[发明专利]推荐内容处理方法及装置、情感属性确定方法及装置

说明书

本公开提供一种基于人工智能的推荐内容处理方法及装置、推荐内容情感属性确定方法及装置、电子设备以及计算机可读存储介质；涉及人工智能技术领域，并涉及机器学习技术。所述推荐内容处理方法包括：获取推荐内容的多条评论信息，将评论信息转换为语义向量；分别通过基于预训练模型迁移学习得到的多层目标双向长短期记忆网络和多层目标卷积神经网络，以提取语义向量中的时序特征和局部特征；利用时序特征和局部特征，确定评论信息的情感属性；根据评论信息的情感属性，确定推荐内容的情感属性；根据推荐内容的情感属性，对推荐内容进行对应的处理。本公开可以提高推荐内容情感属性确定的准确性，并提高推荐系统中推荐内容的质量。

技术领域

本公开涉及人工智能技术领域，具体而言，涉及一种基于人工智能的推荐内容处理方法及装置、推荐内容情感属性确定方法及装置、电子设备以及计算机可读存储介质。

背景技术

在推荐系统中，可以通过后验数据(例如转发，点赞，有效阅读/播放率等)判断推荐内容质量的高低。但是该方法对推荐内容质量的判断准确性较低，导致低质量的推荐内容不能及时处理，推荐系统中推荐内容的整体质量较低，用户体验较差。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于人工智能的推荐内容处理方法及装置、推荐内容情感属性确定方法及装置、电子设备以及计算机可读存储介质，进而在一定程度上克服由于相关技术的限制和缺陷而导致的推荐系统中推荐内容质量较低，用户体验较差的问题。

根据本公开的一个方面，提供一种基于人工智能的推荐内容处理方法，所述方法包括：

获取推荐内容的多条评论信息，将所述评论信息转换为语义向量；

分别通过基于预训练模型迁移学习得到的多层目标双向长短期记忆网络和多层目标卷积神经网络，以提取所述语义向量中的时序特征和局部特征；

利用所述时序特征和所述局部特征，确定所述评论信息的情感属性；

根据所述评论信息的情感属性，确定所述推荐内容的情感属性；

根据所述推荐内容的情感属性，对所述推荐内容进行对应的处理。

在本公开的一种示例性实施例中，所述利用所述时序特征和所述局部特征，确定所述评论信息的情感属性，包括：

将所述时序特征和所述局部特征拼接后进行全连接及归一化运算，得到情感向量；

根据所述情感向量，确定所述评论信息的情感属性。

在本公开的一种示例性实施例中，所述根据所述评论信息的情感属性，确定所述推荐内容的情感属性，包括：

在预设情感属性对应的评论信息的数量满足预设条件时，确定所述推荐内容的情感属性为所述预设情感属性；

在所述预设情感属性对应的评论信息的数量不满足所述预设条件时，确定所述推荐内容的情感属性为除所述预设情感属性之外的其他情感属性。

在本公开的一种示例性实施例中，所述根据所述推荐内容的情感属性，对所述推荐内容进行对应的处理，包括：

在所述推荐内容的情感属性为所述预设情感属性时，删除所述推荐内容；

在所述推荐内容的情感属性为所述其他情感属性时，保留所述推荐内容。

在本公开的一种示例性实施例中，所述根据所述情感向量，确定所述评论信息的情感属性，包括：

将所述情感向量中最大值元素对应的情感属性，作为所述评论信息的情感属性。