[发明专利]问题推荐方法、系统、电子设备和存储介质

权利要求书

1.一种问题推荐方法，其特征在于，包括步骤：

自历史提问数据中，获得多个业务标签及每个业务标签的问题集；

在每个所述业务标签的问题集中，通过相似度计算获得多个关键问题，并根据所述关键问题生成每个所述业务标签的提问标签；

基于各所述业务标签及其提问标签，计算两两用户之间的相似度，根据所述两两用户之间的相似度获得每个用户的关联用户，并根据每个用户的关联用户的历史提问数据生成每个用户的推荐问题集；

其中，所述计算两两用户之间的相似度的步骤包括：自所述历史提问数据中获得两用户之间的相同问题，所述相同问题是相同业务标签下具有至少一相同提问标签的问题；根据该两用户的相同问题的提问次数和所述相同问题的总提问次数，获得该两用户之间的相似度；以及

根据一用户的实时提问数据，向该用户推荐其推荐问题集中的问题。

2.如权利要求1所述的问题推荐方法，其特征在于，所述通过相似度计算获得多个关键问题的步骤包括：

在一所述业务标签的问题集中，计算两两问题之间的相似度，生成所述问题集的相似度矩阵；

根据所述相似度矩阵获得与每个问题的相似度最高的多个问题，形成每个问题的关联问题集；以及

计算各所述关联问题集的相似度之和，筛选相似度之和最大的一组关联问题集，作为所述业务标签的多个关键问题。

3.如权利要求2所述的问题推荐方法，其特征在于，所述计算两两问题之间的相似度的步骤包括：

对所述问题集中的每个问题进行分词，获得每个问题的分词词组；

计算每个问题的分词词组的词向量，并根据每个问题的分词词组的词向量获得每个问题的句向量；以及

根据每个问题的句向量计算两两问题之间的相似度。

4.如权利要求2所述的问题推荐方法，其特征在于，所述根据所述关键问题生成每个所述业务标签的提问标签的步骤包括：

在所述业务标签的多个关键问题中，对每个所述关键问题进行分词，获得每个所述关键问题的分词词组；

计算每个分词词组在所述业务标签的所有分词词组中的概率；以及

筛选概率最高的多个分词词组，作为所述业务标签的多个提问标签。

5.如权利要求1所述的问题推荐方法，其特征在于，当该两用户之间具有一相同问题时，以该两用户对所述相同问题的提问次数在所述相同问题的总提问次数中的概率为该两用户之间的相似度；以及

当该两用户之间具有多个相同问题时，以该两用户对每个所述相同问题的提问次数在每个所述相同问题的总提问次数中的概率之和为该两用户之间的相似度。

6.如权利要求1所述的问题推荐方法，其特征在于，所述根据一用户的实时提问数据，向该用户推荐其推荐问题集中的问题的步骤包括：

判断所述用户的实时提问数据是否有对应的业务标签；

若是则自所述用户的推荐问题集中，选择该业务标签下所述用户未提问过的问题进行推荐；以及

若否则向所述用户推荐其推荐问题集的各业务标签，并根据所述用户选中的业务标签向所述用户推荐该业务标签下未提问过的问题。

7.一种问题推荐系统，其特征在于，包括：

第一标签生成模块，用于自历史提问数据中，获得多个业务标签及每个业务标签的问题集；

第二标签生成模块，用于在每个所述业务标签的问题集中，通过相似度计算获得多个关键问题，并根据所述关键问题生成每个所述业务标签的提问标签；

推荐问题集生成模块，用于基于各所述业务标签及其提问标签，计算两两用户之间的相似度，根据所述两两用户之间的相似度获得每个用户的关联用户，并根据每个用户的关联用户的历史提问数据生成每个用户的推荐问题集；

其中，所述推荐问题集生成模块计算两两用户之间的相似度，包括：自所述历史提问数据中获得两用户之间的相同问题，所述相同问题是相同业务标签下具有至少一相同提问标签的问题；根据该两用户的相同问题的提问次数和所述相同问题的总提问次数，获得该两用户之间的相似度；以及

问题推荐模块，用于根据一用户的实时提问数据，向该用户推荐其推荐问题集中的问题。