用于信息推荐的方法技术

本申请涉及自然语言理解技术领域，公开一种用于信息推荐的方法

【技术实现步骤摘要】
用于信息推荐的方法、装置和家电设备


[0001]本申请涉及自然语言理解
，例如涉及一种用于信息推荐的方法
、
装置和家电设备
。

技术介绍

[0002]目前，信息推荐技术在智能家居场景的应用日益重要及广泛，在智能家居场景
(
比如菜谱信息推荐场景
)
不仅要求推荐信息包括文本
、
图像
、
语音和音视频等多模态数据的交互形式，还要求信息推荐的准确率
。
[0003]为了提高信息推荐的准确性，相关技术通常采用传统协同过滤算法构建的模型实现信息推荐
。
但这种算法存在两个层面的问题：数据表示稀疏和冷启动，这就导致通过该算法进行信息推荐时文本表示不充分
、
不全面，从而难以全面的挖掘出数据潜在的
、
更深层的结构和语义信息，进而导致依旧无法提取最优的语义表示信息
。
因此，通过相关技术实现信息推荐的准确率依旧较低
。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息
。

技术实现思路

[0005]为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括
。
所述概括不是泛泛评述，也不是要确定关键
/
重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言
。<br/>[0006]本公开实施例提供了一种用于信息推荐的方法
、
装置和家电设备，以提高家电设备信息推荐的准确性
。
[0007]在一些实施例中，用于信息推荐的方法包括：构建表征多模态数据的初始文本特征向量的前向文本特征和后向文本特征的第一文本特征向量；确定与第一文本特征向量具有第一关联关系的第一上下文语义特征向量；根据第一文本特征向量和第一上下文语义特征向量构建第二文本特征向量；根据第二文本特征向量确定多模态数据所对应的优化推荐信息
。
[0008]可选地，根据第一文本特征向量和第一上下文语义特征向量构建第二文本特征向量，包括：获得第一上下文语义特征向量的第一语义权重；获得第一文本特征向量和具有第一语义权重的第一上下文语义特征向量的第一结合向量；将第一结合向量作为第二文本特征向量
。
[0009]可选地，根据第二文本特征向量确定多模态数据所对应的优化推荐信息，包括：确定第二文本特征向量与推荐信息的语义相似度；根据语义相似度确定推荐信息中与多模态数据所对应的优化推荐信息
。
[0010]可选地，按照如下方式获得初始文本特征向量：获得多模态数据的源文本特征向量；确定与源文本特征向量具有第二关联关系的第二上下文语义特征向量；根据源文本特
征向量和第二上下文语义特征向量构建初始文本特征向量
。
[0011]可选地，根据源文本特征向量和第二上下文语义特征向量构建初始文本特征向量，包括：获得第二上下文语义特征向量的第二语义权重；获得源文本特征向量和具有第二语义权重的第二上下文语义特征向量的第二结合向量；将第二结合向量作为初始文本特征向量
。
[0012]可选地，按照如下方式获得多模态数据的源文本特征向量：获得多模态数据的总文本数据；提取总文本数据中具有标识信息的文本数据作为源文本特征向量
。
[0013]可选地，提取总文本数据中具有标识信息的文本数据作为源文本特征向量，包括：提取总文本数据中的标识信息；按照预设顺序对标识信息进行排序；对排序后的标识信息对应的文本数据进行编码，并将编码后的数据作为源文本特征向量
。
[0014]可选地，按照如下方式获得多模态数据的总文本数据：解析多模态数据并获得包括本文本数据
、
语音文本数据和图像文本数据中的一种或多种的文本汇总数据；其中，多模态数据包括文本数据
、
图像数据
、
语音数据
、
视频数据和音视频数据中的一种或多种；将文本汇总数据作为总文本数据
。
[0015]可选地，解析多模态数据，包括：解析文本数据获得本文本数据；解析语音数据和
/
或音视频数据获得语音文本数据；解析图像数据
、
视频数据和音视频数据中的一种或多种获得图像文本数据
。
[0016]可选地，解析语音数据和
/
或音视频数据获得语音文本数据，包括：确定语音数据和
/
或音视频数据的有效语音数据；对有效语音数据进行语音特征提取，获得语音特征；对语音特征进行语音编码，获得语音编码数据；对语音编码数据进行语音解码，将解码数据作为语音数据和
/
或音视频数据对应的语音文本数据
。
[0017]可选地，确定语音数据的有效语音数据，包括：提取语音数据中的干净语音数据；将干净语音数据进行有效时长的处理，将经过处理的干净语音数据作为语音数据的有效语音数据；确定音视频数据的有效语音数据，包括：提取音视频数据中的干净音视频数据；对干净音视频数据进行分离，获得音视频数据对应的干净语音数据；将干净语音数据进行有效时长的处理，将经过处理的干净语音数据作为音视频数据中的有效语音数据
。
[0018]可选地，解析图像数据
、
视频数据和音视频数据中的一种或多种获得图像文本数据，包括：确定图像数据
、
视频数据和音视频数据中的一种或多种的有效图像数据；将有效图像数据输入
CLIP
模型，将
CLIP
模型的输出数据作为图像数据
、
视频数据和音视频数据中的一种或多种对应的图像文本数据
。
[0019]在一些实施例中，用于信息推荐的装置包括：第一构建模块，被配置为构建表征多模态数据的初始文本特征向量的前向文本特征和后向文本特征的第一文本特征向量；第一确定模块，被配置为确定与第一文本特征向量具有第一关联关系的第一上下文语义特征向量；第二构建模块，被配置为根据第一文本特征向量和第一上下文语义特征向量构建第二文本特征向量；第二确定模块，被配置为根据第二文本特征向量确定多模态数据所对应的优化推荐信息
。
[0020]在一些实施例中，用于信息推荐的装置处理器和存储有程序指令的存储器，处理器被配置为在运行所述程序指令时，执行如上述的用于信息推荐的方法
。
[0021]在一些实施例中，家电设备包括：家电设备本体；和，如上述的用于信息推荐的装
置，被安装于家电设备本体
。
[0022]本公开实施例提供的用于信息推荐的方法
、
装置和家电设备，可以实现以下技术效果：
[0023]在该实施例中，通过构建第一文本特征向量，实现在潜在空间中最佳捕获与初始文本特征向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于信息推荐的方法，其特征在于，包括：构建表征多模态数据的初始文本特征向量的前向文本特征和后向文本特征的第一文本特征向量；确定与第一文本特征向量具有第一关联关系的第一上下文语义特征向量；根据第一文本特征向量和第一上下文语义特征向量构建第二文本特征向量；根据第二文本特征向量确定多模态数据所对应的优化推荐信息
。2.
根据权利要求1所述的方法，其特征在于，根据第一文本特征向量和第一上下文语义特征向量构建第二文本特征向量，包括：获得第一上下文语义特征向量的第一语义权重；获得第一文本特征向量和具有第一语义权重的第一上下文语义特征向量的第一结合向量；将第一结合向量作为第二文本特征向量
。3.
根据权利要求1所述的方法，其特征在于，根据第二文本特征向量确定多模态数据所对应的优化推荐信息，包括：确定第二文本特征向量与推荐信息的语义相似度；根据语义相似度确定推荐信息中与多模态数据所对应的优化推荐信息
。4.
根据权利要求1至3任一项所述的方法，其特征在于，按照如下方式获得初始文本特征向量：获得多模态数据的源文本特征向量；确定与源文本特征向量具有第二关联关系的第二上下文语义特征向量；根据源文本特征向量和第二上下文语义特征向量构建初始文本特征向量
。5.
根据权利要求4所述的方法，其特征在于，根据源文本特征向量和第二上下文语义特征向量构建初始文本特征向量，包括：获得第二上下文语义特征向量的第二语义权重；获得源文本特征向量和具有第二语义权重的第二上下文语义特征向量的第二结合向量；将第二结合向量作为初始文本特征向量
。6.
根据权利要求4所述的方法，其特征在于，按照如下方式获得多模态数据的源文本特征向量：获得多模态数据的总文本数据；提取总文本数据中具有标识信息的文本数据作为源文本特征向量
。7.
根据权利要求6所述的方法，其特征在于，提取总文本数据中具有标识信息的文本数据作为源文本特征向量，包括：提取总文本数据中的标识信息；按照预设顺序对标识信息进行排序；对排序后的标识信息对应的文本数据进行编码，并将编码后的数据作为源文本特征向量
。8.
根据权利要求6所述的方法，其特征在于，按照如下方式获得多模态数据的总文本数据：
解析多模态数据并获得包括本文本数据
、
语音文本数据和图像文本数据中的一种或多种的文本汇总数据；其中，多模态数据包括文本数据
、
图像数据
、
语音数据
、
视频数据和音视频数据中的一种或多种；将文本汇总数据作为总文本数据
。9.
根据权利要求8所述的方法，其特征在于，解析多模态数据，包括：解析文本数据获得本...

【专利技术属性】
技术研发人员：曾谁飞，孔令磊，
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：