推荐理由生成方法、装置、电子设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种推荐理由生成方法，包括：根据目标用户的搜索数据，获取针对所述搜索数据的至少一个召回结果；根据所述目标用户的搜索数据、所述召回结果以及目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由；其中，所述智能问答模型为通过至少一个样本问答数据组合训练得到的第一机器学习模型，所述样本问答数据组合包括：至少一个样本用户的样本用户画像和历史评价数据，以及与所述历史评价数据对应的推荐对象、所述样本用户针对所述推荐对象的历史搜索数据。解决了成本较高、个性化不足的技术问题。取得了降低推荐理由生成成本的同时提高推荐理由的个性化程度的有益效果。

Recommended reason generation method, device, electronic equipment and readable storage medium

The invention discloses a method for generating recommendation reasons, which includes: obtaining at least one recall result for the search data according to the search data of the target user; obtaining the recommendation reasons for each recall result through the preset intelligent question answering model according to the search data, the recall result and the target user's portrait of the target user; wherein, the intelligent question The answering model is a first machine learning model obtained by training at least one sample question answering data combination, which includes: sample user profile and historical evaluation data of at least one sample user, recommendation object corresponding to the historical evaluation data, and historical search data of the sample user for the recommended object. It solves the technical problems of high cost and insufficient personalization. It has achieved the beneficial effect of reducing the generation cost of recommendation reasons and improving the personalized degree of recommendation reasons.

【技术实现步骤摘要】
推荐理由生成方法、装置、电子设备及可读存储介质
本专利技术涉及计算机
，具体涉及一种推荐理由生成方法、装置、电子设备及可读存储介质。
技术介绍
随着AI(ArtificialIntelligence，人工智能)技术的发展，与此相关的应用正在产生越来越重要的商业价值和社会影响力，如何解决其决策过程中的信任机制是促进人工智能进一步发展的关键因素。例如，对于搜索系统而言，评定主体是其面对的用户，而用户的主观性较强，因此结果的可解释性不仅会直接影响搜索系统的效果，也会影响用户对系统的信任度和接受程度。近年来可解释的搜索系统越来越受到关注，给用户展示商品或内容的同时透出推荐理由，这样不仅能提升系统的透明度，还能提高用户对平台的信任和接受程度。目前业内推荐理由主要有以下四种生成方法：人工运营：由运营人员或专员针对每一个商户写出一句合适的文本内容；规则模板：由专家设定若干模板，根据模板拼接出合适的内容；抽取评论数据：抽取用户撰写的对商户的部分评论内容作为推荐理由；内容生成：利用NLP(NaturalLanguageProcessing,自然语言处理)技术，训练生成模型让模型生成合适的文本。但是上述目前推荐理由生成主流的四种方法，都有一定的缺陷与局限性。其中，对于人工运营方式，虽然人工撰写的句子质量高且内容丰富，然而成本高，数量有限且更新慢，且无法满足个性化的生成内容；对于规则模板方式，比起人工运营能够降低一定成本，然而内容单调，可介绍的维度覆盖面低，且没有通用性，同样也不能满足个性化的需求；对于抽取评论数据的方式，严格依赖评论数据供给，拥有一定的局限性；对于内容生成方式，首先在推荐理由的场景下，缺乏很好的样本，其次对于单个商户，无法满足个性化的生成内容。由此可见，现有的推荐理由生成方案存在成本较高、个性化不足等技术问题。
技术实现思路
本专利技术提供一种推荐理由生成方法、装置、电子设备及可读存储介质，以部分或全部解决现有技术中推荐理由生成过程相关的上述问题。依据本专利技术第一方面，提供了一种推荐理由生成方法，包括：根据目标用户的搜索数据，获取针对所述搜索数据的至少一个召回结果；根据所述目标用户的所述搜索数据、所述召回结果以及目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由；其中，所述智能问答模型为通过至少一个样本问答数据组合训练得到的机器学习模型，所述样本问答数据组合包括：至少一个样本用户的样本用户画像和历史评价数据，以及与所述历史评价数据对应的推荐对象、所述样本用户针对所述推荐对象的历史搜索数据。根据本专利技术的第二方面，提供了一种推荐理由生成装置，包括：召回结果获取模块，用以根据目标用户的搜索数据，获取针对所述搜索数据的至少一个召回结果；推荐理由生成模块，用以根据所述目标用户的所述搜索数据、所述召回结果以及目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由；其中，所述智能问答模型为通过至少一个样本问答数据组合训练得到的机器学习模型，所述样本问答数据组合包括：至少一个样本用户的样本用户画像和历史评价数据，以及与所述历史评价数据对应的推荐对象、所述样本用户针对所述推荐对象的历史搜索数据。根据本专利技术的第三方面，提供了一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现前述的推荐理由生成方法。根据本专利技术的第四方面，提供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前述的推荐理由生成方法。根据本专利技术的推荐理由生成方法，可以根据目标用户的搜索数据，获取针对所述搜索数据的至少一个召回结果；根据所述目标用户的所述搜索数据、所述召回结果以及目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由；其中，所述智能问答模型为通过至少一个样本问答数据组合训练得到的机器学习模型，所述样本问答数据组合包括：至少一个样本用户的样本用户画像和历史评价数据，以及与所述历史评价数据对应的推荐对象、所述样本用户针对所述推荐对象的历史搜索数据。由此解决了成本较高、个性化不足的技术问题。取得了降低推荐理由生成成本的同时提高推荐理由的个性化程度的有益效果。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了根据本专利技术实施例的一种推荐理由生成方法的步骤流程图之一；图2A示出了根据本专利技术实施例的一种召回结果的列表页展示示意图之一；图2B示出了根据本专利技术实施例的一种召回结果的列表页展示示意图之二；图2C示出了根据本专利技术实施例的一种召回结果的列表页展示示意图之三；图3示出了根据本专利技术实施例的一种推荐理由生成方法的步骤流程图之二；图4示出了根据本专利技术实施例的一种智能问答模型的示意图；图5示出了根据本专利技术实施例的一种ContextGate的结构示意图；图6示出了根据本专利技术实施例的一种推荐理由生成装置的结构示意图之一；以及图7示出了根据本专利技术实施例的一种推荐理由生成装置的结构示意图之二。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。实施例一详细介绍本专利技术实施例提供的一种推荐理由生成方法。参照图1，示出了本专利技术实施例中一种推荐理由生成方法的步骤流程图。步骤110，根据目标用户的搜索数据，获取针对所述搜索数据的至少一个召回结果。在点评、搜索等网络平台，可能包含海量的备选对象以供各个用户进行点评、浏览、消费等行为操作，但是由于不同用户的需求不同，甚至同一用户在不同时刻的需求也会发生变化，因此用户需要录入其当前的搜索数据，以从海量的备选对象中初步筛选出满足其当前需求的目标对象，此时获取得到的目标对象则可以理解为针对目标用户当前的搜索数据的召回结果。在本专利技术实施例中，可以通过任何可用方法获取针对目标用户的搜索数据的至少一个召回结果，对此本专利技术实施例不加以限定。例如，可以在获取得到目标用户的搜索数据之后，通过任何可用方式获取各个备选对象与搜索数据的匹配程度，进而将匹配程序超过预设匹配阈值的备选对象作为召回结果，等等。其中的搜索数据可以包括但不限于搜索关键词、搜索时间、搜索本文档来自技高网...

【技术保护点】
1.一种推荐理由生成方法，其特征在于，包括：/n根据目标用户的搜索数据，获取针对所述搜索数据的至少一个召回结果；/n根据所述目标用户的所述搜索数据、所述召回结果以及目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由；/n其中，所述智能问答模型为通过至少一个样本问答数据组合训练得到的第一机器学习模型，所述样本问答数据组合包括：至少一个样本用户的样本用户画像和历史评价数据，以及与所述历史评价数据对应的推荐对象、所述样本用户针对所述推荐对象的历史搜索数据。/n

【技术特征摘要】
1.一种推荐理由生成方法，其特征在于，包括：
根据目标用户的搜索数据，获取针对所述搜索数据的至少一个召回结果；
根据所述目标用户的所述搜索数据、所述召回结果以及目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由；
其中，所述智能问答模型为通过至少一个样本问答数据组合训练得到的第一机器学习模型，所述样本问答数据组合包括：至少一个样本用户的样本用户画像和历史评价数据，以及与所述历史评价数据对应的推荐对象、所述样本用户针对所述推荐对象的历史搜索数据。


2.根据权利要求1所述的方法，其特征在于，在所述根据所述目标用户的搜索数据、所述召回结果以及目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由的步骤之前，还包括：
根据所述样本用户的所述历史评价数据和所述样本用户画像，以及与所述历史评价数据对应的推荐对象、所述样本用户针对所述推荐对象的历史搜索数据，构建所述样本问答数据组合；以及
根据所述样本问答数据组合训练所述智能问答模型。


3.根据权利要求2所述的方法，其特征在于，所述根据所述样本用户的所述历史评价数据和所述样本用户画像，以及与所述历史评价数据对应的推荐对象、所述样本用户针对所述推荐对象的历史搜索数据，构建所述样本问答数据组合的步骤，包括：
根据所述样本用户的历史行为数据，以及与所述历史行为数据对应的推荐对象，获取所述样本用户已评价的目标推荐对象；
根据所述样本用户针对所述目标推荐对象的历史评价数据，获取所述样本用户针对所述目标推荐对象的样本推荐理由；
根据所述样本用户的所述样本用户画像、所述目标推荐对象，以及与所述历史评价数据对应的历史搜索数据，获取所述样本用户针对所述目标推荐对象的样本问题数据；以及
以所述样本问题数据作为所述智能问答模型的输入问题，以所述样本推荐理由作为所述智能问答模型的输出答案，构建所述样本问答数据组合。


4.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的搜索数据、所述召回结果以及所述目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由的步骤，包括：
根据所述目标用户的所述搜索数据以及所述目标用户画像，通过所述智能问答模型获取各个所述召回结果的初始推荐理由；以及
根据知识图谱对所述初始推荐理由进行修正，得到各个所述召回结果的最终推荐理...

【专利技术属性】
技术研发人员：富饶，兰田，陆源源，侯培旭，张弓，王仲远，王金刚，张富峥，
申请(专利权)人：汉海信息技术上海有限公司，
类型：发明
国别省市：上海;31