内容推荐方法及装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种内容推荐方法及装置、电子设备及存储介质。所述内容推荐方法，包括：基于上下文信息，获取上下文语境信息；结合所述上下文语境信息及当前对话内容，确定用户意图；基于所述用户意图，确定待推荐的内容。

Content recommendation method and device, electronic equipment and storage medium

【技术实现步骤摘要】
内容推荐方法及装置、电子设备及存储介质
本专利技术涉及数据处理
，尤其涉及一种内容推荐方法及装置、电子设备及存储介质。
技术介绍
在网络技术中，内容推荐可包括：向用户推荐用户感兴趣的内容，还可包括：基于用户提问提供用户所需的答案以实现智能问答。相关技术中存在各种内容推荐的机制，但是均存在的提问是：不能精确的向用户提供其所需的内容。例如，在一些基于深度学习模型的内容推荐过程中，内容推荐所依赖的信息均为表层信息，导致模型的泛化能力差，进而导致推荐的内容精确性低。对于精确性低的推荐，一方面不能解决用户获取所需内容的需求，另一方面还会对用户造成不必要的信息干扰。故如何提升内容推荐过程中的精确度是现有技术亟待解决的提问之一。
技术实现思路
有鉴于此，本专利技术实施例期望提供一种内容推荐方法及装置、电子设备及存储介质。本专利技术的技术方案是这样实现的：一种内容推荐方法，包括：基于上下文信息，获取上下文语境信息；结合所述上下文语境信息及当前对话内容，确定用户意图；基于所述用户意图，确定待推荐的内容。基于上述方案，所述结合所述上下文语境信息及当前对话内容，确定用户意图，包括：根据所述上下文语境信息及所述当前对话内容，生成信息序列以词语为最小处理单位，将所述信息序列转换为特征向量；基于所述特征向量，提取所述用户意图。基于上述方案，所述基于所述特征向量，提取所述用户意图，包括：利用第一神经网络对所述特征向量进行特征处理，获得第一特征信息；利用第二神经网络对所述特征向量进行特征处理，获得第二特征信息；融合所述第一特征信息和所述第二特征信息，得到所述用户意图；其中，第一神经网络和所述第二神经网络的类型不同。基于上述方案，所述以词语为最小处理单位，将所述信息序列转换为特征向量，包括：以词语为最小处理单位，将词语转换为M维度的向量，M为不小2的正整数；将所述信息序列中词语所对应的向量的元素，按元素排序对应相加得到所述特征向量。基于上述方案，所述基于所述用户意图，确定推荐的内容，包括：确定所述用户意图与预定内容所对应预定意图之间的相似度；选择与所述用户意图相似度最大的预定意图对应的预定内容，为所述待推荐的内容。基于上述方案，所述基于所述用户意图，确定推荐的内容，包括：确定所述用户意图对应的第一特征向量与所述预定意图对应的第二特征向量之间的欧式距离；或者，确定所述第一特征向量与所述第二特征向量之间点积。基于上述方案，所述基于上下文信息，获取上下文语境信息，包括：基于一次历史对话内容，获得一条上下文信息；根据当前对话内容之前的N条上下文信息，确定所述上下文语境信息；其中，N为正整数。一种内容推荐装置，包括：获取模块，用于基于上下文信息，获取上下文语境信息；第一确定模块，用于结合所述上下文语境信息及当前对话内容，确定用户意图；第二确定模块，用于基于所述用户意图，确定待推荐的内容。基于上述方案，所述第一确定模块，具体用于根据所述上下文语境信息及所述当前对话内容，生成信息序列以词语为最小处理单位，将所述信息序列转换为特征向量；基于所述特征向量，提取所述用户意图。一种电子设备，包括：存储器，处理器，与所述存储器连接，用于通过执行存储在所述存储器上的计算机可执行指令，实现前述一个或多个技术方案提供的内容推荐方法。一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被执行后，能够实现前述一个或多个技术方案提供的内容推荐方法。本专利技术实施例提供的技术方案，在进行内容推荐之前，不仅仅只考虑当前对话内容，而且还会考虑到当前对话内容上下文信息所对应的上下文语境，一方面可以利用上下文语境信息补充当前对话内容所缺失的信息，另一方面可以利用上下文语境信息确定当前对话内容中有歧义的信息，从而精准的提取出当前对话内容所对应的用户意图，从而可根据更加精确的用户意图进行内容推荐。附图说明图1为本专利技术实施例提供的一种内容推荐方法的流程示意图；图2为本专利技术实施例提供的确定用户意图的流程示意图；图3为本专利技术实施例提供的一种内容推荐装置的结构示意图；图4为本专利技术实施例提供的另一种内容推荐方法的流程示意图；图5为本专利技术实施例提供的一种智能客服对话的效果示意图；图6为本专利技术实施例提供的另一种智能客服对话的效果示意图；图7为本专利技术实施例提供的又一种内容推荐方法的流程示意图；图8为本专利技术实施例提供的一种电子设备的结构示意图。具体实施方式以下结合说明书附图及具体实施例对本专利技术的技术方案做进一步的详细阐述。如图1所示，本实施例提供一种内容推荐方法，包括：步骤S110：基于上下文信息，获取上下文语境信息；步骤S120：结合所述上下文语境信息及当前对话内容，确定用户意图；步骤S130：基于所述用户意图，确定待推荐的内容。本实施例提供的内容推荐方法可应用于各种电子设备中。该电子设备可为用户所持有或所使用的终端设备，也可以为位于网络侧用于提供内容服务的服务器。所述终端设备可包括：用户所持有的手机、平板电脑、可穿戴式设备、车载设备或智能家居设备等。所述服务器可包括：搜索引擎服务器、多媒体内容推荐服务器、智能机械问答服务器。在本实施例中，在确定待推荐的内容时，不仅仅局限于当前对话内容，而是会获取当前会话内容所在的上下文信息。该上下文信息可包括但不限于当前对话内容以前的历史对话内容。在本实施例中，所述对话内容可为：文本对话内容和/或语音对话内容。在本实施例中所述当前对话内容可包括：基于用户输入确定的提问。该提问可包括文本格式的提问和/或语音格式的提问。在本实施例中，若利用深度学习模型，例如，神经网络或者向量机模型等，确定用户意图，则输入到网络中的内容至少包括：所述上下文语境信息及当前对话内容自身，或者，表征所述上下文语境信息及当前对话内容的指代内容。如此，深度学习模型等获取了更多的内容，从而可以根据上下文信息，精确的确定出用户意图。一方面，在用户利用自然语言进行对话时，可能认为有些内容是涵盖在之前的对话内容内，就省略了；但是在本实施例中会获取上下文语境信息，如此电子设备可以结合上下文语境信息，挖掘出当前对话内容的补充信息，从而精准的获取到所述用户意图。另一方面，在用户利用自然语言进行对话时，很多词语或短语可能存在多种含义，但是上下文语境信息就可以用于辅助对应词语或短语当前所采用的含义。故在本实施例中为了精确确定当前对话内容中某一个词语或短语的含义，会结合上下文语境信息及当前对话内容，共同确定所述用户意图。如此，用户意图提取更加精确，从而可以更加精准的向用户提供其想要的看到的内容和/本文档来自技高网...

【技术保护点】
1.一种内容推荐方法，其特征在于，包括：/n基于上下文信息，获取上下文语境信息；/n结合所述上下文语境信息及当前对话内容，确定用户意图；/n基于所述用户意图，确定待推荐的内容。/n

【技术特征摘要】
1.一种内容推荐方法，其特征在于，包括：
基于上下文信息，获取上下文语境信息；
结合所述上下文语境信息及当前对话内容，确定用户意图；
基于所述用户意图，确定待推荐的内容。


2.根据权利要求1所述的方法，其特征在于，
所述结合所述上下文语境信息及当前对话内容，确定用户意图，包括：
根据所述上下文语境信息及所述当前对话内容，生成信息序列；
以词语为最小处理单位，将所述信息序列转换为特征向量；
基于所述特征向量，提取所述用户意图。


3.根据权利要求2所述的方法，其特征在于，
所述基于所述特征向量，提取所述用户意图，包括：
利用第一神经网络对所述特征向量进行特征处理，获得第一特征信息；
利用第二神经网络对所述特征向量进行特征处理，获得第二特征信息；
融合所述第一特征信息和所述第二特征信息，得到所述用户意图；
其中，第一神经网络和所述第二神经网络的类型不同。


4.根据权利要求2所述的方法，其特征在于，
所述以词语为最小处理单位，将所述信息序列转换为特征向量，包括：
以词语为最小处理单位，将词语转换为M维度的向量，M为不小2的正整数；
将所述信息序列中词语所对应的向量的元素，按元素排序对应相加得到所述特征向量。


5.根据权利要求1至4任一项所述的方法，其特征在于，
所述基于所述用户意图，确定推荐的内容，包括：
确定所述用户意图与预定内容所对应预定意图之间的相...

【专利技术属性】
技术研发人员：马翠花，胡珉，
申请(专利权)人：中国移动通信有限公司研究院，中国移动通信集团有限公司，
类型：发明
国别省市：北京;11