[发明专利]信息的推荐方法和装置

权利要求书

1.一种信息的推荐方法，其特征在于，包括：

获得查询信息及其对应的待推荐候选内容；

获得所述查询信息和所述待推荐候选内容对应的学习网络的参数信息；其中，所述参数信息是对学习网络进行训练时，迭代更新初始化的参数信息获取到的；迭代更新的方法为参数信息W1，W2减去预设的学习率，再乘以训练样本的梯度，使得图片相似度与相应字符串相似度之间的二乘方误差最小化；以及

根据所述参数信息计算出所述查询信息与所述待推荐候选内容在预设空间中的相似度，并根据所述相似度从待推荐候选内容中筛选出待推荐内容，以用于向用户展现所述待推荐内容；其中，所述预设空间包括想象空间，在所述想象空间中，以图片的形式表示字符串表达的意思；

其中，所述学习网络为三层：第一层输入层根据词典得到向量V1；第二层为学习网络的隐含层，根据sigmoid函数对向量V1计算，确定向量V2；第三层根据sigmoid函数对向量V2计算，确定进行相似度计算的向量V3；

所述根据所述参数信息计算出所述查询信息与所述待推荐候选内容在预设空间中的相似度，包括：

根据所述参数信息计算出所述查询信息在所述预设空间中对应的第一向量；其中，所述第一向量是将所述查询信息输入所述学习网络，所述学习网络所得到的向量V3；

根据所述参数信息计算出每个待推荐候选内容在所述预设空间中对应的第二向量；其中，所述第二向量是将所述待推荐候选内容输入所述学习网络，所述学习网络所得到的向量V3；以及

计算所述第一向量与每个第二向量间的相似度。

2.根据权利要求1所述的方法，其特征在于，所述根据所述相似度从待推荐候选内容中筛选出待推荐内容，包括：

确定所述相似度大于预设阈值的第二向量，并根据确定的第二向量获得所述待推荐内容；或者

按照所述相似度由高到低的顺序确定预定数量的第二向量，并根据确定的第二向量获得所述待推荐内容。

3.根据权利要求1所述的方法，其特征在于，所述获得所述查询信息和所述待推荐候选内容对应的学习网络的参数信息，包括：

根据所述查询信息和所述待推荐候选内容构建对应的学习网络；

获取所述学习网络的训练样本，使用所述训练样本通过预设算法获取所述参数信息。

4.根据权利要求3所述的方法，其特征在于，所述预设算法包括反向传播算法和随机梯度下降法。

5.一种信息的推荐装置，其特征在于，包括：

第一获得模块，用于获得查询信息及其对应的待推荐候选内容；

第二获得模块，用于获得所述查询信息和所述待推荐候选内容对应的学习网络的参数信息；其中，所述参数信息是对学习网络进行训练时，迭代更新初始化的参数信息获取到的；迭代更新的方法为参数信息W1，W2减去预设的学习率，再乘以训练样本的梯度，使得图片相似度与相应字符串相似度之间的二乘方误差最小化；以及

筛选模块，用于根据所述参数信息计算出所述查询信息与所述待推荐候选内容在预设空间中的相似度，并根据所述相似度从待推荐候选内容中筛选出待推荐内容，以用于向用户展现所述待推荐内容；其中，所述预设空间包括想象空间，在所述想象空间中，以图片的形式表示字符串表达的意思；

其中，所述学习网络为三层：第一层输入层根据词典得到向量V1；第二层为学习网络的隐含层，根据sigmoid函数对向量V1计算，确定向量V2；第三层根据sigmoid函数对向量V2计算，确定进行相似度计算的向量V3；

所述筛选模块，具体用于：

根据所述参数信息计算出所述查询信息在所述预设空间中对应的第一向量；其中，所述第一向量是将所述查询信息输入所述学习网络，所述学习网络所得到的向量V3；

根据所述参数信息计算出每个待推荐候选内容在所述预设空间中对应的第二向量；其中，所述第二向量是将所述待推荐候选内容输入所述学习网络，所述学习网络所得到的向量V3；以及

计算所述第一向量与每个第二向量间的相似度。