[发明专利]资讯推荐方法及装置

说明书

本申请实施例公开了一种资讯推荐方法及装置，涉及人工智能领域。具体实现方案为：服务器预先利用样本资讯训练分类模型，利用分类模型挖掘事件数据库中事件之间的从属关系得到事件图谱并保存，该事件图谱中的节点为事件，事件之间具有边，则表示该两个事件为从属关系。每次接收到用户通过终端设备发送的推荐请求后，根据用户的历史浏览记录等确定出用户感兴趣的第一事件，基于该第一事件和事件图谱，确定出与第一事件为从属事件的第二事件，并向终端设备发送包含该第二事件的目标资讯。采用该种方案，通过利用事件的特征训练出的分类模型确定两个事件是否为从属事件，实现挖掘事件之间的从属关系的目的，进而实现精准推荐。

技术领域

本申请实施例涉及人工智能技术领域，尤其涉及一种资讯推荐方法及装置。

背景技术

随着移动互联网技术的飞速发展，各大新闻资讯类应用程序(application，APP)也随之迅速发展。如何向用户精准推荐，成为各大APP关注的问题。

通常情况下，一篇新闻资讯主要报道一个事件，而热门事件通常不止一篇新闻资讯，将讲述同一个事件的新闻资讯可以聚簇得到资讯簇事件。不同事件并不是孤立的，而是存在一定的关系。事件之间的关系包括共指关系、从属关系、时序关系以及因果关系。如果某几个事件具有相同的主题，则该几个事件为从属事件，因为他们从属于同一个主题。例如，假设张三和李四为著名演员，事件A为张三与经纪公司甲解约，事件B为李四主动与经纪公司乙解约，该两个事件的主题同为品牌代言，因此该两个事件为从属事件。挖掘事件之间的从属关系，向用户推荐同一个主题的多篇资讯，是实现精准推荐的一部分。

但是，现有的关系挖掘方案主要用于挖掘事件之间的因果关系。挖掘方案为：基于句子内词语级别的关系或篇章内句子级别的关系，挖掘事件之间的因果关系。该挖掘方案中，事件表述为一个短语或动词，若一个句子或一篇篇章内具有两个事件，两个事件之间具有特定的连接词，如“导致”、“因此”等，则认为该两个事件为因果关系。然而，属于同一个主题的两个事件之间可能并不存在连接词，或者，属于同一个主题的两个事件根本就不在同一个篇章(新闻资讯)内。因此，上述用于挖掘因果关系的方案，并不适用于挖掘事件之间的从属关系。

发明内容

本申请实施例提供一种资讯推荐方法及装置，通过利用事件的特征训练出的分类模型确定两个事件是否为从属事件，实现挖掘事件之间的从属关系的目的，进而实现精准推荐。

第一方面，本申请实施例提供一种资讯推荐方法，包括：

接收来自终端设备的推荐请求，所述推荐请求用于请求向用户推荐资讯；利用所述用户感兴趣的第一事件和事件图谱确定第二事件，所述第一事件和所述第二事件具有从属关系，所述事件图谱是预先利用分类模型挖掘事件数据库中不同事件之间的从属关系得到的，所述分类模型为所述服务器预先利用样本事件集包含的事件的特征训练得到的；向所述终端设备发送所述目标资讯，所述目标资讯为包含所述第二事件的资讯。采用该种方案，通过利用事件的特征训练出的分类模型确定两个事件是否为从属事件，实现挖掘事件之间的从属关系的目的，进而实现精准推荐。

一种可行的设计中，从所述样本事件集包含的各事件中提取出特征，所述特征包括下述特征中的至少一个：语义特征、隐式特征、显式特征，其中，所述语义特征用于指示利用事件包含的关键词学习到的特征，所述隐式特征用于指示利用所述事件包含的不同实体的共现次数学习到的知识，所述显式特征用于指示利用所述事件包含的实体和知识图谱学习到的知识，利用所述特征，训练所述分类模型。采用该种方案，实现服务器利用事件的特征训练出分类模型的目的。

一种可行的设计中，所述事件的特征包括语义特征，所述语义特征通过语义向量表示，所述从所述样本事件集包含的各事件中提取出特征，包括：从所述样本事件集包含的每个事件中抽取出多个关键词；利用每个所述事件中的各关键词在所述样本事件集中出现的次数，确定每个所述事件的语义向量。采用该种方案，实现提取出事件的语义特征的目的。