[发明专利]模型推荐方法和装置

说明书

本发明公开了一种模型推荐方法和装置，涉及人工智能技术领域。该方法的一具体实施方式包括：确定模型需求信息，所述模型需求信息包括以下至少之一：模型名称、模型分类及模型文本信息；确定所述模型需求信息对应的需求文本向量；针对每个候选模型：确定所述候选模型对应的模型文本向量；确定所述需求文本向量和所述模型文本向量之间的相似值；根据所述相似值，确定所述模型需求信息对应的推荐结果。该实施方式无需根据用户的历史行为进行模型推荐，且具有较好的模型推荐效果。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种模型推荐方法和装置。

背景技术

模型推荐用于根据用户的需求快速从海量的模型库中找到用户偏好的相关模型，使用户可快速复用和借鉴相关模型，以缩短研发周期。传统的模型推荐方法往往需要根据用户的历史行为进行推荐，无法很好地解决冷启动问题。例如，当新用户还未在系统中产生行为，就无法给该用户推荐其想要的模型。

发明内容

有鉴于此，本发明实施例提供一种模型推荐方法和装置，无需根据用户的历史行为进行模型推荐，且具有较好的模型推荐效果。

第一方面，本发明实施例提供了一种模型推荐方法，包括：

确定模型需求信息，所述模型需求信息包括以下至少之一：模型名称、模型分类及模型文本信息；

确定所述模型需求信息对应的需求文本向量；

针对每个候选模型：确定所述候选模型对应的模型文本向量；确定所述需求文本向量和所述模型文本向量之间的相似值；

根据所述相似值，确定所述模型需求信息对应的推荐结果。

可选地，所述确定模型需求信息，包括：

接收模型推荐请求；

根据所述模型推荐请求，确定所述模型需求信息。

可选地，所述确定所述模型需求信息对应的需求文本向量，包括：

生成所述模型需求信息对应的模型需求文本；

根据所述模型需求文本，确定所述模型需求信息对应的需求文本向量。

可选地，所述根据所述模型需求文本，确定所述模型需求信息对应的需求文本向量，包括：

对所述模型需求文本进行预处理，以生成预处理文本；

确定所述预处理文本中各词项的权重；

根据所述词项的权重，生成所述模型需求信息对应的需求文本向量。

可选地，所述对所述模型需求文本进行预处理，以生成预处理文本，包括：

对所述模型需求文本进行分词处理；

对分词处理后的模型需求文本进行停用词过滤处理；

对过滤处理后的模型需求文本进行同义词转换处理，以生成所述预处理文本。

可选地，所述确定所述预处理文本中各词项的权重，包括：

从所述预处理文本中，确定多个目标词项；

利用tf-dif算法，分别确定各所述目标词项的权重。

可选地，所述根据所述词项的权重，生成所述模型需求信息对应的需求文本向量，包括：

根据所述词项的权重，确定所述预测文本的特征词集合，所述特征词集合中包括至少一个特征词项；

获取预设的关键词集合；

根据所述特征词集合及所述关键词集合，生成所述模型需求信息对应的需求文本向量。