[发明专利]推荐系统训练方法、装置、计算机设备及存储介质在审

专利信息
申请号: 201910023778.7 申请日: 2019-01-10
公开(公告)号: CN109858528A 公开(公告)日: 2019-06-07
发明(设计)人: 金戈;徐亮 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06F16/36;G06F16/951
代理公司: 深圳市精英专利事务所 44242 代理人: 林燕云
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 样本 推荐系统 集合 词向量 检索词 分词 答案 计算机设备 存储介质 向量集合 输入词 图谱 人工智能技术 分词处理 检索信息 数据特征 用户提供 共享
【权利要求书】:

1.一种推荐系统训练方法,其特征在于,包括:

获取预先存储的历史检索记录样本,并分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合;

分别对所述检索词样本分词集合以及答案词样本分词集合进行词向量训练以分别得到检索词样本词向量集合以及答案词样本词向量集合;

将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合,其中,所述知识图谱是根据所述历史检索记录样本建立的,所述输入词向量集合中的输入词向量为所述检索词样本词向量集合中的检索词样本词向量输入到所述知识图谱后的输出结果;

通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练;

若接收到用户输入的检索信息,根据所述检索信息以及训练后的推荐系统向用户提供推荐结果。

2.根据权利要求1所述的方法,其特征在于,所述分别对所述历史检索记录样本的检索词样本以及答案词样本进行分词处理以相应得到检索词样本分词集合以及答案词样本分词集合,包括:

通过预设分词工具对检索词样本以及答案词样本进行分词处理以相应得到初始检索词样本分词集合以及初始答案词样本分词集合;

分别将所述初始检索词样本分词集合以及初始答案词样本分词集合中的停止词去除以分别得到检索词样本分词集合以及答案词样本分词集合。

3.根据权利要求1所述的方法,其特征在于,所述将所述检索词样本词向量集合中的所有检索词样本词向量输入到预先建立的知识图谱中以得到输入词向量集合,包括:

从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中;

将所述目标检索词样本词向量从所述检索词样本词向量集合中移除;

判断所述检索词样本词向量集合中是否还存在检索词样本词向量;

若所述检索词样本词向量集合中还存在检索词样本词向量,返回所述从所述检索词样本词向量集合中获取一检索词样本词向量作为目标检索词样本词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为输入词向量加入到所述输入词向量集合中的步骤。

4.根据权利要求1所述的方法,其特征在于,其特征在于,所述通过所述输入词向量集合以及所述答案词样本词向量集合对预设的推荐系统进行训练,包括:

从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中;

判断所述推荐系统输出的答案词向量是否与目标答案词向量相同,其中,所述目标答案词向量为所述答案词样本词向量集合中与所述输入词向量相对应的答案词样本词向量;

若所述推荐系统输出的答案词向量与目标答案词向量不相同,将所述推荐系统输出的答案词向量输入到所述知识图谱中,并将所述知识图谱的输出结果作为新的目标输入词向量输入到所述推荐系统中;

若所述推荐系统输出的答案词向量与目标答案词向量相同,将所述目标输入词向量从所述输入词向量集合中移除;

判断所述输入词向量集合中是否存在输入词向量;

若所述输入词向量集合中还存在输入词向量,返回所述从所述输入词向量集合中获取一输入词向量作为目标输入词向量输入到所述推荐系统中的步骤。

5.根据权利要求1所述的方法,其特征在于,所述根据所述检索信息以及训练后的推荐系统向用户提供推荐结果,包括:

分别对所述检索信息进行分词处理以及词向量训练以得到所述检索信息的检索词向量;

将所述检索词向量输入到所述知识图谱中,并将所述知识图谱的输出结果输入到训练好的推荐系统中;

将所述推荐系统的输出结果作为推荐结果推荐给用户。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910023778.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top