一种信息推荐方法、装置、电子设备及存储介质与流程

1.本技术涉及信息技术领域，特别是涉及一种信息推荐方法、装置、电子设备及存储介质。


背景技术：

2.随着技术的不断发展，以手机为代表的终端已经得到广泛的应用，用户可以很方便的通过手机上网来获取相关信息。
3.目前，通常的方式是相关厂家通过相关搜索引擎的方式为用户提供信息查询服务，用户将所需的查询信息输入到搜索引擎当中，搜索引擎通过对查询信息进行分词处理，并提取查询信息中的核心关键词，为用户推荐与核心关键词相匹配的推荐信息。
4.然而，现有的这种信息推荐方式严重依赖提取出的核心关键词，一旦核心关键词的提取有所偏差或者核心关键词的词义较多，往往会降低推荐信息准确性，使得可能无法为用户提供准确有效的信息。


技术实现要素：

5.为解决上述技术问题，本技术实施例示出了一种信息推荐方法、装置、电子设备及存储介质。
6.第一方面，本技术实施例提供了一种信息推荐方法，所述方法包括：
7.获取用户的搜索信息，所述搜索信息包含用户的问题信息和所述用户在当前环境下的环境信息；
8.从所述问题信息和所述环境信息中抽取出目标原始事件，所述目标原始事件用于表征所述用户在所述当前环境下的搜索意图；
9.获取所述目标原始事件对应的目标虚拟事件，所述目标虚拟事件是在所述当前环境下对所述目标原始事件的多维度抽象性描述；
10.在预先构建的事理图谱中获取与所述目标虚拟事件相对应的预设原始事件，所述预设原始事件包含历史记录中的问题信息和所述问题信息对应回答信息；
11.向所述用户推荐所述预设原始事件。
12.可选地，所述事理图谱的构建方式包括：
13.建立原始事件关系图；所述原始事件关系图包括历史记录中，历史用户在当时环境下的问题信息与对应的回答信息；
14.建立所述历史记录中的虚拟事件关系图；所述虚拟事件关系图是通过将所述历史记录中的原始事件抽象为对应的虚拟事件，并得到的抽象问题信息与回答信息在当时环境下的对应关系；
15.将所述原始事件关系图和所述虚拟事件关系图进行组合，得到事理图谱。
16.可选地，所述建立原始事件关系图，包括：
17.获取所述历史记录中的原始事件，所述原始事件包括原始问题信息和对应的原始
回答信息；
18.获取所述原始事件在当时环境下的环境信息；
19.基于所述环境信息获得所述原始问题信息与所述原始回答信息之间的对应关系，得到所述原始事件关系图。
20.可选地，所述建立所述历史记录中的虚拟事件关系图，包括：
21.获取历史记录中原始事件包含的原始问题信息，所述原始问题信息包括历史用户在目标环境维度下得到的问题信息；
22.将所述问题信息在多个预设环境维度下分别得到的问题信息作为虚拟事件；
23.将所述虚拟事件与对应的回答信息进行关联，得到所述历史记录中的虚拟事件关系图。
24.可选地，所述在预先构建的事理图谱中获取与所述目标虚拟事件相对应的预设原始事件，包括：
25.将所述目标虚拟事件输入到训练后的预设模型，得到与所述目标虚拟事件相匹配的预设原始事件；其中，通过所述训练后的预设模型计算所述虚拟事件与所述事理图谱中原始事件的匹配度，确定得到与所述虚拟事件相对应的目标原始事件。
26.可选地，所述预设模型的训练方式，包括：
27.获取所述历史记录中的原始事件；
28.将所述原始事件生成训练样本，其中，每一所述训练样本以三元组的形式表示，所述三元组包括原始事件、虚拟事件及所述原始事件与所述虚拟事件之间的抽象维度；
29.通过所述训练样本对所述预设模型进行训练，得到所述训练后的预设模型。
30.可选地，所述通过所述训练样本对所述预设模型进行训练，包括：
31.将所述训练样本输入到所述预设模型中，计算所述原始事件在所述抽象维度下与所述训练样本中所有虚拟事件中的相似度；
32.根据所述相似度计算所述原始事件与所述虚拟事件在所述抽象维度下具有对应关系的概率，并通过所述概率确定所述原始事件与所述虚拟事件在所述抽象维度下的损失值；
33.在所述损失值小于预设数值时，所述预设模型训练完成。
34.第二方面，在本技术实施例还提供了一种信息推荐装置，包括：
35.搜索信息获取模块，用于获取用户的搜索信息，所述搜索信息包含用户的问题信息和所述用户在当前环境下的环境信息；
36.事件提取模块，用于从所述问题信息和所述环境信息中抽取出目标原始事件，所述目标原始事件用于表征所述用户在所述当前环境下的搜索意图；
37.虚拟事件获取模块，用于获取所述目标原始事件对应的目标虚拟事件，所述目标虚拟事件是在所述当前环境下对所述目标原始事件的多维度抽象性描述；
38.原始事件获取模块，用于在预先构建的事理图谱中获取与所述目标虚拟事件相对应的预设原始事件，所述预设原始事件包含历史记录中的问题信息和所述问题信息对应回答信息；
39.推荐模块，用于向所述用户推荐所述预设原始事件。
40.可选地，该装置还包括：
41.原始事件关系图建立模块，用于建立原始事件关系图；所述原始事件关系图包括历史记录中，历史用户在当时环境下的问题信息与对应的回答信息；
42.虚拟事件关系图建立模块，用于建立所述历史记录中的虚拟事件关系图；所述虚拟事件关系图是通过将所述历史记录中的原始事件抽象为对应的虚拟事件，并得到的抽象问题信息与回答信息在当时环境下的对应关系；
43.组合模块，用于将所述原始事件关系图和所述虚拟事件关系图进行组合，得到事理图谱。
44.可选地，所述原始事件关系图建立模块，包括：
45.原始事件获取单元，用于获取所述历史记录中的原始事件，所述原始事件包括原始问题信息和对应的原始回答信息；
46.环境信息获取单元，用于获取所述原始事件在当时环境下的环境信息；
47.原始事件关系图获取单元，用于基于所述环境信息获得所述原始问题信息与所述原始回答信息之间的对应关系，得到所述原始事件关系图。
48.可选地，所述虚拟事件关系图建立模块，包括：
49.原始问题信息获取单元，用于获取历史记录中原始事件包含的原始问题信息，所述原始问题信息包括历史用户在目标环境维度下得到的问题信息；
50.虚拟事件确定单元，用于将所述问题信息在多个预设环境维度下分别得到的问题信息作为虚拟事件；
51.信息关联单元，用于将所述虚拟事件与对应的回答信息进行关联，得到所述历史记录中的虚拟事件关系图。
52.可选地，所述原始事件获取模块，还用于：将所述目标虚拟事件输入到训练后的预设模型，得到与所述目标虚拟事件相匹配的预设原始事件；其中，通过所述训练后的预设模型计算所述虚拟事件与所述事理图谱中原始事件的匹配度，确定得到与所述虚拟事件相对应的目标原始事件。
53.可选地，还包括：
54.事件获取模块，用于获取所述历史记录中的原始事件；
55.事件生成模块，用于将所述原始事件生成训练样本，其中，每一所述训练样本以三元组的形式表示，所述三元组包括原始事件、虚拟事件及所述原始事件与所述虚拟事件之间的抽象维度；
56.训练模块，用于通过所述训练样本对所述预设模型进行训练，得到所述训练后的预设模型。
57.可选地，所述训练模块，包括：
58.输入单元，用于将所述训练样本输入到所述预设模型中，计算所述原始事件在所述抽象维度下与所述训练样本中所有虚拟事件中的相似度；
59.计算单元，用于根据所述相似度计算所述原始事件与所述虚拟事件在所述抽象维度下具有对应关系的概率，并通过所述概率确定所述原始事件与所述虚拟事件在所述抽象维度下的损失值；
60.训练完成确定单元，用于在所述损失值小于预设数值时，所述预设模型训练完成。
61.第三方面，本技术实施例还提供了一种电子设备，包括存储器、处理器及存储在存
储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行上述任一项所述的信息推荐方法。
62.第四方面，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的信息推荐方法。
63.本技术实施例是先从包括用户问题信息和当前环境下的环境信息的搜索信息中提取出目标原始事件，然后获取该目标原始事件中对应的目标虚拟事件，进而在预先构建的事理图谱中获取与该虚拟事件对应的预设原始事件；由于该目标虚拟事件是对目标原始事件的多维度抽象性描述，这样在确定与该目标虚拟事件对应的预设原始事件时，可以找到对应多维度的预设原始事件，使得对用户的推荐信息更加的丰富。并且本技术实施例在为用户推荐相关信息时，能够考虑到当时的环境信息，可以强化给用户推荐信息的准确性。
附图说明
64.图1是本技术的实施例提供的一种信息推荐方法的步骤流程示意图；
65.图2是本技术实施例提供的一种信息推荐方法的场景示意图；
66.图3是本技术实施例提供的模型训练流程示意图；
67.图4为本技术实施例提供的模型训练示意图；
68.图5是本技术的一种信息推荐装置的结构示意图；
69.图6是本技术的一种电子设备的结构示意图。
具体实施方式
70.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
71.针对相关技术中通常依赖核心关键词为用户提供推荐信息而可能无法为用户提供准确有效的信息的问题，本技术实施例通过预先构建事理图谱，使得用户在进行在线搜索相关信息时，依据用户输入的搜索内容以及通过提取用户所处的当前的环境信息(例如用户所处的时间点、日期和地理位置信息，甚至当时的天气情况、温度大小等等)，抽取出目标原始事件，例如某用户在何时何地想要搜索什么信息，示例性的，小明在元旦中午时分在北京簋街搜索附近的美食。可以将其中的环境信息(例如时间、地点)和搜索内容(北京簋街附近的美食)提取出来，一般情况下，用户输入的是搜索内容，时间、地点等环境信息需要根据用户输入的时间和定位等信息获得。
72.本技术实施例通过会对目标原始事件进行抽象而得到的目标虚拟事件(这里的目标虚拟事件可以是更多维度的信息，例如上述用户小明的搜索，不但为该用户提供北京簋街附近的美食，还会提供相关游玩的信息及其他地方的美食信息等等)，并通过预先训练后的预设模型计算每一目标虚拟事件与事理图谱中所有相关原始事件之间的相似度，进而得到与该目标虚拟事件相关的原始事件列表，该原始事件列表中包含与目标虚拟事件相匹配的相关预设原始事件，并将这些相关的预设原始事件推荐给用户，这样本技术实施例在为用户推荐相关信息时，能够考虑到当时的环境信息，可以强化给用户推荐信息的准确性，并且通过在预先构建的事理图谱中获取与目标虚拟事件相对应的预设原始事件，由于目标虚
拟事件可以包含更多的维度，使得给用户的推荐信息可以更加的丰富，也就是说可以为用户提供更加多元化的问题信息及对应的回答信息。
73.因此，本技术实施例首先提供了一种信息推荐方法，如图1所示，该方法可以包括如下步骤：
74.s110，获取用户的搜索信息。
75.其中，搜索信息包含用户的问题信息和用户在当前环境下的环境信息。
76.本技术实施例可以应用在相关应用软件上或者网页页面中，用于为用户提供相关推荐信息，例如，用户在相关app中输入“王府井附近有什么好吃的”，那么用户的该输入相当于搜索信息中的问题信息，而通过获取用户输入的时间，可以获得例如“中秋节”、“中午”等可以作为用户在当前环境下的环境信息。当然，该环境还可以是用户当前所在的位置，当前的天气、温度等与用户输入的问题信息相关的信息作为环境信息，以便为用户提供更好的服务，例如，如果获取到用户输入问题信息时当地的温度较高，用户在搜索景点时可以将能够为用户提供避暑的景点时作为一个比较重要的依据。
77.s120，从问题信息和环境信息中抽取出目标原始事件。
78.其中，目标原始事件用于表征用户在当前环境下的搜索意图。
79.通过从问题信息和环境信息中抽取出目标原始事件，相当于对用户的问题信息环境信息进行标准化处理，可以很好的体现用户在当前环境下的搜索意图。
80.示例性的，用户在农历八月十五的12:00输入“王府井附近有什么好吃的”，其环境信息为：农历八月十五的12:00，问题信息为：王府井附近有什么好吃的，抽取出的目标原始事件则为，时段：中午；节日：中秋节，地点：北京市景点，类别：餐厅；区域：王府井。
81.s130，获取目标原始事件对应的目标虚拟事件。
82.其中，目标虚拟事件是在当前环境下对目标原始事件的多维度抽象性描述。
83.为了为用户提供更加丰富的信息推荐，本技术实施例需要将目标原始事件转换为的目标虚拟事件。例如，用户的问题信息是“王府井附近有什么好玩的”，可以将其抽象为：元旦期间王府井周围的游乐场，王府井的美食，等等，将用户的问题信息抽象为各个维度的排列组合，并将得到的这些多维度的抽象性描述作为所述目标原始事件对应的目标虚拟事件，目的是为后续对用户提供更加丰富的推荐信息，且不会仅局限于单一维度的信息推荐。
84.s140，在预先构建的事理图谱中获取与目标虚拟事件相对应的预设原始事件。
85.其中，预设原始事件包含历史记录中的问题信息和该问题信息对应的回答信息。
86.s150，向用户推荐预设原始事件。
87.本技术实施例是先从包括用户问题信息和当前环境下的环境信息的搜索信息中提取出目标原始事件，然后获取该目标原始事件中对应的目标虚拟事件，进而在预先构建的事理图谱中获取与该虚拟事件对应的预设原始事件；由于该目标虚拟事件是对目标原始事件的多维度抽象性描述，使得本技术实施例在确定与该目标虚拟事件对应的预设原始事件时，可以找到对应多维度的预设原始事件，使得对用户的推荐信息更加的丰富。
88.由于本技术实施例中的预设原始事件包括历史记录中的问题信息及对应的回答信息，因此用户在进行搜索相关问题时，可以找到与用户的问题信息相对应的多维度的历史记录中的问题信息及对应的回答信息。并且由于本技术实施例中将用户在搜索时的当前环境的环境信息考虑在内，使得给用户的推荐信息也更加的准确。
89.为了详细阐述如何构建事理图谱，在本技术提供的又一实施例中，结合上述实施例，事理图谱的构建方式可以包括如下步骤：
90.s110，建立原始事件关系图。
91.其中，原始事件关系图包括历史记录中，历史用户在当时环境下的问题信息与对应的回答信息。
92.在很多应用程序或者网站中，都有用户提问和其他用户进行解答来给出回答信息的版块，因此本技术实施例将历史记录中历史用户的问题信息和对应的回答信息建立对应关系。
93.具体的，该步骤可以具体包括：获取历史记录中的原始事件，该原始事件包括原始问题信息和对应的原始回答信息；获取原始事件在当时环境下的环境信息；基于环境信息获得原始问题信息与原始回答信息之间的对应关系，得到原始事件关系图。
94.参见图2，本技术实施例在获取到历史记录中的问题信息和回答信息时，将其先作为原始数据，首先对该原始数据进行去噪处理，过滤掉尚未被回答的问题信息以及没有对应回答信息的问题信息，例如，关于景点的问题信息，给出的答案却不包含相应的景点等。在对原始数据进行去噪处理之后，再从中提取出原始事件，在提取原始事件时，充分考虑当时的环境信息，即问题信息在当时的环境下对应的回答信息。其中，原始事件可以分为问题类原始事件和回答类原始事件，分别包含问题/回答的标题、内容、针对的景点(或者餐厅等相关内容)、被提出的时间、被更新的时间、被提出的用户等信息。得到的该原始事件关系图表现为原始事件中问题信息和回答信息之间的对应关系，该环境信息可以用户提出问题的时间、地点、提问类型、用户信息等等。
95.s120，建立历史记录中的虚拟事件关系图。
96.其中，虚拟事件关系图是通过将历史记录中的原始事件抽象为对应的虚拟事件，并得到的抽象问题信息与回答信息在当时环境下的对应关系。
97.本技术实施例在从历史记录中提取出原始事件后，会对原始事件中的问题类原始事件进行抽象性描述，得到虚拟事件。这些抽象事件可以是原始事件中问题信息的上位事件，还可以是并列的多维度描述。具体的，本技术实施例以景点类问题为例进行说明，可以首先利用预先训练的自然语言理解模型对问题信息的内容进行意图识别、领域识别以及词槽识别。其次，从数据库中提取问题所针对的景点所处的城市、区域和所属的类别信息。最后，依据问题被提出的时间戳获取当前用户提出该问题所处的时间特征，例如季节、节假日等。通过上述操作，可以把一个原始事件从不同维度分别抽象成了不同的虚拟事件，例如一个虚拟事件的含义可以是“元旦期间的问题列表”，也可以是“游乐场类的景点的相关问题列表”等，可以对同一问题类原始事件进行多维度的不同描述来得到对应的多个虚拟事件，以便丰富后续的用户推荐，避免单一维度的推荐。
98.具体的，该步骤具体可以包括：获取历史记录中原始事件包含的原始问题信息，该原始问题信息包括历史用户在目标环境维度下得到的问题信息；将问题信息在多个预设环境维度下分别得到的问题信息作为虚拟事件；将虚拟事件与对应的回答信息进行关联，得到历史记录中的虚拟事件关系图。
99.需要说明的是，本技术实施例在对生成相应虚拟事件的过程中，包括两种情况，一是从原始的单一维度情况下生成将问题类原始事件抽象为虚拟事件，这种抽象得到的虚拟
事件仅在单一条件会限制对问题的推荐，可以称这类虚拟事件为单一粒度的虚拟事件。显然，单一粒度的虚拟事件包含的原始事件范围较为广泛，而用户所处的环境通常是复杂多样的。因此，通过对若干单一粒度虚拟事件的条件的排列组合，可以得到了复杂粒度的虚拟事件，例如“元旦期间游乐场类的景点的相关问题列表”，“8月中旬北京市景点相关的购票类意图的问题列表”等。各维度之间的抽象条件可以随机进行排列组合，但存在某些排列组合得到的复合条件是无意义的，例如“上海市的滑雪类景点相关的电影演出类意图问题列表”，因此，需要对排列组合得到的复杂粒度虚拟事件进行筛选。排列组合时的维度越多，虚拟事件的粒度越细。筛选时，主要考虑该复杂粒度虚拟事件对问题类原始事件的覆盖率以及该复杂粒度的虚拟事件是否具备区分性。滤去对问题类原始事件的覆盖率低且不具备区分性的复杂粒度虚拟事件。当某一细粒度的虚拟事件几乎可以包含另一粗粒度的虚拟事件时，则将细粒度的虚拟事件替换粗粒度的虚拟事件。
100.虚拟事件之间的关系主要为上下位关系，粗粒度的虚拟事件是细粒度的虚拟事件的上位事件，单一粒度的虚拟事件是所有复杂粒度虚拟事件的上位事件，粒度相同的虚拟事件之间相互独立。
101.s130，将原始事件关系图和虚拟事件关系图进行组合，得到事理图谱。
102.本技术实施例中原始事件关系图和虚拟事件关系图共同组成了事理图谱。其中图谱中的节点代表了这些事件，图谱的边代表了这些事件之间的关系。在原始事件和原始事件之间，图谱的边代表了问答对之间的关系。原始事件和虚拟事件、虚拟事件和虚拟事件之间，图谱的边代表了各个事件之间的上下位关系。这样可以得到用户在所处的环境下与用户所提问题与回答信息之间的事理图谱。
103.为了确定如何从预先构建的事理图谱中获取与目标虚拟事件对应的预设原始事件，结合图1，在本技术提供的又一实施例中，步骤s140可以具体为：将目标虚拟事件输入到训练后的预设模型，得到与目标虚拟事件相匹配的预设原始事件。其中，通过训练后的预设模型计算虚拟事件与事理图谱中原始事件的匹配度，确定得到与虚拟事件相对应的目标原始事件。
104.本发明实施例中对上述预设模型的训练方式，如图3所示，可以包括如下步骤：
105.s141，获取历史记录中的原始事件。
106.s142，将原始事件生成训练样本。
107.其中，每一训练样本以三元组的形式表示，三元组包括原始事件、虚拟事件及原始事件与虚拟事件之间的抽象维度。
108.s143，通过训练样本对预设模型进行训练，得到训练后的预设模型。
109.在本技术提供的实施例中，事理图谱可以看作是一种知识图谱，可以利用现有基于矩阵分解的知识图谱推理模型作为预设模型。
110.首先将事理图谱中的数据构造为三元组形式，即《entity
sub
，relation，entity
obj
》。不同于一般图谱上的节点是实体(如人、物)，eg.《猫，吃，鱼》，本场景下的图谱上的节点是事件，其中entity
sub
代表问题类原始事件，entity
obj
代表虚拟事件，relation代表从原始事件到虚拟事件的抽象维度，例如，《“用户a在2020-05-02 12:02:34针对故宫提出了
‘
周边有实惠味道好的午餐吗？’的问题”，“节日_城市_意图”，“在劳动节时期的北京市景点相关的找餐厅意图的问题”》。使得本技术实施例事理图谱中的实体相对知识图谱而言拥有更丰
富的文本信息。因此，本技术实施例中原始事件一般是单一维度，例如，用户对某地方景点的问题，该维度相当于是景点类型，原始事件与虚拟事件之间的抽象维度，就不局限于该单一维度，还会包括其他的维度，例如用户对某地方美食的相关问题、科技馆的相关问题、节日的相关问题等等多维度下的抽象维度。
111.这样本技术实施例在将原始事件以三元组的形式进行处理后生成训练样本，并通过训练样本对预设模型进行训练，可以使得训练后的模型可以准确的获取到与目标原始事件相匹配的预设原始事件。
112.本技术实施例通过训练样本对预设模型的训练方式，具体可以是：
113.a1，将训练样本输入到预设模型中，计算原始事件在抽象维度下与训练样本中所有虚拟事件中的相似度。
114.a2，根据相似度计算原始事件与虚拟事件在抽象维度下具有对应关系的概率，并通过该概率确定原始事件与虚拟事件在抽象维度下的损失值。
115.a3，在损失值小于预设数值时，预设模型训练完成。
116.具体的，本技术实施例中，借助事理图谱完成对问题的预设模型结构图，该预设模型为推理模型，为了更好的利用实体文本上的特征，我们使用了在本数据集中微调后的bert模型作为实体的编码器。
117.设实体entityi编码得到的嵌入式表示为,j∈{1,2,...,k}，其中ei,i∈{1,2,...,m},其中m为图谱中不同实体的数目。关系relationj获得嵌入式表示为ri，j∈{1,2,...,k}，其中k为图谱中不同关系的数目。图谱推理模型通过计算entitys在relation下与数据集中所有entityi间的相似程度，据此判断entityi与entitys在事理图谱上是否具有一条关系为relation的边。
118.图4为本技术实施例提供的模型训练示意图，如图4所示，本技术实施例需要进行实体编码，将entityi表示获得的实体。设事理图谱中的实体entityi＝{w1,w2,...,wn}，其中wn∈{1,2,
…
,n}为实体中的第n个词。每个实体的首尾需分别添加“[cls]”和“[sep]”标签，再输入bert模型中。最终编码得到的实体entityi嵌入式表示为：
[0119]ei
＝wet
[cls]
+be[0120]
其中，we和be分别表示模型中全连接网络的参数和偏置项，t
[cls]
表示bert模型的输出，实体的底层向量表示。
[0121]
本技术实施例中获得关系relationj下对实体所关注的信息过滤器。设aj＝[0,
…
,0,1,0,
…
,0]，该向量只有第j位为1，其他位值均为0。则relationj的嵌入式表示为：
[0122]rj
＝embedder(relationj)＝w
raj
+br[0123]
其中，wr和br为关系向量矩阵的参数和偏置项，aj为关系的one-hot向量。其中，本技术实施例中通过取参数矩阵中对应关系的一行为例进行说明。
[0124]
其对应的过滤器集合是由rj经过全连接层和矩阵变换拆分得到：
[0125][0126]
其中,wf和bf表示全连接矩阵的参数和偏置项。拆分操作为将一个大矩阵拆分成几个小矩阵，目的是构造多个卷积核(filter)。
[0127]
本技术实施例中计算实体entityi与数据集中所有实体在关系relationj下的相似
度时，具体步骤为：首先将ei与的各个过滤器进行卷积运算，得到ei在下的特征图集合之后通过矩阵变换将各特征图合并为一维向量，之后经过全连接层进行降维，最后通过非线性激活函数得到的融合特征
[0128][0129]
最后的相似度是通过与实体的嵌入式ei′
之间的内积获得。
[0130][0131]
该部分计算实体entityi与entityi′
在关系relalionj下具有边的概率
[0132]
其中i
′
∈{1,2,
…
,m}。
[0133][0134]
若则认为三元组《entityi,relationj,entityi′
》存在。
[0135]
本技术实施例在对损失值的计算时，通过下述计算模型的训练计算损失。
[0136][0137][0138]
其中，当三元组《entityi,relationj,entityi′
》存在于事理图谱中时，否则
[0139]
本技术实施例可以设定预设模型训练的结束条件，通过计算损失值，并在损失值小于预设数值时，完成预设模型的训练。另外，由于模型的训练的过程已经十分成熟，本技术实施例可以采用已有模型的训练方式进行训练，本技术实施例中不再赘述。
[0140]
在本技术提供的一个实施例中，通过预先构建事理图谱，使得用户在进行搜索时，依据用户输入的搜索内容和获取到当前的环境信息，抽取出目标原始事件，并获得对该目标原始事件进行抽象而得到的目标虚拟事件，通过预先训练后的预设模型计算每一目标虚拟事件与事理图谱中所有相关原始事件之间的相似度，进而得到与该目标虚拟事件相关的原始事件列表，该原始事件列表中包含与目标虚拟事件相匹配的相关预设原始事件，并将这些相关的预设原始事件推荐给用户，这样本技术实施例在为用户推荐相关信息时，能够考虑到当时的环境信息，可以强化给用户推荐信息的准确性，并且通过在预先构建的事理图谱中获取与目标虚拟事件相对应的预设原始事件，由于目标虚拟事件可以包含更多的维度，使得给用户的推荐信息可以更加的丰富，也就是说可以为用户提供更加多元化的问题信息及对应的回答信息。
[0141]
基于上述方法实施例的具体应用，在本技术提供的又一实施例中，还提供了一种信息推荐装置，如图5所示，该装置包括：
[0142]
搜索信息获取模块10，用于获取用户的搜索信息，所述搜索信息包含用户的问题
信息和所述用户在当前环境下的环境信息；
[0143]
事件提取模块20，用于从所述问题信息和所述环境信息中抽取出目标原始事件，所述目标原始事件用于表征所述用户在所述当前环境下的搜索意图；
[0144]
虚拟事件获取模块30，用于获取所述目标原始事件对应的目标虚拟事件，所述目标虚拟事件是在所述当前环境下对所述目标原始事件的多维度抽象性描述；
[0145]
原始事件获取模块40，用于在预先构建的事理图谱中获取与所述目标虚拟事件相对应的预设原始事件，所述预设原始事件包含历史记录中的问题信息和所述问题信息对应回答信息；
[0146]
推荐模块50，用于向所述用户推荐所述预设原始事件。
[0147]
可选地，该装置还包括：
[0148]
原始事件关系图建立模块，用于建立原始事件关系图；所述原始事件关系图包括历史记录中，历史用户在当时环境下的问题信息与对应的回答信息；
[0149]
虚拟事件关系图建立模块，用于建立所述历史记录中的虚拟事件关系图；所述虚拟事件关系图是通过将所述历史记录中的原始事件抽象为对应的虚拟事件，并得到的抽象问题信息与回答信息在当时环境下的对应关系；
[0150]
组合模块，用于将所述原始事件关系图和所述虚拟事件关系图进行组合，得到事理图谱。
[0151]
可选地，所述原始事件关系图建立模块，包括：
[0152]
原始事件获取单元，用于获取所述历史记录中的原始事件，所述原始事件包括原始问题信息和对应的原始回答信息；
[0153]
环境信息获取单元，用于获取所述原始事件在当时环境下的环境信息；
[0154]
原始事件关系图获取单元，用于基于所述环境信息获得所述原始问题信息与所述原始回答信息之间的对应关系，得到所述原始事件关系图。
[0155]
可选地，所述虚拟事件关系图建立模块，包括：
[0156]
原始问题信息获取单元，用于获取历史记录中原始事件包含的原始问题信息，所述原始问题信息包括历史用户在目标环境维度下得到的问题信息；
[0157]
虚拟事件确定单元，用于将所述问题信息在多个预设环境维度下分别得到的问题信息作为虚拟事件；
[0158]
信息关联单元，用于将所述虚拟事件与对应的回答信息进行关联，得到所述历史记录中的虚拟事件关系图。
[0159]
可选地，所述原始事件获取模块，还用于：将所述目标虚拟事件输入到训练后的预设模型，得到与所述目标虚拟事件相匹配的预设原始事件；其中，通过所述训练后的预设模型计算所述虚拟事件与所述事理图谱中原始事件的匹配度，确定得到与所述虚拟事件相对应的目标原始事件。
[0160]
可选地，还包括：
[0161]
事件获取模块，用于获取所述历史记录中的原始事件；
[0162]
事件生成模块，用于将所述原始事件生成训练样本，其中，每一所述训练样本以三元组的形式表示，所述三元组包括原始事件、虚拟事件及所述原始事件与所述虚拟事件之间的抽象维度；
[0163]
训练模块，用于通过所述训练样本对所述预设模型进行训练，得到所述训练后的预设模型。
[0164]
可选地，所述训练模块，包括：
[0165]
输入单元，用于将所述训练样本输入到所述预设模型中，计算所述原始事件在所述抽象维度下与所述训练样本中所有虚拟事件中的相似度；
[0166]
计算单元，用于根据所述相似度计算所述原始事件与所述虚拟事件在所述抽象维度下具有对应关系的概率，并通过所述概率确定所述原始事件与所述虚拟事件在所述抽象维度下的损失值；
[0167]
训练完成确定单元，用于在所述损失值小于预设数值时，所述预设模型训练完成。
[0168]
在本技术提供信息推荐装置，通过预先构建事理图谱，使得用户在进行搜索时，依据用户输入的搜索内容和获取到当前的环境信息，抽取出目标原始事件，并获得对该目标原始事件进行抽象而得到的目标虚拟事件，通过预先训练后的预设模型计算每一目标虚拟事件与事理图谱中所有相关原始事件之间的相似度，进而得到与该目标虚拟事件相关的原始事件列表，该原始事件列表中包含与目标虚拟事件相匹配的相关预设原始事件，并将这些相关的预设原始事件推荐给用户，这样本技术实施例在为用户推荐相关信息时，能够考虑到当时的环境信息，可以强化给用户推荐信息的准确性，并且通过在预先构建的事理图谱中获取与目标虚拟事件相对应的预设原始事件，由于目标虚拟事件可以包含更多的维度，使得给用户的推荐信息可以更加的丰富，也就是说可以为用户提供更加多元化的问题信息及对应的回答信息。
[0169]
由于本技术提供的该装置实施例与上述方法实施例相对应，具体可以参见上述方法实施例的阐述，这里不再赘述。
[0170]
本技术实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，
[0171]
存储器603，用于存放计算机程序；
[0172]
处理器601，用于执行存储器603上所存放的程序时，实现本发明实施例上述所提供的任一信息推荐方法的步骤，以获取相同的技术效果。
[0173]
上述电子设备提到的通信总线可以是pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0174]
通信接口用于上述电子设备与其他设备之间的通信。
[0175]
存储器可以包括ram(random access memory，随机存取存储器)，也可以包括nvm(non-volatile memory，非易失性存储器)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
[0176]
上述的处理器可以是通用处理器，包括cpu(central processing unit，中央处理器)、np(network processor，网络处理器)等；还可以是dsp(digital signal processing，数字信号处理器)、asic(application specific integrated circuit，专用集成电路)、
fpga(field-programmable gate array，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0177]
在本技术提供的又一实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例中任一所述的信息推荐方法的步骤，以获取相同的技术效果。
[0178]
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的信息推荐方法的步骤，以获取相同的技术效果。
[0179]
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0180]
本领域内的技术人员应明白，本技术的实施例可提供为方法、装置、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0181]
本技术是参照根据本技术的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0182]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0183]
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0184]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0185]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要
素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0186]
以上对本技术所提供的方法和装置进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。