[發明專利]均衡的文本推薦方法

在審

• 申請號: 202110891346.5
• 申請日: 2021-08-04
• 公開（公告）號: CN113590963A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 羅列異;任益斌;程韶曦;王強;吳昭琪
• 申請（專利權）人: 浙江新藍網絡傳媒有限公司;羅列異;黃吉琦;任益斌;金松;張軻;張帆
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/35
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 王貞利

1.一種均衡的文本推薦方法，其特征在于，包含以下具體步驟：

獲取若干均衡的訓練文本；

通過所述訓練文本對搭建好的Bert-embedding分類模型進行預訓練；

將包含若干第一文本的平臺文本數據通過訓練好的所述Bert-embedding分類模型進行分類；

獲取平臺的用戶當前瀏覽的所述第一文本作為對比文本；

提取與所述對比文本處于同一類別的其他若干所述第一文本作為對比文本集合；

計算所述對比文本集合下的所有所述第一文本與所述對比文本的第一相似度；

按照計算得到的所述第一相似度對所述對比文本集合下的所有所述第一文本進行排序；

將排序的前若干件所述第一文本作為推薦文本推薦至用戶。

2.根據權利要求1所述的均衡的文本推薦方法，其特征在于，

所述提取與所述對比文本處于同一類別的其他若干所述第一文本作為對比文本集合的具體方法為：

提取與所述對比文本處于同一類別的其他若干所述第一文本；

計算與所述對比文本處于同一類別的其他若干所述第一文本的數量；

判斷數量是否達到閾值；

在數量未達到閾值時再提取與所述對比文件的類別最相關的另一類別下的若干所述第一文本；

將所有提取得到的所述第一文本組成所述對比文本集合。

3.根據權利要求2所述的均衡的文本推薦方法，其特征在于，

所述在數量未達到閾值時再提取與所述對比文件的類別最相關的另一類別下的若干所述第一文本的具體方法為：

計算其他類別與所述對比文件的類別的第二相似度；

根據所述第二相似度對其他類別進行排序；

將排序最高的作為最相關的另一類別。

4.根據權利要求1所述的均衡的文本推薦方法，其特征在于，

在所述將包含若干第一文本的平臺文本數據通過訓練好的所述Bert-embedding分類模型進行分類中，

所述第一文本被分類后的類別包含若干第一級類別和從屬于所述第一級類別下的若干第二級類別。

5.根據權利要求4所述的均衡的文本推薦方法，其特征在于，

所述提取與所述對比文本處于同一類別的其他若干所述第一文本作為對比文本集合的具體方法為：

提取與所述對比文本處于同一第二級類別的其他若干所述第一文本；

計算與所述對比文本處于同一第二級類別的其他若干所述第一文本的數量；

判斷數量是否達到閾值；

在數量未達到閾值時計算所述對比文本對應的第一級類別下的所有其他第二級類別與所述對比文本的第二級類別的第二相似度；

根據所述第二相似度對所述對比文本對應的第一級類別下的所有其他第二級類別進行排序；

按照排序先后依次將其他第二級類別中的所述第一文本提取出來添加到與所述對比文本處于同一第二級類別的其他若干所述第一文本中直至所有所述第一文本的數量達到閾值；

將提取出的所有所述第一文本組成所述對比文本集合。

6.根據權利要求5所述的均衡的文本推薦方法，其特征在于，

若所述對比文本對應的第一級類別下的其他所述第一文本的數量小于閾值，且缺少的數量設為第二數量；

則計算其他第一級類別與所述對比文件的第一級類別的第三相似度；

根據所述第三相似度對其他第一級類別進行排序；

從排序最高的另一第一級類別中隨機選擇所述第二數量的所述第一文本；

將從排序最高的另一第一級類別中隨機選擇出的所述第一文本和所述對比文本對應的同一第一級類別下的其他所述第一文本共同組成所述對比文本集合。

7.根據權利要求1所述的均衡的文本推薦方法，其特征在于，

所述計算所述文本集合下的所有所述第一文本與所述對比文本的第一相似度的具體方法為：

使用Bert-server分別對所述文本集合下的所有所述第一文本與所述對比文本進行編碼得到各自對應的句向量；

通過余弦相似度計算分別計算所述文本集合下的所有所述第一文本的句向量和所述對比文本的句向量的第一相似度。