信息分发匹配方法及冰箱组成比例

本发明专利技术提供一种信息分发匹配方法及冰箱，所述方法包括：获取文本数据的第一文本表示，并将所述第一文本表示送入分类器，得到文本分类结果；确定对应于所述文本数据的上下文特征及历史文本特征；根据所述文本分类结果、所述上下文特征和所述历史文本特征，查询得到所述文本数据的分发匹配结果。通过对文本数据的第一文本表示进行分类，可以获得文本数据的基本属性和分类结果，再结合文本数据的上下文特征及历史文本特征，能够快速、高效地获取分发匹配结果，有利于提高对信息分发的时效性和速度，提高信息分发匹配结果的准确率，提升用户体验效果。体验效果。体验效果。

【技术实现步骤摘要】
信息分发匹配方法及冰箱


[0001]本专利技术涉及计算机
，具体地涉及一种信息分发匹配方法及冰箱。

技术介绍

[0002]信息分发是将匹配上的信息推送或分发给相关用户或系统,使其可以获得所需的信息，它是信息传播的重要过程,也是信息服务的关键环节。所述信息分发应用很广，特别可以应用于诸如冰箱等智能家电中，例如，智能冰箱与用户可通过文本、语音、图像等多模态数据方式实现诸如智能检索、智能推荐、智能问答等多种人机交互场景，这些都与信息分发匹配方法紧密相连。
[0003]现有的信息分发匹配方法通过单一网络模型或传统的机器学习，采用单一文本数据进行模型构建，以得到匹配的分发信息。但是由于此类匹配方法孤立地看待文本特征，文本特征单一，未挖掘多源异构数据之间的差异性、完整性和统一性，使得匹配上的分发信息未必准确；另外，在匹配的过程中，速度慢、效率低、便捷性差、用户体验效果差。

技术实现思路

[0004]本专利技术的目的之一在于提供一种信息分发匹配方法，以解决现有技术中信息分发匹配方法孤立地使用单一文本数据构建模型，匹配分发结果速度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息分发匹配方法，其特征在于，包括：获取文本数据的第一文本表示，并将所述第一文本表示送入分类器，得到文本分类结果；确定对应于所述文本数据的上下文特征及历史文本特征；根据所述文本分类结果、所述上下文特征和所述历史文本特征，查询得到所述文本数据的分发匹配结果。2.根据权利要求1所述的信息分发匹配方法，其特征在于，所述第一文本表示包括对所述文本数据多层属性的统一表达、不同信息层面上的全局编码、以及不同粒度上的语义表达至少其中之一。3.根据权利要求1所述的信息分发匹配方法，其特征在于，在所述“获取文本数据的第一文本表示”之前，所述方法还包括：获取多源异构数据，提取所述多源异构数据的数据特征；其中，所述多源异构数据包括语音数据和视频数据至少其中之一；将所述数据特征输入卷积神经网络模型得到对应的第一文本信息；利用连接时序分类算法将所述第一文本信息和所述数据特征的序列长度进行对齐，并对所述第一文本信息执行全连接组合计算，得到所述文本数据。4.根据权利要求3所述的信息分发匹配方法，其特征在于，所述“将所述数据特征输入卷积神经网络模型得到对应的第一文本信息”具体包括：将所述数据特征输入多尺寸多通道卷积神经网络模型或蒸馏扩散模型，获得与所述数据特征相符的第一文本信息。5.根据权利要求4所述的信息分发匹配方法，其特征在于，在所述“提取所述多源异构数据的数据特征”之前，所述方法还包括：判断所述多源异构数据是否包括语音数据；所述“将所述数据特征输入卷积神经网络模型得到对应的第一文本信息”具体包括：若是，则将语音特征输入所述多尺寸多通道卷积神经网络模型中，获得与所述语音数据对应的第一文本信息；其中，所述数据特征包含所述语音特征；且/或，在所述“提取所述多源异构数据的数据特征”之前，所述方法还包括：判断所述多源异构数据是否包括视频数据；所述“将所述数据特征输入卷积神经网络模型得到对应的第一文本信息”具体包括：若是，则将所述视频特征输入所述蒸馏扩散模型中，获得与所述视频数据对应的第一文本信息；其中，所述数据特征包含所述视频特征。6.根据权利要求5所述的信息分发匹配方法，其特征在于，所述方法还包括：将所述视频数据输入3D深度卷积神经网络模型中，得到所述视频特征。7.根据权利要求1所述的信息分发匹配方法，其特征在于，所述“获取文本数据的第一文本表示”具体包括：基于联合统一表征学习方法，对所述文本数据进行多模态信息融合，得到所述第一文本表示。8.根据权利要求7所述的信息分发匹配方法，其特征在于，所述“基于联合统一表征学习方法，对所述文本数据进行多源信息融合，得到所述第一文本表示”具体包括：
对所述文本数据执行文本修正操作，包括：对所述文本数据进行错字和/或...

【专利技术属性】
技术研发人员：曾谁飞，孔令磊，张景瑞，李敏，刘卫强，马全亭，魏倩，葛宗玉，李京昌，谭夏霞，
申请(专利权)人：青岛海尔智能技术研发有限公司海尔智家股份有限公司，
类型：发明
国别省市：