[发明专利]基于人工智能的信息推荐方法、装置、设备及存储介质

权利要求书

1.一种基于人工智能的信息推荐方法，其特征在于，包括：

当接收到个人门户网站的登录请求时，解析所述登录请求，得到用户的标识信息；

根据所述标识信息，在数据库中查找与所述标识信息对应的个人信息及用户行为数据；

根据所述个人信息及所述用户行为数据，查找对应的互联网热点信息，通过关键词匹配的方式从所述互联网热点信息中抽取出话题信息；

通过预先训练的信息推荐模型对所述话题信息与所述个人门户网站中的资源数据进行分析，得到所述话题信息与各资源数据之间的关联度；

根据所述话题信息与各资源数据之间的关联度，确定推荐信息，并将所述推荐信息推荐给所述用户。

2.如权利要求1所述的方法，其特征在于，所述当接收到个人门户网站的登录请求时，解析所述登录请求，得到用户的标识信息，包括：

根据所述标识信息，获取所述标识信息对应的标识属性；

根据预设的转换规则对所述标识属性进行转换，得到所述标识属性对应的地址标识码；

根据所述地址标识码，确定所述用户的用户来源。

3.如权利要求1所述的方法，其特征在于，所述根据所述个人信息及所述用户行为数据，查找对应的互联网热点信息，通过关键词匹配的方式从所述互联网热点信息中抽取出话题信息，包括：

根据网站权重在搜索引擎中获取排名靠前的网络信息，将所述网络信息确定为所述互联网热点信息；

通过预先训练的文章分类模型对所述互联网热点信息进行分类，得到各所述互联网热点信息所属的热点类别；

通过关键词匹配的方式从所述互联网热点信息中抽取出话题信息，并生成所述热点类别与所述话题信息的对应关系。

4.如权利要求1所述的方法，其特征在于，所述通过预先训练的信息推荐模型对所述话题信息与所述个人门户网站中的资源数据进行分析，得到所述话题信息与各资源数据之间的关联度，包括：

通过所述预先训练的信息推荐模型，提取各所述资源数据对应的关键词；

对各所述关键字进行向量化处理，得到每个所述资源数据对应的表征向量。

5.如权利要求4所述的方法，其特征在于，所述通过预先训练的信息推荐模型对所述话题信息与所述个人门户网站中的资源数据进行分析，得到所述话题信息与各资源数据之间的关联度，还包括：

计算所述话题信息与各所述表征向量之间的欧式距离；

根据所述话题信息与各所述表征向量之间的欧式距离，确定所述话题信息与各所述表征向量之间的关联度。

6.如权利要求1所述的方法，其特征在于，所述用户行为数据包括：所述用户对应的关注信息、输入记录信息、收藏信息、浏览信息；所述个人信息包括所述用户的姓名、年龄、账号信息以及爱好信息。

7.如权利要求1至5任一项所述的方法，其特征在于，通过预先训练的信息推荐模型对所述话题信息与所述个人门户网站中的资源数据进行分析，得到所述话题信息与各资源数据之间的关联度之前，包括：

基于机器学习对样本数据进行学习，并根据机器学习的学习结果实时调整训练中的信息推荐模型的参数；

当检测到训练中的信息推荐模型对应的损失函数收敛时，得到预先训练的信息推荐模型。

8.一种基于人工智能的信息推荐装置，其特征在于，包括：

获取模块，用于当接收到个人门户网站的登录请求时，解析所述登录请求，得到用户的标识信息；

查找模块，用于根据所述标识信息，在数据库中查找与所述标识信息对应的个人信息及用户行为数据；

抽取模块，用于根据所述个人信息及所述用户行为数据，查找对应的互联网热点信息，通过关键词匹配的方式从所述互联网热点信息中抽取出话题信息；

分析模块，用于通过预先训练的信息推荐模型对所述话题信息与所述个人门户网站中的资源数据进行分析，得到所述话题信息与各资源数据之间的关联度；

推荐模块，用于根据所述话题信息与各资源数据之间的关联度，确定推荐信息，并将所述推荐信息推荐给所述用户。