[发明专利]专家推荐方法、电子设备及存储介质

权利要求书

1.一种专家推荐方法，其特征在于，所述专家推荐方法包括：

获取问题数据，并确定所述问题数据对应的问题向量；

根据目标用户的历史回答记录，构建用户标签异构网络；

根据所述用户标签异构网络，得到用户向量；

根据所述问题向量和所述用户向量进行模型训练，得到训练完成的预测神经模型；

将目标问题输入所述预测神经模型，得到所述目标用户与所述目标问题的相似概率；

根据所述相似概率，生成推荐信息。

2.根据权利要求1所述的专家推荐方法，其特征在于，所述确定所述问题数据对应的问题向量包括：

对所述问题数据进行数据清洗；

将数据清洗后的问题数据进行数据转化，得到所述问题数据对应的问题向量。

3.根据权利要求2所述的专家推荐方法，其特征在于，所述数据清洗包括移除标签、过滤停用词、清除代码段。

4.根据权利要求1所述的专家推荐方法，其特征在于，所述用户标签异构网络包括节点集和边集合，其中，节点集包括用户集和标签集，边集合包括用户与标签的关系和标签与标签的关系。

5.根据权利要求4所述的专家推荐方法，其特征在于，所述根据所述用户标签异构网络，得到用户向量包括：

基于LINE模型对所述用户标签异构网络进行学习，得到用户向量。

6.根据权利要求1所述的专家推荐方法，其特征在于，所述根据所述问题向量和所述用户向量进行模型训练，得到训练完成的预测神经模型包括：

将所述问题向量和所述用户向量输入待训练的预测神经模型，得到问题特征和用户特征；

计算所述问题特征和所述用户特征的相似概率；

根据所述相似概率，确定所述预测神经模型的损失函数；

根据所述损失函数对所述预测神经模型的模型参数进行调整，得到训练完成的预测神经模型。

7.根据权利要求6所述的专家推荐方法，其特征在于，所述计算所述问题特征和所述用户特征的相似概率包括：

使用余弦函数，计算所述问题和所述用户特征的余弦相似度；

使用softmax函数，对所述余弦相似度进行处理，得到相似概率。

8.根据权利要求1至7中任意一项所述的专家推荐方法，其特征在于，所述根据所述相似概率，生成推荐信息包括：

若存在多个目标用户，根据每个目标用户与所述目标问题的相似概率，对所述多个目标用户进行排序，生成专家推荐表。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器；

所述存储器用于存储至少一个指令；

所述处理器用于执行所述至少一个指令时实现如权利要求1至8中任意一项所述的专家推荐方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至8中任意一项所述的专家推荐方法。