[发明专利]一种数据推荐方法、装置、设备及存储介质

权利要求书

1.一种数据推荐方法，其特征在于，包括：

获取目标业务场景下用户的画像信息，所述画像信息包括用户画像和内容画像；

从所述画像信息中提取特征信息，所述特征信息包括用户特征和内容特征；

对所述用户特征和所述内容特征进行分类，并对分类后的所述用户特征和所述内容特征进行扩展得到扩展特征集合；

将所述扩展特征集合中的用户特征和内容特征输入训练好的召回模型，得到与所述用户特征和所述内容特征对应的内容候选集，所述内容候选集包括多个候选文本内容；

利用指定排序算法对所述多个候选文本内容进行排序，并按照排序后的顺序将所述多个候选文本内容发送给用户终端。

2.根据权利要求1所述的方法，其特征在于，所述从所述画像信息中提取特征信息，包括：

对所述画像信息进行分词处理，得到所述画像信息对应的词序列；

通过TF-IDF计算所述词序列中每个词的TF-IDF值，并选取最大的TF-IDF值作为所述画像信息的初始特征信息；

将所述词序列输入LSTM-CRF模型中，并通过所述LSTM-CRF模型的分词映射外部特征层对所述词序列进行特征提取，得到令牌表示信息；

通过LSTM-CRF模型的全连接层对所述初始特征信息和所述令牌表示信息进行合并处理，得到合并特征信息；

将所述合并特征信息输入LSTM-CRF模型的CRF层，得到所述画像信息的特征信息。

3.根据权利要求2所述的方法，其特征在于，所述对所述用户特征和所述内容特征进行分类，并对分类后的所述用户特征和所述内容特征进行扩展得到扩展特征集合，包括：

将所述用户特征和内容特征输入预训练的BERT模型中，得到所述用户特征和内容特征的类别信息；

根据所述用户特征和内容特征的类别信息，确定与所述用户特征和内容特征的类别信息对应的同义用户特征和同义内容特征；

确定所述用户特征、所述内容特征、所述同义用户特征和所述同义内容特征组成所述扩展特征集合。

4.根据权利要求3所述的方法，其特征在于，所述将所述扩展特征集合中的用户特征和内容特征输入训练好的召回模型之前，还包括：

将所述扩展特征集合中的各用户特征和内容特征输入预训练的BERT模型，得到所述各用户特征和内容特征的排序分数评估指标；

根据所述各用户特征和内容特征的排序分数评估指标，确定所述排序分数评估指标从大到小的顺序为所述各用户特征和内容特征的排列顺序；

按照所述排列顺序对所述扩展特征集合中的各用户特征和内容特征进行排序。

5.根据权利要求4所述的方法，其特征在于，所述将所述扩展特征集合中的用户特征和内容特征输入训练好的召回模型，得到与所述用户特征和所述内容特征对应的内容候选集，包括：

从排序后的所述扩展特征集合中的用户特征和内容特征中提取对应的用户特征向量和内容特征向量；

将所述用户特征向量和内容特征向量输入训练好的召回模型，得到多个候选文本内容，并根据所述多个候选文本内容确定所述内容候选集。

6.根据权利要求5所述的方法，其特征在于，所述将所述扩展特征集合中的用户特征和内容特征输入训练好的召回模型，得到与所述用户特征和所述内容特征对应的内容候选集之前，还包括：

获取样本集，所述样本集包括多个样本画像信息，所述样本画像信息包括样本用户画像和样本内容画像；

提取所述样本集中与样本用户画像对应的样本用户特征以及与样本内容画像对应的样本内容特征；

将所述样本用户特征和所述样本内容特征输入预设的神经网络模型进行训练，得到所述召回模型。

7.根据权利要求6所述的方法，其特征在于，所述利用指定排序算法对所述多个候选文本内容进行排序，包括：

利用所述指定排序算法对所述内容候选集中的各个候选文本内容进行打分，得到所述各个候选文本内容的分数；

按照所述各个候选文本内容的分数从高到低的顺序，对所述各个候选文本内容进行排序。