文本推荐方法、装置、电子设备及存储介质制造方法及图纸

本公开实施例公开了一种文本推荐方法、装置、电子设备及存储介质，所述方法包括：获取对象数据以及文本数据；所述对象数据包括待向量化对象；所述文本数据包括所述待向量化对象涉及的历史文本；构建异构网络图，其中所构建的异构网络图的节点包括所述待向量化对象以及所述历史文本，所述异构网络图中节点之间的关系包括所述待向量化对象之间的关联关系以及所述待向量化对象与所述历史文本之间的关联关系；基于所述异构网络图获取所述待向量化对象的目标向量表示；基于所述待向量化对象的目标向量表示为所述待向量化对象推荐文本。该技术方案能够避免将对象涉及的历史文本作为对象的属性信息进行内容推荐而造成推荐结果准确率不高的问题。确率不高的问题。确率不高的问题。

【技术实现步骤摘要】
文本推荐方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能
，具体涉及一种文本推荐方法、装置、电子设备及存储介质。

技术介绍

[0002]基于内容的推荐是推荐系统中经久不衰的热门研究话题，其核心的逻辑是为被推荐用户或企业等对象推荐当前最感兴趣的内容，或者推荐与某个内容最相似的内容。
[0003]对于具有历史行为的用户或企业等对象而言，推荐系统通常会搜集对象在历史上感兴趣的多个内容，并通过各种自然语言处理技术的处理后获得汇总性的向量表示，用于代表当前对象在内容层面的综合表示。对于每一个待推荐内容，也会通过编码方式映射为特定的向量表示，并将待推荐内容的向量表示和对象的内容综合向量表示进行匹配，该匹配过程可以是无监督的相似度计算，也可以是基于历史已发生的行为数据进行的有监督模型训练。
[0004]上述基于内容的推荐方案应用广泛，例如可以应用在新闻推荐或者商品推荐等领域。然而，在实际应用场景中单纯的依赖对象本身感兴趣的内容信息很难做到精准推荐。因此，如何提高内容推荐结果的准确性是当前需要解决的技术问题之一。
专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本推荐方法，其中，包括：获取对象数据以及文本数据；所述对象数据包括待向量化对象；所述文本数据包括所述待向量化对象涉及的历史文本；构建异构网络图，其中所构建的异构网络图的节点包括所述待向量化对象以及所述历史文本，所述异构网络图中节点之间的关系包括所述待向量化对象之间的关联关系以及所述待向量化对象与所述历史文本之间的关联关系；基于所述异构网络图获取所述待向量化对象的目标向量表示；基于所述待向量化对象的目标向量表示为所述待向量化对象推荐文本。2.根据权利要求1所述的方法，其中，基于所述异构网络图获取所述待向量化对象的目标向量表示，包括：构建训练样本对；所述训练样本对包括待向量化对象的初始向量化表示、样本文本的文本向量表示以及所述待向量化对象与所述样本文本之间的匹配标签；利用向量化模型学习所述训练样本对中的所述待向量化对象在异构网络图中与其他节点之间的关联关系，并输出所述待向量化对象的中间向量表示；利用匹配模型基于所述待向量化对象的中间向量表示和所述样本文本的文本向量表示输出预测匹配结果；基于所述预测匹配结果以及所述匹配标签训练所述向量化模型和所述匹配模型；在训练完成之后，基于所述向量化模型获取所述待向量化对象的目标向量表示。3.根据权利要求1或2所述的方法，其中，所述方法还包括：获取描述所述待向量化对象的辅助文本；基于所述异构网络图获取所述待向量化对象的目标向量表示之前，基于所述辅助文本对所述待向量化对象涉及的所述历史文本进行注意力机制处理。4.根据权利要求1或2所述的方法，其中，所述方法还包括：利用所述待向量化对象的所述历史文本的初始文本向量获取所述待向量化对象的初始向量；其中，在训练过程中，所述待向量化对象的所述初始向量和所述历史文本的所述初始文本向量作为所述向量化模型的输入。5.根据权利要求2所述的方法，其中，所述异构网络图的节点还包括样本文本；所述异构网络图中节点之间的关系还包括所述样本文本与所述样本文本所涉及的所述待向量化对象之间的关联关系。6.根据权利要求5所述的方法，其中，利用向量化模型学习所述训练样本对中的所述待向量化对象在异构网络图中与其他节点之间的关联关系，并输出所述待向量化对象的中间向量表示，包...

【专利技术属性】
技术研发人员：李旭瑞，李红松，孙常龙，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
类型：发明
国别省市：