[发明专利]信息推荐方法及装置、计算机可读存储介质、处理器

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取目标对象的主题标签，其中，所述主题标签从所述目标对象提交的预定数据流中提取得到；

通过预定推荐模型，确定与所述主题标签对应的推荐数据，其中，所述预定推荐模型为使用多组训练数据通过在线机器学习训练得到的，所述多组训练数据中每组训练数据均包括：主题标签与所述主题标签对应的推荐数据，所述推荐数据为推荐给所述目标对象的推荐对象的标识信息；

将所述推荐数据发送至所述目标对象。

2.根据权利要求1所述的方法，其特征在于，获取目标对象的主题标签，包括：

获取所述目标对象提交的所述预定数据流；

确定所述预定数据流中的关键词序列；

确定关键词序列中每一个关键词的内容标签，得到多个内容标签；

确定所述多个内容标签中权重大于预定阈值的部分内容标签为所述主题标签。

3.根据权利要求2所述的方法，其特征在于，在获取所述目标对象提交的所述预定数据流之后，所述方法还包括：

为所述预定数据流中的每条预定数据添加时间戳。

4.根据权利要求2所述的方法，其特征在于，确定所述预定数据流中的关键词序列，包括：

对所述预定数据流中的每条预定数据进行预处理，其中，所述预处理包括：分词操作、无效数据的过滤操作；

确定预处理后的所述预定数据流中每个分词结果的特征值，其中，所述特征值包括：TF-IDF值、TextRank值；

基于所述每个分词结果的特征值分别生成所述每个分词结果对应的序列表；

从所述序列表中截取特征值大于预设数值的目标分词结果；

将所述目标分词结果作为元素得到所述关键词序列。

5.根据权利要求4所述的方法，其特征在于，确定关键词序列中每一个关键词的内容标签，得到多个内容标签，包括：

将所述关键词序列中的每一个关键词分别与预定标签进行匹配，得到匹配结果；

基于所述匹配结果确定所述每一个关键词的内容标签，得到所述多个内容标签。

6.根据权利要求5所述的方法，其特征在于，将所述关键词序列中的每一个关键词分别与预定标签进行匹配，包括：

利用词向量确定模型，确定所述每一个关键词与所述预定标签的词向量；

确定所述每一个关键词与所述预定标签的词向量之间的余弦相似度。

7.根据权利要求5所述的方法，其特征在于，确定所述多个内容标签中权重大于预定阈值的部分内容标签为所述主题标签，包括：

确定所述多个内容标签中每一个内容标签相对于所述目标对象的重要性权重；

确定所述多个内容标签中每一个内容标签相对于所述目标对象的稀缺性权重；

确定所述多个内容标签中每一个内容标签的时间衰减系数；

基于所述重要性权重、所述稀缺性权重以及所述时间衰减系数确定所述多个内容标签中每一个内容标签的权重；

将所述多个内容标签中权重大于所述预定阈值的部分标签作为所述主题标签。

8.根据权利要求1至7中任一项所述的方法，其特征在于，在将所述推荐数据发送至所述目标对象之后，所述方法还包括：

利用所述主题标签对所述预定推荐模型进行更新。

9.一种信息推荐的装置，其特征在于，包括：

获取模块，用于获取目标对象的主题标签，其中，所述主题标签从所述目标对象提交的预定数据流中提取得到；

确定模块，用于通过预定推荐模型，确定与所述主题标签对应的推荐数据，其中，所述预定推荐模型为使用多组训练数据通过在线机器学习训练得到的，所述多组训练数据中每组训练数据均包括：主题标签与所述主题标签对应的推荐数据，所述推荐数据为推荐给所述目标对象的推荐对象的标识信息；

发送模块，用于将所述推荐数据发送至所述目标对象。