[发明专利]一种基于深度语义辨析的文本推荐方法

摘要

本发明公开了基于深度语义辨析的文本推荐方法，根据深度语义网格模型自动抽取文本主题，根据主题情景语义辨析方法推理在不同文本背景下的情景语义，实现融合情景状态的文本主题树，根据用户实时情景状态为每篇文档构建出用户文本兴趣画像。在查询端针对用户情景状态的实时波动，对文本主题树进行情景语义筛选，将查询内容进行查询兴趣主题建模，根据激活扩散方法对用户直接兴趣主题进行二次潜在语义推理，计算主题的全局激活值，构建融合当前情景语义的用户查询兴趣画像。通过相似度计算方法为文档进行评分，根据评分高低生成文本推荐列表。

主权项

一种基于深度语义辨析的文本推荐方法，其特征在于，所述文本推荐方法包含如下步骤：步骤1：基于类脑“分层‑发散”思考模式构建深度语义网格模型；步骤2：结合“网格主题‑同义词袋”模型和词匹配技术推理文本的网格主题集，利用网格模型的“联想‑记忆”功能将分散的主题联结，然后利用情景语义分析功能推理不同激活主题在当前文本下的情景标签，最后构建融合多种情景语义以及记忆联结的文本主题树；步骤3：根据用户兴趣对文本主题树进行剪枝处理，即过滤掉不符合用户当前情景状态的主题和关系，从而构建基于情景语义筛选的文本主题树；步骤4：利用TF‑IDF算法统计数据库中所有经过情景语义筛选后的文本主题树，计算主题的权重值并映射到相应的网格主题节点中，为每篇文档构建出用户文本兴趣画像；步骤5：根据伪相关反馈方法抽取出与用户查询内容相关的文档以及相应的情景语义筛选后的文本主题树，统计反馈树中主题的频次并做归一化处理得到初始兴趣主题激活值；步骤6：利用激活扩散机制计算反馈学习下初始兴趣网格主题与潜在兴趣网格主题的全局动态激活值，将计算结果赋值给网格模型中相应的主题节点，构建融合当前情景语义的用户查询兴趣画像；步骤7：利用基于网格的余弦相似度计算方法，为用户查询兴趣画像和用户文本兴趣画像之间的深度语义相关度进行评分，并生成推荐列表进行推荐。