[发明专利]信息输出方法和装置

权利要求书

1.一种信息输出方法，其特征在于，所述方法包括：

响应于接收到客户端发送的对目标公司的目标职位的信息查询请求，获取所述目标公司的目标职位的至少一条点评信息，其中，每条点评信息中包括至少一个话题；

将所述至少一条点评信息进行预处理得到点评向量；

将所述点评向量输入预设的预测模型以获取话题比例以及权限特征向量和评分特征向量，其中，所述预测模型用于表征点评向量、权限特征向量、评分特征向量、话题比例之间的对应关系，所述话题比例为点评向量中各话题的数量与话题总数之比构成的向量；

向所述客户端发送权限信息和评分信息，其中，所述权限信息为所述话题比例与所述权限特征向量之积，所述评分信息为所述话题比例与所述评分特征向量之积。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述点评信息中的话题与预设的优点词集合和预设的缺点词集合进行匹配；

将与预设的优点词集合相匹配的话题组成优点话题集合；

将与预设的缺点词集合相匹配的话题组成缺点话题集合；

从所述优点话题集合中按照词频由大到小的顺序选择预定数目的优点话题；

从所述缺点话题集合中按照词频由大到小的顺序选择预定数目的缺点话题；

向所述客户端发送所选择的优点话题和所选择的缺点话题。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括建立预测模型的步骤，包括：

采集各公司的各职位的点评信息、各公司的各职位的权限信息和各公司的各职位的评分信息；

将所述点评信息、所述权限信息和所述评分信息进行预处理得到点评矩阵、权限矩阵和评分矩阵；

将所述点评矩阵、所述权限矩阵和所述评分矩阵作为样本求解话题比例、权限特征向量和评分特征向量。

4.根据权利要求1所述的方法，其特征在于，所述将所述至少一条点评信息进行预处理得到点评向量，包括：

解析每条点评信息以提取话题，并对每条点评信息进行文本预处理，所述文本预处理包括以下至少一项：分词、移除停用词、移除无意义的高频词和移除低频词；

将经文本预处理后的点评信息转化为数学表达式；

将所述数学表达式进行聚合得到点评向量。

5.根据权利要求3所述的方法，其特征在于，所述将所述点评矩阵、所述权限矩阵和所述评分矩阵作为样本训练出话题比例、权限特征向量和评分特征向量，包括：

将所述权限矩阵分解成公司职位特征矩阵和权限特征向量，其中，所述公司职位特征矩阵为话题比例加上高斯偏移，所述权限特征向量与职位的权限相关联；

将所述评分矩阵分解成所述公司职位特征矩阵和评分特征向量，其中，所述评分特征向量与职位的评分相关联；

将所述权限矩阵、所述评分矩阵、所述话题比例、所述公司职位特征矩阵、所述权限特征向量、所述评分特征向量组合成概率模型；

基于求解算法进行参数迭代求解所述概率模型中的所述话题比例、所述公司职位特征矩阵、所述权限特征向量、所述评分特征向量。

6.根据权利要求5所述的方法，其特征在于，所述建立预测模型的步骤还包括：

根据预设的优点词集合和预设的缺点词集合将所述点评矩阵中的话题分成优点话题集合和缺点话题集合；

对于每个职位生成与所述优点话题集合对应的话题的优点词分布和与所述缺点话题集合对应的话题的缺点词分布；

将所述权限矩阵、所述评分矩阵、所述话题比例、所述公司职位特征矩阵、所述权限特征向量、所述评分特征向量、所述话题的优点词分布和所述话题的缺点词分布组合成概率模型；

基于求解算法进行参数迭代求解所述概率模型中的所述话题比例、所述公司职位特征矩阵、所述权限特征向量、所述评分特征向量、所述话题的优点词分布和所述话题的缺点词分布。