【技术实现步骤摘要】
面向非结构化数据的新能源规划性文本智能推荐方法
本专利技术涉及智能推荐领域,尤其涉及一种面向非结构化数据的新能源规划性文本智能推荐方法。
技术介绍
新能源行业处于发展初期,发展初期是一个由政策等规划性文本主导的市场,为了让用户方便、及时的了解国家下发的各种政策信息,构建了能够用于搜索和浏览国家政策等规划性文本的能源互联网平台。为了方便用户使用能源互联网平台,通常会为用户推荐相关的规划性文本信息,传统的推荐算法通常采用基于用户过去喜欢的内容,为用户推荐相似的内容,该种方式推荐的内容有限,无法为用户发现新的感兴趣的信息,无法满足用户的推荐需求。
技术实现思路
有鉴于此,本专利技术实施例公开了一种面向非结构化数据的新能源规划性文本智能推荐方法及装置,解决了现有技术中,不仅能够满足用户的推荐需求,并且不再存在冷启动的问题,即即使在用户没有浏览记录的情况下,也可以为用户推荐感兴趣的内容。本专利技术实施例公开了一种规划性文本智能推荐方法,包括:获取用户的特征信息和浏览的文本信息;将用户的特征信息和浏览的文本信息与预设的知识图谱中的实体进行匹配,得到实体对应表;通过预设的知识图谱和所述实体对应表,计算语义相似性矩阵;通过语义相似性矩阵生成第一文本推荐列表;通过协同过滤算法,结合用户的特征信息和浏览的文本信息,生成第二文本推荐列表;将所述第一文本推荐列表和第二文本推荐列表进行融合,得到目标文本推荐列表。可选的,所述用户的特征信息至少包括:用户 ...
【技术保护点】
1.一种面向非结构化数据的新能源规划性文本智能推荐方法,其特征在于,包括:/n获取用户的特征信息和浏览的文本信息;/n将用户的特征信息和浏览的文本信息与预设的知识图谱中的实体进行匹配,得到实体对应表;/n通过预设的知识图谱和所述实体对应表,计算语义相似性矩阵;/n通过语义相似性矩阵生成第一文本推荐列表;/n通过协同过滤算法,结合用户的特征信息和浏览的文本信息,生成第二文本推荐列表;/n将所述第一文本推荐列表和第二文本推荐列表进行融合,得到目标文本推荐列表。/n
【技术特征摘要】
1.一种面向非结构化数据的新能源规划性文本智能推荐方法,其特征在于,包括:
获取用户的特征信息和浏览的文本信息;
将用户的特征信息和浏览的文本信息与预设的知识图谱中的实体进行匹配,得到实体对应表;
通过预设的知识图谱和所述实体对应表,计算语义相似性矩阵;
通过语义相似性矩阵生成第一文本推荐列表;
通过协同过滤算法,结合用户的特征信息和浏览的文本信息,生成第二文本推荐列表;
将所述第一文本推荐列表和第二文本推荐列表进行融合,得到目标文本推荐列表。
2.根据权利要求1所述的方法,其特征在于,所述用户的特征信息至少包括:用户的基本信息、用户的浏览行为以及用户的个性化特征信息中的任意一个。
3.根据权利要求1所述的方法,其特征在于,所述通过预设的知识图谱和所述实体对应表,计算语义相似性矩阵,包括:
将所述知识图谱中实体以及实体之间的关系表示为低维向量;
通过计算每个向量之间的距离确定不同实体之间的语义相似性;
通过知识图谱中各个实体之间的语义相似性,生成与所述实体对应表中的实体相对应的语义相似性矩阵。
4.根据权利要求1所述的方法,其特征在于,通过协同过滤算法,结合用户的特征信息和浏览的文本信息,生成第二文本推荐列表,包括:
通过用户的特征信息和浏览的文本信息生表征用户与浏览的文本的关系的第一矩阵;
通过所述第一矩阵,计算用户之间的相似度;
基于用户之间的相似度,生成第三文本推荐列表;
基于用户浏览的文本信息生成文本偏好特征集;
通过计算文本偏好特征集与其它文本的相似性,生成第四文本推荐列表;
将所述第三文本推荐列表和第四文本推荐列表进行融合,得到第二文本推荐列表。
5.根据权利要求1所述的方法,其特征在于,所述将所述第一文本推荐列表和第二文本推荐列表进行融合,得到目标文本推荐列表,包括:
按照相似度对所述第一文本推荐列表中的文本进行排序;
按照相似度对第二文本推荐列表中的文本进行排序;
确定第一文本推荐列表和第二文本推荐列表的融合比例;
按照融合比例确定替换文本的数量;
按照第二推荐文本列表中文本的排序和替换文...
【专利技术属性】
技术研发人员:刘劲松,谢国辉,刘思革,余秋霞,栾凤奎,谢祥颖,艾宇飞,李娜娜,吴静,娄奇鹤,樊昊,马晓光,隋佳音,徐若然,葛乐矣,刘润彪,单雨,王少婷,贺铮,李岩昊,
申请(专利权)人:国家电网有限公司,国网电子商务有限公司,国网能源研究院有限公司,国网新能源云技术有限公司,
类型:发明
国别省市:北京;11
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。