[發明專利]一種內容推送優化方法、內容推送優化裝置及電子設備

有效

• 申請號: 201811640987.8
• 申請日: 2018-12-29
• 公開（公告）號: CN111382247B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 熊友軍;熊為星;廖洪濤
• 申請（專利權）人: 深圳市優必選科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;H04M3/527
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 張全文

1.一種內容推送優化方法，其特征在于，包括：

接收用戶輸入的第一問題及所述第一問題的第一類別，其中，所述第一類別下包含多個第二類別，所述第一類別用于表示產品類別，所述第二類別用于表示咨詢方向；

根據所述第一問題的第一類別，確定所采用的目標梯度提升決策樹GBDT模型；

將所述第一問題輸入至所述GBDT模型中，得到所述第一問題與所述第一類別下的各個第二類別相匹配的第一概率；

基于所述第一概率，確定所述第一問題的第二類別；

基于所述第一問題的第二類別，推送與所述第一問題相關的問題和/或回答。

2.如權利要求1所述的內容推送優化方法，其特征在于，所述內容推送優化方法還包括對所述GBDT模型的訓練；

所述對所述GBDT模型的訓練包括：

從待處理的客服問答數據中，提取得到兩個以上的問題；

針對屬于同一第一類別的每一問題，對所述問題進行分詞，并根據所述問題的分詞結果，構建得到所述第一類別下的GBDT訓練數據集，其中，所述GBDT訓練數據集中有兩個以上GBDT訓練數據，所述GBDT訓練數據的特征為所述問題的分詞結果，所述GBDT訓練數據的標簽為所述問題的第二類別；

基于所述GBDT訓練數據集，對與所述GBDT訓練數據集相關聯的第一類別的GBDT模型進行訓練。

3.如權利要求1所述的內容推送優化方法，其特征在于，所述將所述第一問題輸入至所述GBDT模型中，得到所述第一問題與所述第一類別下的各個第二類別相匹配的第一概率，包括：

獲取所述第一類別下的第二類別的數量；

基于所述第一類別下的第二類別的數量，對GBDT模型的輸出結果進行均值化處理；

通過預設的激活函數對均值化處理后的輸出結果進行激活，得到所述第一問題與所述第一類別下的各個第二類別相匹配的第一概率。

4.如權利要求1至3任一項所述的內容推送優化方法，其特征在于，在所述基于所述第一問題的第二類別，推送與所述第一問題相關的問題和/或回答之前，還包括：

將所述第一問題分別與屬于所述第一類別的各個預設的第二問題組成問題組，并將所述問題組輸入至深度檢索匹配分類DRMC模型中，得到各個問題組所對應的第一分類標簽的第二概率；

相應地，所述基于所述第一問題的第二類別，推送與所述第一問題相關的問題和/或回答，包括：

獲取各個問題組中第二問題的第二類別；

根據各個問題組中第二問題的第二類別與所述第一問題的第二類別，調整各個問題組所對應的第一分類標簽的第二概率；

根據調整后的第二概率，推送與所述第一問題相關的問題和/或回答。

5.如權利要求4所述的內容推送優化方法，其特征在于，所述將所述第一問題分別與屬于所述第一類別的各個預設的第二問題組成問題組，并將所述問題組輸入至深度檢索匹配分類DRMC模型中，得到各個問題組所對應的第一分類標簽的第二概率，包括：

將所述第一問題進行分詞處理后，分別與所述第一類別對應的各個預設的第二問題組成問題組；

通過預設的詞向量模型，將各所述問題組中的第一問題及第二問題的詞語轉換為詞向量；

將所述第一問題的各個詞向量分別與所述第二問題的詞向量矩陣點乘，得到所述第一問題的各個詞向量對應的點積結果，其中，所述詞向量矩陣由所述第二問題的詞向量組成；

將得到的各個點積結果輸入至所述DRMC模型中，得到各個問題組所對應的第一分類標簽的第二概率。