【技术实现步骤摘要】
本公开涉及人工智能，尤其涉及大数据、内容推荐、大语言模型和深度学习领域。具体涉及一种基于大语言模型的资源处理方法。
技术介绍
1、推荐系统通过预测用户对内容的交互度来推荐用户可能感兴趣的内容。然而，这种专注于提升用户短期参与度的做法可能导致推荐系统越来越集中于用户的已知兴趣，从而产生满足效应，降低用户对内容的满足感，最终导致用户流失。
2、兴趣挖掘可以帮助用户发现新兴趣点，降低疲惫感，提升推荐的多样性、新颖性和偶然性等。随着用户兴趣点的增多，也可以延长用户消费时长和提升用户留存。用户潜在兴趣挖掘在内容推荐中变得至关重要。
技术实现思路
1、本公开提供了一种基于大语言模型的资源处理方法、装置、电子设备及介质。
2、根据本公开的一方面，提供了一种基于大语言模型的资源处理方法，所述方法包括：
3、基于大语言模型，采用资源库中候选资源所属的候选资源标签，为待挖掘用户选择目标资源标签；
4、采用所述大语言模型，基于目标资源标签对目标子类标签进行语义编码得到目标子类标签的语义编码结果，并对所述资源库中候选资源所属的候选资源标签进行语义编码得到候选资源的语义编码结果；
5、采用所述目标子类标签的语义编码结果和所述候选资源的语义编码结果，从所述候选资源中为所述待挖掘用户选择目标资源。
6、根据本公开的另一方面，提供了一种基于大语言模型的资源处理装置，所述装置包括：
7、资源标签选择模块，用于基于大语言模型，采用资源
8、标签语义编码模块，用于采用所述大语言模型，基于目标资源标签对目标子类标签进行语义编码得到目标子类标签的语义编码结果，并对所述资源库中候选资源所属的候选资源标签进行语义编码得到候选资源的语义编码结果；
9、目标资源选择模块，用于采用所述目标子类标签的语义编码结果和所述候选资源的语义编码结果，从所述候选资源中为所述待挖掘用户选择目标资源。
10、根据本公开的又一方面，提供了一种电子设备，该电子设备包括：
11、至少一个处理器；以及
12、与所述至少一个处理器通信连接的存储器；其中，
13、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开任一实施例所述的基于大语言模型的资源处理方法。
14、根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行本公开任一实施例所述的基于大语言模型的资源处理方法。
15、根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开任一实施例所述的基于大语言模型的资源处理方法。
16、根据本公开的技术，本公开在内容推荐场景下，可以提升推荐资源的多样性、新颖性和偶然性，同时兼顾准确性。
17、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种基于大语言模型的资源处理方法，所述方法包括：
2.根据权利要求1所述的方法，其中，采用所述大语言模型，基于目标资源标签对目标子类标签进行语义编码得到目标子类标签的语义编码结果，并对所述资源库中候选资源所属的候选资源标签进行语义编码得到候选资源的语义编码结果，包括：
3.根据权利要求2所述的方法，其中，采用所述大语言模型获取资源库中候选资源所属的候选资源标签和候选资源的资源属性，包括：
4.根据权利要求2所述的方法，对目标子类标签和目标子类标签所属的父类标签进行语义编码之前，还包括：
5.根据权利要求1所述的方法，其中，基于大语言模型，采用资源库中候选资源所属的候选资源标签，为待挖掘用户选择目标资源标签，包括：
6.根据权利要求1所述的方法，所述方法还包括：
7.根据权利要求1-6中任一项所述的方法，还包括：
8.根据权利要求7所述的方法，所述方法还包括：
9.根据权利要求8所述的方法，其中，所述采用所述推荐资源，对所述待挖掘用户进行兴趣挖掘，包括：
10.一种基于大
11.根据权利要求10所述的装置，其中，所述标签语义编码模块，包括：
12.根据权利要求11所述的装置，其中，候选资源编码子模块，包括：
13.根据权利要求11所述的装置，所述装置还包括：
14.根据权利要求10所述的装置，其中，资源标签选择模块，具体用于基于待挖掘用户的用户画像数据、资源消费历史和资源库中候选资源所属的候选资源标签，为所述待挖掘用户生成标签判别提示；
15.根据权利要求10所述的装置，所述装置还包括：
16.根据权利要求10-15中任一项所述的装置，还包括：
17.根据权利要求16所述的装置，所述装置还包括：
18.根据权利要求17所述的装置，其中，所述兴趣挖掘模块，包括：
19.一种电子设备，包括：
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-9中任一项所述的基于大语言模型的资源处理方法。
21.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的基于大语言模型的资源处理方法。
...【技术特征摘要】
1.一种基于大语言模型的资源处理方法，所述方法包括：
2.根据权利要求1所述的方法，其中，采用所述大语言模型，基于目标资源标签对目标子类标签进行语义编码得到目标子类标签的语义编码结果，并对所述资源库中候选资源所属的候选资源标签进行语义编码得到候选资源的语义编码结果，包括：
3.根据权利要求2所述的方法，其中，采用所述大语言模型获取资源库中候选资源所属的候选资源标签和候选资源的资源属性，包括：
4.根据权利要求2所述的方法，对目标子类标签和目标子类标签所属的父类标签进行语义编码之前，还包括：
5.根据权利要求1所述的方法，其中，基于大语言模型，采用资源库中候选资源所属的候选资源标签，为待挖掘用户选择目标资源标签，包括：
6.根据权利要求1所述的方法，所述方法还包括：
7.根据权利要求1-6中任一项所述的方法，还包括：
8.根据权利要求7所述的方法，所述方法还包括：
9.根据权利要求8所述的方法，其中，所述采用所述推荐资源，对所述待挖掘用户进行兴趣挖掘，包括：
10.一种基于大语言模型的资源处理装置，所述装置包括：
【专利技术属性】
技术研发人员：余晓龙，刘希冀，张华泉，
申请(专利权)人：百度时代网络技术北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。