基于word2vec模型的推荐信息方法、装置及设备制造方法及图纸

本申请适用于人工智能技术领域，提供了基于word2vec模型的推荐信息的方法、装置、设备及存储介质。包括：获取个人门户网站上登录的用户的标识信息；根据标识信息提取用户的目标数据，目标数据包括用户行为数据以及个人信息；通过word2vec模型对目标数据与个人门户网站的多个资源数据进行分析，得到目标数据与每个资源数据之间的关联度；根据目标数据与每个资源数据之间的关联度，确定待推荐信息，并将待推荐信息推荐给用户。通过word2vec模型对用户的目标数据以及资源数据进行处理，使得到的目标数据与每个资源数据之间的关联度更加准确，进而根据关联度，确定出准确的推荐信息并推荐给用户，提升了信息推荐的准确性。提升了信息推荐的准确性。提升了信息推荐的准确性。

【技术实现步骤摘要】
基于word2vec模型的推荐信息方法、装置及设备


[0001]本申请属于人工智能
，尤其涉及基于word2vec模型的推荐信息的方法、装置、设备及存储介质。

技术介绍

[0002]门户是一个应用框架，它将各种应用系统、数据资源和互联网资源集成到一个信息管理平台之上，并以统一的用户界面提供给用户。门户是用户接触网络的入口。门户网站，就是上网必经、必用的网站
[0003]个人门户具备门户的全部特征，同时能够实现个性化定制，实现内容、社区、应用的有机整合。个人门户网站就是以个人为中心的上网入口，还可以进一步延伸为个人信息中心。
[0004]现有技术中主要采用统计类的方法，或传统的协同过滤算法，实现在个人门户网站对用户进行信息推荐。这种推荐方法提取到的信息特征不准确，且计算量大、可扩展性差，最终导致推荐的信息不准确。

技术实现思路

[0005]有鉴于此，本申请实施例提供了基于word2vec模型的推荐信息的方法、装置、设备及存储介质，以解决传统的推荐方法提取到的信息特征不准确，且计算量大、可扩展性差，最终导致推荐的信息不准确的问题。
[0006]本申请实施例的第一方面提供了一种基于word2vec模型的推荐信息的方法，该方法包括：
[0007]获取个人门户网站上登录的用户的标识信息；
[0008]根据所述标识信息提取所述用户的目标数据，所述目标数据包括用户行为数据以及个人信息；
[0009]通过word2vec模型对所述目标数据与所述个人门户网站的多个资源数据进行分析，得到所述目标数据与每个资源数据之间的关联度；
[0010]根据所述目标数据与每个资源数据之间的关联度，确定待推荐信息，并将所述待推荐信息推荐给所述用户。
[0011]可选地，所述通过word2vec模型对所述目标数据与所述个人门户网站的多个资源数据进行分析，得到所述目标数据与每个资源数据之间的关联度，包括：
[0012]通过所述word2vec模型对所述目标数据进行处理，确定所述用户的用户画像；
[0013]通过所述word2vec模型对每个所述资源数据进行处理，确定每个所述资源数据对应的表征向量；
[0014]确定所述用户画像与每个所述表征向量之间的关联度。
[0015]可选地，所述用户行为数据包括所述用户对应的关注信息、输入记录信息、收藏信息、浏览信息，所述个人信息包括所述用户的姓名、年龄、账号信息以及爱好信息，所述通过
所述word2vec模型对所述目标数据进行处理，确定所述用户的用户画像，包括：
[0016]通过所述word2vec模型，对所述用户行为数据和所述个人信息进行处理，得到至少两个维度的用户标签；
[0017]根据所述至少两个维度的用户标签构建所述用户画像。
[0018]可选地，所述通过所述word2vec模型对每个所述资源数据进行处理，确定每个所述资源数据对应的表征向量，包括：
[0019]通过所述word2vec模型，提取每个所述资源数据对应的关键词；
[0020]对每个所述关键字进行向量化处理，得到每个所述资源数据对应的表征向量。
[0021]可选地，所述确定所述用户画像与每个所述表征向量之间的关联度，包括：
[0022]计算所述用户画像与每个所述表征向量之间的欧式距离；
[0023]根据所述用户画像与每个所述表征向量之间的欧式距离，确定所述用户画像与每个所述表征向量之间的关联度。
[0024]可选地，所述根据所述标识信息提取所述用户的目标数据，包括：
[0025]根据所述标识信息提取所述用户的初始数据；
[0026]剔除所述初始数据中所述用户的随机行为数据，得到所述目标数据。
[0027]可选地，在所述通过word2vec模型对所述目标数据与所述个人门户网站的多个资源数据进行分析，得到所述目标数据与每个资源数据之间的关联度之前，所述方法还包括：
[0028]基于机器学习对样本数据进行学习，并根据机器学习的学习结果实时调整训练中的word2vec模型的参数；
[0029]当检测到训练中的word2vec模型对应的损失函数收敛时，得到已训练的word2vec模型。
[0030]本申请实施例的第二方面提供了一种基于word2vec模型的推荐信息的装置，包括：
[0031]获取单元，用于获取个人门户网站上登录的用户的标识信息；
[0032]提取单元，用于根据所述标识信息提取所述用户的目标数据，所述目标数据包括用户行为数据以及个人信息；
[0033]分析单元，用于通过word2vec模型对所述目标数据与所述个人门户网站的多个资源数据进行分析，得到所述目标数据与每个资源数据之间的关联度；
[0034]推荐单元，用于根据所述目标数据与每个资源数据之间的关联度，确定待推荐信息，并将所述待推荐信息推荐给所述用户。
[0035]本申请实施例的第三方面提供了一种基于word2vec模型的推荐信息的设备，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如上述第一方面所述的推荐信息的方法的步骤。
[0036]本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的推荐信息的方法的步骤。
[0037]本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在推荐信息的设备上运行时，使得该设备执行上述第一方面所述的推荐信息的方法的步骤。
[0038]本申请实施例提供的基于word2vec模型的推荐信息的方法、装置、设备及存储介质，具有以下有益效果：
[0039]获取个人门户网站上登录的用户的标识信息；根据标识信息提取用户的目标数据，目标数据包括用户行为数据以及个人信息；通过word2vec模型对目标数据与个人门户网站的多个资源数据进行分析，得到目标数据与每个资源数据之间的关联度；根据目标数据与每个资源数据之间的关联度，确定待推荐信息，并将待推荐信息推荐给用户。上述方案中，通过word2vec模型对用户的目标数据以及资源数据进行处理，由于word2vec模型在对用户的目标数据以及资源数据进行处理时，会考虑到上下文联系，使提取到的目标数据以及资源数据各自对应的特征向量都语义丰富、表示准确，进而根据这些特征向量确定的目标数据与每个资源数据之间的关联度更加准确，再基于该关联度确定出准确的推荐信息并推荐给用户，提升了信息推荐的准确性。
附图说明
[0040]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
...

【技术保护点】

【技术特征摘要】
1.一种基于word2vec模型的推荐信息的方法，其特征在于，包括：获取个人门户网站上登录的用户的标识信息；根据所述标识信息提取所述用户的目标数据，所述目标数据包括用户行为数据以及个人信息；通过word2vec模型对所述目标数据与所述个人门户网站的多个资源数据进行分析，得到所述目标数据与每个资源数据之间的关联度；根据所述目标数据与每个资源数据之间的关联度，确定待推荐信息，并将所述待推荐信息推荐给所述用户。2.如权利要求1所述的方法，其特征在于，所述通过word2vec模型对所述目标数据与所述个人门户网站的多个资源数据进行分析，得到所述目标数据与每个资源数据之间的关联度，包括：通过所述word2vec模型对所述目标数据进行处理，确定所述用户的用户画像；通过所述word2vec模型对每个所述资源数据进行处理，确定每个所述资源数据对应的表征向量；确定所述用户画像与每个所述表征向量之间的关联度。3.如权利要求2所述的方法，其特征在于，所述用户行为数据包括所述用户对应的关注信息、输入记录信息、收藏信息、浏览信息，所述个人信息包括所述用户的姓名、年龄、账号信息以及爱好信息，所述通过所述word2vec模型对所述目标数据进行处理，确定所述用户的用户画像，包括：通过所述word2vec模型，对所述用户行为数据和所述个人信息进行处理，得到至少两个维度的用户标签；根据所述至少两个维度的用户标签构建所述用户画像。4.如权利要求2所述的方法，其特征在于，所述通过所述word2vec模型对每个所述资源数据进行处理，确定每个所述资源数据对应的表征向量，包括：通过所述word2vec模型，提取每个所述资源数据对应的关键词；对每个所述关键字进行向量化处理，得到每个所述资源数据对应的表征向量。5.如权利要求2所述的方法，其特征在于，所述确定所述用户画像与每个所述表征向量之间的关联度，包括：计...

【专利技术属性】
技术研发人员：方俊波，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：