推荐信息生成方法、系统、计算机设备及存储介质技术方案

本发明专利技术涉及对话系统技术领域，公开了一种推荐信息生成方法、系统、计算机设备及存储介质，包括获取目标广告的广告识别标识，根据广告识别标识确定目标广告所属的簇类型，不同的簇类型对应有预先构建的不同的推荐信息生成模型；获取查询用户的用户识别标识，根据用户识别标识确定查询用户的用户兴趣信息；预先根据用户的用户行为数据生成用户兴趣信息；将用户兴趣信息和查询用户的查询信息输入簇类型所对应的推荐信息生成模型，以获取目标广告的推荐信息。通过预先对广告进行聚类处理，针对每个簇类型单独构建推荐信息生成模型。聚类后各个簇类型中广告的推荐信息生成方式更加相似，可以减少推荐信息生成模型生成的推荐信息与输入不相关的情况。与输入不相关的情况。与输入不相关的情况。

【技术实现步骤摘要】
推荐信息生成方法、系统、计算机设备及存储介质


[0001]本专利技术涉及对话系统
，特别是涉及一种推荐信息生成方法、系统、计算机设备及存储介质。

技术介绍

[0002]目前对于搜索广告的推荐信息，主要包括人工运营、抽取评论数据和内容生成。然而借助人工运营和抽取生成的推荐信息话术相对没有针对性，而基于内容生成的相关方案存在容易导致生成错误/不相关的推荐语的问题，且广告场景候选集相对较少。

技术实现思路

[0003]基于此，有必要针对基于内容生成的相关方案存在容易导致生成错误/不相关的推荐语的问题，提供一种推荐信息生成方法、系统、计算机设备及存储介质。
[0004]一种推荐信息生成方法，包括获取目标广告的广告识别标识，根据所述广告识别标识确定所述目标广告所属的簇类型，所述簇类型是预先根据广告的问答数据对所述广告识别标识进行聚类获取的，其中，不同的簇类型对应有预先构建的不同的推荐信息生成模型；获取查询用户的用户识别标识，根据所述用户识别标识确定所述查询用户的用户兴趣信息；所述用户兴趣信息是预先根据用户的用户行为数据生成的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐信息生成方法，其特征在于，包括：获取目标广告的广告识别标识，根据所述广告识别标识确定所述目标广告所属的簇类型，所述簇类型是预先根据广告的问答数据对所述广告识别标识进行聚类获取的，其中，不同的簇类型对应有预先构建的不同的推荐信息生成模型；获取查询用户的用户识别标识，根据所述用户识别标识确定所述查询用户的用户兴趣信息；所述用户兴趣信息是预先根据用户的用户行为数据生成的；将所述用户兴趣信息和所述查询用户的查询信息输入所述簇类型所对应的推荐信息生成模型，以获取所述目标广告的推荐信息。2.根据权利要求1所述的推荐信息生成方法，其特征在于，在根据广告的问答数据对所述广告识别标识进行聚类获取簇类型之前，所述方法还包括：对广告的问答数据进行格式整理，获得具有预设问答数据格式的所述问答数据；对用户的用户行为数据进行格式整理，获得具有预设行为数据格式的所述用户行为数据。3.根据权利要求1所述的推荐信息生成方法，其特征在于，所述问答数据包括问题数据和回答数据，所述预先根据广告的问答数据对所述广告识别标识进行聚类包括：将符合预设相似条件的回答数据对应的所述广告识别标识聚合成一个簇，获取不同的所述簇类型。4.根据权利要求3所述的推荐信息生成方法，其特征在于，所述将符合预设相似条件的回答数据对应的所述广告识别标识聚合成一个簇，获取不同的所述簇类型包括：采用段落向量方法将所述回答数据转化为一个固定维度的回答数据向量；采用K均值聚类算法对所述回答数据向量进行聚类，将所述广告聚成预设个数的簇。5.根据权利要求4所述的推荐信息生成方法，其特征在于，在采用K均值聚类算法对所述回答数据向量进行聚类，将所述广告聚成预设个数的簇前，所述方法还包括：设定所述预设个数的初始值；在采用K均值聚类算法将所述广告聚成预设个数的簇后，所述方法还包括：根据聚类效果对所述预设个数的取值进行调整。6.根据权利要求1所述的推荐信息生成方法，其特征在于，所述用户行为数据包括用户识别标识和历史查询信息，预先根据用户的用户行为数据生成用户兴趣信息包括：将所述用户行为数据作为词向量模型的训练数据，生成用户兴趣信息，一个用户对应一个所述用户兴趣信息。7.根据权利要求1所述的推荐信息生成方法，其特征在于，所述用户行为数据包括用户识别标识、广告识...

【专利技术属性】
技术研发人员：张九龙，李锋，杨洋，张琛，万化，
申请(专利权)人：上海浦东发展银行股份有限公司，
类型：发明
国别省市：