[发明专利]文本推荐方法、装置、计算机设备及存储介质

说明书

本发明涉及人工智能技术领域，提供一种文本推荐方法、装置、计算机设备及存储介质，包括：将每个文本输入预训练模型中进行编码得到每个文本的多个语句向量；基于注意力机制融合每个文本的多个语句向量和语义向量得到每个文本的文本向量；计算每个文本的独热编码并基于每个文本的文本向量及独热编码训练文本主题分类模型，通过文本主题分类模型输出文本主题矩阵，文本主题矩阵中的每行向量对应一个主题向量；根据每个文本的文本向量及对应的主题向量和获取的用户的阅读习惯向量生成文本特征；基于多个文本特征训练XGBOOST得到文本推荐模型；根据文本推荐模型输出的文本阅读概率矩阵为用户推荐文本。本发明能够提高文本推荐的精准度。

技术领域

本发明涉及人工智能技术领域，具体涉及一种文本推荐方法、装置、计算机设备及存储介质。

背景技术

在教育培训场景中，用户生产内容（user generated content，UGC）是代理人课程的重要生产方式之一，对增加课程供给、提升培训效果有积极作用。目前的UGC创作存在内容分散、质量层次不齐等问题，如何高效和完备的挖掘文本内容信息就成为一个重要课题。

发明人在实现本发明的过程中发现，现有技术主要通过结合代理人的阅读习惯和文本语义进行个性化的课程推送，或者结合代理人的阅读习惯和主题语义进行个性化的课程推送，但并未涉及到将文本语义和主题语义有机的结合在一起并嵌入到高维的向量空间。而当给定每篇文本的主题分类后，无法将主题语义与文本语义融合起来并直接获得主题语义，且同主题之间的文本与不同主题之间的文本的语义差别也无法体现出来。

因此，需要提供一种融合文本语义和主题语义进行文本推送的方案。

发明内容

鉴于以上内容，有必要提出一种文本推荐方法、装置、计算机设备及存储介质，能够提高文本推荐的准确度。

本发明的第一方面提供一种文本推荐方法，所述方法包括：

获取多个文本，并将每个文本输入预训练模型中进行编码，得到每个文本的多个语句向量；

基于注意力机制融合每个文本的多个语句向量和语义向量得到每个文本的文本向量；

计算每个文本的独热编码并基于每个文本的文本向量及独热编码训练文本主题分类模型，并通过所述文本主题分类模型输出文本主题矩阵，其中，所述文本主题矩阵中的每行向量对应一个主题向量；

获取用户的阅读习惯向量，并根据每个文本的文本向量及对应的主题向量和所述阅读习惯向量生成文本特征；

基于多个所述文本特征训练XGBOOST，得到文本推荐模型；

根据所述文本推荐模型输出的文本阅读概率矩阵为所述用户推荐文本。

在一个可选的实施例中，所述基于注意力机制融合每个文本的多个语句向量和语义向量得到每个文本的文本向量包括：

采用如下公式基于注意力机制计算每个文本的每个语句向量与对应文本的语义向量之间的匹配度，，为随机初始化的一个对角矩阵；为随机初始化的文本的语义向量，为对应文本的第个语句的语句向量，为匹配度；

采用如下公式根据所述匹配度计算每个文本的每个语句向量的语句权重，，表示第个语句在整个文本中的语句权重，为文本的总数目；

采用如下公式根据每个文本的每个语句向量的语句权重计算每个文本的文本向量，，表示文本向量。

在一个可选的实施例中，所述计算每个文本的独热编码包括：

获取每个文本对应的真实文本主题；

为每个真实文本主题生成真实文本主题标签；

计算所述真实文本主题标签的数量；

根据所述数量生成N位状态寄存器；