[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

说明书

本申请公开了一种文本推荐方法、智能终端及计算机可读存储介质，该文本推荐方法包括：获取待选文本对应的第一分词序列和历史文本序列；分别对第一分词序列和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，以得到待选文本特征向量和历史特征向量；其中，待选文本特征向量包括待选文本中每一分词的位置信息，历史特征向量包括每一第二分词序列中每一分词的位置信息；基于对历史特征向量进行兴趣特征提取得到的用户兴趣特征表示和待选文本特征向量，确定待选文本的预测概率值；根据预测概率值对用户进行文本推荐。上述方案，能够在提取文本特征时，充分考虑位置信息关键因素，并结合用户阅读习惯及关注点，进行文本推荐。

技术领域

本申请涉及计算机技术领域，特别是涉及一种文本推荐方法、智能终端及计算机可读存储介质。

背景技术

近年来，随着信息技术的发展以及互联网的不断普及，人们获取的信息越来越多，这在一定程度上也会产生信息过载。在商品、新闻领域，推荐系统是一种解决信息过载的手段，文本推荐可以帮助用户和读者从海量的文本信息中发现感兴趣的文本内容，以能够缩短用户的搜索时间，提升读者和用户的阅读体验等。

比如，在对新闻信息进行推荐中，虽然新闻推荐近几年快速发展，但其仍然存在很多问题需要解决，比如准确地将用户对新闻的兴趣建模依然存在挑战，用户的兴趣通常比较多式多样且随时间动态演化，需要基于大量的用户反馈行为来进行挖掘和建模。然而新闻平台上往往不具有显式的用户反馈，甚至许多用户的隐式反馈也十分稀疏。

目前，新闻推荐系统依照方法来分，总体上可分为基于内容建模的推荐方法、采用协同过滤的新闻推荐方法、结合两者优势的混合模型，基于内容推荐算法主要是指基于用户的新闻阅读兴趣，向用户推荐与喜好相近的新闻；基于协同过滤推荐算法是指基于相近人群兴趣爱好，向用户推荐新闻；混合算法则是综合考虑用户喜好与相近人群的兴趣点为用户推荐新闻。

然而，采用上述方式，通常又会因提取出的新闻内容中的位置信息的缺失，导致无法得到准确的新闻的特征信息，也便无法准确的提取出用户的兴趣点，以筛选出代表性文本。

发明内容

本申请主要解决的技术问题是提供一种文本推荐方法、智能终端及计算机可读存储介质，能够添加篇章内单词位置编码助力单篇文本待选语义表示，以综合考虑用户的兴趣点，筛选出代表性文本。

为了解决上述问题，本申请第一方面提供了一种文本推荐方法，其中，该文本推荐方法包括：获取待选文本对应的第一分词序列和历史文本序列；对第一分词序列进行特征提取处理，以得到待选文本特征向量；其中，待选文本特征向量包括待选文本中每一分词的位置信息；对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，历史特征向量包括每一第二分词序列中每一分词的位置信息；对历史特征向量进行兴趣特征提取处理，以得到历史文本序列对应的用户兴趣特征表示；基于待选文本特征向量和用户兴趣特征表示，确定待选文本对应的预测概率值；根据预测概率值对用户进行文本推荐。

其中，对第一分词序列进行特征提取处理，以得到待选文本特征向量的步骤包括：对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；对待选文本表示及其对应的位置编码张量进行处理，得到待选文本对应的待选语义表示；基于待选语义表示得到待选文本对应的待选文本特征向量。

其中，对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：对待选文本进行向量转换，以得到待选文本表示；基于待选文本表示得到位置编码张量。

其中，基于待选文本表示得到位置编码张量，包括：利用待选文本表示的维度以及待选文本表示中的每一元素在待选文本表示中的位置依次对待选文本表示中的每一元素分别进行位置编码运算，以得到位置编码张量。