本申请涉及一种辅助推荐关键词的方法、装置、电子设备及存储介质，其中，该方法包括以下步骤：接收并根据站内信息和站外信息提取对应的关键词和词根，构建知识图谱，站内信息包括往期关键词，站外信息包括外网舆情数据；根据知识图谱索引得到关键词或词根的多阶邻居节点属性和关系，并通过预处理得到关键词或词根的向量特征；根据关键词或词根随机组建预选关键词，通过向量特征预测对应预选关键词的表现，根据预选关键词的表现筛选得到新关键词并进行推荐。通过本申请，解决了现有知识图谱推荐关键词无法精确到特定维度和预测效果不好的问题，实现了多维度辅助推荐关键词，同时为下游的关键词预测或推荐模型提供了更加丰富精准的特征。精准的特征。精准的特征。
【技术实现步骤摘要】
辅助推荐关键词的方法、装置、电子设备及存储介质
[0001]本申请涉及互联网信息推荐
，特别是涉及辅助推荐关键词的方法、装置、电子设备和存储介质。
技术介绍
[0002]当前，知识图谱是非常流行的存储数据的结构，一个好的知识图谱不仅能存储大量的知识供企业做索引，而且可以为下游的算法提供更加丰富的结构和语义特征，为了实现在电商领域智能投放关键词，需要一种全新的针对电商领域的知识图谱。
[0003]现有技术中电商智能投放关键词具有以下的缺点：所推荐的关键词无法精确到产品维度，同时预测算法的效果也不好，经过分析，造成该缺点的原因是现有的知识图谱中每个关键词的特征维数太低，再加上投放的数据量本身就少，影响关键词指标预测准确性。
[0004]目前针对相关技术中所推荐的关键词无法精确到维度的问题，尚未提出有效的解决方案。
技术实现思路
[0005]本申请实施例提供了一种辅助推荐关键词的方法、装置、系统、电子设备和计算机可读存储介质，本申请提出一种包含多种语料的关键词和词根的知识图谱来辅助推荐关键词，以至少解决相关技术中所推荐的关键词无法精确到维度的问题。
[0006]第一方面，本申请实施例提供了一种辅助推荐关键词的方法，包括以下步骤：
[0007]构建知识图谱步骤，接收并根据站内信息和站外信息提取对应的关键词和词根，利用所述关键词、所述词根及两两之间的关系构建知识图谱，所述站内信息包括往期关键词，所述站外信息包括外网舆情数据；
[0008]获取向量特征步骤，根据所述知识图谱索引得到所述关键词或所述词根的多阶邻居节点属性和关系，并通过预处理得到所述关键词或所述词根的向量特征；
[0009]推荐新关键词步骤，根据所述关键词或所述词根随机组建预选关键词，通过所述向量特征预测对应所述预选关键词的表现，根据所述预选关键词的表现筛选得到新关键词并进行推荐。
[0010]在其中一些实施例中，所述构建知识图谱步骤具体包括以下步骤：
[0011]获取语料步骤，收集往期的关键词词库获取所述往期关键词，同时通过爬虫抓取外网用户评论数据获取所述外网舆情数据；
[0012]语料预处理步骤，对所述往期关键词和所述外网舆情数据进行语料清洗、分词、词性标注、去停用词操作，获得对应的关键词和词根，所述关键词和所述词根包括多个维度的信息；
[0013]获取知识图谱步骤，根据所述关键词和所述词根及两两之间的关系构建知识图谱。
[0014]在其中一些实施例中，所述获取向量特征步骤具体包括以下步骤：
[0015]根据所述知识图谱中的所述关键词、所述词根、对应所述关键词和所述词根之间的关系、对应所述关键词和所述关键词之间的关系以及对应所述词根和所述词根的关系索引得到某一个所述关键词或所述词根的N阶邻居节点属性及关系，利用one-hot embedding将所述N阶邻居节点及关系均表示为向量，将所述向量拼接并进行降维处理输出稠密向量特征。
[0016]在其中一些实施例中，所述推荐新关键词步骤中通过对所述关键词或所述词根的向量特征进行加权得到所述预选关键词的向量特征，根据所述向量特征预测所述预选关键词的表现。
[0017]第二方面，本申请实施例提供了一种辅助推荐关键词的装置，包括：
[0018]构建知识图谱模块接收并根据站内信息和站外信息提取对应的关键词和词根，利用所述关键词、所述词根及两两之间的关系构建知识图谱，所述站内信息包括往期关键词，所述站外信息包括外网舆情数据；
[0019]获取向量特征模块，接收并根据所述知识图谱索引得到所述关键词或所述词根的多阶邻居节点属性和关系，并通过预处理得到所述关键词或所述词根的向量特征；
[0020]推荐新关键词模块，接收并根据所述关键词或所述词根随机组建预选关键词，通过所述向量特征预测对应所述预选关键词的表现，根据所述预选关键词的表现筛选得到新关键词并进行推荐。
[0021]在其中一些实施例中，所述构建知识图谱模块包括获取语料模块、预处理模块和获取知识图谱模块，其中：
[0022]所述获取语料模块通过收集往期的关键词词库获取所述往期关键词，同时通过爬虫抓取外网用户评论数据获取所述外网舆情数据；
[0023]所述预处理模块对所述往期关键词和所述外网舆情数据进行语料清洗、分词、词性标注、去停用词操作，获得对应的关键词和词根，所述关键词和所述词根包括多个维度的信息；
[0024]所述获取知识图谱模块根据所述关键词和所述词根及两两之间的关系构建知识图谱。
[0025]在其中一些实施例中，所述获取向量特征模块接收并根据所述知识图谱中的所述关键词、所述词根、对应所述关键词和所述词根之间的关系、对应所述关键词和所述关键词之间的关系以及对应所述词根和所述词根的关系索引得到某一个所述关键词或所述词根的N阶邻居节点属性及关系，利用one-hot embedding将所述N阶邻居节点及关系表示为向量，将所述向量拼接并进行降维处理输出稠密向量特征。
[0026]在其中一些实施例中，所述获得新关键词模块中通过对所述关键词或所述词根的向量特征进行加权得到所述预选关键词的向量特征，根据所述向量特征预测所述预选关键词的表现。
[0027]第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的辅助推荐关键词的方法。
[0028]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的辅助推荐关键词的方法。
[0029]相比于相关技术，本申请实施例提供的辅助推荐关键词的方法，通过构建基于往期关键词和外网舆情信息的知识图谱，使得知识图谱的关键词或词根具有更多的向量特征，解决了现有知识图谱推荐关键词无法精确到特定维度和预测效果不好的问题，实现了多维度辅助推荐关键词，同时为下游的关键词预测或推荐模型提供了更加丰富精准的特征。
[0030]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0031]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0032]图1是根据本申请实施例的辅助推荐关键词的方法的流程图；
[0033]图2是根据本申请实施例的构建知识图谱步骤的流程图；
[0034]图3为根据本申请实施例的辅助推荐关键词的装置的结构框图；
[0035]图4为根据本申请实施例的构建知识图谱模块的结构框图；
[0036]图5为根据本申请提出的实际应用条件下构建的基于电商的知识图谱的局部结构图；
[0037]图6为根据本申请实施例的电子设备的硬件结构示意图。
[0038本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种辅助推荐关键词的方法，其特征在于，包括以下步骤：构建知识图谱步骤，接收并根据站内信息和站外信息提取对应的关键词和词根，利用所述关键词、所述词根及两两之间的关系构建知识图谱，所述站内信息包括往期关键词，所述站外信息包括外网舆情数据；获取向量特征步骤，根据所述知识图谱索引得到所述关键词或所述词根的多阶邻居节点属性和关系，并通过预处理得到所述关键词或所述词根的向量特征；推荐新关键词步骤，根据所述关键词或所述词根随机组建预选关键词，通过所述向量特征预测对应所述预选关键词的表现，根据所述预选关键词的表现筛选得到新关键词并进行推荐。2.根据权利要求1所述的辅助推荐关键词的方法，其特征在于，所述构建知识图谱步骤具体包括以下步骤：获取语料步骤，收集往期的关键词词库获取所述往期关键词，同时通过爬虫抓取外网用户评论数据获取所述外网舆情数据；语料预处理步骤，对所述往期关键词和所述外网舆情数据进行语料清洗、分词、词性标注、去停用词操作，获得对应的关键词和词根，所述关键词和所述词根包括多个维度的信息；获取知识图谱步骤，根据所述关键词和所述词根及两两之间的关系构建知识图谱。3.根据权利要求1所述的辅助推荐关键词的方法，其特征在于，所述获取向量特征步骤具体包括以下步骤：根据所述知识图谱中的所述关键词、所述词根、对应所述关键词和所述词根之间的关系、对应所述关键词和所述关键词之间的关系以及对应所述词根和所述词根的关系索引得到某一个所述关键词或所述词根的N阶邻居节点属性及关系，利用one-hot embedding将所述N阶邻居节点及关系均表示为向量，将所述向量拼接并进行降维处理输出稠密向量特征。4.根据权利要求1所述的辅助推荐关键词的方法，其特征在于，所述推荐新关键词步骤中通过对所述关键词或所述词根的向量特征进行加权得到所述预选关键词的向量特征，根据所述向量特征预测所述预选关键词的表现。5.一种辅助推荐关键词的装置，其特征在于，包括：构建知识图谱模块，接收并根据站内信息和站外信息提取对应的关键词和词根，利用所述关键词、所述词根及两两之间的关系构建知识图谱，所述站内信息包括往期关键...
【专利技术属性】
技术研发人员：徐凯波，陈嘉真，张琛，接钧靖，
申请(专利权)人：上海明略人工智能集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。