[发明专利]个性化文本智能推荐方法、装置及计算机可读存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种个性化文本智能推荐方法，接收语料集和标签集，将所述语料集进行预处理得到标准语料集，对所述标准语料集进行关键字抽取后得到关键字数据集，对所述关键字数据集进行聚类分析得到类别集，将所述类别集与所述关键字数据集进行词向量化操作得到词向量类别集与词向量关键字集，将所述词向量类别集与所述词向量关键字集输入至推荐模型训练，直至所述推荐模型退出训练，接收用户输入的文本数据，判断所述文本数据的类别和标签，并根据判断的所述类别和标签从数据库中推荐相同类别和标签的文本内容。本发明还提出一种个性化文本智能推荐装置以及一种计算机可读存储介质。本发明可以实现精准的个性化文本推荐。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种个性化文本推荐方法、装置及计算机可读存储介质。

背景技术

随着互联网信息的快速增长,用户每天会浏览大量的文本数据，如果能从用户所浏览的文本数据中提取有用的关键字信息，从而进行个性化推荐，则能更高效的利用计算资源，并节约用户时间。目前国内外学者对推荐算法进行了相关研究，研究发现，其中数据稀疏性问题、冷启动问题以及用户兴趣获取问题都是影响推荐效果的重要因素。因此基于所述研究结果，现有的一些网站例如：电影、音乐、小说等使用神经规则引擎方法进行个性化推荐，所述神经规则引擎方法虽然精确，但是其方法僵硬脆弱，推荐的内容往往与用户实际所需的内容大相径庭，因此，个性化推荐的准确率有待进一步加强。

发明内容

本发明提供一种个性化文本智能推荐方法、装置及计算机可读存储介质，其主要目的在于当用户输入文本数据时，给用户精准的推荐与所述文本数据内容相近的文本数据。

为实现上述目的，本发明提供的一种个性化文本智能推荐方法，包括：

接收包括基础文本数据集和场景文本数据集的语料集和标签集，将所述语料集进行包括分词、去停用词的预处理操作得到标准语料集；

基于关键字抽取算法对所述标准语料集进行关键字抽取后得到关键字数据集，对所述关键字数据集进行聚类分析得到类别集，将所述类别集与所述关键字数据集进行词向量化操作得到词向量类别集与词向量关键字集；

将所述词向量关键字集输入至推荐模型，所述推荐模型将所述词向量关键字集输入至卷积神经网络中进行训练并得到第一训练值和第二训练值，将所述第一训练值和所述词向量类别集输入至损失函数中，所述损失函数计算得到第一损失值，判断所述第一损失值与预设第一阈值的大小，若所述第一损失值大于预设第一阈值，则所述卷积神经网络继续训练，若所述第一损失值小于预设第一阈值，则将所述第二训练值和所述标签集输入至所述损失函数计算得到第二损失值，判断所述第二损失值与预设第二阈值的大小，若所述第二损失值大于预设第二阈值，所述卷积神经网络继续训练，若所述第二损失值小于预设第二阈值，所述卷积神经网络退出训练；

接收用户输入的文本数据，将所述文本数据输入至所述推荐模型中判断所述文本数据的类别和标签，并根据判断的所述类别和标签从数据库中推荐相同类别和标签的文本内容。

可选地，所述基础文本数据集包括微博评论集、电影观后感集、音乐评论集；

所述场景文本数据集包括股票评论集、政府工作报告评论集、公司季度年度财务报表评论集、大学生就业情况评论集。

可选地，所述分词包括：

根据所述语料集建立概率分词模型P(S)和最大化所述概率分词模型P(S)，并利用最大化后的所述概率分词模型P(S)对所述语料集执行分词操作；

其中，所述概率分词模型P(S)为：