[发明专利]推荐理由生成方法、装置、电子设备及可读存储介质

权利要求书

1.一种推荐理由生成方法，其特征在于，包括：

根据目标用户的搜索数据，获取针对所述搜索数据的至少一个召回结果；

根据所述目标用户的所述搜索数据、所述召回结果以及目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由；

其中，所述智能问答模型为通过至少一个样本问答数据组合训练得到的第一机器学习模型，所述样本问答数据组合包括：至少一个样本用户的样本用户画像和历史评价数据，以及与所述历史评价数据对应的推荐对象、所述样本用户针对所述推荐对象的历史搜索数据；

所述样本问答数据组合通过下述方式构建：

根据所述样本用户的历史行为数据，以及与所述历史行为数据对应的推荐对象，获取所述样本用户已评价的目标推荐对象；

根据所述样本用户针对所述目标推荐对象的历史评价数据，获取所述样本用户针对所述目标推荐对象的样本推荐理由；

根据所述样本用户的所述样本用户画像、所述目标推荐对象，以及与所述历史评价数据对应的历史搜索数据，获取所述样本用户针对所述目标推荐对象的样本问题数据；以及

以所述样本问题数据作为所述智能问答模型的输入问题，以所述样本推荐理由作为所述智能问答模型的输出答案，构建所述样本问答数据组合。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述目标用户的搜索数据、所述召回结果以及目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由的步骤之前，还包括：

根据所述样本问答数据组合训练所述智能问答模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的搜索数据、所述召回结果以及所述目标用户画像，通过预设的智能问答模型获取各个所述召回结果的推荐理由的步骤，包括：

根据所述目标用户的所述搜索数据以及所述目标用户画像，通过所述智能问答模型获取各个所述召回结果的初始推荐理由；以及

根据知识图谱对所述初始推荐理由进行修正，得到各个所述召回结果的最终推荐理由。

4.根据权利要求3所述的方法，其特征在于，所述根据知识图谱对所述初始推荐理由进行修正，得到各个所述召回结果的最终推荐理由的步骤，包括：

对所述初始推荐理由进行预处理，所述预处理包括命名实体识别、句法分析、依存分析中的至少一种；以及

根据所述知识图谱对预处理后的初始推荐理由进行修正，得到所述召回结果的所述最终推荐理由。

5.根据权利要求4所述的方法，其特征在于，所述根据所述知识图谱对预处理后的初始推荐理由进行修正，得到所述召回结果的所述最终推荐理由的步骤，包括：

基于预设的分类模型，获取所述预处理后的初始推荐理由中的可替换字段；

针对所述可替换字段进行修正处理，得到所述召回结果的所述最终推荐理由；

其中，所述分类模型为基于所述知识图谱训练得到的第二机器学习模型。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述智能问答模型包括结合注意力机制的seq2seq框架模型，所述注意力机制包括覆盖注意力机制，所述智能问答模型的预测方式包括集束搜索方式，所述seq2seq框架的解码层通过Context Gate决定在获取所述解码层本次解码步骤的输入时，所述解码层的前一解码步骤输出针对本次解码步骤输入的权重。