[发明专利]内容推荐方法及装置、电子设备及存储介质

说明书

本发明实施例公开了一种内容推荐方法及装置、电子设备及存储介质。所述内容推荐方法，包括：基于上下文信息，获取上下文语境信息；结合所述上下文语境信息及当前对话内容，确定用户意图；基于所述用户意图，确定待推荐的内容。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种内容推荐方法及装置、电子设备及存储介质。

背景技术

在网络技术中，内容推荐可包括：向用户推荐用户感兴趣的内容，还可包括：基于用户提问提供用户所需的答案以实现智能问答。

相关技术中存在各种内容推荐的机制，但是均存在的提问是：不能精确的向用户提供其所需的内容。例如，在一些基于深度学习模型的内容推荐过程中，内容推荐所依赖的信息均为表层信息，导致模型的泛化能力差，进而导致推荐的内容精确性低。对于精确性低的推荐，一方面不能解决用户获取所需内容的需求，另一方面还会对用户造成不必要的信息干扰。故如何提升内容推荐过程中的精确度是现有技术亟待解决的提问之一。

发明内容

有鉴于此，本发明实施例期望提供一种内容推荐方法及装置、电子设备及存储介质。

本发明的技术方案是这样实现的：

一种内容推荐方法，包括：

基于上下文信息，获取上下文语境信息；

结合所述上下文语境信息及当前对话内容，确定用户意图；

基于所述用户意图，确定待推荐的内容。

基于上述方案，所述结合所述上下文语境信息及当前对话内容，确定用户意图，包括：

根据所述上下文语境信息及所述当前对话内容，生成信息序列

以词语为最小处理单位，将所述信息序列转换为特征向量；

基于所述特征向量，提取所述用户意图。

基于上述方案，所述基于所述特征向量，提取所述用户意图，包括：

利用第一神经网络对所述特征向量进行特征处理，获得第一特征信息；

利用第二神经网络对所述特征向量进行特征处理，获得第二特征信息；

融合所述第一特征信息和所述第二特征信息，得到所述用户意图；

其中，第一神经网络和所述第二神经网络的类型不同。

基于上述方案，所述以词语为最小处理单位，将所述信息序列转换为特征向量，包括：

以词语为最小处理单位，将词语转换为M维度的向量，M为不小2的正整数；

将所述信息序列中词语所对应的向量的元素，按元素排序对应相加得到所述特征向量。

基于上述方案，所述基于所述用户意图，确定推荐的内容，包括：

确定所述用户意图与预定内容所对应预定意图之间的相似度；

选择与所述用户意图相似度最大的预定意图对应的预定内容，为所述待推荐的内容。

基于上述方案，所述基于所述用户意图，确定推荐的内容，包括：

确定所述用户意图对应的第一特征向量与所述预定意图对应的第二特征向量之间的欧式距离；

或者，

确定所述第一特征向量与所述第二特征向量之间点积。

基于上述方案，所述基于上下文信息，获取上下文语境信息，包括：

基于一次历史对话内容，获得一条上下文信息；