摘要
本发明属于人工智能领域,公开了一种用于智能对话系统的候选问题推荐方法及相关装置,首先对用户原始问题采用深度学习模型进行语义编码和意图分类,生成语义向量与意图标签,突破传统关键词匹配的语义局限;再利用意图标签筛选候选问题数据库形成初筛集合,缩小检索范围;随后通过语义向量相似度计算实现问题级别的语义匹配;最后综合语义相似度、用户画像匹配度、问题热度及类型调节因子等多维特征进行动态加权排序,形成个性化推荐列表。采用本方法有效提升了问题推荐的精准性和场景泛化能力,使推荐结果既贴合用户实时语义需求,又兼顾个性化偏好和业务场景特性。
技术关键词
智能对话系统
语义向量
推荐方法
意图分类识别
画像
因子
标签
语言理解模型
列表
语义需求
综合语义
分布式流
深度学习模型
动态
计算机程序产品
推荐系统
文本
匹配模块