[发明专利]一种文本推荐方法、智能终端及计算机可读存储介质

权利要求书

1.一种文本推荐方法，其特征在于，所述文本推荐方法包括：

获取待选文本对应的第一分词序列和历史文本序列；

对所述第一分词序列进行转换处理，以得到待选文本表示以及位置编码张量；

对所述待选文本表示及其对应的所述位置编码张量进行处理，得到所述待选文本对应的待选语义表示；

基于所述待选语义表示得到所述待选文本对应的所述待选文本特征向量；其中，所述待选文本特征向量包括所述待选文本中每一分词的位置信息；

对所述历史文本序列中的每一历史文本对应的第二分词序列进行特征提取处理，以得到历史特征向量；其中，所述历史特征向量包括每一所述第二分词序列中每一分词的位置信息；

对所述历史特征向量进行兴趣特征提取处理，以得到所述历史文本序列对应的用户兴趣特征表示；

基于所述待选文本特征向量和所述用户兴趣特征表示，确定所述待选文本对应的预测概率值；

根据所述预测概率值对用户进行文本推荐。

2.根据权利要求1所述的文本推荐方法，其特征在于，所述对所述第一分词序列进行转换处理，以得到待选文本表示以及位置编码张量，包括：

对所述第一分词序列进行向量转换，以得到所述待选文本表示；

基于所述待选文本表示得到所述位置编码张量。

3.根据权利要求2所述的文本推荐方法，其特征在于，所述基于所述待选文本表示得到所述位置编码张量，包括：

利用所述待选文本表示的维度以及所述待选文本表示中的每一元素在所述待选文本表示中的位置依次对所述待选文本表示中的每一元素分别进行位置编码运算，以得到所述位置编码张量。

4.根据权利要求1所述的文本推荐方法，其特征在于，所述基于所述待选语义表示得到所述待选文本对应的所述待选文本特征向量，包括：

获取所述待选语义表示中每两个元素之间的相关重要程度值和所述待选文本表示中每一元素的重要程度值；

基于所述相关重要程度值得到所述待选语义表示对应的注意力向量表示；

基于所述注意力向量表示和所述重要程度值得到所述待选文本特征向量。

5.根据权利要求4所述的文本推荐方法，其特征在于，所述获取所述待选语义表示中每两个元素之间的相关重要程度值的步骤包括：

通过经训练的第一网络模型对所述待选语义表示进行处理，以得到所述待选语义表示中每两个元素之间的所述相关重要程度值；

其中，所述待选语义表示中的第一元素相对其第二元素的相关重要程度值为所述第一元素的转置向量与所述第一网络模型经训练后得到的第一权重系数矩阵及所述第二元素的乘积。

6.根据权利要求5所述的文本推荐方法，其特征在于，所述基于所述相关重要程度值得到所述待选语义表示对应的注意力向量表示，包括：

对所述相关重要程度值进行归一化运算，以得到所述待选语义表示中每两个元素之间的相关重要程度表示；

通过所述第一网络模型对所述相关重要程度表示进行第一特征提取运算，以得到所述注意力向量表示。

7.根据权利要求6所述的文本推荐方法，其特征在于，所述基于所述注意力向量表示和所述重要程度值得到所述待选文本特征向量的步骤包括：

通过所述第一网络模型对所述注意力向量表示和所述重要程度值进行第二特征提取运算，以得到注意力机制权重系数；

对所述注意力向量表示和所述注意力机制权重系数进行第一聚合运算，以得到所述待选文本特征向量。

8.根据权利要求1所述的文本推荐方法，其特征在于，多个所述历史文本以阅读时间为序组成所述历史文本序列，所述对所述历史特征向量进行兴趣特征提取处理，以得到所述历史文本序列对应的用户兴趣特征表示的步骤包括：

对所述历史特征向量进行兴趣特征提取运算，以得到每一所述历史文本对应的权重系数值；

基于所述历史特征向量及每一所述权重系数值得到所述用户兴趣特征表示。