[发明专利]基于机器学习的问题推荐方法及装置

权利要求书

1.一种基于机器学习的问题推荐方法，其特征在于，包括：

获取文本问题，根据所述文本问题生成当前词向量；

将所述当前词向量输入基于历史词向量创建的问题推荐模型中，得到各推荐单词和各推荐单词的推荐概率；

根据预设语法结构、各推荐单词和各推荐单词的推荐概率确定问题推荐文本。

2.根据权利要求1所述的基于机器学习的问题推荐方法，其特征在于，根据预设语法结构、各推荐单词和各推荐单词的推荐概率确定问题推荐文本包括：

根据预设语法结构和各推荐单词合成待推荐文本；

根据各推荐单词的推荐概率确定待推荐文本的推荐概率；

根据所述待推荐文本的推荐概率从待推荐文本中选择问题推荐文本。

3.根据权利要求1所述的基于机器学习的问题推荐方法，其特征在于，基于历史词向量创建问题推荐模型包括：

确定历史问题中历史词向量的各特征；

执行如下迭代处理：

根据历史问题中历史词向量的各特征和各特征的特征权重确定训练集中各历史词向量的推荐概率；

根据训练集中各历史词向量的推荐概率与对应的各实际词向量确定损失函数；

当所述损失函数小于或等于预设损失函数阈值时，根据各特征的特征权重创建所述问题推荐模型，否则根据所述损失函数更新各特征的特征权重，继续执行所述迭代处理。

4.根据权利要求3所述的基于机器学习的问题推荐方法，其特征在于，所述特征包括：训练集概率特征、用户咨询概率特征、业务咨询概率特征、业务阶段概率特征和关联特征；

确定历史问题中历史词向量的各特征包括：

确定各历史词向量在所述训练集的出现概率为各历史词向量的训练集概率特征；

确定各历史词向量在各用户咨询历史的出现概率为各历史词向量的用户咨询概率特征；

确定各历史词向量在各业务咨询历史的出现概率为各历史词向量的业务咨询概率特征；

确定各历史词向量在各业务阶段的出现概率为各历史词向量的业务阶段概率特征；

根据各历史词向量之间的共现概率和顺序标记确定各历史词向量的关联特征。

5.一种基于机器学习的问题推荐装置，其特征在于，包括：

词向量生成模块，用于获取文本问题，根据所述文本问题生成当前词向量；

推荐单词概率模块，用于将所述当前词向量输入基于历史词向量创建的问题推荐模型中，得到各推荐单词和各推荐单词的推荐概率；

问题推荐文本模块，用于根据预设语法结构、各推荐单词和各推荐单词的推荐概率确定问题推荐文本。

6.根据权利要求5所述的基于机器学习的问题推荐装置，其特征在于，问题推荐文本模块包括：

待推荐文本合成单元，用于根据预设语法结构和各推荐单词合成待推荐文本；

文本推荐概率单元，用于根据各推荐单词的推荐概率确定待推荐文本的推荐概率；

问题推荐文本单元，用于根据所述待推荐文本的推荐概率从待推荐文本中选择问题推荐文本。

7.根据权利要求5所述的基于机器学习的问题推荐装置，其特征在于，还包括：

特征确定模块，用于确定历史问题中历史词向量的各特征；

问题推荐模型创建模块，用于执行如下迭代处理：

根据历史问题中历史词向量的各特征和各特征的特征权重确定训练集中各历史词向量的推荐概率；

根据训练集中各历史词向量的推荐概率与对应的各实际词向量确定损失函数；

当所述损失函数小于或等于预设损失函数阈值时，根据各特征的特征权重创建所述问题推荐模型，否则根据所述损失函数更新各特征的特征权重，继续执行所述迭代处理。