[发明专利]知识信息推荐方法、装置及设备

权利要求书

1.一种知识信息推荐方法，其特征在于，包括：

获取当前用户的画像标签；

在预设的标签库中查找与所述画像标签匹配的知识标签；其中，所述标签库包括画像标签与知识标签之间的对应关系，以及知识标签与知识信息之间的对应关系；

根据知识标签与知识信息之间的对应关系，确定所述知识标签对应的待推荐的知识信息，并向用户推送所述知识信息。

2.根据权利要求1所述的方法，其特征在于，在预设的标签库中查找与所述画像标签匹配的知识标签，包括：

根据预设的画像标签与知识标签之间的对应关系，在标签库中查找与所述画像标签匹配的知识标签。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

获取多个画像标签、知识标签及知识信息；

建立所述知识标签与所述知识信息之间的第一对应关系，建立所述画像标签与所述知识标签之间的第二对应关系，并根据所述第一对应关系及所述第二对应关系建立标签库。

4.根据权利要求3所述的方法，其特征在于，所述知识标签包括核心知识标签及泛化知识标签；获取多个核心知识标签，包括：

获取多个待检测的第一知识文本及第二知识文本；

对所述第一知识文本进行分词处理及筛选处理，得到多个文本词；

按照预设的标注类型对所述文本词进行标注处理，得到标注的文本词；

根据标注的文本词对神经网络模型进行训练，得到标签分类模型；

通过标签分类模型对所述第二知识文本进行检测，得到多个核心知识标签。

5.根据权利要求3所述的方法，其特征在于，获取多个泛化知识标签，包括：

确定每一第二知识文本中核心知识标签的核心分布数据；

对每一文本词随机分配一个核心知识标签，并确定每一文本词的文本词分布数据；每一所述核心知识标签对应有核心编号；

利用吉布斯采样公式确定并更新所述文本词对应的新的核心编号，并将新的核心编号更新为所述文本词的文本词编号，直至吉布斯采样收敛；

根据文本词的文本词编号，确定每一文本词所属的核心知识标签，将所述核心知识标签对应的文本词作为所述核心知识标签对应的泛化知识标签。

6.根据权利要求3所述的方法，其特征在于，建立所述知识标签与所述知识信息之间的第一对应关系，包括：

按照依存句法方法对第二知识文本中每一句话进行分析处理，得到每一句话中知识标签与知识信息之间的语法关系；

根据知识标签与知识信息之间的语法关系，建立并存储所述知识标签与知识信息之间的第一对应关系；其中，多组知识标签与知识信息生成知识标签图谱。

7.根据权利要求3所述的方法，其特征在于，建立所述画像标签与所述知识标签之间的第二对应关系，包括：

通过预设的标签分类模型提取知识标签图谱中的知识标签，将提取的多个知识标签转化成知识标签向量，并将多个所述画像标签转化成画像标签向量；

将所述画像标签向量及所述知识标签向量嵌入同一矩阵中，并利用预设的余弦相似度方法对该矩阵进行计算，得到每一画像标签向量与每一知识标签向量之间的语义相似度分数；

确定每一知识标签向量与每一画像标签向量之间的关联值；

根据每一画像标签向量、每一知识标签向量、语义相似度分数三者之间的对应关系，以及每一画像标签向量、每一知识标签向量、关联值三者之间的对应关系，计算并得到每一知识标签向量、每一画像标签向量两者对应的所述语义相似度分数与所述关联值的乘积；

根据所述乘积，确定并建立每一知识标签向量对应的知识标签、每一画像标签向量对应的画像标签之间的第二对应关系。