[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

说明书

本发明公开了一种信息推荐方法及装置、计算机可读存储介质、处理器。其中，该方法包括：获取目标对象的主题标签，其中，主题标签从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，确定与主题标签对应的推荐数据，其中，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，多组训练数据中每组训练数据均包括：主题标签与主题标签对应的推荐数据，推荐数据为推荐给目标对象的推荐对象的标识信息；将推荐数据发送至目标对象。本发明解决了相关技术中使用的人员推荐方法均基于离线学习训练得到的模型，存在滞后性，无法比较及时地为用户提供所需信息的技术问题。

技术领域

本发明涉及信息处理技术领域，具体而言，涉及一种信息推荐方法及装置、计算机可读存储介质、处理器。

背景技术

推荐系统根据用户的信息需求、行为和兴趣，将用户感兴趣的信息和产品推荐给用户，是互联网时代解决信息过载的有效方法之一。人员推荐，例如，社交网络中好友推荐也是推荐系统的应用场景之一。其中相关技术中有提出远程教育社交网络中学习伙伴自动推荐方法及其系统，其从个人信息、学业信息以及伙伴关系三个方面来综合评估人员之间的紧密度，推荐紧密度高的人员作为学习伙伴。但是，紧密度计算中指标的选择和权重值的分配都是由人工自定义规则指定，受人为主观影响大且当数据源发生变化时需要相应地人工调整指标和权重值，人力成本高。此外相关技术中也有提出混合博文与用户关系的社交媒体好友推荐方法，其使用有监督的数据降维方法LDA等自然语言处理技术计算人员之间的博文相似度，作为伙伴推荐的依据之一。但是该推荐方法使用的语义上下文信息可解释性不够好。

而且，上述人员推荐方法均是采用离线学习方法训练模型，先对完整的数据集进行训练，接着需要等待模型训练结束才能进行预测，无法增量地更新模型以实现边训练边预测，预测得到的推荐结果存在滞后性，不能满足人员实时推荐的要求。例如，当员工数量达到一定数量级时，可能存在员工A提交了技术问题的求助帖的同时就有另一位员工B恰好提交了关于这个问题的经验总结即解答记录，现有人员推荐方法中的离线学习会在日终等某个固定时间点针对全量的语料花费数小时重新训练模型，虽然最终得到的模型也能正确地将员工B作为工作伙伴推荐给员工A，但是存在滞后性，无法提供实时帮助。其次离线学习所使用的数据集和最终得到的模型需要全量保存，对软硬件资源要求高。

针对上述相关技术中使用的人员推荐方法均基于离线学习训练得到的模型，存在滞后性，无法比较及时地为用户提供所需信息的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种信息推荐方法及装置、计算机可读存储介质、处理器，以至少解决相关技术中使用的人员推荐方法均基于离线学习训练得到的模型，存在滞后性，无法比较及时地为用户提供所需信息的技术问题。

根据本发明实施例的一个方面，提供了一种信息推荐方法，该方法包括：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。

可选地，获取目标对象的主题标签，所述方法还包括：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。

可选地，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。