[发明专利]知识推荐方法、装置、计算机设备及可读存储介质

权利要求书

1.一种知识推荐方法，其特征在于，包括：

接收检索问题的知识文本；

将所述知识文本输入知识推荐模型，所述知识推荐模型输出多个知识以及每个知识对应的概率，其中，所述知识推荐模型是以历史检索问题的知识文本为样本训练神经网络得到的，所述知识推荐模型学习样本中知识之间的关系特征和使用轨迹特征，概率表示每个知识被检索的概率；

根据概率大小从输出的多个知识中推荐知识；

其中，以历史检索问题的知识文本为样本训练神经网络得到所述知识推荐模型，包括：

从历史检索问题的知识文本中提取属性特征；

将每个属性特征和对应的知识ID进行向量拼接后输入长短期记忆网络，所述长短期记忆网络学习属性特征之间的关系特征和使用轨迹特征，计算不同属性特征对应知识的概率并输出，得到所述知识推荐模型。

2.如权利要求1所述的知识推荐方法，其特征在于，以历史检索问题的知识文本为样本训练神经网络得到所述知识推荐模型，包括：

从历史检索问题的知识文本中提取属性特征；

将每个属性特征和对应的知识ID进行向量拼接得到属性特征向量；

对历史检索问题的知识文本进行分词，并将每个分词映射成向量，得到词向量；

从所述词向量中提取知识的内容特征向量；

将所述内容特征向量和所述属性特征向量输入长短期记忆网络，所述长短期记忆网络学习基于所述内容特征向量和所述属性特征向量学习知识之间的关系特征和使用轨迹特征，计算不同知识的概率并输出，得到所述知识推荐模型。

3.如权利要求2所述的知识推荐方法，其特征在于，从所述词向量中提取知识的内容特征向量；包括：

将所述词向量以正向输入双向长短期记忆网络的前向长短期记忆网络中，将所述词向量以反向输入所述双向长短期记忆网络的后向长短期记忆网络中，所述双向长短期记忆网络输出从所述词向量中提取的知识的内容特征向量；

将每个属性特征和对应的知识ID进行向量拼接得到属性特征向量，包括：

将每个属性特征和对应的知识ID进行向量拼接后以正向输入双向长短期记忆网络的前向长短期记忆网络中，将将每个属性特征和对应的知识ID进行向量拼接后以反向输入所述双向长短期记忆网络的后向长短期记忆网络中，所述双向长短期记忆网络输出所述属性特征向量。

4.一种知识推荐装置，其特征在于，包括：

检索知识接收模块，用于接收检索问题的知识文本；

推荐知识预测模块，用于将所述知识文本输入知识推荐模型，所述知识推荐模型输出多个知识以及每个知识对应的概率，其中，所述知识推荐模型是以历史检索问题的知识文本为样本训练神经网络得到的，所述知识推荐模型学习样本中知识之间的关系特征和使用轨迹特征，概率表示每个知识被检索的概率；

知识推荐模块，用于根据概率大小从输出的多个知识中推荐知识；

还包括：

第一模型训练模块，用于从历史检索问题的知识文本中提取属性特征；将每个属性特征和对应的知识ID进行向量拼接后输入长短期记忆网络，所述长短期记忆网络学习属性特征之间的关系特征和使用轨迹特征，计算不同属性特征对应知识的概率并输出，得到所述知识推荐模型。

5.如权利要求4所述的知识推荐装置，其特征在于，还包括：第二模型训练模块，包括：

属性特征提取单元，用于从历史检索问题的知识文本中提取属性特征；

属性特征向量拼接单元，用于将每个属性特征和对应的知识ID进行向量拼接得到属性特征向量；

分词单元，用于对历史检索问题的知识文本进行分词，并将每个分词映射成向量，得到词向量；

内容特征提取单元，用于从所述词向量中提取知识的内容特征向量；

模型训练单元，用于将所述内容特征向量和所述属性特征向量输入长短期记忆网络，所述长短期记忆网络学习基于所述内容特征向量和所述属性特征向量学习知识之间的关系特征和使用轨迹特征，计算不同知识的概率并输出，得到所述知识推荐模型。