一种文本推荐方法、智能终端及计算机可读存储介质与流程

技术特征：
1.一种文本推荐方法，其特征在于，所述文本推荐方法包括：获取待选文本对应的第一分词序列和历史文本序列；对所述第一分词序列进行特征提取处理，以得到待选文本特征向量；其中，所述待选文本特征向量包括所述待选文本中每一分词的位置信息；对所述历史文本序列中的每一历史文本对应的第二分词序列进行特征提取处理，以得到历史特征向量；其中，所述历史特征向量包括每一所述第二分词序列中每一分词的位置信息；对所述历史特征向量进行兴趣特征提取处理，以得到所述历史文本序列对应的用户兴趣特征表示；基于所述待选文本特征向量和所述用户兴趣特征表示，确定所述待选文本对应的预测概率值；根据所述预测概率值对用户进行文本推荐。2.根据权利要求1所述的文本推荐方法，其特征在于，所述对所述第一分词序列进行特征提取处理，以得到待选文本特征向量的步骤包括：对所述第一分词序列进行转换处理，以得到待选文本表示以及位置编码张量；对所述待选文本表示及其对应的所述位置编码张量进行处理，得到所述待选文本对应的待选语义表示；基于所述待选语义表示得到所述待选文本对应的所述待选文本特征向量。3.根据权利要求2所述的文本推荐方法，其特征在于，所述对所述第一分词序列进行转换处理，以得到待选文本表示以及位置编码张量，包括：对所述第一分词序列进行向量转换，以得到所述待选文本表示；基于所述待选文本表示得到所述位置编码张量。4.根据权利要求3所述的文本推荐方法，其特征在于，所述基于所述待选文本表示得到所述位置编码张量，包括：利用所述待选文本表示的维度以及所述待选文本表示中的每一元素在所述待选文本表示中的位置依次对所述待选文本表示中的每一元素分别进行位置编码运算，以得到所述位置编码张量。5.根据权利要求2所述的文本推荐方法，其特征在于，所述基于所述待选语义表示得到所述待选文本对应的所述待选文本特征向量，包括：获取所述待选语义表示中每两个元素之间的相关重要程度值和所述待选文本表示中每一元素的重要程度值；基于所述相关重要程度值得到所述待选语义表示对应的注意力向量表示；基于所述注意力向量表示和所述重要程度值得到所述待选文本特征向量。6.根据权利要求5所述的文本推荐方法，其特征在于，所述获取所述待选语义表示中每两个元素之间的相关重要程度值的步骤包括：通过经训练的第一网络模型对所述待选语义表示进行处理，以得到所述待选语义表示中每两个元素之间的所述相关重要程度值；其中，所述待选语义表示中的第一元素相对其第二元素的相关重要程度值为所述第一元素的转置向量与所述第一网络模型经训练后得到的第一权重系数矩阵及所述第二元素
的乘积。7.根据权利要求6所述的文本推荐方法，其特征在于，所述基于所述相关重要程度值得到所述待选语义表示对应的注意力向量表示，包括：对所述相关重要程度值进行归一化运算，以得到所述待选语义表示中每两个元素之间的相关重要程度表示；通过所述第一网络模型对所述相关重要程度表示进行第一特征提取运算，以得到所述注意力向量表示。8.根据权利要求7所述的文本推荐方法，其特征在于，所述基于所述注意力向量表示和所述重要程度值得到所述待选文本特征向量的步骤包括：通过所述第一网络模型对所述注意力向量表示和所述重要程度值进行第二特征提取运算，以得到注意力机制权重系数；对所述注意力向量表示和所述注意力机制权重系数进行第一聚合运算，以得到所述待选文本特征向量。9.根据权利要求1所述的文本推荐方法，其特征在于，多个所述历史文本以阅读时间为序组成所述历史文本序列，所述对所述历史特征向量进行兴趣特征提取处理，以得到所述历史文本序列对应的用户兴趣特征表示的步骤包括：对所述历史特征向量进行兴趣特征提取运算，以得到每一所述历史文本对应的权重系数值；基于所述历史特征向量及每一所述权重系数值得到所述用户兴趣特征表示。10.根据权利要求9所述的文本推荐方法，其特征在于，所述对所述历史特征向量进行兴趣特征提取运算，以得到每一所述历史文本对应的权重系数值，包括：通过经训练的第二网络模型对每一所述历史文本的阅读时刻及所述历史特征向量进行兴趣特征提取运算，以得到每一所述历史文本对应的所述隐向量输出值；通过所述第二网络模型对每一所述隐向量输出值进行重要程度特征提取运算，以得到每一所述历史文本对应的所述权重系数值。11.根据权利要求9所述的文本推荐方法，其特征在于，所述基于所述历史特征向量及每一所述权重系数值得到所述用户兴趣特征表示的步骤包括：对所述历史特征向量及每一所述权重系数值进行第二聚合运算，以得到所述用户兴趣特征表示。12.根据权利要求1所述的文本推荐方法，其特征在于，所述待选文本的数量为多个，所述根据所述预测概率值对用户进行文本推荐的步骤包括：将计算得到的多个所述待选文本中对应所述预测概率值超过设定阈值的所述待选文本推荐给用户；或，根据每一所述待选文本对应的所述预测概率值的大小对多个所述待选文本进行排序，并将排列顺序靠前的设定数量的所述待选文本推荐给用户。13.根据权利要求1所述的文本推荐方法，其特征在于，所述文本推荐方法是通过经训练的文本推荐网络模型实现，对所述文本推荐网络模型进行训练的方法包括：将已阅读文本序列样本和未阅读文本序列样本输入到第一预设网络模型，以通过所述第一预设网络模型分别对所述已阅读文本序列样本和所述未阅读文本序列样本进行文本
推荐，以分别相应给出第一预测概率值和第二预测概率值；基于所述第一预测概率值和所述第二预测概率值得到所述已阅读文本序列样本对应的后验概率及所述后验概率的负似然函数；通过所述负似然函数对所述第一预设网络模型中的设定量化参数进行持续优化，从而建立所述文本推荐网络模型。14.一种智能终端，其特征在于，所述智能终端包括相互耦接的存储器和处理器；所述存储器存储有程序数据；所述处理器用于执行所述程序数据，以实现如权利要求1
‑
13中任一项所述的文本推荐方法。15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序数据，所述程序数据能够被执行以实现如权利要求1
‑
13中任一项所述的文本推荐方法。

技术总结
本申请公开了一种文本推荐方法、智能终端及计算机可读存储介质，该文本推荐方法包括：获取待选文本对应的第一分词序列和历史文本序列；分别对第一分词序列和历史文本序列中的每一历史文本对应的第二分词序列进行特征提取处理，以得到待选文本特征向量和历史特征向量；其中，待选文本特征向量包括待选文本中每一分词的位置信息，历史特征向量包括每一第二分词序列中每一分词的位置信息；基于对历史特征向量进行兴趣特征提取得到的用户兴趣特征表示和待选文本特征向量，确定待选文本的预测概率值；根据预测概率值对用户进行文本推荐。上述方案，能够在提取文本特征时，充分考虑位置信息关键因素，并结合用户阅读习惯及关注点，进行文本推荐。进行文本推荐。进行文本推荐。


技术研发人员：刁永祥 吴飞 张浩宇 王玉杰 方四安 徐承 柳林
受保护的技术使用者：合肥讯飞数码科技有限公司
技术研发日：2021.06.15
技术公布日：2021/10/23