[發(fā)明專利]推薦理由生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010619641.0
• 申請(qǐng)日: 2020-07-01
• 公開(kāi)（公告）號(hào): CN112308650B
• 公開(kāi)（公告）日: 2022-09-30
• 發(fā)明（設(shè)計(jì)）人: 張海楠;陳宏申;丁卓冶;包勇軍;顏偉鵬
• 申請(qǐng)（專利權(quán)）人: 北京沃東天駿信息技術(shù)有限公司;北京京東世紀(jì)貿(mào)易有限公司
• 主分類號(hào): G06Q30/06
• 分類號(hào): G06Q30/06;G06N3/08;G06N3/04
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 朱穎;臧建明

1.一種推薦理由生成方法，其特征在于，包括：

獲取待推薦對(duì)象的內(nèi)容信息；

根據(jù)預(yù)先訓(xùn)練好的推薦理由生成模型和所述內(nèi)容信息，生成所述待推薦對(duì)象的推薦理由，所述推薦理由生成模型使用的訓(xùn)練數(shù)據(jù)包括多個(gè)對(duì)象的問(wèn)答數(shù)據(jù)和內(nèi)容信息；

其中，所述推薦理由生成模型是通過(guò)訓(xùn)練初始模型得到的；

所述初始模型，包括：

先驗(yàn)網(wǎng)絡(luò)模塊，用于根據(jù)內(nèi)容信息向量，獲得第一推薦理由；

后驗(yàn)網(wǎng)絡(luò)模塊，用于根據(jù)內(nèi)容信息向量和問(wèn)答數(shù)據(jù)向量，獲得第二推薦理由；

解碼模塊，用于根據(jù)第一推薦理由、第二推薦理由和目標(biāo)推薦理由，獲得預(yù)測(cè)推薦理由。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)預(yù)先訓(xùn)練好的推薦理由生成模型和所述內(nèi)容信息，生成所述待推薦對(duì)象的推薦理由，包括：

采用預(yù)設(shè)編碼器對(duì)所述內(nèi)容信息進(jìn)行編碼處理，得到內(nèi)容信息向量；

根據(jù)預(yù)先訓(xùn)練好的推薦理由生成模型和所述內(nèi)容信息向量，生成所述待推薦對(duì)象的推薦理由。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述內(nèi)容信息包括標(biāo)題和屬性，所述采用預(yù)設(shè)編碼器對(duì)所述內(nèi)容信息進(jìn)行編碼處理，得到內(nèi)容信息向量，包括：

分別采用所述預(yù)設(shè)編碼器對(duì)所述標(biāo)題和所述屬性進(jìn)行編碼處理，得到標(biāo)題向量和屬性向量；

根據(jù)所述標(biāo)題向量和所述屬性向量及預(yù)設(shè)權(quán)重，得到所述內(nèi)容信息向量。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述預(yù)設(shè)編碼器，包括以下編碼器中的至少一種：

雙向長(zhǎng)短期記憶網(wǎng)絡(luò)LSTM編碼器、單向LSTM編碼器、Transformer模型。

5.根據(jù)權(quán)利要求1至4中任一項(xiàng)所述的方法，其特征在于，所述根據(jù)預(yù)先訓(xùn)練好的推薦理由生成模型和所述內(nèi)容信息，生成所述待推薦對(duì)象的推薦理由之前，還包括：

獲取所述訓(xùn)練數(shù)據(jù)；

基于所述訓(xùn)練數(shù)據(jù)和所述多個(gè)對(duì)象對(duì)應(yīng)的目標(biāo)推薦理由，訓(xùn)練初始模型得到所述推薦理由生成模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述獲取所述訓(xùn)練數(shù)據(jù)，包括：

獲取所述多個(gè)對(duì)象的內(nèi)容信息；

獲取所述多個(gè)對(duì)象的問(wèn)答數(shù)據(jù)；

對(duì)問(wèn)答數(shù)據(jù)和內(nèi)容信息進(jìn)行過(guò)濾處理，獲得有效數(shù)據(jù)；

相應(yīng)地，所述基于所述訓(xùn)練數(shù)據(jù)和所述多個(gè)對(duì)象對(duì)應(yīng)的目標(biāo)推薦理由，訓(xùn)練初始模型得到所述推薦理由生成模型，包括：

基于所述多個(gè)對(duì)象的內(nèi)容信息、所述有效數(shù)據(jù)和所述多個(gè)對(duì)象對(duì)應(yīng)的目標(biāo)推薦理由，訓(xùn)練初始模型得到所述推薦理由生成模型。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述初始模型，還包括：

損失函數(shù)計(jì)算模塊，用于以下至少一種用途：

根據(jù)問(wèn)答數(shù)據(jù)向量和目標(biāo)推薦理由，獲得第一損失函數(shù)，所述第一損失函數(shù)用于指示調(diào)整所述解碼模塊中相關(guān)參數(shù)；

根據(jù)預(yù)測(cè)推薦理由和目標(biāo)推薦理由，獲得第二損失函數(shù)，所述第二損失函數(shù)用于指示調(diào)整所述解碼模塊中相關(guān)參數(shù)；

根據(jù)第一推薦理由和第二推薦理由，獲得第三損失函數(shù)，所述第三損失函數(shù)用于指示調(diào)整所述先驗(yàn)網(wǎng)絡(luò)模塊中相關(guān)參數(shù)和/或所述后驗(yàn)網(wǎng)絡(luò)模塊中相關(guān)參數(shù)。

8.一種推薦理由生成裝置，其特征在于，包括：

獲取模塊，用于獲取待推薦對(duì)象的內(nèi)容信息；

處理模塊，用于根據(jù)預(yù)先訓(xùn)練好的推薦理由生成模型和所述內(nèi)容信息，生成所述待推薦對(duì)象的推薦理由，所述推薦理由生成模型使用的訓(xùn)練數(shù)據(jù)包括多個(gè)對(duì)象的問(wèn)答數(shù)據(jù)和內(nèi)容信息；

其中，所述推薦理由生成模型是通過(guò)訓(xùn)練初始模型得到的；

所述初始模型，包括：

先驗(yàn)網(wǎng)絡(luò)模塊，用于根據(jù)內(nèi)容信息向量，獲得第一推薦理由；

后驗(yàn)網(wǎng)絡(luò)模塊，用于根據(jù)內(nèi)容信息向量和問(wèn)答數(shù)據(jù)向量，獲得第二推薦理由；

解碼模塊，用于根據(jù)第一推薦理由、第二推薦理由和目標(biāo)推薦理由，獲得預(yù)測(cè)推薦理由。