[發明專利]知識推薦方法、裝置、計算機設備及可讀存儲介質

有效

• 申請號: 202011473041.4
• 申請日: 2020-12-15
• 公開（公告）號: CN112528010B
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 李若;尹泓欽;王豪;邵小亮;謝隆飛
• 申請（專利權）人: 建信金融科技有限責任公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/33;G06F40/289;G06N3/04;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 賈磊;李輝

本發明實施例提供了一種知識推薦方法、裝置、計算機設備及可讀存儲介質，其中，該方法包括：接收檢索問題的知識文本；將知識文本輸入知識推薦模型，知識推薦模型輸出多個知識以及每個知識對應的概率，知識推薦模型學習樣本中知識之間的關系特征和使用軌跡特征；根據概率大小從輸出的多個知識中推薦知識。該方案無論用戶是否為首次使用都可以向用戶推薦知識；可以基于當前檢索的知識文本預測出用戶后續下一步可能需要檢索的知識，可以解決檢索中不連續、跳躍性問題的知識推薦問題；不需要人工標注，知識推薦模型的好壞也是可以具有可量化性的，上述知識推薦方法有利于提高推薦的準確性，對于不同的知識庫系統相對具有很好的推廣和快速啟動性。

技術領域

本發明涉及信息推薦技術領域，特別涉及一種知識推薦方法、裝置、計算機設備及可讀存儲介質。

背景技術

在推薦系統中，目前大多數采用協同過濾的思想，一方面基于知識內容一方面基于用戶行為習慣。在大多數使用的知識庫系統的場景中，用戶還是簡單的使用搜索框搜索關鍵詞來尋找答案，經常需要多次搜索，不斷改變關鍵字，串聯搜索結果拼接出想要的答案。比如用戶想問：公積金銀行卡丟了怎么辦。一般搜索結果：會提示先掛失和補辦需要帶的材料。接著用戶還會問補辦的公積金卡需要去公積金中心激活么，然后再次搜索。接著用戶還會搜附近的公積金中心，激活公積金需要的材料，公積金中心的上班時間等一系列問題。這么一輪下來，需要搜索3-5次中間還有不同情況的分支問題。基于傳統的推薦系統，在用戶的搜索的第一個問題的時候就會推薦其他卡掛失方法，相關金融術語等。

目前，知識庫系統推薦知識大多數是根據用戶的行為習慣進行推薦，比如收藏、點贊、評論等行為。例如，現有技術提供了一種基于知識庫的推薦方法、系統及裝置，包括讀取用戶的資訊閱讀記錄；根據資訊閱讀記錄，獲取資訊閱讀記錄中資訊的標簽，得到待分析標簽；根據待分析標簽，分析生成推薦列表。該方法通過實時分析用戶的資訊閱讀記錄，并在知識庫和百科平臺搜索庫中進行分析，得到詞與詞之間的關系鏈，從而在資訊推薦過程中能夠更好的處理優先級、相關性的問題，有效提高推薦的準確率，可廣泛應用于資訊推薦應用中。即基于用戶的使用習慣，提取知識標簽，通過分類標簽進行推薦。

但是，該方法存在以下缺陷：首先，在用戶初次使用知識庫的時候，知識庫系統沒有用戶行為數據，沒法提取到用戶的特征去預測和推理以及推薦。其次，該方法推薦系統是根據知識的相關性進行推薦，在詞、句子、文本層面、甚至在知識層面挖掘知識的內在聯系，建立網絡進行預測和推薦，這樣的方式適合資訊推薦并不適合尋求答案式搜索，因為其解決不了用戶遇到的不連續、跳躍性的問題。

現有技術中大多數推薦系統需要人工標準數據，比如，建立知識標簽、知識圖譜等。例如，現有技術提供了一種基于深度知識感知的信息推薦方法和系統，該方法包括：獲取用戶歷史點擊信息的實體集；對歷史點擊信息的實體集中的每一個實體，在預先建立的知識圖譜中查找與其具有知識關聯的實體，獲取實體向量集；對實體向量集中的每一個實體，在知識圖譜中查找與其對應的特征詞，獲取詞向量集；對詞向量集和歷史點擊信息的預設特征進行特征提取，獲取歷史信息特征集；根據歷史信息特征集推薦一條以上候選推薦信息；計算用戶對于每一條候選推薦信息的點擊概率；將點擊概率按照從大到小排序，生成信息推薦列表。該方法需要預先建立知識圖譜，并且該方法對于知識是基于知識圖譜的特征提取，特征提取好壞完全取決于建立的知識圖譜，知識圖譜的好壞不好量化，進而無法確保知識推薦的準確性。

發明內容

本發明實施例提供了一種知識推薦方法，以解決現有技術中知識推薦存在的無法實現用戶首次使用時的知識推薦、推薦不準確、無法解決不連續或跳躍性問題的知識推薦的技術問題。該方法包括：

接收檢索問題的知識文本；

將所述知識文本輸入知識推薦模型，所述知識推薦模型輸出多個知識以及每個知識對應的概率，其中，所述知識推薦模型是以歷史檢索問題的知識文本為樣本訓練神經網絡得到的，所述知識推薦模型學習樣本中知識之間的關系特征和使用軌跡特征，概率表示每個知識被檢索的概率；