[发明专利]一种智库知识推荐的方法、装置、设备及介质

权利要求书

1.一种智库知识推荐的方法，包括：

获取目标用户数据，其中，所述目标用户数据包括：目标用户属性和目标用户行为；

根据所述目标用户数据对智库知识进行追踪，得到目标智库知识，其中，所述智库知识包括以下至少之一：文本、视频、声音；

利用个性推荐算法对所述目标智库知识进行处理，得到初始推荐结果，其中，所述初始推荐结果包括多个初始推荐的智库知识；

将所述初始推荐结果输入到训练好的推荐模型中，得到最终的推荐结果，其中，所述最终推荐结果包括多个最终推荐的智库知识。

2.根据权利要求1所述的方法，其中，所述推荐模型通过如下方式训练得到：

获取样本用户数据，其中，所述样本用户数据包括：样本用户属性和样本用户行为；

根据所述样本用户数据对智库知识进行追踪，得到智库知识样本；

利用个性推荐算法对所述智库知识样本进行处理，得到初始推荐结果，其中，所述初始推荐结果包括多个初始推荐的智库知识样本；

将所述样本用户数据和所述初始推荐结果作为样例池中样例，利用分类器对所述样例池中样例进行分类预测，得到有标注的样例，将所述有标注的样例加入到训练集中以构建训练样本集；

利用所述训练样本集对未经训练的推荐模型进行训练，得到训练好的推荐模型。

3.根据权利要求2所述的方法，还包括：

对所述训练好的推荐模型进行评价，获得评价结果。

4.根据权利要求2所述的方法，其中，所述利用个性推荐算法对智库知识样本进行处理，得到初始推荐结果，其中，所述初始推荐结果包括多个初始推荐的智库知识样本包括：

基于热度个性推荐算法对智库知识样本进行处理，得到基于热度初始推荐的智库知识样本；

基于协同过滤个性推荐算法对智库知识样本进行处理，得到基于协同过滤初始推荐的智库知识样本；

基于矩阵分解个性推荐算法对智库知识样本进行处理，得到基于矩阵分解初始推荐的智库知识样本；以及

基于内容个性推荐算法对智库知识样本进行处理，得到基于内容初始推荐的智库知识样本。

5.根据权利要求2所述的方法，其中，构建所述训练样本集包括：

将样例池中样例预测类标的改变率阈值设定为μ；

当相邻两次的分类器对所述样例池中样例的预测类标的改变率大于阈值的情况下，计算所述样例池中每个样例类别不确定性；

对所述样例池中不确定性最大的样例进行标注，得到标注后的样例；

将所述标注后的样例从样例池中剔除，加入到训练样本集中以构建训练样本集；或

当相邻两次的分类器对所述样例池中样例的预测类标的改变率小于阈值的情况下，则完成训练样本集构建。

6.一种智库知识推荐装置，包括：

第一获取模块，用于获取目标用户数据，其中，所述目标用户数据包括：目标用户属性和目标用户行为；

第一追踪模块，用于根据所述目标用户数据对智库知识进行追踪，得到目标智库知识，其中，所述智库知识包括以下至少之一：文本、视频、声音；

第一推荐模块，用于利用个性推荐算法对所述目标智库知识进行处理，得到初始推荐结果，其中，所述初始推荐结果包括多个初始推荐的智库知识；

第二推荐模块，用于将所述初始推荐结果输入到训练好的推荐模型中，得到最终的推荐结果，其中，所述最终推荐结果包括多个最终推荐的智库知识。