System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 关键词推荐方法、装置、电子设备及可读存储介质制造方法及图纸_技高网

关键词推荐方法、装置、电子设备及可读存储介质制造方法及图纸

技术编号:41207261 阅读:13 留言:0更新日期:2024-05-07 22:33
本公开涉及数据处理技术领域,提供了一种关键词推荐方法、装置、电子设备及可读存储介质。该方法包括:获取用户属性信息和用户历史行为信息;根据用户历史行为信息,确定用户偏好对象信息;通过训练完成的深度语义结构模型,对用户属性信息和用户偏好对象信息进行特征提取处理,得到用户属性信息对应的特征向量和用户偏好对象信息对应的特征向量;将上述两种特征向量输入至大语言模型中进行自然语言生成处理,得到用户对应的目标关键词,并据此确定向用户推荐的目标关键词列表,以此增强了可解释性,提升了推荐的准确性,提高了灵活性和可扩展性,解决了由于搜索词生成逻辑简单,规则固化,导致的搜索词生成准确性低,灵活性差的问题。

【技术实现步骤摘要】

本公开涉及数据处理,尤其涉及一种关键词推荐方法、装置、电子设备及可读存储介质


技术介绍

1、在搜索底纹的使用场景中,用户需要根据自己的兴趣、偏好、情境等因素来选择搜索目标内容或产品,而搜索底纹可以帮助用户快速定位目标搜索词,一方面,可以减少用户输入成本,提升用户搜索效率,另一方面,搜索底纹会结合底层搜索能力进行设定,保证搜索词更加可控可理解,从而可提升搜索结果的准确度和满意度。但当前的搜索底纹的生成有效率较低,单一化严重,个性化不足,基于这类问题,常规的技术方法主要是根据预定义的规则或逻辑来构建搜索推荐词库,例如基于用户或项目的属性、标签、评分,结合内容实际情况,完成该用户的推荐搜索词的底纹设定。但是,规则或逻辑往往不足以覆盖所有可能的情况或场景,且容易生成简单或重复的推荐理由,无法反映用户或项目的复杂性和多样性。

2、由此可见,现有技术中存在由于搜索词生成逻辑简单,规则固化,导致的搜索词生成准确性低,灵活性差的问题。


技术实现思路

1、有鉴于此,本公开实施例提供了一种关键词推荐方法、装置、电子设备及可读存储介质,以解决现有技术中由于搜索词生成逻辑简单,规则固化,导致的搜索词生成准确性低,灵活性差的问题。

2、本公开实施例的第一方面,提供了一种关键词推荐方法,包括:获取用户属性信息和用户历史行为信息;根据用户历史行为信息,确定用户偏好对象信息;通过训练完成的深度语义结构模型,对用户属性信息和用户偏好对象信息进行特征提取处理,得到用户属性信息对应的特征向量和用户偏好对象信息对应的特征向量;将用户属性信息对应的特征向量和用户偏好对象信息对应的特征向量输入至大语言模型中进行自然语言生成处理,得到用户对应的目标关键词;根据用户对应的目标关键词,确定向用户推荐的目标关键词列表。

3、本公开实施例的第二方面,提供了一种关键词推荐装置,包括:获取模块,用于获取用户属性信息和用户历史行为信息;第一确定模块,用于根据用户历史行为信息,确定用户偏好对象信息;第一处理模块,用于通过训练完成的深度语义结构模型,对用户属性信息和用户偏好对象信息进行特征提取处理,得到用户属性信息对应的特征向量和用户偏好对象信息对应的特征向量;第二处理模块,用于将用户属性信息对应的特征向量和用户偏好对象信息对应的特征向量输入至大语言模型中进行自然语言生成处理,得到用户对应的目标关键词;第二确定模块,用于根据用户对应的目标关键词,确定向用户推荐的目标关键词列表。

4、本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。

5、本公开实施例的第四方面,提供了一种可读存储介质,该可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。

6、本公开实施例与现有技术相比存在的有益效果是:通过对用户属性信息和用户历史行为信息进行获取,并基于推荐系统对用户历史行为信息进行分析,确定用户偏好对象信息,将用户属性信息和用户偏好对象信息输入至训练完成的深度语义结构模型中进行向量化表征,通过特征提取处理,得到用户属性信息对应的特征向量和用户偏好对象信息对应的特征向量,进而将用户属性信息对应的特征向量和用户偏好对象信息对应的特征向量输入至大语言模型中,通过大语言模型的自然语言生成处理,得到用户对应的目标关键词,根据用户对应的目标关键词,确定向用户推荐的目标关键词列表,目标关键词列表中包含至少一个目标关键词,以此增强了可解释性,提升了推荐的准确性,提高了灵活性和可扩展性,扩大了该关键词推荐模型的适用范围,增加了该关键词推荐模型的持续学习效果。

本文档来自技高网...

【技术保护点】

1.一种关键词推荐方法,其特征在于,包括:

2.根据权利要求1所述的关键词推荐方法,其特征在于,所述根据所述用户历史行为信息,确定用户偏好对象信息,包括:

3.根据权利要求1所述的关键词推荐方法,其特征在于,在所述通过训练完成的深度语义结构模型,对所述用户属性信息和所述用户偏好对象信息进行特征提取处理得到所述用户属性信息对应的特征向量和所述用户偏好对象信息对应的特征向量之前,还包括:

4.根据权利要求1所述的关键词推荐方法,其特征在于,所述通过训练完成的深度语义结构模型,对所述用户属性信息和所述用户偏好对象信息进行特征提取处理得到所述用户属性信息对应的特征向量和所述用户偏好对象信息对应的特征向量,包括:

5.根据权利要求1所述的关键词推荐方法,其特征在于,在所述根据所述用户对应的目标关键词,确定向所述用户推荐的目标关键词列表之后,还包括:

6.根据权利要求1所述的关键词推荐方法,其特征在于,所述将所述用户属性信息对应的特征向量和所述用户偏好对象信息对应的特征向量输入至大语言模型中进行自然语言生成处理,得到所述用户对应的目标关键词,包括:

7.根据权利要求1所述的关键词推荐方法,其特征在于,在所述根据所述用户对应的目标关键词,确定向所述用户推荐的目标关键词列表之后,还包括:

8.一种关键词推荐装置,其特征在于,包括:

9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一种可读存储介质,所述可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

...

【技术特征摘要】

1.一种关键词推荐方法,其特征在于,包括:

2.根据权利要求1所述的关键词推荐方法,其特征在于,所述根据所述用户历史行为信息,确定用户偏好对象信息,包括:

3.根据权利要求1所述的关键词推荐方法,其特征在于,在所述通过训练完成的深度语义结构模型,对所述用户属性信息和所述用户偏好对象信息进行特征提取处理得到所述用户属性信息对应的特征向量和所述用户偏好对象信息对应的特征向量之前,还包括:

4.根据权利要求1所述的关键词推荐方法,其特征在于,所述通过训练完成的深度语义结构模型,对所述用户属性信息和所述用户偏好对象信息进行特征提取处理得到所述用户属性信息对应的特征向量和所述用户偏好对象信息对应的特征向量,包括:

5.根据权利要求1所述的关键词推荐方法,其特征在于,在所述根据所述用户对应的目标关键词,确定向所述用户推荐的目标关键词列表之...

【专利技术属性】
技术研发人员:张宗盛孙若愚
申请(专利权)人:深圳须弥云图空间科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1