[发明专利]基于知识图谱的讯息推荐方法、装置、设备及介质

权利要求书

1.一种基于知识图谱的讯息推荐方法，其特征在于，应用于服务器，所述方法包括：

根据待推荐用户的标识，获取所述待推荐用户对应的历史兴趣产品讯息，支撑商机记录；

基于所述历史兴趣产品讯息，所述支撑商机记录以及预先获取的讯息点击概率预测模型，获取所述待推荐用户对每个候选产品讯息的点击概率；其中，所述点击概率预测模型是基于用户点击每个候选产品讯息的兴趣权重特征训练得到的用于预测用户点击产品讯息的概率的模型；

根据所述待推荐用户对每个候选产品讯息的点击概率，向所述待推荐用户推荐至少一个候选产品讯息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于预先获取的历史数据中，每个用户的历史兴趣产品讯息、支撑商机记录以及候选产品讯息图谱，生成每个用户对每个候选产品讯息的兴趣权重特征，其中，所述候选产品讯息图谱中包括讯息商机库中每条产品讯息之间的知识层之间的关联关系；

根据每个用户对每个候选产品讯息的兴趣权重特征以及深度神经网络DNN进行模型训练，得到所述讯息点击概率预测模型。

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：

根据基于距离的翻译模型和基于语义的匹配模型，对所述讯息商机库中的所有产品讯息之间的知识层关联进行学习，得到任意两个产品讯息之间的知识层之间的相似度；

根据任意两个产品讯息之间的知识层之间的相似度，构建所述候选产品讯息图谱。

4.根据权利要求1或2所述的方法，其特征在于，所述根据待推荐用户的标识，获取所述待推荐用户对应的历史兴趣产品讯息，支撑商机记录，包括：

根据所述待推荐用户的标识，从本地存储的历史数据查询获取所述待推荐用户的标识对应的历史兴趣产品讯息和支撑商机记录；所述历史兴趣产品讯息为所述待推荐用户历史实际点击浏览过的产品讯息，所述支撑商机记录为所述历史兴趣产品讯息中关联的平台商机信息和/或招标信息。

5.根据权利要求1或2所述的方法，其特征在于，所述根据所述待推荐用户对每个候选产品讯息的点击概率，向所述待推荐用户推荐至少一个候选产品讯息，包括：

根据预设的概率阈值，获取所述待推荐用户对每个候选产品讯息的点击概率中大于所述概率阈值的至少一个候选产品讯息；

基于点击概率从大到小的规则，将所述至少一个候选产品讯息通过所述待推荐用户的客户端进行推送；

或者，

根据预设的讯息推荐数量，所述待推荐用户对每个候选产品讯息的点击概率，获取出所述讯息推荐数量个点击概率最大的候选产品讯息；

将所述讯息推荐数量个点击概率最大的候选产品讯息，通过所述待推荐用户的客户端进行推送。

6.一种基于知识图谱的讯息推荐装置，其特征在于，包括：

获取模块，用于根据待推荐用户的标识，获取所述待推荐用户对应的历史兴趣产品讯息，支撑商机记录；

所述获取模块，还用于基于所述历史兴趣产品讯息，所述支撑商机记录以及预先获取的讯息点击概率预测模型，获取所述待推荐用户对每个候选产品讯息的点击概率；其中，所述点击概率预测模型是基于用户点击每个候选产品讯息的兴趣权重特征训练得到的用于预测用户点击产品讯息的概率的模型；

推荐模块，用于根据所述待推荐用户对每个候选产品讯息的点击概率，向所述待推荐用户推荐至少一个候选产品讯息。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

生成模块，用于基于预先获取的历史数据中，每个用户的历史兴趣产品讯息、支撑商机记录以及候选产品讯息图谱，生成每个用户对每个候选产品讯息的兴趣权重特征，其中，所述候选产品讯息图谱中包括讯息商机库中每条产品讯息之间的知识层之间的关联关系；

训练模块，用于根据每个用户对每个候选产品讯息的兴趣权重特征以及DNN进行模型训练，得到所述讯息点击概率预测模型。