[发明专利]智能对象推荐方法、装置、设备和存储介质

权利要求书

1.一种智能对象推荐方法，其特征在于，所述方法包括：

根据获取的用户主诉描述信息和候选对象专长信息，分别生成用户特征表示和候选对象特征表示；

根据用户特征表示和候选对象特征表示，确定候选对象对用户的响应度；

根据候选对象对用户的响应度，从所述候选对象中为用户选择目标对象。

2.根据权利要求1所述的方法，其特征在于，根据获取的用户主诉描述信息和候选对象专长信息，分别生成用户特征表示和候选对象特征表示，包括：

分别确定所述用户主诉描述信息和所述候选对象专长信息中包括的实体；

基于无监督的向量生成模型，根据所述用户主诉描述信息和所述候选对象专长信息中包括的实体，分别生成用户特征表示和候选对象特征表示。

3.根据权利要求2所述的方法，其特征在于，分别确定所述用户主诉描述信息和所述候选对象专长信息中包括的实体，包括：

根据候选对象所属领域的知识图谱中实体词，分别对所述用户主诉描述信息和所述候选对象专长信息进行分词；

将所述用户主诉描述信息和所述候选对象专长信息的分词结果作为深度学习网络模型的输入，得到所述用户主诉描述信息和所述候选对象专长信息中包括的实体；

其中，深度学习网络模型包括双向长短期记忆网络层、注意力机制层和条件随机场层。

4.根据权利要求2所述的方法，其特征在于，基于无监督的向量生成模型，根据所述用户主诉描述信息和所述候选对象专长信息中包括的实体，分别生成用户特征表示和候选对象特征表示之前，还包括：

将候选对象所属领域的文献作为语料库，构建无监督的向量生成模型。

5.根据权利要求2所述的方法，其特征在于，基于无监督的向量生成模型，根据所述用户主诉描述信息和所述候选对象专长信息中包括的实体，分别生成用户特征表示和候选对象特征表示，包括：

基于无监督的向量生成模型，根据所述用户主诉描述信息中包括的至少两个实体，生成至少两个用户子特征表示，作为所述用户特征表示；

基于无监督的向量生成模型，根据所述候选对象专长信息中包括的至少两个实体，生成至少两个对象子特征表示，且将至少两个子对象特征表示的均值作为所述候选对象特征表示。

6.根据权利要求1所述的方法，其特征在于，根据用户特征表示和候选对象特征表示，确定候选对象对用户的响应度，包括：

分别确定所述用户特征表示中至少两个用户子特征表示与所述候选对象特征表示的至少两个子响应度；

根据所述至少两个子响应度，确定候选对象对用户的响应度。

7.一种智能对象推荐装置，其特征在于，所述装置包括：

特征表示生成模块，用于根据获取的用户主诉描述信息和候选对象专长信息，分别生成用户特征表示和候选对象特征表示；

响应度确定模块，用于根据用户特征表示和候选对象特征表示，确定候选对象对用户的响应度；

目标对象选择模块，用于根据候选对象对用户的响应度，从所述候选对象中为用户选择目标对象。

8.根据权利要求7所述的装置，其特征在于，所述特征表示生成模块，包括：

实体确定单元，用于分别确定所述用户主诉描述信息和所述候选对象专长信息中包括的实体；

特征表示生成单元，用于基于无监督的向量生成模型，根据所述用户主诉描述信息和所述候选对象专长信息中包括的实体，分别生成用户特征表示和候选对象特征表示。

9.根据权利要求8所述的装置，其特征在于，所述实体确定单元，包括：

分词子单元，用于根据候选对象所属领域的知识图谱中实体词，分别对所述用户主诉描述信息和所述候选对象专长信息进行分词；

实体获取子单元，用于将所述用户主诉描述信息和所述候选对象专长信息的分词结果作为深度学习网络模型的输入，得到所述用户主诉描述信息和所述候选对象专长信息中包括的实体；

其中，深度学习网络模型包括双向长短期记忆网络层、注意力机制层和条件随机场层。