[发明专利]信息推荐方法、装置及设备

权利要求书

1.一种信息推荐方法，其特征在于，所述方法包括：

获取待阅读文档；

对所述待阅读文档进行文本识别，得到待阅读文本；

对所述待阅读文本进行命名实体识别，确定所述待阅读文本中知识点；

根据用户的长期偏好与短期偏好，确定所述待阅读文档中待推荐的知识点列表，并在所述待阅读文档中对所述知识点列表进行标注和展示；

响应于用户在所述待阅读文档中目标知识点的所在位置触发的事件，向所述用户推荐与所述目标知识点列表匹配的学习内容。

2.根据权利要求1所述的信息推荐方法，其特征在于，所述对所述待阅读文档进行文本识别，得到待阅读文本，包括：

基于FPN算法，对所述待阅读文档进行特征图处理，得到概率图；

将所述概率图进行可微分二值化，得到二值图；

在所述二值图上寻找连通区域，得到文本框数据集合，所述文本框数据集合包括多个文本框的位置信息；

识别所述多个文本框内的文本信息，得到所述待阅读文本。

3.根据权利要求1所述的信息推荐方法，其特征在于，所述对所述待阅读文本进行命名实体识别，确定所述待阅读文本中的知识点，包括：

将所述待阅读文本转换为满足预设条件的token序列；

基于SPAN-BERT模型，对所述token序列进行层级计算处理，得到编码后的上下文表示；

基于指针网络，对所述上下文表示进行处理，预测得到所述知识点的位置，确定所述待阅读文本中的知识点。

4.根据权利要求3所述的信息推荐方法，其特征在于，所述指针网络包括第一分类器和第二分类器；所述基于指针网络，根据所述上下文表示，预测得到所述知识点的位置，包括：

通过所述第一分类器，根据所述上下文表示得到所述知识点的开始位置候选集及对应的概率；

通过所述第二分类器，根据所述上下文表示得到所述知识点的结束位置候选集以及对应的概率；

基于最大似然函数，根据所述的开始位置的概率和所述结束位置的概率，确定所述知识点的位置。

5.根据权利要求3所述的信息推荐方法，其特征在于，所述信息推荐方法还包括：

基于span模型和二分类模型，构建实体二分类模型；

对预设的实体正样本对数据进行增强处理，得到实体负样本；

根据所述实体正样本和所述实体负样本训练所述实体二分类模型，得到训练完成的实体二分类模型；

通过所述训练完成的实体二分类模型，根据所述知识点的位置，确定所述知识点的置信度；

根据所述知识点的置信度，确定所述待阅读文档中的知识点。

6.根据权利要求1所述的信息推荐方法，其特征在于，所述响应于用户在所述知识点的所在位置触发的事件，根据所述用户的长期偏好与短期偏好，确定待推荐的知识点列表，包括：

构建推荐模型，所述推荐模型包括嵌入层、注意力层、LSTM网络和融合层；

将所述用户历史触发的知识点序列作为长期序列，将所述用户最近触发的知识点序列作为短期序列；

通过所述嵌入层，将所述长期序列以及对应的知识点的特征信息和所述短期序列以及对应的知识点的特征信息编码转换为低维稠密向量；

通过所述注意力层，根据所述长期序列对应的低维稠密向量，得到对应的各个知识点对所述用户的权重，将所述权重与所述长期序列以及对应的知识点的特征信息构成的向量相乘后累加得到所述用户的长期偏好；

通过所述LSTM网络，根据所述短期序列对应的低维稠密向量，得到所述用户的短期偏好；

通过所述融合层，将所述用户的长期偏好和短期偏好进行加权融合得到所述用户的最终偏好，并根据所述最终偏好确定所述用户对于各个知识点的下一次阅读概率，并根据所述阅读概率由高到低生成所述知识点列表。

7.根据权利要求6所述的信息推荐方法，其特征在于，所述知识点的特征信息包括所述知识点的文本识别置信度、实体识别置信度、字体大小、所述知识点的所在位置、包含所述知识点的文档的数量以及所述知识点的类型。