[发明专利]一种数据推荐方法、装置、设备及存储介质

说明书

本发明实施例涉及人工智能领域，公开了一种数据推荐方法、装置、设备及存储介质，该方法包括：获取目标业务场景下用户的画像信息，画像信息包括用户画像和内容画像；从画像信息中提取特征信息，特征信息包括用户特征和内容特征；对用户特征和内容特征进行分类，对分类后的用户特征和内容特征进行扩展得到扩展特征集合；将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，得到内容候选集，内容候选集包括多个候选文本内容；利用指定排序算法对多个候选文本内容进行排序，并按照排序后的顺序将多个候选文本内容发送给用户终端，提高了数据推荐的效率和准确率。本发明涉及区块链技术，如可将画像信息写入区块链中，以用于数据取证等场景。

技术领域

本发明涉及人工智能领域，尤其涉及一种数据推荐方法、装置、设备及存储介质。

背景技术

推荐系统是根据用户的信息需求、兴趣等，将用户感兴趣的信息推荐给用户，目前，主流的推荐系统通常包括索引阶段、召回阶段和排序阶段，其中，召回阶段主要是通过在有限的响应时间内直接从索引阶段得到的内容候选集中选择内容，并将选择的内容发送至排序阶段。然而，这种方式受到巨大候选集和实时性的要求，以及复杂性的限制，推荐处理逻辑难以达到较好的推荐效果。

发明内容

本发明实施例提供了一种数据推荐方法、装置、设备及存储介质，有助于提高得到与用户特征和内容特征对应的内容候选集的效率和准确率，从而提高数据推荐的效率和准确率。

第一方面，本发明实施例提供了一种数据推荐方法，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。

进一步地，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。

进一步地，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。

进一步地，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：