[發明專利]用于推薦文章的方法、設備和電子設備

有效

• 申請號: 201710828184.4
• 申請日: 2017-09-14
• 公開（公告）號: CN107562925B
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 康昭委
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/279
• 代理公司: 北京博雅睿泉專利代理事務所(特殊普通合伙) 11442
• 代理人: 楊國權;馬佑平

1.一種用于推薦文章的方法，包括：

獲取與多個對象對應的多個文章的特征詞；

基于所述特征詞訓練神經網絡，以得到所述特征詞對應的特征向量和經訓練的神經網絡，其中，所述特征向量是基于神經網絡的分布式表示的特征向量；

獲取對象特征詞，其中，所述對象特征詞是對象文章的特征詞，所述對象文章是與要向其推薦文章的對象相關的文章；

獲取所述對象特征詞對應的特征向量作為輸入特征向量；

將所述輸入特征向量輸入所述神經網絡以得到輸出向量；

獲取與所述輸出向量最接近的至少一個特征向量作為推薦特征向量；以及

輸出與所述推薦特征向量對應的文章做推薦文章。

2.根據權利要求1所述的方法，其中，所述文章是小說，所述對象是用戶，與所述多個對象對應的多個文章包括用戶的閱讀歷史中的文章，以及所述特征詞包括小說的作者和名稱中的至少一個。

3.根據權利要求2所述的方法，其中，所述多個文章被劃分為多個組，每組文章與一個用戶的閱讀歷史對應，以及在訓練神經網絡時將每組文章的特征詞對應的特征向量拼接在一起作為訓練輸入向量。

4.根據權利要求1所述的方法，其中，所述神經網絡是深度神經網絡。

5.根據權利要求1所述的方法，其中，所述神經網絡是Word2Vec神經網絡，以及所述分布式表示的特征向量是基于所述特征詞利用Word2Vec神經網絡得到的特征向量。

6.根據權利要求5所述的方法，其中，獲取與所述輸出向量最接近的至少一個特征向量作為推薦特征向量還包括：

獲取多個特征向量與所述輸出向量之間的余弦距離；以及

選擇余弦距離最接近的至少一個特征向量作為所述推薦特征向量。

7.根據權利要求1所述的方法，其中，獲取所述對象特征詞對應的特征向量作為輸入特征向量包括：

獲取用戶喜歡的文章的對象特征詞對應的特征向量作為正特征向量；

獲取用戶不喜歡的文章的對象特征詞對應的特征向量作為負特征向量；以及

將正特征向量之和減去負特征向量之和作為所述輸入特征向量。

8.根據權利要求1所述的方法，其中，基于余弦距離、歐式距離和杰卡德距離中的至少一個來確定與所述輸出向量最接近的至少一個特征向量。

9.一種用于推薦文章的設備，包括：

用于獲取與多個對象對應的多個文章的特征詞的裝置；

用于基于所述特征詞訓練神經網絡以得到所述特征詞對應的特征向量和經訓練的神經網絡的裝置，其中，所述特征向量是基于神經網絡的分布式表示的特征向量；

用于獲取對象特征詞的裝置，其中，所述對象特征詞是對象文章的特征詞，所述對象文章是與要向其推薦文章的對象相關的文章；

用于獲取所述對象特征詞對應的特征向量作為輸入特征向量的裝置；

用于將所述輸入特征向量輸入所述神經網絡以得到輸出向量的裝置；

用于獲取與所述輸出向量最接近的至少一個特征向量作為推薦特征向量的裝置；以及

用于輸出與所述推薦特征向量對應的文章做推薦文章的裝置。

10.一種電子設備，包括存儲器和處理器，其中，所述存儲器用于存儲指令，當所述電子設備運行時，所述指令用于控制所述處理器以執行根據權利要求1-8中的任何一個所述的方法。