[发明专利]一种信息推荐的方法及装置

说明书

本说明书公开了一种信息推荐的方法及装置，业务平台接收用户发送的搜索请求后，可以根据该搜索请求中携带的搜索信息，确定该搜索信息对应的各候选推荐信息，并通过预先训练的第一特征模型，确定搜索信息对应的特征向量。而后，可以针对每个候选推荐信息，根据该搜索信息对应的特征向量，以及该候选推荐信息对应的各评论信息的特征向量，从各评论信息中确定出与该搜索信息相关联的至少一个评论信息，作为该候选推荐信息对应的目标评论信息，并根据该候选推荐信息对应的目标评论信息，确定该候选推荐信息对应的特征向量，最后从各候选推荐信息中确定出待推荐信息，并将待推荐信息推荐给用户,从而提高对用户进行信息推荐的准确性。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种信息推荐的方法及装置。

背景技术

随着互联网技术的普及，用户可以在线上网站中进行搜索，从而查看自己想要搜索到的信息，这样能够便于用户在线上执行自己想要执行的业务。

例如，在第三方消费点评网站中包含有若干商家的信息以及每个商家下的评论，用户可以通过该网站搜索“可以赏樱的公园”，网站可以将与这一搜索信息(即，可以赏樱的公园)相关的商家推荐给用户，并向用户展示这些商家下与这一搜索信息相关的评论。

以这种场景为例，现有技术中，该第三方消费点评网站可以根据每个商家下的全部评论与搜索信息之间的相关度，确定推荐给用户的商家，并将这些商家以及商家的部分评论推荐给用户，但是这种方式不一定能够准确体现出商家与搜索信息之间的相关性，因此通过这种方式向用户推荐的商家较为不准确。

所以，如何提高对用户进行信息推荐的准确性，则是一个亟待解决的问题。

发明内容

本说明书提供一种信息推荐的方法及装置，以部分地解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种信息推荐的方法，包括：

接收用户发送的搜索请求；

根据所述搜索请求中携带的搜索信息，确定所述搜索信息对应的各候选推荐信息，通过预先训练的第一特征模型，确定所述搜索信息对应的特征向量；

针对每个候选推荐信息，根据所述搜索信息对应的特征向量，以及确定出的该候选推荐信息对应的各评论信息的特征向量，从该候选推荐信息对应的各评论信息中确定出与所述搜索信息相关联的至少一个评论信息，作为该候选推荐信息对应的目标评论信息，并根据该候选推荐信息对应的目标评论信息，确定该候选推荐信息对应的特征向量；

根据各候选推荐信息对应的特征向量，从所述各候选推荐信息中确定出待推荐信息，并将所述待推荐信息推荐给所述用户。

可选地，训练所述第一特征模型，具体包括：

获取训练样本；

将所述训练样本中包含的文本信息输入到预设的第二特征模型中，得到针对所述文本信息的语义分析结果；

以最小化所述训练样本中包含的标注信息与所述语义分析结果之间的差异为优化目标，对所述第二特征模型进行训练；

根据训练后的所述第二特征模型的网络结构构建第一特征模型，构建出的第一特征模型中包含的神经网络层，比训练后的所述第二特征模型中包含的神经网络层的数量少；

获取历史搜索信息，并通过所述历史搜索信息，对所述第一特征模型进行训练，其中，训练后的所述第一特征模型与训练后的所述第二特征模型针对同一搜索信息确定出的特征向量相近。

可选地，训练所述第一特征模型，具体包括：

获取历史搜索信息、历史评论信息以及针对历史搜索信息与所述历史评论信息之间的标注相似度；