【技术实现步骤摘要】
基于项目推荐模型的项目信息处理方法及装置
本专利技术涉及信息处理技术,尤其涉及项目推荐模型的训练方法、装置、电子设备及存储介质。
技术介绍
人机交互(Human–ComputerInteraction,HCI)是指人与计算机之间使用某种对话语言,以一定的交互方式确定人与计算机之间的信息交换过程。随着人机交互技术的发展,越来越多的基于人机交互技术的智能产品应运而生,例如在项目推荐过程中可以通过人机交互完成项目推荐,但是,传统的Seq2Seq模型中,所生成的序列里的项目热度高、出现频次高,通用性过强,因此,由于RNN能力的限制,使得项目推荐模型难以产生高质量的文本处理结果,进而影响项目信息的生成,也影响了用户的使用体验。
技术实现思路
有鉴于此,本专利技术实施例提供一种基于项目推荐模型的项目信息处理方法、装置、电子设备及存储介质,本专利技术实施例的技术方案是这样实现的:本专利技术实施例通提供了一种基于项目推荐模型的项目信息处理方法所述方法包括:获取项目推荐模型的使用环境中的项目信息,并将所述项目信息转换为相应的可识别文本信息;通过所述项目推荐模型的编码器网络,确定与文本信息所对应的至少一个词语级的隐变量;通过所述项目推荐模型的解码器网络,根据所述至少一个词语级的隐变量和相应的融合特征向量,生成与所述词语级的隐变量相对应的文本处理词语以及所述文本处理词语的被选取概率;根据所述文本处理结果的被选取概率,选取至少一个文本处理词语组成与所述文本信息相对应的文本处理结果; ...
【技术保护点】
1.一种基于项目推荐模型的项目信息处理方法,其特征在于,所述方法包括:/n获取项目推荐模型的使用环境中的项目信息,并将所述项目信息转换为相应的可识别文本信息;/n通过所述项目推荐模型的编码器网络,确定与文本信息所对应的至少一个词语级的隐变量;/n通过所述项目推荐模型的解码器网络,根据所述至少一个词语级的隐变量和相应的融合特征向量,生成与所述词语级的隐变量相对应的文本处理词语以及所述文本处理词语的被选取概率;/n根据所述文本处理结果的被选取概率,选取至少一个文本处理词语组成与所述文本信息相对应的文本处理结果;/n将所述文本处理结果转换为对应所述项目推荐模型的新的项目信息,以实现与所述使用环境相匹配。/n
【技术特征摘要】
1.一种基于项目推荐模型的项目信息处理方法,其特征在于,所述方法包括:
获取项目推荐模型的使用环境中的项目信息,并将所述项目信息转换为相应的可识别文本信息;
通过所述项目推荐模型的编码器网络,确定与文本信息所对应的至少一个词语级的隐变量;
通过所述项目推荐模型的解码器网络,根据所述至少一个词语级的隐变量和相应的融合特征向量,生成与所述词语级的隐变量相对应的文本处理词语以及所述文本处理词语的被选取概率;
根据所述文本处理结果的被选取概率,选取至少一个文本处理词语组成与所述文本信息相对应的文本处理结果;
将所述文本处理结果转换为对应所述项目推荐模型的新的项目信息,以实现与所述使用环境相匹配。
2.根据权利要求1所述的方法,其特征在于,所述获取项目推荐模型使用环境中的项目信息,并将所述项目信息转换为相应的可识别文本信息,包括:
确定与所述项目推荐模型的使用环境相匹配的动态噪声阈值;
将所述项目信息转换为初始文本信息;
根据所述动态噪声阈值对所述初始文本信息进行去噪处理,并触发与所述动态噪声阈值相匹配的动态分词策略;
根据与所述动态噪声阈值相匹配的动态分词策略,对所述初始文本信息进行分词处理,形成相应的可识别文本信息。
3.根据权利要求1所述的方法,其特征在于,所述获取项目推荐模型使用环境中的项目信息,并将所述项目信息转换为相应的可识别文本信息,包括:
确定与所述项目推荐模型的使用环境相匹配的固定噪声阈值;
将所述项目信息转换为初始文本信息;
根据所述固定噪声阈值对所述初始文本信息进行去噪处理,并触发与所述固定噪声阈值相匹配的固定分词策略;
根据与所述固定噪声阈值相匹配的固定分词策略,对所述初始文本信息进行分词处理,形成相应的可识别文本信息。
4.根据权利要求1所述的方法,其特征在于,所述通过所述项目推荐模型的解码器网络,根据所述至少一个词语级的隐变量和相应的融合特征向量,生成与所述词语级的隐变量相对应的文本处理词语以及所述文本处理词语的被选取概率,包括:
通过所述项目推荐模型的解码器网络,根据所述至少一个词语级的隐变量确定相应轮询次数的文本处理结果;
将所述相应轮询次数的文本处理结果转换为文本处理结果向量;
通过所述项目推荐模型的解码器网络,根据文本处理结果向量和所述融合特征向量,生成与所述词语级的隐变量相对应的文本处理词语以及所述文本处理词语的被选取概率。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
确定与所述项目推荐模型相匹配的项目多样性函数;
通过所述项目多样性函数,对所述项目推荐模型的解码器网络的输出结果进行调整,以实现所述文本处理词语以及所述文本处理词语的被选取概率与所述项目多样性函数相适配。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取与所述项目推荐模型对应的用户特征,并根据所述用户特征形成用户特征向量;
获取相应轮询次数的文本处理结果,并将所述相应轮询次数的文本处理结果转换为已经预测的文本处理结果的特征向量;
对所述用户特征向量和已经预测的文本处理结果的特征向量进行融合处理,以形成相应的融合特征向量。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述项目推荐模型的使用环境为视频推荐进程时,
根据所述项目推荐模型的融合特征向量,对调整所述解码器网络中的基于多重注意力机制的循环卷积神经网络的参数,以实现所述基于多重注意力机制的循环卷积神经网络的参数与所述融合特征向量相适配。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取与所述项目推荐模型的使用环境相匹配的训练样本...
【专利技术属性】
技术研发人员:缪畅宇,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。