[发明专利]推荐信息处理方法、装置、设备及存储介质

权利要求书

1.一种推荐信息处理方法，其特征在于，包括：

接收用户的推荐请求，获取所述推荐请求中的问卷对话数据；

对所述问卷对话数据进行语音识别及文本提取，并提取出需求数据；

自用户信息数据库中获取与所述用户关联的行为轨迹数据，同时爬取与所述需求数据匹配的非结构化数据，以及爬取与所述用户关联的人际关系图谱；

运用分布式并行计算技术，对所述非结构化数据进行结构化转换以及分类匹配，得到结构化汇总数据；

运用深度学习技术，通过客户画像模型对所述行为轨迹数据和所述结构化汇总数据进行客户分群，得到与所述用户对应的分群标签；

通过信息推荐模型对所述需求数据、所述分群标签和所述人际关系图谱进行推荐信息分析，得到与所述推荐请求对应的信息推荐结果，并将所述信息推荐结果向所述用户推荐；

所述运用分布式并行计算技术，对所述非结构化数据进行结构化转换以及分类匹配，得到结构化汇总数据，包括：

通过预处理模型对所述非结构化数据中的各个单元数据进行类型识别，识别出与各所述单元数据对应的数据类型；

运用分布式并行计算技术，将各所述单元数据分发至一一对应的单线程，通过所述单线程执行与所述单元数据对应的所述数据类型匹配的结构化转换，得到与该单元数据对应的结构化单元数据；

对所有所述结构化单元数据进行分类匹配，将相同分类的所述结构化单元数据进行汇总，得到包含各分类汇总数据的所述结构化汇总数据；

所述运用分布式并行计算技术，将各所述单元数据分发至与其对应的单线程，通过所述单线程执行与所述单元数据对应的所述数据类型匹配的结构化转换，得到与该单元数据对应的结构化单元数据，包括：

通过Spark分布式架构中的主控中心对各所述单元数据进行DAG划分，划分出与所述单元数据对应的所述数据类型匹配的线程类型及与其对应的数量；

对所有所述线程类型及与其对应的数量进行任务调度预测，预测出各个所述单线程以及与所述单线程对应的所述单元数据；

将各所述单元数据分发至与其对应的单线程，并通过所述单线程执行与所述单元数据对应的所述数据类型匹配的转换，得到与该单元数据对应的结构化单元数据。

2.如权利要求1所述的推荐信息处理方法，其特征在于，所述接收用户的推荐请求，获取所述推荐请求中的问卷对话数据之前，包括：

接收用户的问卷请求，获取所述问卷请求中的所述用户的全身图像；

对所述全身图像进行风格识别，识别出与所述用户对应的风格标签；

从问卷库中获取与所述风格标签对应的问卷清单；

根据获取的所述问卷清单，发起与所述用户的多轮问卷对话，以及通过多轮问卷对话，生成与所述问卷请求对应的所述问卷对话数据，并触发所述推荐请求。

3.如权利要求1所述的推荐信息处理方法，其特征在于，所述对所述问卷对话数据进行语音识别及文本提取，并提取出需求数据，包括：

运用语音识别技术，对所述问卷对话数据进行识别，识别出语音数据；

运用word2vec算法和CRF约束算法，对所述语音数据进行文本分段，划分出多个短文本段；

运用Bi-LSTM算法，对所有所述短文本段进行关键字提取，得到所述需求数据。

4.如权利要求1所述的推荐信息处理方法，其特征在于，所述爬取与所述需求数据匹配的非结构化数据，包括：

运用快速匹配算法，爬取与所述需求数据匹配的待处理页面；

从所述待处理页面中获取与所述需求数据匹配的内容的上下文信息；

对所述上下文信息进行非结构化提取，得到所述非结构化数据。

5.如权利要求1所述的推荐信息处理方法，其特征在于，所述爬取与所述用户关联的人际关系图谱，包括：

自用户信息数据库中获取与所述用户对应的基础属性数据，组成多个词条信息；

运用快速匹配算法，爬取与所述词条信息匹配的待抽取页面；

通过开放信息抽取原型算法对所有所述待抽取页面进行信息抽取，抽取出与所述用户关联的关系人以及与其对应的文本对象；

通过关系人构建模型对各所述文本对象进行关系语义识别，构建所述人际关系图谱。