[发明专利]人工智能应用服务推送方法、推送平台及终端设备

权利要求书

1.一种人工智能应用服务推送方法，其特征在于，包括：

获取需求描述信息，并根据所述需求描述信息确定目标模板；

根据所述目标模板生成发布信息；

智能匹配与所述发布信息对应的实体；

为所述实体推送所述目标模板和/或发布消息；

其中，获取需求描述信息，并根据所述需求描述信息确定目标模板，包括：

获取候选模板的第一关键词；

提取所述需求描述信息的第二关键词；

计算所述第一关键词和第二关键词的匹配度；

以最高匹配度对应的候选模板作为目标模板；

步骤获取需求描述信息，并根据所述需求描述信息确定目标模板之前，还包括建立模板，具体包括：

获取专题类别和对应的原始需求数据；

基于专题类别，使用预设的第一语言模型，提取所述原始需求数据的关键词；

按照频率从高到低排列，提取前m%的关键词作为各个专题类别的模板对应的模板关键词；

根据所述模板关键词建立模板，所述模板包括专题类别、需求描述和可提供的资源支持中的至少一项，所述关键词包括专题类别、需求描述和可提供的资源支持中的至少一项对应的关键词；

步骤基于专题类别，使用预设的第一语言模型，提取所述原始需求数据的关键词之前，还包括建立预设的第一语言模型，具体包括：

选择第一语言模型作为训练模型；

对所述训练模型进行训练，并确定所述训练模型的参数；

判断是否满足第一预设结束训练条件，如果满足，则结束训练；如果不满足，则返回对所述训练模型进行训练，并确定所述训练模型的参数的步骤；

其中，对所述训练模型进行训练，并确定所述训练模型的参数，包括：

训练模型接收输入数据，输入数据包括训练数据和验证数据，其中所述训练数据用于对所述训练模型进行训练，所述验证数据用于判断是否可以结束训练；

所述训练模型根据训练数据的训练情况，自动调整所述训练模型的参数。

2.如权利要求1所述的人工智能应用服务推送方法，其特征在于，所述第一预设结束训练条件包括：

训练次数达到预设次数阈值；或者，训练结果达到预设效果阈值，其中所述训练结果为所述训练模型根据所述验证数据输出的中间结果作为第一目标函数的输入值时对应的输出值，所述训练结果用来衡量训练情况的效果。

3.如权利要求2所述的人工智能应用服务推送方法，其特征在于，第一目标函数LOSS₁为：

其中X代表训练集中所有短语词汇的集合，x为当前选择的短语词汇，代表所述当前选择的短语词汇作为自然词汇的评分，代表字典，代表将x进行变化为w的新词，所述新词为负样本，代表所述负样本的评分，为0～1之间的超参数，m为正样本数量，n为负样本数量，所述短语词汇包括训练数据和验证数据。

4.如权利要求1所述的人工智能应用服务推送方法，其特征在于，智能匹配与所述发布信息对应的实体，包括：

将所述第二关键词输入到预设的智能匹配模型；

接收所述智能匹配模型输出的实体，所述实体与所述第二关键词有关联关系。

5.如权利要求4所述的人工智能应用服务推送方法，其特征在于，智能匹配与所述发布信息对应的实体之前，还包括建立预设的智能匹配语言模型，包括：

基于第二语言模型和数据挖掘技术，按照分组分类规则抽取实体关键词、业务关键词和关联关系，形成结构化的先验知识；

使用迪卡尔积，生成先验知识的负样本；

基于第二目标函数，训练TransE模型；

判断符合第二预设结束训练条件时，结束训练；

其中，第二目标函数如下：

为正样本关系，X为正样本关系集，为负样本关系，为负样本关系集,，，表示正样本关系的L2范数，表示负样本关系的L2范数，其中为0～1的超参数，M为负样本关系的模。

6.如权利要求1所述的人工智能应用服务推送方法，其特征在于，为所述实体推送所述目标模板和/或发布消息之后，还包括：

为所述实体分配资源；

接收实体完成的任务模型，并对所述任务模型进行评估。