一种信息推荐方法及装置制造方法及图纸

本发明专利技术实施例提供的一种信息推荐方法及装置。其中，方法包括：获取待查询的查询词条；根据所述查询词条和与所述查询词条匹配的百科词条向量，获取输入向量，其中所述百科词条向量为百科信息中词条名对应的语义内容的向量化表示；将所述输入向量输入预设的查询模型，通过所述查询模型查询获得用于推荐给用户的推荐信息，并输出所述推荐信息。本发明专利技术提高查询词条的语义识别度，可得到更加准确的推荐信息。

An information recommendation method and device

【技术实现步骤摘要】
一种信息推荐方法及装置
本专利技术涉及信息处理
，具体而言，涉及一种信息推荐方法及装置。
技术介绍
随着互联网技术的飞速发展，互联网上所蕴含的信息也越来越多样化。用户若想在互联网上海量的数据中获取所需的数据的难度越来越大。例如，用户输入描述文本进行图片搜索时，不仅具有网页搜索的文本间的匹配，还涉及文本-图像这种多模态的检索匹配。在目前图片搜索中，传统的文图相关性计算方法有两种。其一为，间接方法，需要利用图像技术，生成图像的描述文本，再用该文本和用户的输入的检索词进行匹配。另一种为，直接方法，将用户输入的检索词和图像映射到高维语义空间进行匹配。但，上述的图像匹配/获取方法对用户输入的含有专有名词的查询词条时，无法识别查询词条的真正含义，容易产生语义偏差，无法得到准确的结果信息。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种信息推荐方法及装置，所述信息推介方法解决了现有技术中图像匹配/获取方法对用户输入的含有专有名词的查询词条时，无法识别查询词条的真正含义问题，可得到更加准确的推荐信息。第一方面，本申请的一实施例提供如下技术方案：一种信息推荐方法，包括：获取待查询的查询词条；根据所述查询词条和与所述查询词条匹配的百科词条向量，获取输入向量，其中所述百科词条向量为百科信息中词条名对应的语义内容的向量化表示；将所述输入向量输入预设的查询模型，通过所述查询模型查询获得用于推荐给用户的推荐信息，并输出所述推荐信息。优选的，在所述获取待查询的查询词条的步骤之前，还包括构建与所述查询词条匹配的百科词条向量步骤，所述步骤包括：获取百科信息，所述百科信息包括词条名和所述词条名的关联标签；根据所述百科信息中的所述词条名与所述词条名的关联标签，获得百科词条向量。优选的，所述根据所述百科信息中的所述词条名与所述词条名的关联标签，获得百科词条向量的步骤，包括：将所述百科信息中的所述词条名与所述词条名的关联标签构建为二部图；以所述百科信息中的词条名为起点，在所述二部图中进行随机游走，获得关联序列；根据所述关联序列，获得所述词条名所对应的百科词条向量。优选的，根据所述查询词条和与所述查询词条匹配的百科词条向量，获取输入向量的步骤，具体包括：将所述查询词条向量化，获得查询词条向量；根据所述查询词条向量，获得所述查询词条向量与百科词条向量之间的相似度；将所述查询词条向量和与所述查询词条向量相似度最大的百科词条向量进行拼接，获得所述输入向量。优选的，根据所述查询词条和与所述查询词条匹配的百科词条向量，获取输入向量的步骤，具体包括：从所述百科信息中，获得与所述查询词条对应的目标词条名；获得与所述目标词条名对应的百科词条向量；将所述查询词条对应的查询词条向量和与所述目标词条名对应的百科词条向量进行拼接，获得所述输入向量。优选的，所述将所述输入向量输入预设的查询模型，通过所述查询模型查询获得用于推荐给用户的推荐信息，并输出所述推荐信息的步骤，还包括：将所述输入向量输入预设的查询模型，通过所述查询模型获得目标向量；获取所述目标向量与所述输入向量之间的余弦距离，并获取所述余弦距离在设定阈值范围内的候选目标向量；根据所述候选目标向量获得所述推荐信息并输出所述推荐信息。优选的，所述推荐信息包括：图片、广告、新闻、电商商品或游戏。优选的，所述预设的查询模型的训练方法，包括：获取历史查询记录，所述历史查询记录中包含历史查询词条及查询结果中包含的历史推荐信息；获取训练样本，包括：根据所述历史查询词条和与所述历史查询词条对应的百科词条向量获得所述训练样本的输入向量，将所述历史推荐信息作为所述输入向量的标定结果；根据所述训练样本，对预设的查询模型进行训练，获得训练后的预设的查询模型。第二方面，基于同一专利技术构思，本申请的一实施例提供如下技术方案：一种信息推荐装置，包括：查询词条获取模块，用于获取待查询的查询词条；输入向量获取模块，用于根据所述查询词条和与所述查询词条匹配的百科词条向量，获取输入向量，其中所述百科词条向量为百科信息中词条名对应的语义内容的向量化表示；输出模块，用于将所述输入向量输入预设的查询模型，通过所述查询模型查询获得用于推荐给用户的推荐信息，并输出所述推荐信息。优选的，还包括构建模块，用于在所述获取待查询的查询词条的步骤之前：获取百科信息，所述百科信息包括词条名和所述词条名的关联标签；根据所述百科信息中的所述词条名与所述词条名的关联标签，获得百科词条向量。优选的，所述构建模块还用于，将所述百科信息中的所述词条名与所述词条名的关联标签构建为二部图；以所述百科信息中的词条名为起点，在所述二部图中进行随机游走，获得关联序列；根据所述关联序列，获得所述词条名所对应的百科词条向量。优选的，所述输入向量获取模块，还用于：将所述查询词条向量化，获得查询词条向量；根据所述查询词条向量，获得所述查询词条向量与百科词条向量之间的相似度；将所述查询词条向量和与所述查询词条向量相似度最大的百科词条向量进行拼接，获得所述输入向量。优选的，所述输入向量获取模块，还用于：从所述百科信息中，获得与所述查询词条对应的目标词条名；获得与所述目标词条名对应的百科词条向量；将所述查询词条对应的查询词条向量和与所述目标词条名对应的百科词条向量进行拼接，获得所述输入向量。优选的，所述输出模块，还用于：将所述输入向量输入预设的查询模型，通过所述查询模型获得目标向量；获取所述目标向量与所述输入向量之间的余弦距离，并获取所述余弦距离在设定阈值范围内的候选目标向量；根据所述候选目标向量获得所述推荐信息并输出所述推荐信息。优选的，所述推荐信息包括：图片、广告、新闻、电商商品或游戏。优选的，还包括用于训练所述预设的查询模型的训练模块，所述训练模块用于：获取历史查询记录，所述历史查询记录中包含历史查询词条及查询结果中包含的历史推荐信息；获取训练样本，包括：根据所述历史查询词条和与所述历史查询词条对应的百科词条向量获得所述训练样本的输入向量，将所述历史推荐信息作为所述输入向量的标定结果；根据所述训练样本，对预设的查询模型进行训练，获得训练后的预设的查询模型。第三方面，基于同一专利技术构思，本申请的一实施例提供如下技术方案：一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取待查询的查询词条；根据所述查询词条和与所述查询词条匹配的百科词条向量，获取输入向量，其中所述百科词条向量为百科信息中词条名对应的语义内容的向量化表示；将所述输入向量输入预设的查询模型，通过所述查询模型查询获得用于推荐给用户的推荐信息，并输出所述推荐信息。第四方面，基于同一专利技术构思，本申请的一实施例提供如下技术方案：一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取待查本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，其特征在于，包括：/n获取待查询的查询词条；/n根据所述查询词条和与所述查询词条匹配的百科词条向量，获取输入向量，其中所述百科词条向量为百科信息中词条名对应的语义内容的向量化表示；/n将所述输入向量输入预设的查询模型，通过所述查询模型查询获得用于推荐给用户的推荐信息，并输出所述推荐信息。/n

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：
获取待查询的查询词条；
根据所述查询词条和与所述查询词条匹配的百科词条向量，获取输入向量，其中所述百科词条向量为百科信息中词条名对应的语义内容的向量化表示；
将所述输入向量输入预设的查询模型，通过所述查询模型查询获得用于推荐给用户的推荐信息，并输出所述推荐信息。


2.根据权利要求1所述的方法，其特征在于，在所述获取待查询的查询词条的步骤之前，还包括构建与所述查询词条匹配的百科词条向量步骤，所述步骤包括：
获取百科信息，所述百科信息包括词条名和所述词条名的关联标签；
根据所述百科信息中的所述词条名与所述词条名的关联标签，获得百科词条向量。


3.根据权利要求2所述的方法，其特征在于，所述根据所述百科信息中的所述词条名与所述词条名的关联标签，获得百科词条向量的步骤，包括：
将所述百科信息中的所述词条名与所述词条名的关联标签构建为二部图；
以所述百科信息中的词条名为起点，在所述二部图中进行随机游走，获得关联序列；
根据所述关联序列，获得所述词条名所对应的百科词条向量。


4.根据权利要求1所述的方法，其特征在于，根据所述查询词条和与所述查询词条匹配的百科词条向量，获取输入向量的步骤，具体包括：
将所述查询词条向量化，获得查询词条向量；
根据所述查询词条向量，获得所述查询词条向量与百科词条向量之间的相似度；
将所述查询词条向量和与所述查询词条向量相似度最大的百科词条向量进行拼接，获得所述输入向量。


5.根据权利要求1所述的方法，其特征在于，根据所述查询词条和与所述查询词条匹配的百科词条向量，获取输入向量的步骤，具体包括：
从所述百科信息中，获得与所述查询词条对应的目标词条名；
获得与所述目标词条名对应的百科词条向量；
将所述查询词条对应的查询词条向量和与所述目标词条名对应的百科词条向量进行拼接，获得所述输入向量。


6.根据权利要求1所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：贺宇，沈炎军，周泽南，苏雪峰，
申请(专利权)人：北京搜狗科技发展有限公司，
类型：发明
国别省市：北京;11