[发明专利]一种推荐信息的处理方法、装置及计算机可读存储介质

说明书

本发明公开了一种推荐信息的处理方法、装置及计算机可读存储介质。其中，所述方法包括：利用查询请求，确定第一业务知识点；确定所述第一业务知识点的向量；利用所述第一业务知识点的向量及数据库中其它各业务知识点的向量，确定所述第一业务知识点与其它各业务知识点的相似度；所述业务知识点的向量是基于业务知识点在问题序列中的位置确定的；所述问题序列是利用日志数据生成的；所述问题序列具有时序性；利用确定的各相似度，从所述数据库中选择相应的第二业务知识点，作为所述查询请求对应的推荐信息。

技术领域

本发明涉及信息推荐技术领域，尤其涉及一种推荐信息的处理方法、装置及计算机可读存储介质。

背景技术

推荐引擎可以分为基于大众行为的推荐引擎和个性化推荐引擎。其中，大众行为的推荐引擎，对每个用户都给出同样的推荐，这些推荐可以是静态的由系统管理员人工设定的，或者基于系统所有用户的反馈统计计算出的当下比较流行的物品。而个性化推荐引擎，对不同的用户，根据他们的口味和喜好给出更加精确的推荐。

从根本上说，只有个性化推荐引擎的处理过程才是更加智能的信息发现过程。目前个性化推荐引擎的实现技术其基本思想是从内容上寻找相似的推荐，也就是说，从内容的角度去寻找相似性，这就需要构建用户信息模型和物品的特征模型，方案不容易实现，而且还可能会出现推荐出现很大偏差的问题。

发明内容

为解决现有存在的技术问题，本发明实施例提供一种推荐信的处理方法、装置及计算机可读存储介质。

本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种推荐信息的处理方法，包括：

利用查询请求，确定第一业务知识点；

确定所述第一业务知识点的向量；

利用所述第一业务知识点的向量及数据库中其它各业务知识点的向量，确定所述第一业务知识点与其它各业务知识点的相似度；所述业务知识点的向量是基于业务知识点在问题序列中的位置确定的；所述问题序列是利用日志数据生成的；所述问题序列具有时序性；

利用确定的各相似度，从所述数据库中选择相应的第二业务知识点，作为所述查询请求对应的推荐信息。

上述方案中，所述利用所述第一业务知识点的向量及数据库中其它各业务知识点的向量，确定所述第一业务知识点与其它各业务知识点的相似度，包括：

利用所述第一业务知识点的向量及数据库中其它各业务知识点的向量，确定所述第一业务知识点与其它各业务知识点之间的距离；

所述利用确定的各相似度，从所述数据库中选择相应的第二业务知识点，作为所述查询请求对应推荐信息，包括：

利用确定的所述第一业务知识点与其它各业务知识点之间的距离，从所述数据库中选择相应的第二业务知识点，作为所述查询请求对应推荐信息。

上述方案中，所述确定所述第一业务知识点与其它各业务知识点之间的距离，包括：

确定所述第一业务知识点与其它各业务知识点之间的欧式距离、余弦距离或者曼哈顿距离。

上述方案中，所述利用确定的所述第一业务知识点与其它各业务知识点之间的距离，从所述数据库中选择相应的第二业务知识点，包括：

从所述数据库中选择距离小于或等于预设距离阈值的业务知识点作为所述第二业务知识点。

上述方案中，所述利用查询请求，确定第一业务知识点，包括：

基于内容相似度策略，从所述数据库中选择与所述查询请求对应的第一业务知识点。

上述方案中，所述方法还包括：