[發(fā)明專利]信息推薦方法及裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)、處理器

在審

• 申請(qǐng)?zhí)枺?/td>: 202110668849.6
• 申請(qǐng)日: 2021-06-16
• 公開(kāi)（公告）號(hào): CN113515699A
• 公開(kāi)（公告）日: 2021-10-19
• 發(fā)明（設(shè)計(jì)）人: 劉偉煜;陳靖;琚趙兵;張虎;唐璇
• 申請(qǐng)（專利權(quán)）人: 中國(guó)郵政儲(chǔ)蓄銀行股份有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/9536;G06F16/901;G06F16/906;G06F40/242;G06F40/289;G06N20/00
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 霍文娟

本發(fā)明公開(kāi)了一種信息推薦方法及裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)、處理器。其中，該方法包括：獲取目標(biāo)對(duì)象的主題標(biāo)簽，其中，主題標(biāo)簽從目標(biāo)對(duì)象提交的預(yù)定數(shù)據(jù)流中提取得到；通過(guò)預(yù)定推薦模型，確定與主題標(biāo)簽對(duì)應(yīng)的推薦數(shù)據(jù)，其中，預(yù)定推薦模型為使用多組訓(xùn)練數(shù)據(jù)通過(guò)在線機(jī)器學(xué)習(xí)訓(xùn)練得到的，多組訓(xùn)練數(shù)據(jù)中每組訓(xùn)練數(shù)據(jù)均包括：主題標(biāo)簽與主題標(biāo)簽對(duì)應(yīng)的推薦數(shù)據(jù)，推薦數(shù)據(jù)為推薦給目標(biāo)對(duì)象的推薦對(duì)象的標(biāo)識(shí)信息；將推薦數(shù)據(jù)發(fā)送至目標(biāo)對(duì)象。本發(fā)明解決了相關(guān)技術(shù)中使用的人員推薦方法均基于離線學(xué)習(xí)訓(xùn)練得到的模型，存在滯后性，無(wú)法比較及時(shí)地為用戶提供所需信息的技術(shù)問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理技術(shù)領(lǐng)域，具體而言，涉及一種信息推薦方法及裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)、處理器。

背景技術(shù)

推薦系統(tǒng)根據(jù)用戶的信息需求、行為和興趣，將用戶感興趣的信息和產(chǎn)品推薦給用戶，是互聯(lián)網(wǎng)時(shí)代解決信息過(guò)載的有效方法之一。人員推薦，例如，社交網(wǎng)絡(luò)中好友推薦也是推薦系統(tǒng)的應(yīng)用場(chǎng)景之一。其中相關(guān)技術(shù)中有提出遠(yuǎn)程教育社交網(wǎng)絡(luò)中學(xué)習(xí)伙伴自動(dòng)推薦方法及其系統(tǒng)，其從個(gè)人信息、學(xué)業(yè)信息以及伙伴關(guān)系三個(gè)方面來(lái)綜合評(píng)估人員之間的緊密度，推薦緊密度高的人員作為學(xué)習(xí)伙伴。但是，緊密度計(jì)算中指標(biāo)的選擇和權(quán)重值的分配都是由人工自定義規(guī)則指定，受人為主觀影響大且當(dāng)數(shù)據(jù)源發(fā)生變化時(shí)需要相應(yīng)地人工調(diào)整指標(biāo)和權(quán)重值，人力成本高。此外相關(guān)技術(shù)中也有提出混合博文與用戶關(guān)系的社交媒體好友推薦方法，其使用有監(jiān)督的數(shù)據(jù)降維方法LDA等自然語(yǔ)言處理技術(shù)計(jì)算人員之間的博文相似度，作為伙伴推薦的依據(jù)之一。但是該推薦方法使用的語(yǔ)義上下文信息可解釋性不夠好。

而且，上述人員推薦方法均是采用離線學(xué)習(xí)方法訓(xùn)練模型，先對(duì)完整的數(shù)據(jù)集進(jìn)行訓(xùn)練，接著需要等待模型訓(xùn)練結(jié)束才能進(jìn)行預(yù)測(cè)，無(wú)法增量地更新模型以實(shí)現(xiàn)邊訓(xùn)練邊預(yù)測(cè)，預(yù)測(cè)得到的推薦結(jié)果存在滯后性，不能滿足人員實(shí)時(shí)推薦的要求。例如，當(dāng)員工數(shù)量達(dá)到一定數(shù)量級(jí)時(shí)，可能存在員工A提交了技術(shù)問(wèn)題的求助帖的同時(shí)就有另一位員工B恰好提交了關(guān)于這個(gè)問(wèn)題的經(jīng)驗(yàn)總結(jié)即解答記錄，現(xiàn)有人員推薦方法中的離線學(xué)習(xí)會(huì)在日終等某個(gè)固定時(shí)間點(diǎn)針對(duì)全量的語(yǔ)料花費(fèi)數(shù)小時(shí)重新訓(xùn)練模型，雖然最終得到的模型也能正確地將員工B作為工作伙伴推薦給員工A，但是存在滯后性，無(wú)法提供實(shí)時(shí)幫助。其次離線學(xué)習(xí)所使用的數(shù)據(jù)集和最終得到的模型需要全量保存，對(duì)軟硬件資源要求高。

針對(duì)上述相關(guān)技術(shù)中使用的人員推薦方法均基于離線學(xué)習(xí)訓(xùn)練得到的模型，存在滯后性，無(wú)法比較及時(shí)地為用戶提供所需信息的問(wèn)題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種信息推薦方法及裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)、處理器，以至少解決相關(guān)技術(shù)中使用的人員推薦方法均基于離線學(xué)習(xí)訓(xùn)練得到的模型，存在滯后性，無(wú)法比較及時(shí)地為用戶提供所需信息的技術(shù)問(wèn)題。

根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種信息推薦方法，該方法包括：獲取目標(biāo)對(duì)象的主題標(biāo)簽，其中，所述主題標(biāo)簽從所述目標(biāo)對(duì)象提交的預(yù)定數(shù)據(jù)流中提取得到；通過(guò)預(yù)定推薦模型，確定與所述主題標(biāo)簽對(duì)應(yīng)的推薦數(shù)據(jù)，其中，所述預(yù)定推薦模型為使用多組訓(xùn)練數(shù)據(jù)通過(guò)在線機(jī)器學(xué)習(xí)訓(xùn)練得到的，所述多組訓(xùn)練數(shù)據(jù)中每組訓(xùn)練數(shù)據(jù)均包括：主題標(biāo)簽與所述主題標(biāo)簽對(duì)應(yīng)的推薦數(shù)據(jù)，所述推薦數(shù)據(jù)為推薦給所述目標(biāo)對(duì)象的推薦對(duì)象的標(biāo)識(shí)信息；將所述推薦數(shù)據(jù)發(fā)送至所述目標(biāo)對(duì)象。

可選地，獲取目標(biāo)對(duì)象的主題標(biāo)簽，所述方法還包括：獲取所述目標(biāo)對(duì)象提交的所述預(yù)定數(shù)據(jù)流；確定所述預(yù)定數(shù)據(jù)流中的關(guān)鍵詞序列；確定關(guān)鍵詞序列中每一個(gè)關(guān)鍵詞的內(nèi)容標(biāo)簽，得到多個(gè)內(nèi)容標(biāo)簽；確定所述多個(gè)內(nèi)容標(biāo)簽中權(quán)重大于預(yù)定閾值的部分內(nèi)容標(biāo)簽為所述主題標(biāo)簽。

可選地，在獲取所述目標(biāo)對(duì)象提交的所述預(yù)定數(shù)據(jù)流之后，所述方法還包括：為所述預(yù)定數(shù)據(jù)流中的每條預(yù)定數(shù)據(jù)添加時(shí)間戳。