[发明专利]一种文本推荐方法及相关设备

说明书

本发明实施例公开了一种文本推荐方法及相关设备，所述方法应用于数据处理技术领域，包括：基于开源词向量数据确定每个已阅文本对应的各个已阅文本关键词的第一词向量、身份关键词的第二词向量、以及每个待推文本对应的各个待推文本关键词的第三词向量，将包括每个已阅文本对应的各个已阅文本关键词的第一词向量和第二词向量的向量集确定为用户兴趣向量集。进一步地，可以基于预设相关度算法计算每个待推文本对应的待推向量集与用户兴趣向量集的相关度得分，并将相关度得分排序前M的待推向量集对应的待推文本确定为该用户的推荐文本。采用这样的方式，有利于提高文本推荐的准确度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种文本推荐方法及相关设备。

背景技术

目前的文本推荐方法，主要依靠用户的已阅文档等数据建立用户兴趣向量，并计算每个待推文本与用户已阅文档之间关联度，进而将关联度大于一定阈值的待推文档推荐给用户。其中，在计算关联度的过程中，基本只考虑了待推文本与用户已阅文档之间关键词的严格匹配，并未考虑关键词的语义信息，使得文本推荐结果不够准确。

发明内容

本发明实施例提供了一种文本推荐方法及相关设备，可以提高文本推荐的准确度。

第一方面，本发明实施例提供了一种文本推荐方法，所述方法应用于服务器，该方法包括：

获取用户对应的身份信息和至少一个已阅文本，并根据关键词提取算法确定所述至少一个已阅文本中每个已阅文本对应的至少一个已阅文本关键词、所述身份信息对应的身份关键词、以及至少一个待推文本中每个待推文本对应的至少一个待推文本关键词；

基于开源词向量数据确定所述每个已阅文本对应的各个已阅文本关键词的第一词向量、所述身份关键词的第二词向量、以及所述每个待推文本对应的各个待推文本关键词的第三词向量；

将包括所述每个已阅文本对应的各个已阅文本关键词的第一词向量和所述第二词向量的向量集确定为用户兴趣向量集；

基于预设相关度算法计算每个待推文本对应的待推向量集与所述用户兴趣向量集的相关度得分，所述待推文本对应的待推向量集包括所述待推文本对应各个待推文本关键词的第三词向量；

将所述相关度得分排序前M的待推向量集对应的待推文本确定为所述用户的推荐文本，所述M为大于0的整数。

在一个实施例中，所述基于预设相关度算法计算每个待推文本对应的待推向量集与所述用户兴趣向量集的相关度得分的具体实施方式为：

基于预设相关度算法计算每个待推文本对应的待推向量集中各个第三词向量与所述用户兴趣向量集中的各个词向量之间的余弦相似度；

对各个所述余弦相似度进行求和处理，并将求和结果与预设数值相除，得到所述每个待推文本对应的待推向量集与所述用户兴趣向量集的相关度得分。

在一个实施例中，所述根据关键词提取算法确定所述至少一个已阅文本中每个已阅文本对应的至少一个已阅文本关键词的具体实施方式为：

根据关键词提取算法确定第一已阅文本对应的至少一个已阅文本候选关键词中各个已阅文本候选关键词的第一词权重值，所述第一已阅文本为所述至少一个已阅文本中的任一个已阅文本；

基于权重值调整规则对所述第一已阅文本对应各个已阅文本候选关键词的第一词权重值进行调整，得到各个已阅文本候选关键词的词权重调整值；

按照词权重调整值从大到小的顺序进行排序，并将所述调整词权重排序前N的已阅文本候选关键词确定为所述第一已阅文本对应的N个已阅文本关键词，所述N为大于0的整数。

在一个实施例中，所述基于权重值调整规则对所述第一已阅文本对应各个已阅文本候选关键词的第一词权重值进行调整，得到各个已阅文本候选关键词的词权重调整值的具体实施方式为：