。由于会话摘要的生成参考了会话内容中的韵律特征和/或视觉特征,使得生成的会话摘要更准确,进而保证提取的会话关键信息更加准确,以此可以保证后续基于会话关键信息检索的目标资源的准确性。
S204、根据会话关键信息进行资源检索,得到至少一个目标资源。
本公开实施例中,考虑到为了如果会话摘要信息过长,可能导致召回匹配的目标资源数量过少,因此,在检索前对会话摘要进行预处理。可选的,从作为关键信息的会话摘要中提取关键词或关键句;或者,对会话摘要进行改写。进而,将关键词、关键句、或者改写后的会话摘要,作为检索词;根据检索词,通过内部检索接口或外部检索接口进行资源检索,得到至少一个目标资源。
在此需要说明的是,在检索时,如果企业内部有自研的检索接口,可直接接入。如果无相关的检索系统,可以利用检索框架,基于企业内部数字化的内容资源,搭建内部检索系统,既作为当前推荐资源的供给,也可以作为企业资料的内部检索入口,方便员工查找相关资料。而针对外部检索,可利用公开接口的海量资源,即时补充一些近期相关的资源,提升推荐资源的新颖性。通过外部资源的刺激,可能能够相关熟悉企业内资料的员工一些新的建议。
S205、将目标资源推荐给用户。
本公开实施例中,通过生成会话摘要的方式确定会话关键信息,可以保证提取的会话关键信息的准确性,进而保证后续资源检索和推荐的准确性。
图3是根据本公开实施例的另一种资源推荐方法的流程示意图,本实施例在上述实施例的基础上进一步进行优化。如图3所示,该方法具体包括如下:
S301、获取用户的会话内容,并从会话内容中提取会话关键信息。
其中,从所述会话内容中提取会话关键信息,包括:根据所述线上会议的会议主题变更位置,对所述会话内容进行切分,得到至少一个会话片段;确定每个会话片段的会话类型;其中,所述会话类型包括闲聊、项目讨论、技术讨论、产品设计讨论和问题解决方案讨论中的至少一种;根据所述会话片段和所述会话片段的会话类型生成会话摘要,并将所述会话摘要作为所述会话关键信息。
S302、根据会话关键信息进行资源检索,得到至少一个目标资源。
可选的,从作为所述关键信息的会话摘要中提取关键词或关键句;或者,对所述会话摘要进行改写;将所述关键词、关键句、或者改写后的会话摘要,作为检索词;根据所述检索词,通过内部检索接口或外部检索接口进行资源检索,得到至少一个目标资源。
本公开实施例中,在得到目标资源后,可以按照S303-S307的步骤进行推荐。
S303、根据目标资源的语义特征、质量特征和标签特征,结合用户的画像特征,对目标资源进行重排,得到资源重排结果。
本公开实施例中,为了保证推荐给用户的资源的质量,需要对检索召回的目标资源进行重排。可选的,可以根据目标资源的语义特征、质量特征和标签特征进行重新排序。另外,由于要实现个性化推荐,在进行资源重排过程中,还可以结合用户的画像特征。如此重排后,可以保证推荐给用户的资源准确性。
需要说明的是,在进行目标资源重排时,还可以结合会话类型,对资源重排结果进行调整,例如给予不同的目标资源时效性调整。例如针对产品、项目、技术的讨论,会提升时效性高,新颖性高资源的权重;针对问题相关的类型,会提升权威性内容的权重,旨在提升推荐的价值。
S304、从资源重排结果中选出预设数量的目标资源,并按照段落粒度,对选出的目标资源进行拆分,得到至少一个资源段落。
其中,预设数量可以根据实际需要设定,例如预设数量为10。针对重排结果中的目标资源,将其切分成多个资源段落。示例性的,若目标资源可选的为文档内容,资源段落可以为文档段落。
S305、按照资源段落的重要性,确定预设数量的重要资源段落。
在得到多个资源段落后,由于并不是每个资源段落中都包括用户需要的内容,因此需要对资源段落进行筛选。可选的,先确定每个资源段落的重要性,例如利用预先训练的段落排序模型确定每个资源段落的重要性,进而选出确定预设数量的重要资源段落,其中,预设数量可根据实际需要设定。
S306、基于重要资源段落中的文本特征和事实图谱中的实体关系特征,生成符合事实的资源摘要。
本实施例中,由于得到的资源段落没有时间限制,如果直接根据资源段落的文本特征生成资源摘要,可能存在生成的资源摘要不符合事实的情况。基于此,考虑到事实图谱中的实体关系特征表征了一些资源或内容的发展脉络,因此同时结合重要资源段落中的文本特征和事实图谱中的实体关系特征,可以生成符合事实的资源摘要。需要说明的是,之所以要生成资源摘要,是为了向用户提供一个可参考的信息片段,可以提升用户是否采纳推荐资源的判断效率。
S307、将资源摘要和重排后的目标资源推荐给用户。
可选的,根据资源摘要和目标资源,生成资源推荐页;在用户的通过办公通讯应用中,向用户推送推荐提示消息,使得用户根据提示消息跳转到资源推荐页。需要说明的是,之所以通过推送推荐提示消息方式实现资源推荐,是为了避免直接推荐的资源对用户的正常会话产生影响。
本公开实施例中,实现了资源的个性化推荐,以及通过推送资源摘要,可以提升用户判断是否采纳推荐资源的效率。
图4是根据本公开实施例的资源推荐装置的结构示意图,本实施例可适用于在办公聊天场景中,根据用户的会话内容向用户提供聊天主题相关资源的情况。该装置可实现本公开任意实施例的资源推荐方法。如图4所示,该装置400具体包括:
会议关键信息提取模块401,用于获取用户的会话内容,并从会话内容中提取会话关键信息;
检索模块402,用于根据会话关键信息进行资源检索,得到至少一个目标资源;
推荐模块403,用于将目标资源推荐给用户。
可选的,在一些实施例中,会议关键信息提取模块包括:
回话切分单元,用于根据线上会议的会议主题变更位置,对会话内容进行切分,得到至少一个会话片段;
分类单元,用于确定每个会话片段的会话类型;其中,会话类型包括闲聊、项目讨论、技术讨论、产品设计讨论和问题解决方案讨论中的至少一种;
会话摘要生成单元,用于根据会话片段和会话片段的会话类型生成会话摘要,并将会话摘要作为会话关键信息。
可选的,在一些实施例中,会话内容包括消息会话内容、语音会话内容和视频会话内容中的至少一种;
相应的,摘要生成单元还用于:
从会话内容中提取韵律特征数据和/或视觉特征数据;
根据会话片段、会话片段的会话类型,结合韵律特征数据和/或视觉特征数据,生成会话摘要。
可选的,在一些实施例中,检索模块包括:
改写与提取单元,用于从作为关键信息的会话摘要中提取关键词或关键句;或者,对会话摘要进行改写;
检索词确定单元,用于将关键词、关键句、或者改写后的会话摘要,作为检索词;
检索单元,用于根据检索词,通过内部检索接口或外部检索接口进行资源检索,得到至少一个目标资源。
可选的,在一些实施例中,推荐模块包括:
重排单元,用于根据目标资源的语义特征、质量特征和标签特征,结合用户的画像特征,对目标资源进行重排,得到资源重排结果;
拆分单元,用于从资源重排结果中选出预设数量的目标资源,并按照段落粒度,对选出的目标资源进行拆分,得到至少一个资源段落;
段落选择单元,用于按照资源段落的重要性,确定预设数量的重要资源段落;
资源摘要生成单元,用于基于重要资源段落中的文本特征和事实图谱中的实体关系特征,生成符合事实的资源摘要;
推荐单元,用于将资源摘要和重排后的目标资源推荐给用户。
可选的,在一些实施例中,还包括:
调整模块,用于根据会话类型,对资源重排结果进行调整。
可选的,在一些实施例中,推荐单元还用于:
根据资源摘要和目标资源,生成资源推荐页;
向用户推送推荐提示消息,使得用户根据提示消息跳转到资源推荐页。
上述产品可执行本公开任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。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5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理,例如资源推荐方法。例如,在一些实施例中,资源推荐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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的资源推荐方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行资源推荐方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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)、区块链网络和互联网。
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,以解决了传统物理主机与VPS服务中,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。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
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提供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 (17)
1.一种资源推荐方法,包括:
获取用户的会话内容,并从所述会话内容中提取会话关键信息;
根据所述会话关键信息进行资源检索,得到至少一个目标资源;
将所述目标资源推荐给所述用户。
2.根据权利要求1所述的方法,其中,从所述会话内容中提取会话关键信息,包括:
根据所述线上会议的会议主题变更位置,对所述会话内容进行切分,得到至少一个会话片段;
确定每个会话片段的会话类型;其中,所述会话类型包括闲聊、项目讨论、技术讨论、产品设计讨论和问题解决方案讨论中的至少一种;
根据所述会话片段和所述会话片段的会话类型生成会话摘要,并将所述会话摘要作为所述会话关键信息。
3.根据权利要求2所述的方法,其中,所述会话内容包括消息会话内容、语音会话内容和视频会话内容中的至少一种;
相应的,所述根据所述会话片段和所述会话片段的会话类型生成会话摘要,包括:
从所述会话内容中提取韵律特征数据和/或视觉特征数据;
根据所述会话片段、所述会话片段的会话类型,结合所述韵律特征数据和/或视觉特征数据,生成所述会话摘要。
4.根据权利要求2所述的方法,其中,根据所述会话关键信息进行资源检索,得到至少一个目标资源,包括:
从作为所述关键信息的会话摘要中提取关键词或关键句;或者,对所述会话摘要进行改写;
将所述关键词、关键句、或者改写后的会话摘要,作为检索词;
根据所述检索词,通过内部检索接口或外部检索接口进行资源检索,得到至少一个目标资源。
5.根据权利要求2所述的方法,其中,将所述目标资源推荐给所述用户,包括:
根据所述目标资源的语义特征、质量特征和标签特征,结合所述用户的画像特征,对所述目标资源进行重排,得到资源重排结果;
从所述资源重排结果中选出预设数量的目标资源,并按照段落粒度,对选出的目标资源进行拆分,得到至少一个资源段落;
按照资源段落的重要性,确定预设数量的重要资源段落;
基于所述重要资源段落中的文本特征和事实图谱中的实体关系特征,生成符合事实的资源摘要;
将所述资源摘要和重排后的目标资源推荐给所述用户。
6.根据权利要求5所述的方法,还包括:
根据所述会话类型,对所述资源重排结果进行调整。
7.根据权利要求5所述的方法,其中,将所述资源摘要和重排后的目标资源推荐给所述用户,包括:
根据所述资源摘要和所述目标资源,生成资源推荐页;
向所述用户推送推荐提示消息,使得所述用户根据所述提示消息跳转到所述资源推荐页。
8.一种资源推荐装置,包括:
会议关键信息提取模块,用于获取用户的会话内容,并从所述会话内容中提取会话关键信息;
检索模块,用于根据所述会话关键信息进行资源检索,得到至少一个目标资源;
推荐模块,用于将所述目标资源推荐给所述用户。
9.根据权利要求8所述的装置,其中,所述会议关键信息提取模块包括:
回话切分单元,用于根据所述线上会议的会议主题变更位置,对所述会话内容进行切分,得到至少一个会话片段;
分类单元,用于确定每个会话片段的会话类型;其中,所述会话类型包括闲聊、项目讨论、技术讨论、产品设计讨论和问题解决方案讨论中的至少一种;
会话摘要生成单元,用于根据所述会话片段和所述会话片段的会话类型生成会话摘要,并将所述会话摘要作为所述会话关键信息。
10.根据权利要求9所述的装置,其中,所述会话内容包括消息会话内容、语音会话内容和视频会话内容中的至少一种;
相应的,所述摘要生成单元还用于:
从所述会话内容中提取韵律特征数据和/或视觉特征数据;
根据所述会话片段、所述会话片段的会话类型,结合所述韵律特征数据和/或视觉特征数据,生成所述会话摘要。
11.根据权利要求9所述的装置,其中,所述检索模块包括:
改写与提取单元,用于从作为所述关键信息的会话摘要中提取关键词或关键句;或者,对所述会话摘要进行改写;
检索词确定单元,用于将所述关键词、关键句、或者改写后的会话摘要,作为检索词;
检索单元,用于根据所述检索词,通过内部检索接口或外部检索接口进行资源检索,得到至少一个目标资源。
12.根据权利要求9所述的装置,其中,所述推荐模块包括:
重排单元,用于根据所述目标资源的语义特征、质量特征和标签特征,结合所述用户的画像特征,对所述目标资源进行重排,得到资源重排结果;
拆分单元,用于从所述资源重排结果中选出预设数量的目标资源,并按照段落粒度,对选出的目标资源进行拆分,得到至少一个资源段落;
段落选择单元,用于按照资源段落的重要性,确定预设数量的重要资源段落;
资源摘要生成单元,用于基于所述重要资源段落中的文本特征和事实图谱中的实体关系特征,生成符合事实的资源摘要;
推荐单元,用于将所述资源摘要和重排后的目标资源推荐给所述用户。
13.根据权利要求12所述的装置,还包括:
调整模块,用于根据所述会话类型,对所述资源重排结果进行调整。
14.根据权利要求12所述的装置,其中,所述推荐单元还用于:
根据所述资源摘要和所述目标资源,生成资源推荐页;
向所述用户推送推荐提示消息,使得所述用户根据所述提示消息跳转到所述资源推荐页。
15.一种电子设备,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权利要求1-7中任一项所述的资源推荐方法。
16.一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计算机执行根据权利要求1-7中任一项所述的资源推荐方法。
17.一种计算机程序产品,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1-7中任一项所述的资源推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310272314.6A CN116257690A (zh) | 2023-03-17 | 2023-03-17 | 一种资源推荐方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310272314.6A CN116257690A (zh) | 2023-03-17 | 2023-03-17 | 一种资源推荐方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116257690A true CN116257690A (zh) | 2023-06-13 |
Family
ID=86679333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310272314.6A Pending CN116257690A (zh) | 2023-03-17 | 2023-03-17 | 一种资源推荐方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116257690A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708434A (zh) * | 2024-01-09 | 2024-03-15 | 青岛睿哲信息技术有限公司 | 一种基于关键词的用户推荐浏览内容生成方法 |
-
2023
- 2023-03-17 CN CN202310272314.6A patent/CN116257690A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708434A (zh) * | 2024-01-09 | 2024-03-15 | 青岛睿哲信息技术有限公司 | 一种基于关键词的用户推荐浏览内容生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112507706B (zh) | 知识预训练模型的训练方法、装置和电子设备 | |
CN112506359B (zh) | 输入法中候选长句的提供方法、装置及电子设备 | |
CN112528641A (zh) | 建立信息抽取模型的方法、装置、电子设备和可读存储介质 | |
CN114595686A (zh) | 知识抽取方法、知识抽取模型的训练方法及装置 | |
CN113407850A (zh) | 一种虚拟形象的确定和获取方法、装置以及电子设备 | |
CN113360001A (zh) | 输入文本的处理方法、装置、电子设备和存储介质 | |
CN116303962A (zh) | 对话生成方法、深度学习模型的训练方法、装置和设备 | |
CN115481227A (zh) | 人机交互对话方法、装置以及设备 | |
CN114244795B (zh) | 一种信息的推送方法、装置、设备及介质 | |
CN115248890B (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
CN116257690A (zh) | 一种资源推荐方法、装置、电子设备和存储介质 | |
CN114758649B (zh) | 一种语音识别方法、装置、设备和介质 | |
CN112860626B (zh) | 一种文档排序方法、装置及电子设备 | |
US20220207286A1 (en) | Logo picture processing method, apparatus, device and medium | |
CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
CN114461749A (zh) | 对话内容的数据处理方法、装置、电子设备和介质 | |
CN114218431A (zh) | 视频搜索方法、装置、电子设备以及存储介质 | |
CN113641724A (zh) | 知识标签挖掘方法、装置、电子设备及存储介质 | |
CN113033179A (zh) | 知识获取方法、装置、电子设备及可读存储介质 | |
CN114281981B (zh) | 新闻简报的生成方法、装置和电子设备 | |
CN116069914B (zh) | 训练数据的生成方法、模型训练方法以及装置 | |
CN113377921B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
CN114492456B (zh) | 文本生成方法、模型的训练方法、装置、电子设备及介质 | |
CN113657126B (zh) | 翻译的方法、装置及电子设备 | |
CN112527126B (zh) | 信息获取方法、装置以及电子设备 |
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 |