一种信息的推送方法、装置、设备及介质与流程

技术特征：
1.一种信息的推送方法，所述方法包括：对输入的第一即时信息进行实体识别，获取目标实体；获取与所述目标实体对应的目标意图信息；响应于确定所述第一即时信息与所述目标意图信息相匹配，获取与所述目标意图信息匹配的信息；向目标终端推送所述信息。2.根据权利要求1所述的方法，其中，所述获取与所述目标实体对应的目标意图信息，包括：根据实体与实体类型之间的映射关系，确定所述目标实体对应的目标实体类型；根据所述目标实体和所述目标实体类型，确定所述目标意图信息，其中，所述目标实体类型用于描述所述目标意图信息的意图。3.根据权利要求1所述的方法，其中，确定所述第一即时信息与所述目标意图信息相匹配，包括：将所述目标意图信息与所述第一即时信息共同输入至预先训练的意图识别模型中；根据意图识别模型的输出结果，确定所述第一即时信息是否与所述目标意图信息相匹配；其中，所述意图识别模型使用预先获取的训练样本集对知识增强的语义表示ernie模型进行精调后得到；每个所述训练样本中包括：意图信息、输入信息以及所述输入信息是否与所述意图信息相匹配的标注结果。4.根据权利要求3所述的方法，其中，获取训练样本集，包括：采用数据增强算法，对第一数据规模的标准样本集进行样本扩充，形成第二数据规模的所述训练样本集。5.根据权利要求4所述的方法，其中，采用数据增强算法，对标准样本集进行样本扩充，包括下述至少一项：对标准样本中的字符进行随机遮掩处理，形成新的样本；从标准样本中随机去除至少一个字符，形成新的样本；对标准样本中的至少一个分词进行词向量近义词替换，形成新的样本；以及将包含遮掩标识的标准样本输入至所述ernie模型中，获取所述ernie模型对所述遮掩标识的预测字符后，使用所述预测字符替换标准样本中的遮掩标识，形成新的样本。6.根据权利要求4所述的方法，其中，使用预先获取的训练样本集对ernie模型进行精调后得到意图识别模型，包括：通过所述ernie模型对当前输入的目标训练样本进行特征编码，得到与所述目标训练样本对应的目标样本特征集；通过所述ernie模型，针对所述目标样本特征集中包括的各目标样本特征进行两次随机遗漏处理，得到第一特征集以及第二特征集；通过所述ernie模型，采用预设的分类算法对所述第一特征集以及第二特征集进行处理，得到第一分布函数和第二分布函数；通过所述ernie模型，根据所述第一分布函数和所述第二分布函数，计算与所述目标训
练样本对应的相对熵；根据所述相对熵，对模型参数进行调整。7.根据权利要求6所述的方法，其中，通过所述ernie模型对当前输入的目标训练样本进行特征编码，得到与所述目标训练样本对应的目标样本特征集，包括：通过所述ernie模型对所述目标训练样本中的目标输入信息进行特征编码，得到与所述目标训练样本对应的目标样本特征集。8.根据权利要求1-7任一项所述的方法，其中，在所述从输入的第一即时信息中获取目标实体之前，还包括：对输入的第二即时信息进行以下至少一项处理，得到所述第一即时信息：删除无效的即时信息；删除即时信息中的内容无关字符。9.根据权利要求8所述的方法，其中，所述无效的即时信息包括：目标语言字符的占比小于或等于预设门限值的即时信息。10.根据权利要求8所述的方法，其中，所述删除即时信息中的内容无关字符，包括以下至少一项：按照预设的正则匹配规则，删除即时信息中包括的统一资源定位符、存储路径以及存储目录中的至少一项；在检测到所述即时信息中包括机器名时，将所述机器名使用预设的截短字符串替代。11.一种信息的推送装置，所述装置包括：实体获取模块，用于对输入的第一即时信息进行实体识别，获取目标实体；意图获取模块，用于获取与所述目标实体对应的目标意图信息；信息获取模块，用于响应于确定所述第一即时信息与所述目标意图信息相匹配，获取与所述目标意图信息匹配的信息；信息推送模块，用于向目标终端推送所述信息。12.根据权利要求11所述的装置，其中，所述意图获取模块包括：实体类型确定单元，用于根据实体与实体类型之间的映射关系，确定所述目标实体对应的目标实体类型；意图信息确定单元，用于根据所述目标实体和所述目标实体类型，确定所述目标意图信息，其中，所述目标实体类型用于描述所述目标意图信息的意图。13.根据权利要求11所述的装置，其中，所述信息获取模块包括：信息输入单元，用于将所述目标意图信息与所述第一即时信息共同输入至预先训练的意图识别模型中；匹配结果确定单元，用于根据意图识别模型的输出结果，确定所述第一即时信息是否与所述目标意图信息相匹配；其中，所述意图识别模型使用预先获取的训练样本集对知识增强的语义表示ernie模型进行精调后得到；每个所述训练样本中包括：意图信息、输入信息以及所述输入信息是否与所述意图信息相匹配的标注结果。14.根据权利要求13所述的装置，所述装置还包括：
训练样本集获取单元，用于采用数据增强算法，对第一数据规模的标准样本集进行样本扩充，形成第二数据规模的所述训练样本集。15.根据权利要求14所述的装置，其中，训练样本集获取单元包括：遮掩处理子单元，用于对标准样本中的字符进行随机遮掩处理，形成新的样本；字符去除子单元，用于从标准样本中随机去除至少一个字符，形成新的样本；分词替换子单元，用于对标准样本中的至少一个分词进行词向量近义词替换，形成新的样本；标准样本输入子单元，用于将包含遮掩标识的标准样本输入至所述ernie模型中，获取所述ernie模型对所述遮掩标识的预测字符后，使用所述预测字符替换标准样本中的遮掩标识，形成新的样本。16.根据权利要求14所述的装置，其中，所述信息输入单元包括：特征编码子单元，用于通过所述ernie模型对当前输入的目标训练样本进行特征编码，得到与所述目标训练样本对应的目标样本特征集；遗漏处理子单元，用于通过所述ernie模型，针对所述目标样本特征集中包括的各目标样本特征进行两次随机遗漏处理，得到第一特征集以及第二特征集；分布函数确定子单元，用于通过所述ernie模型，采用预设的分类算法对所述第一特征集以及第二特征集进行处理，得到第一分布函数和第二分布函数；相对熵计算子单元，用于通过所述ernie模型，根据所述第一分布函数和所述第二分布函数，计算与所述目标训练样本对应的相对熵；模型参数调整子单元，用于根据所述相对熵，对模型参数进行调整。17.根据权利要求16所述的装置，其中，所述特征编码子单元包括：输入信息编码子单元，用于通过所述ernie模型对所述目标训练样本中的目标输入信息进行特征编码，得到与所述目标训练样本对应的目标样本特征集。18.根据权利要求11-17任一项所述的装置，所述装置还包括：信息处理模块，用于对输入的第二即时信息进行以下至少一项处理，得到所述第一即时信息：删除无效的即时信息；删除即时信息中的内容无关字符。19.根据权利要求18所述的装置，所述无效的即时信息包括：目标语言字符的占比小于或等于预设门限值的即时信息。20.根据权利要求18所述的装置，所述信息处理模块包括：信息删除子单元，用于按照预设的正则匹配规则，删除即时信息中包括的统一资源定位符、存储路径以及存储目录中的至少一项；字符串替代子单元，用于在检测到所述即时信息中包括机器名时，将所述机器名使用预设的截短字符串替代。21.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处
理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。23.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。

技术总结
本公开提供了一种信息的推送方法、装置、设备及介质，涉及人工智能技术领域，尤其涉及深度学习技术领域，包括：对输入的第一即时信息进行实体识别，获取目标实体；获取与所述目标实体对应的目标意图信息；响应于确定所述第一即时信息与所述目标意图信息相匹配，获取与所述目标意图信息匹配的信息；向目标终端推送所述信息。本公开实施例的技术方案可以有效、准确的识别出输入即时信息中的意图，进而可以准确推送与该意图匹配的信息，提高了信息推送的效率和准确度。的效率和准确度。的效率和准确度。


技术研发人员：万凡 骆金昌 王杰 王海威 陈坤斌 和为
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2021.12.16
技术公布日：2022/3/25