[发明专利]候选问题的推荐方法、装置、计算机设备及存储介质

说明书

本发明公开了一种候选问题的推荐方法，应用于人工智能技术领域，用于解决目前的问题推荐方法对推荐的用户不具有针对性的技术问题。本发明提供的方法包括：将获取的第一预设类别的用户信息转换为特征并进行拼接得到用户特征；从转换的特征中选取至少两个第二类别的用户信息相对应的特征进行拼接，得到组合特征；将数据库中的候选问题转换为句向量；将组合特征向量输入至问题推荐模型的线性层得到第一中间特征向量；将用户特征和句向量输入至问题推荐模型中的注意力机制层得到第二中间特征向量；将第一中间特征向量与第二中间特征向量进行拼接得到拼接向量；通过该问题推荐模型预测该用户与该候选问题是否匹配；将匹配成功的候选问题推荐给用户。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种候选问题的推荐方法、装置、计算机设备及存储介质。

背景技术

目前的会话推荐系统是通过交互式的会话分析，通过会话文本解析，预测用户侧的实时意图，并根据解析到的用户意图为用户推荐合适的商品，该商品例如电影、服饰等，其输入特征由用户侧和商品侧组成。

随着用户的需求多样化发展，在实际场景特别是在特定的业务场景中，影响用户最终决策或者感兴趣的内容的原因往往十分复杂，不再是简单的会话分析，还包括用户的性别、年龄、场景等等。例如同一用户在讲解素材和讲解目录的场景下，所需要推荐的候选问题是不同的，不同年龄段和不同性别对同一场景(例如讲解素材)下所关心的问题也是不同的，如果直接将传统方案中仅通过文本解析得到的候选结果推荐给用户，并不能准确预测用户真正想要表达的问题或者用户真正关心的问题。

现亟待提出一种能够结合与用户相关的各方面因素，准确预测用户真正关心的问题并进行问题推荐的方法，以实现候选问题的高质量推荐。

发明内容

本发明实施例提供一种候选问题的推荐方法、装置、计算机设备及存储介质，以解决目前的问题推荐方法对推荐的用户不具有针对性、推荐质量低的技术问题。

一种候选问题的推荐方法，该方法包括：

获取与用户相关的多个第一预设类别的用户信息；

将各该第一预设类别的用户信息转换为对应的特征，并对转换得到各该特征进行拼接，得到用户特征；

从转换的该特征中选取与预设的至少两个第二类别的用户信息相对应的特征进行拼接，得到组合特征；

从数据库中获取候选问题，并通过预先训练好的孪生Albert网络将该候选问题转换为句向量；

将该组合特征向量输入至预先训练好的问题推荐模型中的线性层，得到第一中间特征向量；

将该用户特征和该句向量输入至预先训练好的问题推荐模型中的注意力机制层，得到第二中间特征向量；

将该第一中间特征向量与该第二中间特征向量进行拼接，得到拼接向量；

通过该问题推荐模型的激活函数对该拼接向量进行映射，得到该用户与该候选问题是否匹配的预测结果；

当该预测结果为匹配时，将匹配的该候选问题推荐给用户。

一种候选问题的推荐装置，该装置包括：

信息获取模块，用于获取与用户相关的多个第一预设类别的用户信息；

第一拼接模块，用于将各该第一预设类别的用户信息转换为对应的特征，并对转换得到各该特征进行拼接，得到用户特征；

第二拼接模块，用于从转换的该特征中选取与预设的至少两个第二类别的用户信息相对应的特征进行拼接，得到组合特征；

句向量转换模块，用于从数据库中获取候选问题，并通过预先训练好的孪生Albert网络将该候选问题转换为句向量；