一种推荐方法，终端及存储介质技术

本申请实施例公开了一种推荐方法，终端及存储介质，终端获取搜索文本；根据命名实体识别模型对搜索文本进行命名实体识别处理，获得命名实体识别结果；根据语言分类模型对搜索文本进行搜索意图识别处理，获得搜索意图识别结果；基于命名实体识别结果和搜索意图识别结果确定搜索目标，并根据搜索目标确定推荐内容

【技术实现步骤摘要】
一种推荐方法
，
终端及存储介质


[0001]本申请涉及计算机
，尤其涉及一种推荐方法，终端及存储介质
。

技术介绍

[0002]现有的推荐方法可以综合用户特征
、
大屏内容特征
、
历史行为特征，得出用户对内容感兴趣的概率，返回推荐结果给用户以满足用户需求
。
[0003]在现有的推荐方法中，
Word2vec
能够在向量空间内将词的向量按照相似性进行分组，并识别数学上的相似性，只要给出足够的数据
、
用法和上下文，
Word2vec
就可以根据过去的经验对词的意义进行预测或聚类；
Word2vec
由于其通用性被广泛使用，然而，
Word2vec
忽略了内容实体的特性，不能准确地识别出用户想要搜索的内容实体和搜索意图，从而造成终端智能性较差的问题
。

技术实现思路

[0004]本申请实施例提供了一种推荐方法，终端及存储介质，能够有效识别搜索内容实体和搜索意图，提高终端智能性
。
[0005]本申请实施例的技术方案是这样实现的：
[0006]第一方面，本申请实施例提供了一种推荐方法，所述方法包括：
[0007]获取搜索文本；
[0008]根据命名实体识别模型对所述搜索文本进行命名实体识别处理，获得命名实体识别结果；
[0009]根据语言分类模型对所述搜索文本进行搜索意图识别处理，获得搜索意图识别结果；
[0010]基于所述命名实体识别结果和所述搜索意图识别结果确定搜索目标，并根据所述搜索目标确定推荐内容
。
[0011]第二方面，本申请实施例提供了一种终端，所述终端包括获取单元
、
识别单元以及推荐单元，
[0012]所述获取单元，用于获取搜索文本；
[0013]所述识别单元，用于根据命名实体识别模型对所述搜索文本进行命名实体识别处理，获得命名实体识别结果；以及根据语言分类模型对所述搜索文本进行搜索意图识别处理，获得搜索意图识别结果；
[0014]所述推荐单元，用于基于所述命名实体识别结果和所述搜索意图识别结果确定搜索目标，并根据所述搜索目标确定推荐内容
。
[0015]第三方面，本申请实施例提供了一种终端，所述终端还包括处理器
、
存储有所述处理器可执行指令的存储器，当所述指令被所述处理器执行时，实现如上所述的推荐方法
。
[0016]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有程序，应用于终端中，所述程序被处理器执行时，实现如上的推荐方法
。
[0017]本申请实施例提供了一种推荐方法，终端及存储介质，终端获取搜索文本；根据命名实体识别模型对搜索文本进行命名实体识别处理，获得命名实体识别结果；根据语言分类模型对搜索文本进行搜索意图识别处理，获得搜索意图识别结果；基于命名实体识别结果和搜索意图识别结果确定搜索目标，并根据搜索目标进行推荐处理，获得推荐内容
。
由此可见，在本申请中，终端在获取任意搜索文本以后，可以利用命名实体识别模型对搜索文本进行命名实体识别处理，获得搜索文本中包含的命名实体结果，即能够有效识别搜索文本中的内容实体；同时还可以利用语言分类模型对搜索文本进行搜索意图识别处理，获得搜索文本所表达的搜索意图结果，即能够有效识别搜索文本中的搜索意图；从而结合命名实体识别结果和搜索意图识别结果确定搜索目标，能够令确定的搜索目标更具精确性，进而基于该搜索目标完成推荐处理，能够提升用户体验感，使终端更具智能性
。
附图说明
[0018]图1为本申请实施例提出的推荐方法的实现流程示意图；
[0019]图2为本申请实施例提出的推荐方法的实现示意图一；
[0020]图3为本申请实施例提出的推荐方法的实现示意图二；
[0021]图4为本申请实施例提出的推荐方法的实现示意图三；
[0022]图5为本申请实施例提出的推荐方法的实现示意图四；
[0023]图6为本申请实施例提出的推荐方法的实现示意图五；
[0024]图7为本申请实施例提出的推荐方法的实现示意图六；
[0025]图8为本申请实施例提出的预设知识图谱的示意图；
[0026]图9为本申请实施例提出的推荐方法的实现示意图七；
[0027]图
10
为本申请实施例提出的终端的组成结构示意图一；
[0028]图
11
为本申请实施例提出的终端的组成结构示意图二
。
具体实施方式
[0029]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述
。
可以理解的是，此处所描述的具体实施例仅用于解释相关申请，而非对该申请的限定
。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关申请相关的部分
。
[0030]推荐和搜索有一些相通的地方，背后都要有人工智能
(Artificial Intelligence
，
AI)
来理解用户的需求和内容，理解的越清楚，就越能帮助到用户；现有的推荐方法可以综合用户特征
、
大屏内容特征
、
历史行为特征，得出用户对内容感兴趣的概率，返回推荐结果给用户以满足用户需求；像大规模机器学习
、
深度学习
、
实时更新等方法，都在搜索和推荐上具有不错的效果
。
[0031]现有的大屏内容搜索，如果用户输入的不是很规范，或者多输入关键字或错别字，就会造成返回的结果不是用户想要的结果的情况，用户需要去认真输入内容名，导致搜索效率低下以及搜索推荐结果不理想的问题
。
并且，不同人搜索的习惯是不一样的，因此，基于内容的推荐难度大大提高
。
比如，影视网站上，看了影片
A
的也都看了影片
B
，那么
A
和
B
的共现度很高，可以互相推荐了，但是不同的人搜
A
的方式不同，而现有的搜索或推荐方法无法反映搜索词与实质内容之间的关系
。
例如
Word2vec
和
Item2vec
这两种方法，可以将搜索
关键词或者内容特征转换为一个低维的向量；其中，
Word2vec
能够在向量空间内将词的向量按照相似性进行分组，并识别数学上的相似性，只要给出足够的数据
、
用法和上下文，
Word2vec
就可以根据过去的经验对词的意义进行预测或聚类；
Word2vec
由于其通用性被广泛使用，然而，
Word2vec...

【技术保护点】

【技术特征摘要】
1.
一种推荐方法，其特征在于，所述方法包括：获取搜索文本；根据命名实体识别模型对所述搜索文本进行命名实体识别处理，获得命名实体识别结果；根据语言分类模型对所述搜索文本进行搜索意图识别处理，获得搜索意图识别结果；基于所述命名实体识别结果和所述搜索意图识别结果确定搜索目标，并根据所述搜索目标确定推荐内容
。2.
根据权利要求1所述的方法，其特征在于，所述根据所述搜索目标确定推荐内容，包括：根据所述搜索目标，在预设知识图谱中确定所述推荐内容；其中，所述推荐内容包括所述搜索目标对应的目标搜索结果，和与所述目标搜索结果相关的推荐结果
。3.
根据权利要求1所述的方法，其特征在于，所述根据命名实体识别模型对所述搜索文本进行命名实体识别处理，获得命名实体识别结果之前，所述方法包括：获取第一训练数据集；利用所述第一训练数据集对初始命名实体识别模型进行训练处理，获得所述命名实体识别模型
。4.
根据权利要求3所述的方法，其特征在于，所述利用所述第一训练数据集对初始命名实体识别模型进行训练处理，获得所述命名实体识别模型，包括：将所述第一训练数据集输入所述初始命名实体识别模型，获得识别结果；计算所述识别结果对应的均值参数和方差参数；若所述均值参数和所述方差参数不满足预设条件，则根据所述均值参数和所述方差参数更新所述初始命名实体识别模型；继续将所述第一训练数据集输入至所述初始命名实体识别模型，直到输出的识别结果对应的更新的均值参数和更新的方差参数满足所述预设条件，获得所述命名实体识别模型
。5.
根据权利要求4所述的方法，其特征在于，所述初始命名实体识别模型中包括预测模块和评分约束模块；所述将所述第一训练数据集输入所述初始命名实体识别模型，获得识别结果，包括：利用所述预测模块对所述第一训练数据集进行命名实体预测处理，获得所述第一训练数据集对应的命名实体预测结果；利用所述评分约束模块对所述命名实体预测结果进行筛选，获得所述命名实体预测结果中，预测分值最高的目标预测结果；将所述目标预测结果确定为所述识别结果
。6.
根据权利要求1所述的方法，其特征在于，所述根据语言分类模型对所述搜索文本进行搜索意图识别处理，获得搜索意图识...

【专利技术属性】
技术研发人员：曹湘，陈笑，徐恒，郭建军，梅铮，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：