[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

说明书

本发明公开了一种推荐理由生成方法，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。解决了成本较高、个性化不足的技术问题。取得了降低推荐理由生成成本的同时提高推荐理由的个性化程度的有益效果。

技术领域

本发明涉及计算机技术领域，具体涉及一种推荐理由生成方法、装置、电子设备及可读存储介质。

背景技术

随着AI(Artificial Intelligence，人工智能)技术的发展，与此相关的应用正在产生越来越重要的商业价值和社会影响力，如何解决其决策过程中的信任机制是促进人工智能进一步发展的关键因素。例如，对于搜索系统而言，评定主体是其面对的用户，而用户的主观性较强，因此结果的可解释性不仅会直接影响搜索系统的效果，也会影响用户对系统的信任度和接受程度。近年来可解释的搜索系统越来越受到关注，给用户展示商品或内容的同时透出推荐理由，这样不仅能提升系统的透明度，还能提高用户对平台的信任和接受程度。

目前业内推荐理由主要有以下四种生成方法：人工运营：由运营人员或专员针对每一个商户写出一句合适的文本内容；规则模板：由专家设定若干模板，根据模板拼接出合适的内容；抽取评论数据：抽取用户撰写的对商户的部分评论内容作为推荐理由；内容生成：利用NLP(Natural Language Processing,自然语言处理)技术，训练生成模型让模型生成合适的文本。

但是上述目前推荐理由生成主流的四种方法，都有一定的缺陷与局限性。其中，对于人工运营方式，虽然人工撰写的句子质量高且内容丰富，然而成本高，数量有限且更新慢，且无法满足个性化的生成内容；对于规则模板方式，比起人工运营能够降低一定成本，然而内容单调，可介绍的维度覆盖面低，且没有通用性，同样也不能满足个性化的需求；对于抽取评论数据的方式，严格依赖评论数据供给，拥有一定的局限性；对于内容生成方式，首先在推荐理由的场景下，缺乏很好的样本，其次对于单个商户，无法满足个性化的生成内容。由此可见，现有的推荐理由生成方案存在成本较高、个性化不足等技术问题。

发明内容

本发明提供一种推荐理由生成方法、装置、电子设备及可读存储介质，以部分或全部解决现有技术中推荐理由生成过程相关的上述问题。

依据本发明第一方面，提供了一种推荐理由生成方法，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。

根据本发明的第二方面，提供了一种推荐理由生成装置，包括：

召回结果获取模块，用以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；

推荐理由生成模块，用以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。