[發(fā)明專利]一種相似信息推薦方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810731844.1
• 申請日: 2018-07-05
• 公開（公告）號: CN109241268B
• 公開（公告）日: 2020-08-18
• 發(fā)明（設(shè)計）人: 林芬
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06K9/62
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 賈允;肖丁

1.一種相似信息推薦方法，其特征在于，所述方法包括：

獲取自然對話數(shù)據(jù)集和信息相似度數(shù)據(jù)集；

利用所述自然對話數(shù)據(jù)集訓(xùn)練第一神經(jīng)網(wǎng)絡(luò)模型，得到所述第一神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；

根據(jù)訓(xùn)練好的第一神經(jīng)網(wǎng)絡(luò)模型，對所述信息相似度數(shù)據(jù)集中的相似語句進(jìn)行句向量表示，得到多個第二句向量；

利用所述第二句向量訓(xùn)練第二神經(jīng)網(wǎng)絡(luò)模型，得到所述第二神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；

根據(jù)所述第一神經(jīng)網(wǎng)絡(luò)模型的參數(shù)和所述第二神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，結(jié)合得到相似信息判別模型；

獲取用戶輸入信息；

將所述用戶輸入信息傳入所述相似信息判別模型中，得到與所述用戶輸入信息對應(yīng)的相似信息。

2.根據(jù)權(quán)利要求1所述的相似信息推薦方法，其特征在于，所述利用所述自然對話數(shù)據(jù)集訓(xùn)練第一神經(jīng)網(wǎng)絡(luò)模型，得到所述第一神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，包括：

利用所述自然對話數(shù)據(jù)集中的第一對話流訓(xùn)練第一神經(jīng)網(wǎng)絡(luò)模型，得到所述第一對話流中多個對話語句的第一詞語集合概率；

將所述自然對話數(shù)據(jù)集中的第二對話流作為第一對話流，根據(jù)得到所述第一詞語集合概率的方式，獲得所述第二對話流中多個對話語句的第二詞語集合概率；

依次遍歷所述自然對話數(shù)據(jù)集中其他的對話流，分別得到對應(yīng)的詞語集合概率；

根據(jù)所有的詞語集合概率得到第一目標(biāo)函數(shù)；

對所述第一目標(biāo)函數(shù)進(jìn)行最大化處理，確定出所述第一神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；所述第一神經(jīng)網(wǎng)絡(luò)模型的參數(shù)包括詞向量參數(shù)、編碼層參數(shù)、解碼層參數(shù)。

3.根據(jù)權(quán)利要求2所述的相似信息推薦方法，其特征在于，所述利用所述自然對話數(shù)據(jù)集中的第一對話流訓(xùn)練第一神經(jīng)網(wǎng)絡(luò)模型，得到所述第一對話流中多個對話語句的第一詞語集合概率，包括：

設(shè)定第一數(shù)量p，將所述第一對話流中第p+1個對話語句作為第一目標(biāo)語句；

將所述第一目標(biāo)語句的前k個對話語句和后k個對話語句輸入所述第一神經(jīng)網(wǎng)絡(luò)模型中，k小于等于第一數(shù)量p；

根據(jù)所述前k個對話語句和后k個對話語句，得到所述第一目標(biāo)語句對應(yīng)的第一上下文向量；

根據(jù)所述第一上下文向量對所述第一目標(biāo)語句中的詞語進(jìn)行預(yù)測，得到第一詞語組合概率；

將第p+2個對話語句作為第p+1個對話語句，根據(jù)得到第一詞語組合概率的方式獲得第p+2個對話語句對應(yīng)的第二詞語組合概率；

依次遍歷至倒數(shù)第p-1個語句，得出第p+1個對話語句到倒數(shù)第p-1個對話語句分別對應(yīng)的詞語組合概率；

由第p+1個對話語句到倒數(shù)第p-1個對話語句對應(yīng)的詞語組合概率，得到所述第一詞語集合概率。

4.根據(jù)權(quán)利要求3所述的相似信息推薦方法，其特征在于，所述根據(jù)所述前k個對話語句和后k個對話語句，得到所述第一目標(biāo)語句對應(yīng)的第一上下文向量；包括：

根據(jù)所述第一神經(jīng)網(wǎng)絡(luò)模型的編碼層，對所述前k個對話語句和后k個對話語句進(jìn)行句向量表示，得到2k個第一句向量；

將所述2k個第一句向量進(jìn)行加權(quán)處理，得到所述第一目標(biāo)語句對應(yīng)的第一上下文向量。

5.根據(jù)權(quán)利要求3所述的相似信息推薦方法，其特征在于，所述根據(jù)所述第一上下文向量對所述第一目標(biāo)語句進(jìn)行預(yù)測，得到第一詞語組合概率，包括：

將所述第一目標(biāo)語句的第一詞語輸入所述第一神經(jīng)網(wǎng)絡(luò)模型的解碼層，使所述第一上下文向量對所述第一詞語進(jìn)行預(yù)測，得到所述第一詞語的概率；

將第二詞語作為第一詞語，根據(jù)得到所述第一詞語的概率的方式獲得所述第二詞語的概率；

依次遍歷所述第一目標(biāo)語句中其他詞語的概率，得到所述第一詞語組合概率。