申请/专利权人：合肥工业大学

申请日：2023-02-13

公开（公告）日：2024-03-19

公开（公告）号：CN116089598B

主分类号：G06F16/335

分类号：G06F16/335;G06F16/36;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.05.26#实质审查的生效;2023.05.09#公开

摘要：本发明公开了一种基于特征相似度和用户需求度的绿色知识推荐方法，包括：1文本收集步骤：获取搜索文本集合；2语义分解步骤：构建标题词典对文本进行分解；3相似度计算步骤：对分解后的文本进行计算选取有效文本；4单词权重设置及单词提取步骤：在有效文本中提取所需的单词，为需求度计算做基础准备；5需求度计算步骤：获得待识别知识的TF，构建小标题需求函数，得到用户对某个大标题单词的需求和得到用户对每个小标题单词的需求，再计算与待识别只是之间的偏差；6将符合要求的知识推送给用户。本发明能通过模板化方式让用户快速找到所需要的内容，从而避免用户无意义的寻找，并能提高搜索效率，减少无用时间的损耗。

主权项：1.一种基于特征相似度和用户需求度的绿色知识推荐方法，其特征在于，包括如下步骤：步骤一、获取用户u的当前搜索文本e以及历史搜索文本集合其中，en1,u表示用户u的第n1条历史搜索文本，1≤n1≤N1；N1表示用户u的历史搜索文本的数量；步骤二、构建大标题和小标题词典，在语义分解的基础上对当前搜索文本e和历史搜索文本集合Eu进行语义分解；步骤2.1、构建绿色知识库的大标题词典其中，表示所述绿色知识库的第n2条大标题；N2表示大标题词典X的数量；构建绿色知识库的小标题词典其中，yn3表示所述绿色知识库的第n3条小标题，N3表示小标题词典Y的数量；构建用户集的日常用语词典其中，cn4表示日常用语词典中的第n4条词语，N4表示日常用语词典C的数量；步骤2.2、根据词典X、Y、C，对e和en1,u分别进行分解，得到分解后的当前搜索文本e的文本集合向量和第n1条历史搜索文本en1,u的文本集合向量表示当前搜索文本e中的第ie个单词，表示第n1条历史搜索文本en1,u中的第i个单词，Ie表示当前搜索文本e的单词数，表示第n1条历史搜索文本en1,u的单词数；令表示所属于的词典标签；若属于大标题词典X，则令若属于小标题词典Y，则令若属于日常用语词典C，则令否则，令令表示所属于的词典标签；若属于大标题词典X，则令若属于小标题词典Y，则令若属于日常用语词典C，则令否则，令步骤2.3、利用式1得到第i个单词的权重 式1中，δ1表示第一权重值，δ2表示第二权重值，且0＜δ2＜δ1＜1；步骤2.4，按照步骤2.3的过程得到第ie个单词的权重步骤2.5、利用式2计算第ie个单词与第i个单词的相似度 步骤2.6、按照步骤2.5的过程得到第n1条文本集合向量与文本集合we中所有单词的相似度，并从中选择相似度最高的t个单词作为文本集合we的第n1条候选词集；从而得到文本集合we与历史搜索文本集合中其他分解后的文本集合向量所选出的候选词集；并由所有候选词集构成文本集合we的有效文本集合其中，表示第ie个单词的第p个候选词，P表示候选词总数；步骤三、根据权重从we和中挑选出分别属于词典X,Y的单词；步骤3.1、对we中属于词典X的单词进行挑选：当时，则将在词典X所对应的单词，记为从而得到we中所有属于词典X的单词所构成的第一单词集合；步骤3.2、对中属于词典X的单词进进行挑选：当时，则将在词典X所对应的单词，记为从而得到中所有属于词典X的单词所构成的第二单词集合；其中，表示的权重；步骤3.3、将第一单词集合和第二单词集合合并为大主题词集合其中，表示第n5个大主题词，1≤n5≤N5；N5表示大主题词的数量；步骤3.4、对we中属于Y的单词进行挑选，时，则将we中属于词典Y的单词，记为步骤3.5、对中属于Y的文本进行挑选，当时，则将wvalid中属于词典Y的单词，记为步骤3.6、对we和wvalid经过计算后，整合所得到的单词用于构建小主题词集合其中，表示V中第n6个小主题词，1≤n6≤N6；N6表示小主题词的数量；步骤四、根据用户满意度找到对应知识：步骤4.1、获取待识别的知识a，并在X词典和小主题词集合V下进行的语义分解后，计算知识a中的单词频率，记为其中，表示第n2条大标题在知识a中的频率，表示第n6个小主题词在知识a中的频率， 步骤4.2、对小主题词集合V的每个词进行赋值，从而利用式3构建小主题词集合V中词的权重函数 步骤4.3、利用式4构建用户需求度函数 式4中，k表示用户的满意程度，k∈0,100％步骤4.4、获取用户对大标题词典X中所需求的某条大标题xuser，并计算用户所需求的大标题xuser与知识a的接近程度其中，表示大标题xuser在知识a中的频率；步骤4.5、获取用户对小主题词集合V中每个小主题词的需求，并计算用户对所有小主题词的接近程度步骤4.6、计算用户需求与知识a的接近程度从而得到用户需求与所有知识的接近程度，并从中选取接近程度较小的若干个知识推送给用户。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种基于特征相似度和用户需求度的绿色知识推荐方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD