待推荐对象的确定方法以及待推荐对象的确定装置与流程

1.本发明涉及信息管理技术领域，具体地涉及一种待推荐对象的确定方法、一种待推荐对象的确定装置以及一种计算机可读存储介质。


背景技术：

2.随着互联网的发展，用户对于信息查询的需求也在不断增长，用户需要进行信息查询的场景越来越多。在现有的查询方式中，用户首先确定一些关键字，然后通过检索引擎或检索平台直接对上述关键字进行检索以获取期望查询的内容。
3.然而在实际应用过程中，用户存在更全面以及更精确的查询需求，例如用户在对投资机构进行查询的过程中，用户在通过关键字直接查询对应的投资机构时，也存在对类似投资机构或相关投资机构的信息进行查询的需求，而一方面，现有技术仅向用户推送其直接查询的投资机构，因此局限性大；另一方面，在目前互联网上信息量巨大的情况下，用户无法准确获取到与所检索的投资机构相类似或相关的投资机构，因此现有的信息查询方法无法满足用户的实际需求。


技术实现要素：

4.为了克服现有技术中存在的上述技术问题，本发明实施例提供一种待推荐对象的确定方法以及待推荐对象的确定装置，通过在海量的新闻信息中对所有的对象进行标注，并确定每个对象之间的关联度，从而为用户提供与其输入对象关联度较高的推荐对象，有效提高了用户查询检索的精确性和全面性，提高了用户体验。
5.为了实现上述目的，本发明实施例提供一种待推荐对象的确定方法，所述确定方法包括：获取对象统计信息和资讯信息池，所述对象统计信息中包括多个对象；基于所述对象统计信息对所述资讯信息池中的每个资讯信息进行对象标注，获得标注后资讯池；基于所述标注后资讯池确定每个对象之间的关联度；基于所述标注后资讯池和所述关联度生成推荐库，所述推荐库包括每个对象对应的待推荐对象。
6.优选地，所述确定方法还包括：获取输入对象；基于所述关联度从所述多个对象中确定与所述输入对象对应的至少一个第一待推荐对象，推荐所述第一待推荐对象。
7.优选地，所述确定方法还包括：获取预设关键词；基于所述预设关键词对所述资讯信息池进行筛选，获得筛选后资讯池；基于所述对象统计信息对所述筛选后资讯池中的每个资讯信息进行对象标注，获得标注后资讯池。
8.优选地，所述基于所述对象统计信息对所述资讯信息池中的每个资讯信息进行对象标注，获得标注后资讯池，包括：获取预设深度学习模型，所述预设深度学习模型基于所述对象统计信息训练生成；基于所述预设深度学习模型对所述资讯信息池中的每个资讯信息进行对象标注，获得所述标注后资讯池。
9.优选地，所述基于所述标注后资讯池确定每个对象之间的关联度，包括：依次遍历所述标注后资讯池中的每个资讯信息；提取当前资讯信息中的所有对象，存储当前资讯中
每个对象的共同出现次数；基于所述每个资讯信息中所有对象的共同出现次数确定每个对象之间的关联度。
10.优选地，所述基于所述关联度从所述推荐库中确定与所述输入对象对应的至少一个第一待推荐对象，包括：获取预设推荐数量；对所述关联度进行排序；基于关联度排序从所述推荐库中确定与所述输入对象关联度最高的预设推荐数量对应个数的对象作为所述第一待推荐对象。
11.优选地，所述确定方法还包括：将所述第一待推荐对象作为新的输入对象，确定与所述新的输入对象对应的至少一个第二待推荐对象；确定所有所述第一推荐对象所包含的至少一个第二待推荐对象；基于所述至少一个第一推荐对象对所述至少一个第二待推荐对象进行筛选，获得筛选后第二待推荐对象；将所述筛选后第二待推荐对象作为所述输入对象的二级待推荐对象。
12.相应的，本发明实施例还提供一种待推荐对象的确定装置，所述确定装置包括：获取单元，用于获取对象统计信息和资讯信息池，所述对象统计信息中包括多个对象；标注单元，用于基于所述对象统计信息对所述资讯信息池中的每个资讯信息进行对象标注，获得标注后资讯池；关联度确定单元，用于基于所述标注后资讯池确定每个对象之间的关联度；推荐库生成单元，用于基于所述标注后资讯池和所述关联度生成推荐库，所述推荐库包括每个对象对应的待推荐对象。
13.优选地，所述确定装置还包括推荐单元，所述推荐单元用于：获取输入对象；基于所述关联度从所述推荐库中确定与所述输入对象对应的至少一个第一待推荐对象，推荐所述第一待推荐对象。
14.优选地，所述确定装置还包括筛选单元，所述筛选单元用于：获取预设关键词；基于所述预设关键词对所述资讯信息池进行筛选，获得筛选后资讯池；基于所述对象统计信息对所述筛选后资讯池中的每个资讯信息进行对象标注，获得标注后资讯池。
15.优选地，所述标注单元包括：模型获取模块，用于获取预设深度学习模型，所述预设深度学习模型基于所述对象统计信息训练生成；标注模块，用于基于所述预设深度学习模型对所述资讯信息池中的每个资讯信息进行对象标注，获得所述标注后资讯池。
16.优选地，所述关联度确定单元包括：遍历模块，用于依次遍历所述标注后资讯池中的每个资讯信息；次数确定模块，用于提取当前资讯信息中的所有对象，存储当前资讯中每个对象的共同出现次数；关联度确定模块，用于基于所述每个资讯信息中所有对象的共同出现次数确定每个对象之间的关联度。
17.优选地，所述基于所述关联度从所述推荐库中确定与所述输入对象对应的至少一个第一待推荐对象，包括：获取预设推荐数量；对所述关联度进行排序；基于关联度排序从所述推荐库中确定与所述输入对象关联度最高的预设推荐数量对应个数的对象作为所述第一待推荐对象。
18.优选地，所述确定装置还包括二级推荐单元，所述二级推荐单元用于：将所述第一待推荐对象作为新的输入对象，确定与所述新的输入对象对应的至少一个第二待推荐对象；确定所有所述第一推荐对象所包含的至少一个第二待推荐对象；基于所述至少一个第一推荐对象对所述至少一个第二待推荐对象进行筛选，获得筛选后第二待推荐对象；将所述筛选后第二待推荐对象作为所述输入对象的二级待推荐对象。
19.另一方面，本发明实施例还提供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本发明实施例提供的方法。
20.通过本发明提供的技术方案，本发明至少具有如下技术效果：
21.通过对新闻信息进行收集并将所有的对象进行标注，在后续用户进行检索查询的过程中，能够自动根据用户检测查询的对象确定与其最相关的目的对象，并推荐给用户，从而有效拓展了用户查询检索的全面性和精确性，辅助用户更详细地了解其所查询的投资机构的相关信息，提高了用户体验。
22.同时，通过采用基于对象进行训练的深度学习模型进行自动标注，从而能够有效提高标注对象的精确性和全面性，为后续的目标对象的推荐提供了精确的数据基础。
23.本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
24.附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
25.图1是本发明实施例提供的待推荐对象的确定方法的具体实现流程图；
26.图2是本发明实施例提供的待推荐对象的确定方法中确定对象之间的关联度的具体实现流程图；
27.图3是本发明实施例提供的待推荐对象的确定装置的结构示意图。
具体实施方式
28.以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
29.本发明实施例中的术语“系统”和“网络”可被互换使用。“多个”是指两个或两个以上，鉴于此，本发明实施例中也可以将“多个”理解为“至少两个”。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如， a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。另外，需要理解的是，在本发明实施例的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。
30.请参见图1，本发明实施例提供一种待推荐对象的确定方法，所述确定方法包括：
31.s10)获取对象统计信息和资讯信息池，所述对象统计信息中包括多个对象；
32.s20)基于所述对象统计信息对所述资讯信息池中的每个资讯信息进行对象标注，获得标注后资讯池；
33.s30)基于所述标注后资讯池确定每个对象之间的关联度；
34.s40)基于所述标注后资讯池和所述关联度生成推荐库，所述推荐库包括每个对象对应的待推荐对象。
35.在一种可能的实施方式中，为了为用户提供精确的推荐对象，首先建立能够对对象进行精确推荐的推荐库。具体的，首先获取对象统计信息和资讯信息池，例如在本发明实施例中，该对象为投资机构，该对象统计信息为从企业数据库中所存储的投资机构统计信
息，在上述投资机构统计信息中包括多个投资机构信息，每个投资机构信息包括对应的投资机构的名称、经营信息、资金信息等信息，上述资讯信息池可以为从互联网上采集的新闻信息，例如将当前时间的半年内的新闻信息进行采集后建立资讯信息池。
36.然后根据上述对象统计信息对资讯信息池中的每个资讯信息进行对象标注，并获得标注后资讯池，例如可以将每个对象的名称作为关键词，并通过关键词匹配的方式对资讯信息池中的每个资讯信息进行对象标注，以获得标注后资讯池，此时基于标注后资讯池确定每个对象之间的关联度，此时可以基于上述标注后资讯池以及每个对象之间的关联度建立推荐库。
37.在本发明实施例中，通过根据大量的新闻信息确定每个对象之间的相关联程度，并进一步建立对对象进行推荐的推荐库，在后续的对象推荐的过程中能够基于大数据的基础进行精确推荐，而不是简单的根据临时检索结果或根据搜索引擎的检索结果进行推荐，从而能够有效提高推荐的精确性。
38.在完成推荐库的创建后，可以为用户提供精确的推荐服务。在本发明实施例中，所述确定方法还包括：获取输入对象；基于所述关联度从所述多个对象中确定与所述输入对象对应的至少一个第一待推荐对象，推荐所述第一待推荐对象。
39.例如在一种可能的实施方式中，在创建对象的推荐库后，首先获取用户输入的输入对象，例如该输入对象为用户期望搜索的对象或期望进行相关信息获取的对象，然后进一步根据每个对象之间的关联度从上述推荐库中确定至少一个可以推荐的待推荐对象，例如将与输入对象最相关的至少一个对象作为第一待推荐对象进行推荐。
40.在本发明实施例中，通过根据海量的投资机构信息和新闻信息，自动对每个投资机构之间的关联度进行分析，并在用户查询某个投资机构时，能够快速、精确查找出与该投资机构比较关联的待推荐投资机构，并将上述待推荐投资机构推荐给用户，从而在有效提高了推荐的精确性的基础上，同时有效拓展了用户的检索面。
41.对于本领域技术人员很容易知道，现在处于信息化时代，因此每天的新闻信息量非常巨大，因此若在进行投资机构的每次标注过程中都对所有新闻信息都进行遍历，将极大的增加计算量，降低计算效率。
42.因此为了解决上述技术问题，在本发明实施例中，所述确定方法还包括：获取预设关键词；基于所述预设关键词对所述资讯信息池进行筛选，获得筛选后资讯池；基于所述对象统计信息对所述筛选后资讯池中的每个资讯信息进行对象标注，获得标注后资讯池。
43.在一种可能的实施方式中，在对新闻信息中的每个对象进行标注之前，首先获取预设关键词，例如该预设关键词可以包括但不限于“投资”、“融资”等关键词，以对上述新闻信息进行过滤，以仅保留包含上述关键词的新闻信息，在此基础上，对筛选后资讯池中的每个资讯信息进行对象标注，从而大大减少了在进行标注过程中的计算量，加快了标注速度，提高了标注效率。
44.然而上述方法是通过关键词的方式进行标注的，虽然标注速度较快，但其标注精确性和召回无法满足用户的实际需求，例如在一种实施例中，用户设置的关键词为红杉资本，然而在某些新闻中出现的投资机构名称为红杉投资基金，而对于此类新闻，虽然两者指代的是同一个投资机构，通过关键词的标注方式却存在一定的漏标，无法满足实际需求。
45.为了解决上述技术问题，在本发明实施例中，所述基于所述对象统计信息对所述
资讯信息池中的每个资讯信息进行对象标注，获得标注后资讯池，包括：获取预设深度学习模型，所述预设深度学习模型基于所述对象统计信息训练生成；基于所述预设深度学习模型对所述资讯信息池中的每个资讯信息进行对象标注，获得所述标注后资讯池。
46.在一种可能的实施方式中，为了提高对目标进行标注的精确性，可以预先进行深度学习模型的训练，例如在本发明实施例中，根据上述对象统计信息对初始深度学习模型进行训练，并获得上述预设深度学习模型，该预设深度学习模型能够有效识别类似表述的同一投资机构，在实际应用过程中，通过将资讯信息输入该预设深度学习模型中进行对象的自动标注，能够实现更加精确和全面的标注，并获得对应的标注后资讯池。
47.在本发明实施例中，通过在新闻信息中的投资机构进行标注的过程中，基于预设的深度学习模型进行自动化标注，从而能够有效识别出具有类似表述的同一投资机构或可能为投资机构但并未被记录在投资统计信息中的投资机构，从而有效提高标注精确性和全面性，在后续推荐过程中为用户提供更加精确和全面的关联投资机构。
48.请参见图2，在本发明实施例中，所述基于所述标注后资讯池确定每个对象之间的关联度，包括：
49.s31)依次遍历所述标注后资讯池中的每个资讯信息；
50.s32)提取当前资讯信息中的所有对象，存储当前资讯中每个对象的共同出现次数；
51.s33)基于所述每个资讯信息中所有对象的共同出现次数确定每个对象之间的关联度。
52.在一种可能的实施方式中，在获取到标注后资讯池后，进一步对每个对象之间的关联度进行分析确定。例如在本发明实施例中，依次遍历标注后资讯池中的每个资讯信息，例如当前标注后资讯池中包括6条资讯信息，则首先对第一条资讯信息进行分析，首先提取第一条资讯信息中的所有对象，例如在一种实施例中，第一条资讯信息包括a、b、c、d四个投资机构，则将上述四个投资机构及其共同出现的此时存储起来，例如在本发明实施例中，在遍历第一条资讯信息后，与a投资机构共同出现的投资机构及其次数为： b(1次)、c(1次)以及d(1次)，对应的，与b投资机构共同出现的投资机构及其次数为：a(1次)、c(1次)以及d(1次)，与c投资机构和 d投资机构共同出现的投资机构及其次数统计同上，在此不做过多赘述。
53.然后进一步对第二条资讯信息中的对象进行提取，例如在第二条资讯信息中，包括a、c、d、e这四个投资机构，则此时确定与a投资机构共同出现的投资机构及其次数为：b(1次)、c(2次)、d(2次)以及e(1次)，对应的，可以确定与c、d、e投资机构共同出现的投资机构及其次数。根据标注后资讯池中的每个资讯信息中所有对象的共同出现次数就能够确定每个对象之间的关联度，例如将两两对象共同出现的次数作为该两个对象之间的关联度，此时，将上述标注后资讯信息以及每个对象之间的关联度存储起来以建立推荐库。
54.进一步地，在本发明实施例中，所述基于所述关联度从所述推荐库中确定与所述输入对象对应的至少一个个第一待推荐对象，包括：获取预设推荐数量；对所述关联度进行排序；基于关联度排序从所述推荐库中确定与所述输入对象关联度最高的预设推荐数量对应个数的对象作为所述第一待推荐对象。
55.在建立上述对象统计库后，可以响应于用户的输入并进行精确的对象推荐。在一
种可能的实施方式中，在确定获取到用户的输入对象(例如为输入投资机构)后，首先获取预设推荐数量，例如可以预先设置对用户每次检索的推荐数量(例如为3个)，然后根据上述关联度获取与该输入投资机构最相关的3个投资机构，例如通过对关联度进行排序，并根据关联度排序结果从获取到的多个投资机构中确定与输入投资机构关联度最高的3个投资机构作为第一待推荐投资机构，并作为最终推荐结果推荐给用户。
56.在本发明实施例中，通过根据新闻信息对所有投资机构的关联度进行分析和确定，从而在后续用户的检索过程中，能够根据用户的检索投资机构确定与其最相关或最类似的相关投资机构并推荐给用户，从而有效提高了对用户检索的全面和精确的拓展，提高了用户的检索体验。
57.进一步地，在本发明实施例中，为了为用户提供更加全面和精确的对象推荐，所述确定方法还包括：将所述第一待推荐对象作为新的输入对象，确定与所述新的输入对象对应的至少一个第二待推荐对象；确定所有所述第一推荐对象所包含的至少一个第二待推荐对象；基于所述至少一个第一推荐对象对所述至少一个第二待推荐对象进行筛选，获得筛选后第二待推荐对象；将所述筛选后第二待推荐对象作为所述输入对象的二级待推荐对象。
58.在一种可能的实施方式中，在确定与用户输入的投资机构对应的多个第一待推荐投资机构后，进一步将每个第一待推荐投资机构作为新的输入对象，并获取每个新的输入对象的至少一个第二待推荐对象，例如在一种实施例中，用户输入a投资机构，此时确定该a投资机构的第一待推荐投资机构为b、 c投资机构，此时进一步基于b投资机构确定其相关联的投资机构包括a、 c和d投资机构，c投资机构相关联的投资机构包括a、b、d投资机构，则此时根据a投资机构相关联的第一待推荐投资机构(b、c)对上述所有的第二待推荐投资机构(a、b、c、d)进行筛选后，获得对应的筛选后第二待推荐对象，例如在本发明实施例中，该第二待推荐对象为d投资机构，此时将d投资机构作为a投资机构的二级待推荐对象，可以将该二级待推荐对象立即向用户进行推荐，也可以延后向用户进行推荐。
59.在本发明实施例中，通过根据输入对象的关联对象的进一步关联对象，确定输入对象的二级推荐对象，从而进一步有效减少了对输入对象的漏推荐情况，同时在保证推荐精确性的基础上，有效拓展了对输入对象的相关对象的推荐全面性，提高了用户体验。
60.下面结合附图对本发明实施例所提供的待推荐对象的确定装置进行说明。
61.请参见图3，基于同一发明构思，本发明实施例提供一种待推荐对象的确定装置，所述确定装置包括：获取单元，用于获取对象统计信息和资讯信息池，所述对象统计信息中包括多个对象；标注单元，用于基于所述对象统计信息对所述资讯信息池中的每个资讯信息进行对象标注，获得标注后资讯池；关联度确定单元，用于基于所述标注后资讯池确定每个对象之间的关联度；推荐库生成单元，用于基于所述标注后资讯池和所述关联度生成推荐库，所述推荐库包括每个对象对应的待推荐对象。
62.在本发明实施例中，所述确定装置还包括推荐单元，所述推荐单元用于：获取输入对象；基于所述关联度从所述推荐库中确定与所述输入对象对应的至少一个第一待推荐对象，推荐所述第一待推荐对象。
63.在本发明实施例中，所述确定装置还包括筛选单元，所述筛选单元用于：获取预设关键词；基于所述预设关键词对所述资讯信息池进行筛选，获得筛选后资讯池；基于所述对
象统计信息对所述筛选后资讯池中的每个资讯信息进行对象标注，获得标注后资讯池。
64.在本发明实施例中，所述标注单元包括：模型获取模块，用于获取预设深度学习模型，所述预设深度学习模型基于所述对象统计信息训练生成；标注模块，用于基于所述预设深度学习模型对所述资讯信息池中的每个资讯信息进行对象标注，获得所述标注后资讯池。
65.在本发明实施例中，所述关联度确定单元包括：遍历模块，用于依次遍历所述标注后资讯池中的每个资讯信息；次数确定模块，用于提取当前资讯信息中的所有对象，存储当前资讯中每个对象的共同出现次数；关联度确定模块，用于基于所述每个资讯信息中所有对象的共同出现次数确定每个对象之间的关联度。
66.在本发明实施例中，所述基于所述关联度从所述推荐库中确定与所述输入对象对应的至少一个第一待推荐对象，包括：获取预设推荐数量；对所述关联度进行排序；基于关联度排序从所述推荐库中确定与所述输入对象关联度最高的预设推荐数量对应个数的对象作为所述第一待推荐对象。
67.在本发明实施例中，所述确定装置还包括二级推荐单元，所述二级推荐单元用于：将所述第一待推荐对象作为新的输入对象，确定与所述新的输入对象对应的至少一个第二待推荐对象；确定所有所述第一推荐对象所包含的至少一个第二待推荐对象；基于所述至少一个第一推荐对象对所述至少一个第二待推荐对象进行筛选，获得筛选后第二待推荐对象；将所述筛选后第二待推荐对象作为所述输入对象的二级待推荐对象。
68.进一步地，本发明实施例还提供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本发明实施例所述的方法。
69.以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
70.另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
71.本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，randomaccess memory)、磁碟或者光盘等各种可以存储程序代码的介质。
72.此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。