[发明专利]关联信息的推送方法及装置

说明书

本发明公开了一种关联信息的推送方法及装置，至少能够解决现有技术中由于并未考虑语义之间的关联关系，导致推送结果无法更好地迎合用户需求的技术问题。该方法包括：根据机器学习算法对获取到的原始语料数据进行机器学习，确定获取到的原始语料数据之间的关联关系；将原始语料数据以及原始语料数据之间的关联关系存储到预设的语料数据库中；根据语料数据库中存储的原始语料数据之间的关联关系，确定与显示信息相对应的关联信息，并对关联信息进行推送。

技术领域

本发明涉及信息技术领域，具体涉及一种关联信息的推送方法及装置。

背景技术

随着互联网的飞速发展，越来越多的用户习惯于通过网络获取各类信息。 很多用户为了加深对当前浏览信息的了解，会针对当前浏览信息进行扩展阅 读。在传统方式中，用户为了实现扩展阅读的目的，需要自行确定当前浏览 信息中包含的关键内容，然后根据该关键内容进行手动搜索，最后还要从众 多搜索结果中过滤出用户需要了解的信息。该种方式操作繁琐，无疑增加了 用户的时间成本。

目前，已经出现了能够自动地针对当前浏览信息推送关联信息的技术方 案：首先，对当前浏览信息进行分词处理，得到当前浏览信息中包含的主要 词汇；然后，根据各个词汇的出现次数等因素，挑选部分词汇作为关键词； 最后，将包含上述关键词的信息作为关联信息推送给用户。

但是，发明人在实现本发明的过程中发现现有技术中的上述方案至少存 在下述缺陷：一方面，汉语中存在各种各样的近义词，并且，很多情况下， 同一主题可以通过截然不同的表达方式进行描述，例如，“双十一”和“网 购节”虽字面表达方式不同，但语义完全相同；另一方面，上述简单的关键 词匹配方式也无法体现出事物之间更深层次的关联关系，例如，“姚明”和 “科比”同为篮球运动员，阅读“姚明”的有关信息的用户很可能希望对“科 比”的近况进行扩展阅读，而现有的推送方式显然无法实现。

由此可见，现有的关联信息推送方式由于并未考虑语义之间的关联关系， 导致推送结果无法更好地迎合用户需求。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分 地解决上述问题的关联信息的推送方法及装置。

根据本发明的一个方面，提供了一种关联信息的推送方法，包括：根据 机器学习算法对获取到的原始语料数据进行机器学习，确定所述获取到的原 始语料数据之间的关联关系；将所述原始语料数据以及所述原始语料数据之 间的关联关系存储到预设的语料数据库中；根据所述语料数据库中存储的原 始语料数据之间的关联关系，确定与显示信息相对应的关联信息，并对所述 关联信息进行推送。

可选地，所述根据机器学习算法对获取到的原始语料数据进行机器学习， 以确定所述获取到的原始语料数据之间的关联关系的步骤具体包括：将所述 获取到的原始语料数据转换成对应的词向量，将所述词向量输入预设的神经 网络模型中的输入层，并通过所述神经网络模型中的输出层获取所述词向量 对应的关联输出结果。

可选地，所述神经网络模型进一步包括：位于所述输入层和所述输出层 之间的隐藏层；则所述通过所述神经网络模型中的输出层获取所述词向量对 应的关联输出结果的步骤具体包括：通过所述隐藏层对所述输入层输入的词 向量进行特征提取，由所述输出层根据特征提取的结果输出所述词向量对应 的关联输出结果。

可选地，所述根据机器学习算法对获取到的原始语料数据进行机器学习 的步骤中进一步包括：判断所述词向量对应的关联输出结果是否满足预设的 精度条件，当判断结果为否时，根据反向传播算法对所述神经网络模型进行 修正。