基于图结构的对话推荐方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种基于图结构的对话推荐方法、装置、设备及计算机可读存储介质。


背景技术：

2.随着信息技术的发展，大数据已经应用到各行各业中。在产品销售领域，用户画像推荐成为必不可少工具，企业通过用户画像，有针对性的为用户推荐产品，例如对用户的个人健康档案构建画像，随时间改变患者的医疗饮食推荐计划。
3.目前产品推荐主要分为两类，一种通过机器学习模型识别用户意图进行推荐，一种通过聚类算法得到用户画像进行推荐。若通过用户画像进行推荐，虽然满足了用户的长期偏好，但用户的短期偏好却被忽略，若通过用户对话意图进行推荐，虽然满足用户基本需求，但不能最大限度的符合用户的自身特征与行为习惯。在医用产品等较为严谨的领域，推荐产品必须对用户的生命健康负责，而单一的产品推荐方法是不够准确。例如在用户仅仅提出查看糖尿病患者饮食的对话推荐时，实际上根据画像可知用户为2型糖尿病，饮食推荐应当更为严格或有所不同。


技术实现要素：

4.本发明提供一种基于图结构的对话推荐方法、装置、设备及存储介质，其主要目的在于在线上问诊等智慧就医领域中，通过用户意图与用户画像并行推荐，兼顾用户的长短期偏好，实现产品推荐的准确性。
5.为实现上述目的，本发明提供的一种基于图结构的对话推荐方法，包括：
6.利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，并根据所述用户意图查询预构建的推荐内容数据库，得到第一推荐内容集合；
7.获取所述用户的用户画像，并根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合；
8.根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合；
9.获取由预构建的推荐流程图集合训练得到的推荐内容距离识别模型，并利用所述推荐内容距离识别模型识别所述用户画像与所述备选推荐内容集合中各个备选推荐内容的图结构距离值；
10.对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合。
11.可选的，所述获取由预构建的推荐流程图集合训练得到的推荐内容距离识别模型，包括：
12.根据预构建的线下画像推荐结果集合及预设的流程图构建策略，构建推荐流程图集合；
13.根据所述推荐流程图集合，构建用户-内容距离矩阵，并利用预构建的因子分解机，对所述用户-内容距离矩阵进行矩阵分解，得到潜在特征集合；
14.利用预构建的独热编码算法，对所述潜在特征集合进行量化编码，得到量化结果，并降所述量化结果进行线性变换，得到预设目标维数的特征向量；
15.根据预设的回归分析方法，利用所述特征向量对预构建的推荐内容距离识别模型进行训练，得到训练完成的推荐内容距离识别模型。
16.可选的，所述利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，包括：
17.利用所述语义识别模型对所述对话文本进行分词操作，得到分词结果集合，并将所述分词结果集合中各个分词结果及所述各个分词结果的顺序位置信息进行量化，得到词向量集合；
18.利用所述语义识别模型的注意力网络，对所述词向量集合中各个词向量进行注意力权重配置，得到注意力增强词向量集合；
19.对所述注意力增强词向量集合进行特征提取操作，得到文本特征集合，并对所述文本特征集合进行全连接识别，得到用户意图。
20.可选的，所述获取所述用户的用户画像，包括：
21.利用预设的数据接口，获取用户基础信息及用户行为数据，得到用户数据集合；
22.对所述用户数据进行异常及重复数据清洗操作，得到有效数据集合，并对所述有效数据集合进行聚类分类，得到用户标签集合；
23.利用预构建的用户画像工具，根据所述用户标签集合，构建得到用户画像。
24.可选的，所述根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合，包括：
25.获取预构建的目标待推荐内容对应的量化特征，根据所述相关性召回算法，计算所述用户画像中各个标签类型与各个所述量化特征之间的相关性，得到各个标签类型对所述目标待推荐内容的相关性分数；
26.根据预设的权重配置规则，对所述各个标签类型对所述目标待推荐内容的相关性分数进行加权求和计算，得到所述用户画像对所述目标待待推荐内容的推荐分数；
27.计算所述所述推荐内容数据库中各个待推荐内容的推荐分数，并根据各个所述推荐分数，对各个所述待推荐内容进行排序，并提取推荐分数最高的预设数量的待推荐内容，得到第二推荐内容集合。
28.可选的，所述根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合，包括：
29.根据预设的聚类算法，将所述第一推荐内容集合及所述第二推荐内容集合进行合并去重操作，得到唯一推荐内容集合；
30.识别所述唯一推荐内容集合中各个唯一推荐内容对应的特征向量，并对各个所述特征向量进行基于预设维度的空间映射操作，并对空间映射结果进行聚类，去除所述空间映射结果中相对独立的唯一推荐内容，得到备选推荐内容集合。
31.可选的，所述对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合之后，所述方法还包括：
32.利用预设埋点，获取用户点击观看行为；
33.根据预设频率，利用所述用户点击观看行为，更新所述用户画像，及更新所述推荐流程图集合。
34.为了解决上述问题，本发明还提供一种基于图结构的对话推荐装置，所述装置包括：
35.短期意图推荐模块，用于利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，并根据所述用户意图查询预构建的推荐内容数据库，得到第一推荐内容集合；
36.长期画像推荐模块，用于获取所述用户的用户画像，并根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合；
37.推荐内容聚类模块，用于根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合；
38.内容距离计算模块，用于获取由预构建的推荐流程图集合训练得到的推荐内容距离识别模型，并利用所述推荐内容距离识别模型识别所述用户画像与所述备选推荐内容集合中各个备选推荐内容的图结构距离值，及对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合。
39.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
40.至少一个处理器；以及，
41.与所述至少一个处理器通信连接的存储器；其中，
42.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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上述所述的基于图结构的对话推荐方法。
43.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于图结构的对话推荐方法。
44.本发明实施例通过语义识别模型，识别用户输入的对话文本，得到用户意图，进而得到第一推荐内容集合，从而获取用户的短期偏好，例如临时起意查询糖尿病事宜的饮食；而再通过用户画像及相关性召回的传统推荐方法，召回第二推荐内容集合，从而获取用户的长期偏好，例如减肥、高血压等健康信息，然后本发明通过聚类的方式对第一推荐内容集合及所述第二推荐内容集合进行合并，得到备选推荐内容，可以进一步缩小推荐范围，增加推荐准确性，最后，通过所述推荐内容距离识别模型智能识别各个推荐内容的远近分数，排序得到最终的推荐内容集合，其中，所述推荐内容距离识别模板是一种将备选推荐内容与用户画像构建元图，再识别元图结构距离的模型。因此，本发明实施例提供的一种基于图结构的对话推荐方法、装置、设备及存储介质，能够在线上问诊等智慧就医领域中，通过用户意图与用户画像并行推荐，兼顾用户的长短期偏好，实现产品推荐的准确性。
附图说明
45.图1为本发明一实施例提供的基于图结构的对话推荐方法的流程示意图；
46.图2为本发明一实施例提供的基于图结构的对话推荐方法中一个步骤的详细流程
示意图；
47.图3为本发明一实施例提供的基于图结构的对话推荐方法中一个步骤的详细流程示意图；
48.图4为本发明一实施例提供的基于图结构的对话推荐方法中一个步骤的详细流程示意图；
49.图5为本发明一实施例提供的基于图结构的对话推荐装置的功能模块图；
50.图6为本发明一实施例提供的实现所述基于图结构的对话推荐方法的电子设备的结构示意图。
51.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
52.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
53.本技术实施例提供一种基于图结构的对话推荐方法。本技术实施例中，所述基于图结构的对话推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于图结构的对话推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
54.参照图1所示，为本发明一实施例提供的基于图结构的对话推荐方法的流程示意图。在本实施例中，所述基于图结构的对话推荐方法包括步骤s1～s5：
55.s1、利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，并根据所述用户意图查询预构建的推荐内容数据库，得到第一推荐内容集合。
56.本发明实施例中，所述语义识别模型为一种基于bert神经网络的网络模型，用于对识别文本的意图。
57.进一步的，所述推荐内容数据库，为企业整理制定的数据资源数据库，包含医疗知识、医疗产品、金融业务等各领域的内容信息。
58.详细的，参考图2所示，本发明实施例中，所述利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，包括步骤s11～s13：
59.s11、利用所述语义识别模型对所述对话文本进行分词操作，得到分词结果集合，并将所述分词结果集合中各个分词结果及所述各个分词结果的顺序位置信息进行量化，得到词向量集合；
60.s12、利用所述语义识别模型的注意力网络，对所述词向量集合中各个词向量进行注意力权重配置，得到注意力增强词向量集合；
61.s13、对所述注意力增强词向量集合进行特征提取操作，得到文本特征集合，并对所述文本特征集合进行全连接识别，得到用户意图。
62.本发明实施例中，所示语义识别模型中常用的分词方式无法保证分词结果中各个分词在句子中的顺序，因此需要对各个分词的顺序位置信息也进行量化，从而得到包含顺
序信息的词向量集合，然后通过注意力网络中的注意力权重配置机制，对所述词向量集合中的上下文特征进行提取，得到注意力增强词向量集合。
63.然后再通过对所述注意力增强词向量集合进行卷积、池化、扁平化等操作实现特征提取过程，得到文本特征集合，最后，通过全连接层对文本特征集合进行识别分类，将识别分数最高的选项进行输出，得到用户意图。
64.本发明实施例通过数据库函数工具，根据所述用户意图进行检索，得到第一推荐内容集合。
65.具体的，本发明实施例中，获取用户输入的对话文本【请问糖尿病患者应该吃那些食材较好】，则可以通过所述语义识别模型得到用户意图【糖尿病、食物】，则可通过由*度、*乎及*歌等众多数据源锚市场构建的所述推荐内容数据库进行关键词查询，得到所述第一推荐内容集合【尽量选择对血糖影响比较小的食物，但谷物、薯类、蔬菜、水果、肉、鱼、禽、蛋、奶、豆类、油脂都不能少。】
66.s2、获取所述用户的用户画像，并根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合。
67.本发明实施例中，所述用户画像为用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型，可理解为包含用户各种信息的标签集合。
68.详细的，本发明实施例中，所述获取所述用户的用户画像，包括：
69.利用预设的数据接口，获取用户基础信息及用户行为数据，得到用户数据集合；
70.对所述用户数据进行异常及重复数据清洗操作，得到有效数据集合，并对所述有效数据集合进行聚类分类，得到用户标签集合；
71.利用预构建的用户画像工具，根据所述用户标签集合，构建得到用户画像。
72.本发明实施例通过上述方法将用户的基础信息，如性别、年龄、结业状态、婚姻状态，及用户行为信息，如点击***，观看**分钟，观看**次数，**内容类别等，然后通过k-means、birch或dbscan等常见聚类方法进行划分，得到用户数据集合，进而查找常见的开源用户画像工具，如er图、freedgo等进行画像自动化构建，得到所述用户的用户画像。
73.进一步的，所述相关性召回算法是传统根据线下计算好所有文章的特征向量，建立索引，线上推荐时候，输入用户的特征向量，来计算用户和各待推荐内容的相关性的方法。
74.详细的，参考图3所示，本发明实施例中，所述根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合，包括步骤s21～s23：
75.s21、获取预构建的目标待推荐内容对应的量化特征，根据所述相关性召回算法，计算所述用户画像中各个标签类型与各个所述量化特征之间的相关性，得到各个标签类型对所述目标待推荐内容的相关性分数；
76.s22、根据预设的权重配置规则，对所述各个标签类型对所述目标待推荐内容的相关性分数进行加权求和计算，得到所述用户画像对所述目标待待推荐内容的推荐分数；
77.s23、计算所述所述推荐内容数据库中各个待推荐内容的推荐分数，并根据各个所述推荐分数，对各个所述待推荐内容进行排序，并提取推荐分数最高的预设数量的待推荐内容，得到第二推荐内容集合。
78.本发明实施例中，根据所述相关性召回算法，可以选用余弦相似度算法计算所述
用户画像中各个标签类型与各个所述量化特征之间的相关性。然后通过预设的权重配置规则，例如年龄段权重、性别权重、就业情况权重，观看行为权重等，将各个标签对应的相关性分数进行加权求和计算，得到总的推荐分数，然后对各个推荐分数进行排名，选择前n名作为第二推荐推荐分数，所述n可以为10。
79.具体的，本发明实施例中，所述用户的用户画像中存在男性、52岁、糖尿病、肥胖、高血压等标签，则根据相关性召回算法可以推荐得到第二推荐内容集合，例如【糖尿病患者如何减肥、2型糖尿病等关键词】。
80.s3、根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合。
81.本发明实施例中的聚类算法采用birch算法，处理速度较快，通常与数据库中记录的个数无关的，只与把数据空间分为多少个单元有关。本发明实施例通过所述birch算法将突出、异常数据进行删除，得到备选推荐内容集合。
82.详细的，本发明实施例中，所述根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合，包括：
83.根据预设的聚类算法，将所述第一推荐内容集合及所述第二推荐内容集合进行合并去重操作，得到唯一推荐内容集合；
84.识别所述唯一推荐内容集合中各个唯一推荐内容对应的特征向量，并对各个所述特征向量进行基于预设维度的空间映射操作，并对空间映射结果进行聚类，去除所述空间映射结果中相对独立的唯一推荐内容，得到备选推荐内容集合。
85.本发明实施例中，通过合并去重操作，减少内容数量，增加后续计算效率，然后通过特征向量进行空间映射，得到空间映射结果，然后通过聚类算法进行区分，将相对独立的唯一推荐内容进行删除，得到备选推荐内容。其中，所述空间映射过程的预设维度可以为2维、3维或是多维，根据各特征向量平均维度来确认。
86.本发明实施例中，所述第一推荐内容集合是根据意图检测得到的，例如饮食方便较为宽松，当通过用户画像可以进一步对用户进行把控，将用户限定为2型糖尿病，则第二推荐内容集合中饮食把控进一步严格，此外由于肥胖等原因可以推荐一些相关的减肥方法。本发明实施例通过对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，进一步的对推进内容进行内容扩展及安全性把控。
87.s4、获取由预构建的推荐流程图集合训练得到的推荐内容距离识别模型，并利用所述推荐内容距离识别模型识别所述用户画像与所述备选推荐内容集合中各个备选推荐内容的图结构距离值。
88.本发明实施例中，所述推荐流程图集合中各个推荐流程图是指，从用户user为起点，item推荐内容为终点的meta-graph图结构，所述流程图构建策略为：例如【u1
→
i1
←
u2
→
i2】表示用户u1和u2都浏览过i1，则倾向于向用户u1推荐u2浏览过的i2。
89.进一步的，所述推荐内容距离识别模型用于将内容推荐结果，转化为用户与推荐内容的meta-graph，然后根据所述meta-graph识别user与item距离的模型。
90.详细的，参考图4所示，本发明实施例中，所述获取由预构建的推荐流程图集合训练得到的推荐内容距离识别模型，包括步骤s41～s44：
91.s41、根据预构建的线下画像推荐结果集合及预设的流程图构建策略，构建推荐流
程图集合；
92.s42、根据所述推荐流程图集合，构建用户-内容距离矩阵，并利用预构建的因子分解机，对所述用户-内容距离矩阵进行矩阵分解，得到潜在特征集合；
93.s43、利用预构建的独热编码算法，对所述潜在特征集合进行量化编码，得到量化结果，并降所述量化结果进行线性变换，得到预设目标维数的特征向量；
94.s44、根据预设的回归分析方法，利用所述特征向量对预构建的推荐内容距离识别模型进行训练，得到训练完成的推荐内容距离识别模型。
95.本发明实施例中得到推荐流程图集合后，根据所述推荐流程图集合，构建用户-内容距离矩阵时的详细过程为：定义用户-内容距离矩阵user-item，所述user-item指的就是起点是user，终点是item这条路径上所有的邻接矩阵的乘积得到，比如u1和i1这条路径的邻接矩阵是指第i个用户点击过第j篇文章，则邻接矩阵w1的第i行，第j列的元素为1，否则则为0，同理于别的路径关系。如一个元图结构graph1:graph2：w
ui
c其中c＝c1⊙2，所述
⊙
代表element-wise乘法，即对应位置元素相乘。
96.进一步的，所述因子分解机(factorization machine，简称fm)为一种算法，该算法的核心思路来源于矩阵分解算法。利用预构建的因子分解机，对所述用户-内容距离矩阵进行矩阵分解，得到潜在特征集合：
[0097][0098]
其中，所述n指所述线下画像推荐结果集合中有n条meta-graph路径，每条路径得到的user-item矩阵做mf矩阵分解，可以得到一个user和item的潜在特征向量。n条路径即可得到n个user特征向量，即u，和n个item特征向量，即b；所述i及j分别代表用户i点击了内容j。
[0099]
进一步的，获取预构建的推荐内容距离识别模型，其中，所述推荐内容距离识别模型算法如下：
[0100][0101]
其中，所述yn为图结构距离值，w、wi、v、vi，vj皆为所述推荐内容距离识别模型所需要训练的值，i为用户，j为内容，xn表示第n个样本的特征向量，比如第n个训练样本代表用户i点击了文章j，那么上面的xn的表达式就可以理解为，该样本的特征包含了用户i特征向量，和文章j的特征向量，由于有n条不同的路径，所以一个有n个用户i的特征和n个文章j的用户特征；所述d表示所用的特征向量的总和。
[0102]
本发明实施例通过上述训练过程，对上述公式中的各个参数进行赋值，得到训练完成的推荐内容距离识别模型，然后利用所述推荐内容距离识别模型，识别所述用户画像与所述备选推荐内容集合中各个备选推荐内容的图结构距离值。
[0103]
s5、对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合。
[0104]
最后，本发明实施例对备选推荐内容集合中的各个图结构距离值进行排序，得到
推荐内容集合。
[0105]
进一步的，本发明实施例中，所述对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合之后，所述方法还包括：
[0106]
利用预设埋点，获取用户点击观看行为；
[0107]
根据预设频率，利用所述用户点击观看行为，更新所述用户画像，及更新所述推荐流程图集合。
[0108]
本发明实施例中，所述用户画像为所述推荐流程图集合的基础数据，所述线下画像推荐结果集合为所述推荐内容距离识别模型的样本数据，通过更新所述线下画像推荐结果集合保证推荐内容距离识别模型的准确性。
[0109]
具体的，本发明的各个备选推荐内容中，可以根据图结构距离值，进行重新排序筛选，例如根据肥胖、高血压、52岁等画像标签及关于糖尿病、食物的意图关键词，可以将【糖尿病患者如何减肥】的距离值大于【高血压吃那些水果】的距离值大于
……
大于【水果含糖量排行】，如此排序，并将最前排名的n种，例如3～5种，的推荐内容进行输出，得到所述推荐内容集合。
[0110]
本发明实施例通过语义识别模型，识别用户输入的对话文本，得到用户意图，进而得到第一推荐内容集合，从而获取用户的短期偏好，例如临时起意查询糖尿病事宜的饮食；而再通过用户画像及相关性召回的传统推荐方法，召回第二推荐内容集合，从而获取用户的长期偏好，例如减肥、高血压等健康信息，然后本发明通过聚类的方式对第一推荐内容集合及所述第二推荐内容集合进行合并，得到备选推荐内容，可以进一步缩小推荐范围，增加推荐准确性，最后，通过所述推荐内容距离识别模型智能识别各个推荐内容的远近分数，排序得到最终的推荐内容集合，其中，所述推荐内容距离识别模板是一种将备选推荐内容与用户画像构建元图，再识别元图结构距离的模型。因此，本发明实施例提供的一种基于图结构的对话推荐方法，能够在线上问诊等智慧就医领域中，通过用户意图与用户画像并行推荐，兼顾用户的长短期偏好，实现产品推荐的准确性。
[0111]
如图5所示，是本发明一实施例提供的基于图结构的对话推荐装置的功能模块图。
[0112]
本发明所述基于图结构的对话推荐装置100可以安装于电子设备中。根据实现的功能，所述基于图结构的对话推荐装置100可以包括短期意图推荐模块101、长期画像推荐模块102、推荐内容聚类模块103及内容距离计算模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0113]
在本实施例中，关于各模块/单元的功能如下：
[0114]
所述短期意图推荐模块101，用于利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，并根据所述用户意图查询预构建的推荐内容数据库，得到第一推荐内容集合；
[0115]
所述长期画像推荐模块102，用于获取所述用户的用户画像，并根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合；
[0116]
所述推荐内容聚类模块103，用于根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合；
[0117]
所述内容距离计算模块104，用于获取由预构建的推荐流程图集合训练得到的推
荐内容距离识别模型，并利用所述推荐内容距离识别模型识别所述用户画像与所述备选推荐内容集合中各个备选推荐内容的图结构距离值，及对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合。
[0118]
详细地，本技术实施例中所述基于图结构的对话推荐装置100中所述的各模块在使用时采用与上述图1至图4中所述的基于图结构的对话推荐方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
[0119]
如图6所示，是本发明一实施例提供的实现基于图结构的对话推荐方法的电子设备1的结构示意图。
[0120]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于图结构的对话推荐程序。
[0121]
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于图结构的对话推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0122]
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于图结构的对话推荐程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0123]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0124]
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0125]
图6仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图6示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0126]
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0127]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0128]
所述电子设备1中的所述存储器11存储的基于图结构的对话推荐程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0129]
利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，并根据所述用户意图查询预构建的推荐内容数据库，得到第一推荐内容集合；
[0130]
获取所述用户的用户画像，并根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合；
[0131]
根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合；
[0132]
获取由预构建的推荐流程图集合训练得到的推荐内容距离识别模型，并利用所述推荐内容距离识别模型识别所述用户画像与所述备选推荐内容集合中各个备选推荐内容的图结构距离值；
[0133]
对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合。
[0134]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0135]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0136]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0137]
利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，并根据所述用户意图查询预构建的推荐内容数据库，得到第一推荐内容集合；
[0138]
获取所述用户的用户画像，并根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合；
[0139]
根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合；
[0140]
获取由预构建的推荐流程图集合训练得到的推荐内容距离识别模型，并利用所述
推荐内容距离识别模型识别所述用户画像与所述备选推荐内容集合中各个备选推荐内容的图结构距离值；
[0141]
对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合。
[0142]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0143]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0144]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0145]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0146]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0147]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0148]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0149]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0150]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种基于图结构的对话推荐方法，其特征在于，所述方法包括：利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，并根据所述用户意图查询预构建的推荐内容数据库，得到第一推荐内容集合；获取所述用户的用户画像，并根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合；根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合；获取由预构建的推荐流程图集合训练得到的推荐内容距离识别模型，并利用所述推荐内容距离识别模型识别所述用户画像与所述备选推荐内容集合中各个备选推荐内容的图结构距离值；对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合。2.如权利要求1所述的基于图结构的对话推荐方法，其特征在于，所述获取由预构建的推荐流程图集合训练得到的推荐内容距离识别模型，包括：根据预构建的线下画像推荐结果集合及预设的流程图构建策略，构建推荐流程图集合；根据所述推荐流程图集合，构建用户-内容距离矩阵，并利用预构建的因子分解机，对所述用户-内容距离矩阵进行矩阵分解，得到潜在特征集合；利用预构建的独热编码算法，对所述潜在特征集合进行量化编码，得到量化结果，并降所述量化结果进行线性变换，得到预设目标维数的特征向量；根据预设的回归分析方法，利用所述特征向量对预构建的推荐内容距离识别模型进行训练，得到训练完成的推荐内容距离识别模型。3.如权利要求1所述的基于图结构的对话推荐方法，其特征在于，所述利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，包括：利用所述语义识别模型对所述对话文本进行分词操作，得到分词结果集合，并将所述分词结果集合中各个分词结果及所述各个分词结果的顺序位置信息进行量化，得到词向量集合；利用所述语义识别模型的注意力网络，对所述词向量集合中各个词向量进行注意力权重配置，得到注意力增强词向量集合；对所述注意力增强词向量集合进行特征提取操作，得到文本特征集合，并对所述文本特征集合进行全连接识别，得到用户意图。4.如权利要求1所述的基于图结构的对话推荐方法，其特征在于，所述获取所述用户的用户画像，包括：利用预设的数据接口，获取用户基础信息及用户行为数据，得到用户数据集合；对所述用户数据进行异常及重复数据清洗操作，得到有效数据集合，并对所述有效数据集合进行聚类分类，得到用户标签集合；利用预构建的用户画像工具，根据所述用户标签集合，构建得到用户画像。5.如权利要求1所述的基于图结构的对话推荐方法，其特征在于，所述根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合，包括：获取预构建的目标待推荐内容对应的量化特征，根据所述相关性召回算法，计算所述
用户画像中各个标签类型与各个所述量化特征之间的相关性，得到各个标签类型对所述目标待推荐内容的相关性分数；根据预设的权重配置规则，对所述各个标签类型对所述目标待推荐内容的相关性分数进行加权求和计算，得到所述用户画像对所述目标待待推荐内容的推荐分数；计算所述所述推荐内容数据库中各个待推荐内容的推荐分数，并根据各个所述推荐分数，对各个所述待推荐内容进行排序，并提取推荐分数最高的预设数量的待推荐内容，得到第二推荐内容集合。6.如权利要求1所述的基于图结构的对话推荐方法，其特征在于，所述根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合，包括：根据预设的聚类算法，将所述第一推荐内容集合及所述第二推荐内容集合进行合并去重操作，得到唯一推荐内容集合；识别所述唯一推荐内容集合中各个唯一推荐内容对应的特征向量，并对各个所述特征向量进行基于预设维度的空间映射操作，并对空间映射结果进行聚类，去除所述空间映射结果中相对独立的唯一推荐内容，得到备选推荐内容集合。7.如权利要求1所述的基于图结构的对话推荐方法，其特征在于，所述对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合之后，所述方法还包括：利用预设埋点，获取用户点击观看行为；根据预设频率，利用所述用户点击观看行为，更新所述用户画像，及更新所述推荐流程图集合。8.一种基于图结构的对话推荐装置，其特征在于，所述装置包括：短期意图推荐模块，用于利用预构建的语义识别模型，识别用户输入的对话文本，得到用户意图，并根据所述用户意图查询预构建的推荐内容数据库，得到第一推荐内容集合；长期画像推荐模块，用于获取所述用户的用户画像，并根据预设的相关性召回算法，从所述推荐内容数据库中识别所述用户画像对应的第二推荐内容集合；推荐内容聚类模块，用于根据预设的聚类算法，对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合；内容距离计算模块，用于获取由预构建的推荐流程图集合训练得到的推荐内容距离识别模型，并利用所述推荐内容距离识别模型识别所述用户画像与所述备选推荐内容集合中各个备选推荐内容的图结构距离值，及对所述各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合。9.一种电子设备，其特征在于，所述电子设备包括：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计算机程序，所述计算机程序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如权利要求1至7中任意一项所述的基于图结构的对话推荐方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于图结构的对话推荐方法。

技术总结
本发明涉及人工智能技术及数字医疗领域，揭露了一种基于图结构的对话推荐方法、装置、设备及存储介质。所述方法包括：识别用户输入的对话文本，得到用户意图，根据用户意图查推荐内容数据库，得到第一推荐内容集合；根据预设的相关性召回算法，从所述推荐内容数据库中识别预构建的用户画像对应的第二推荐内容集合；对所述第一推荐内容集合及所述第二推荐内容集合进行合并操作，得到备选推荐内容集合；利用预训练的推荐内容距离识别模型识别所述用户画像与所述备选推荐内容集合中各个备选推荐内容的图结构距离值进行排序筛选操作，得到推荐内容集合。本发明可以在线上问诊等智慧就医领域中通过用户意图与用户画像并行推荐实现产品推荐的准确性。实现产品推荐的准确性。实现产品推荐的准确性。


技术研发人员：梁欣 李松岭
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2023.04.17
技术公布日：2023/7/25