[發(fā)明專利]雙向語義特征匹配方法及供給內(nèi)容推薦裝置

在審

• 申請?zhí)枺?/td>: 202010135628.8
• 申請日: 2020-03-02
• 公開（公告）號: CN111368034A
• 公開（公告）日: 2020-07-03
• 發(fā)明（設(shè)計(jì)）人: 劉天弼;馮瑞
• 申請（專利權(quán)）人: 復(fù)旦大學(xué)
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/30;G06K9/62;G06N3/04
• 代理公司: 上海德昭知識產(chǎn)權(quán)代理有限公司 31204
• 代理人: 盧泓宇

本發(fā)明的目的在于實(shí)現(xiàn)考慮到用戶屬性因素且兼顧用戶需求的供給內(nèi)容推薦，具體提供了一種基于深度神經(jīng)網(wǎng)絡(luò)的雙向語義特征匹配方法，包括如下步驟：步驟S1，形成供給信息向量；步驟S2，形成用戶信息向量；步驟S3，提取用戶需求的關(guān)鍵詞以及供給內(nèi)容的關(guān)鍵詞；步驟S4，建立神經(jīng)網(wǎng)絡(luò)模型；步驟S5，進(jìn)行訓(xùn)練得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型作為雙向語義特征匹配模型；步驟S6，根據(jù)用戶新輸入的用戶需求，采用雙向語義特征匹配模型進(jìn)行供給內(nèi)容的匹配。步驟S4包括：將用戶信息向量以及提取出的用戶需求的關(guān)鍵詞融合形成用戶需求矩陣；將供給信息模型以及提取出的供給內(nèi)容的關(guān)鍵詞融合形成供給內(nèi)容矩陣。本發(fā)明還提供了對應(yīng)的供給內(nèi)容推薦裝置。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器學(xué)習(xí)領(lǐng)域，涉及一種神經(jīng)網(wǎng)絡(luò)融合自然語言處理的方法，具體涉及一種基于神經(jīng)網(wǎng)絡(luò)的雙向語義特征匹配方法及供給內(nèi)容推薦裝置。

背景技術(shù)

搜索與推薦技術(shù)在當(dāng)今互聯(lián)網(wǎng)中發(fā)揮著重要作用，因此推薦算法具有非常多的應(yīng)用場景和重要的商業(yè)價值。

推薦算法最早在1992年就已經(jīng)提出來，近年來隨著互聯(lián)網(wǎng)的爆發(fā)，需要處理的數(shù)據(jù)量與日俱增，推薦算法就有了更大的用武之地。概括來說，現(xiàn)有技術(shù)的推薦算法可以分為以下5種：

1)基于內(nèi)容的推薦：這一類一般依賴于自然語言處理(以下簡稱NLP)的一些知識，通過挖掘文本的TF-IDF特征向量，來得到用戶的偏好，進(jìn)而做推薦。這類推薦算法可以找到用戶獨(dú)特的小眾喜好，而且還有較好的解釋性。

2)協(xié)調(diào)過濾推薦：協(xié)調(diào)過濾是推薦算法中目前最主流的種類，具體實(shí)現(xiàn)方式繁多，在工業(yè)界已經(jīng)有了很多廣泛的應(yīng)用。它的優(yōu)點(diǎn)是不需要太多特定領(lǐng)域的知識，可以通過基于統(tǒng)計(jì)的機(jī)器學(xué)習(xí)算法來得到較好的推薦效果。最大的優(yōu)點(diǎn)是工程上容易實(shí)現(xiàn)，可以方便應(yīng)用到產(chǎn)品中。目前，絕大多數(shù)實(shí)際應(yīng)用的推薦算法都是協(xié)同過濾推薦算法。

3)混合推薦：這個類似機(jī)器學(xué)習(xí)中的集成學(xué)習(xí)，基于博才眾長的技術(shù)思想，通過多個推薦算法的結(jié)合來得到一個更好的推薦算法。比如通過建立多個推薦算法的模型，最后用投票法決定最終的推薦結(jié)果。混合推薦理論上不會比單一任何一種推薦算法差，但是使用混合推薦，算法復(fù)雜度就提高了，在實(shí)際應(yīng)用中有使用，但是其應(yīng)用并沒有單一的協(xié)調(diào)過濾推薦算法，比如邏輯回歸之類的二分類推薦算法廣泛。

4)基于規(guī)則的推薦：這類算法常見的比如基于最多用戶點(diǎn)擊，最多用戶瀏覽等，屬于大眾型的推薦方法，由于針對性相對較差，在目前的大數(shù)據(jù)時代并不主流。

5)基于人口統(tǒng)計(jì)信息的推薦：這一類是最簡單的推薦算法，其工作過程是簡單地根據(jù)系統(tǒng)用戶的基本信息發(fā)現(xiàn)用戶的相關(guān)程度，然后進(jìn)行推薦，目前在大型系統(tǒng)中已經(jīng)較少使用。

當(dāng)今的互聯(lián)網(wǎng)市場競爭越發(fā)激烈，吸引用戶、提升產(chǎn)品核心競爭力是互聯(lián)網(wǎng)企業(yè)在市場能夠站穩(wěn)腳跟的重中之重。基于互聯(lián)網(wǎng)的產(chǎn)品項(xiàng)目中，一方面，企業(yè)常常通過各種手段盡可能吸引大量用戶，也就擁有了大量用戶的信息數(shù)據(jù)；另一方面，企業(yè)還需要通過各種營銷手段推進(jìn)商業(yè)行為，推薦算法自然占有極為重要的地位。

然而，上述的推薦算法都難以做到對特定用戶的精準(zhǔn)推薦。現(xiàn)有推薦算法應(yīng)用的實(shí)際場景通常是，用戶獲取信息的過程被動、獲取的信息模糊，甚至答非所問。推薦算法需要尊重用戶個性，而用戶個體具有“千人千面”的特點(diǎn)，現(xiàn)有的推薦算法難以綜合考慮到用戶的背景、職業(yè)、家庭、健康、興趣等因素，難以針對性地對用戶的迫切需要和亟待解決的問題推送最準(zhǔn)確的內(nèi)容或最能解決問題的辦法。

發(fā)明內(nèi)容

為解決上述問題，能夠?qū)崿F(xiàn)考慮到用戶屬性因素且兼顧用戶需求的供給內(nèi)容推薦，本發(fā)明提了一種基于深度神經(jīng)網(wǎng)絡(luò)的雙向語義特征匹配方法及供給內(nèi)容推薦裝置，具體采用了如下技術(shù)方案：

作為一種實(shí)施方式，本發(fā)明提供了一種基于深度神經(jīng)網(wǎng)絡(luò)的雙向語義特征匹配方法，其特征在于，根據(jù)用戶信息以及用戶需求匹配供給內(nèi)容，包括如下步驟：