[发明专利]针对订单的主题推荐方法、系统、设备和介质在审
申请号: | 202210904827.X | 申请日: | 2022-07-29 |
公开(公告)号: | CN115203574A | 公开(公告)日: | 2022-10-18 |
发明(设计)人: | 王泽天;张振华;聂强强 | 申请(专利权)人: | 携程旅游网络技术(上海)有限公司 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06K9/62 |
代理公司: | 上海弼兴律师事务所 31283 | 代理人: | 林嵩;罗朗 |
地址: | 200335*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 针对 订单 主题 推荐 方法 系统 设备 介质 | ||
1.一种针对订单的主题推荐方法,其特征在于,包括以下步骤:
提取用户提交的订单中的有效信息生成第一基础特征;
提取客服人员在预设时间段内处理的主题序列特征生成第二基础特征;
将所述第一基础特征与第二基础特征进行显式高阶交叉,生成构造特征;
通过预设的订单侧编码器对所述构造特征进行处理,输出用于表征用户对订单疑问点预测结果的第一定长信息向量;通过预设的主题侧编码器输出所有可用主题根据其所属大组分类和id分类的第二定长信息向量;
将所述第一定长信息向量与第二定长信息向量输入预先训练好的相似度计算模型中,计算所述第一定长信息向量与第二定长信息向量的相似度;
根据相似度计算结果输出推荐主题。
2.根据权利要求1所述的主题推荐方法,其特征在于,所述订单的有效信息包括订单的类别信息、额外产品购买信息、出行人员信息中的至少一种。
3.根据权利要求1所述的主题推荐方法,其特征在于,将所述第一基础特征与第二基础特征进行显式高阶交叉的具体步骤为:
S1、将所述第一基础特征与第二基础特征进行交叉相乘;
S2、将交叉相乘的结果分别与所述第一基础特征和第二基础特征交叉相乘,分别得到第一相乘结果和第二相乘结果;
S3、将第一相乘结果和第二相乘结果交叉相乘,并返回步骤S2;
S4、重复步骤S2、S3两次或三次,生成所述构造特征。
4.根据权利要求1所述的主题推荐方法,其特征在于,所述第一定长信息向量与第二定长信息向量处于同一向量空间中并且长度相同;
和/或,所述相似度计算模型的训练样本通过采样法选取,以预设比例选取正样本、弱负样本和强负样本。
5.一种针对订单的主题推荐系统,其特征在于,所述推荐系统包括:
第一信息提取模块,用于提取用户提交的订单中的有效信息以生成第一基础特征;
第二信息提取模块,用于提取客服人员在预设时间段内处理的主题序列特征以生成第二基础特征;
交叉相乘模块,用于将所述第一基础特征与第二基础特征进行显式高阶交叉,生成构造特征;
编码器处理模块,用于通过预设的订单侧编码器对所述构造特征进行处理,输出用于表征用户对订单疑问点预测结果的第一定长信息向量;通过预设的主题侧编码器输出所有可用主题根据其所属大组分类和id分类的第二定长信息向量;
计算模块,用于将所述第一定长信息向量与第二定长信息向量输入预先训练好的相似度计算模型中,计算所述第一信息向量与第二信息向量的相似度;
输出模块,用于根据相似度计算结果输出推荐主题。
6.根据权利要求5所述的主题推荐系统,其特征在于,所述第一信息提取模块提取的有效信息包括订单的类别信息、额外产品购买信息、出行人员信息中的至少一种。
7.根据权利要求5所述的主题推荐系统,其特征在于,显式高阶交叉的执行单元为:
第一相乘单元:用于将所述第一基础特征与第二基础特征进行交叉相乘;
第二生成单元:用于将交叉相乘的结果分别与所述第一基础特征和第二基础特征交叉相乘,分别得到第一相乘结果和第二相乘结果;
第三计算单元:用于将第一相乘结果和第二相乘结果交叉相乘,然后调用所述第二生成单元;
第四生成单元:重复调用所述第二生成单元和第三计算单元,生成构造特征。
8.根据权利要求5所述的主题推荐系统,其特征在于,所述第一信息向量与第二向量处于同一向量空间中并且长度相同;
和/或,所述计算模块包含采样单元,用于通过采样法选取训练样本,以预设比例选取正样本、弱负样本和强负样本。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行计算机程序时实现如权利要求1~4中任意一项所述的针对订单的主题推荐方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序在由处理器执行时实现如权利要求1~4中任意一项所述的针对订单的主题推荐方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于携程旅游网络技术(上海)有限公司,未经携程旅游网络技术(上海)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210904827.X/1.html,转载请声明来源钻瓜专利网。