[发明专利]资讯信息推荐方法、装置、电子设备及存储介质有效

专利信息
申请号: 202010167009.7 申请日: 2020-03-11
公开(公告)号: CN111400591B 公开(公告)日: 2023-04-07
发明(设计)人: 李天浩 申请(专利权)人: 深圳市雅阅科技有限公司
主分类号: G06F16/9535 分类号: G06F16/9535
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 李昂;张颖玲
地址: 518133 广东省深圳市宝安区新安街道*** 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: 资讯 信息 推荐 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种资讯信息推荐方法,其特征在于,所述方法包括:

响应于资讯信息推荐请求,获取目标用户的行为参数信息;

基于所述目标用户的行为参数信息,确定与所述目标用户相对应的备选资讯信息;

对所述备选资讯信息进行解析以实现获取所述备选资讯信息的资讯信息参数;

根据所述备选资讯信息的资讯信息参数,确定与所述备选资讯信息相匹配的基础特征;根据所述备选资讯信息的资讯信息参数,确定与所述备选资讯信息相匹配的多模态特征;

基于所述基础特征和所述多模态特征,通过资讯信息推荐模型中的图神经网络模型,确定与所述备选资讯信息相匹配的融合特征向量;

基于与所述备选资讯信息相匹配的融合特征向量,确定与所述备选资讯信息相匹配的资讯信息列表以及对应的相似度参数;

基于所述相似度参数和所述资讯信息列表中不同资讯信息的重合度参数,确定资讯信息列表中的相应的资讯信息作为待推荐资讯信息,以实现所述待推荐资讯信息与所述目标用户相匹配。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取与所述目标用户相对应的不同维度的原始数据集合;

根据所述不同维度的原始数据集合,确定与所述目标用户相匹配的用户行为数据;

基于所述用户行为数据,确定与相应的资讯信息推荐模型中的图神经网络模型。

3.根据权利要求1所述的方法,其特征在于,所述对所述备选资讯信息进行解析以实现获取所述备选资讯信息的资讯信息参数,包括:

对所述备选资讯信息进行解析,获取所述备选资讯信息的标签信息;

根据所述备选资讯信息的标签信息,对所述备选资讯信息进行解析,以实现分别获取与所述备选资讯信息在基础维度与多模态维度中的资讯信息参数。

4.根据权利要求1所述的方法,其特征在于,所述根据所述备选资讯信息的资讯信息参数,确定与所述备选资讯信息相匹配的多模态特征,包括:

根据所述备选资讯信息在基础维度中的资讯信息参数,

确定与所述备选资讯信息相对应的标题文字参数、图像信息参数和视觉信息参数;

对所述备选资讯信息相对应的标题文字参数、图像信息参数和视觉信息参数分别进行特征抽取并融合,以形成与所述备选资讯信息相匹配的多模态特征。

5.根据权利要求1-4任一所述的方法,其特征在于,所述基于所述基础特征和所述多模态特征,通过所述资讯信息推荐模型中的图神经网络模型,确定与所述备选资讯信息相匹配的融合特征向量,包括:

通过所述资讯信息推荐模型中的基础信息处理网络,对所述基础特征进行处理,以形成相应的基础特征向量;

通过所述资讯信息推荐模型中的图像处理网络,对所述多模态特征中的图像特征进行处理,以形成相应的图像特征向量;

通过所述资讯信息推荐模型中的文字处理网络,对所述多模态特征中的标题文字特征进行处理,以形成相应标题文字特征向量;

通过所述资讯信息推荐模型中的视觉处理网络,对所述多模态特征中的视觉特征进行处理,以形成相应的视觉特征向量;

基于所述基础特征向量、所述图像特征向量、所述标题文字特征向量和所述视觉特征向量,通过所述资讯信息推荐模型中的图神经网络模型进行向量融合,以形成与所述备选资讯信息相匹配的融合特征向量。

6.根据权利要求1所述的方法,其特征在于,所述基于与所述备选资讯信息相匹配的融合特征向量,确定相应资讯信息源中不同资讯信息所分别对应的资讯信息列表以及对应的相似度参数,包括:

基于与所述备选资讯信息相匹配的融合特征向量,确定所述资讯信息列表中每一条资讯信息对应的余弦相似性参数;

基于所述余弦相似性参数确定每一条资讯信息对应相似度参数;

基于所述每一条资讯信息对应相似度参数确定不同资讯信息所分别对应的资讯信息列表对应的相似度参数。

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深圳市雅阅科技有限公司,未经深圳市雅阅科技有限公司许可,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/202010167009.7/1.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