[发明专利]面向非结构化数据的新能源规划性文本智能推荐方法

说明书

本发明公开了一种面向非结构化数据的新能源规划性文本智能推荐方法，包括：获取用户的特征信息和浏览的文本信息；将用户的特征信息和浏览的文本信息与预设的知识图谱的实体进行匹配，得到实体对应表；通过预设的知识图谱和所述实体对应表，计算语义相似性矩阵；通过语义相似性矩阵生成第一文本推荐列表；通过协同过滤算法，结合用户的特征信息和浏览的文本信息，生成第二文本推荐列表；将第一文本推荐列表和第二文本推荐列表进行融合，得到目标文本推荐列表。由此，分别通过知识图谱以及协同过滤的方法对文本进行推荐，这样能够为用户提供更加丰富的内容，并且通过知识图谱的方式进行推荐还弥补了协同过滤算法的冷启动的问题。

技术领域

本发明涉及智能推荐领域，尤其涉及一种面向非结构化数据的新能源规划性文本智能推荐方法。

背景技术

新能源行业处于发展初期，发展初期是一个由政策等规划性文本主导的市场，为了让用户方便、及时的了解国家下发的各种政策信息，构建了能够用于搜索和浏览国家政策等规划性文本的能源互联网平台。

为了方便用户使用能源互联网平台，通常会为用户推荐相关的规划性文本信息，传统的推荐算法通常采用基于用户过去喜欢的内容，为用户推荐相似的内容，该种方式推荐的内容有限，无法为用户发现新的感兴趣的信息，无法满足用户的推荐需求。

发明内容

有鉴于此，本发明实施例公开了一种面向非结构化数据的新能源规划性文本智能推荐方法及装置，解决了现有技术中，不仅能够满足用户的推荐需求，并且不再存在冷启动的问题，即即使在用户没有浏览记录的情况下，也可以为用户推荐感兴趣的内容。

本发明实施例公开了一种规划性文本智能推荐方法，包括：

获取用户的特征信息和浏览的文本信息；

将用户的特征信息和浏览的文本信息与预设的知识图谱中的实体进行匹配，得到实体对应表；

通过预设的知识图谱和所述实体对应表，计算语义相似性矩阵；

通过语义相似性矩阵生成第一文本推荐列表；

通过协同过滤算法，结合用户的特征信息和浏览的文本信息，生成第二文本推荐列表；

将所述第一文本推荐列表和第二文本推荐列表进行融合，得到目标文本推荐列表。

可选的，所述用户的特征信息至少包括：用户的基本信息、用户的浏览行为以及用户的个性化特征信息中的任意一个。

可选的，所述通过预设的知识图谱和所述实体对应表，计算语义相似性矩阵，包括：

将所述知识图谱中实体以及实体之间的关系表示为低维向量；

通过计算每个向量之间的距离确定不同实体之间的语义相似性；

通过知识图谱中各个实体之间的语义相似性，生成与所述实体对应表中的实体相对应的语义相似性矩阵。

可选的，通过协同过滤算法，结合用户的特征信息和浏览的文本信息，生成第二文本推荐列表，包括：

通过用户的特征信息和浏览的文本信息生表征用户与浏览的文本的关系的第一矩阵；

通过所述第一矩阵，计算用户之间的相似度；

基于用户之间的相似度，生成第三文本推荐列表；

基于用户浏览的文本信息生成文本偏好特征集；

通过计算文本偏好特征集与其它文本的相似性，生成第四文本推荐列表；

将所述第三文本推荐列表和第四文本推荐列表进行融合，得到第二文本推荐列表。

可选的，所述将所述第一文本推荐列表和第二文本推荐列表进行融合，得到目标文本推荐列表，包括：