(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111468030.1 (22)申请日 2021.12.0 3 (71)申请人 阿里巴巴达摩院 （杭州） 科技有限公 司 地址 310023 浙江省杭州市余杭区五常街 道文一西路969号3幢5层516室 (72)发明人 李旭瑞　李红松　孙常龙　 (74)专利代理 机构 北京智信四方知识产权代理 有限公司 1 1519 代理人 钟文芳 (51)Int.Cl. G06F 16/335(2019.01) G06F 16/9535(2019.01) G06F 16/958(2019.01) G06K 9/62(2022.01)G06N 20/00(2019.01) (54)发明名称 文本推荐方法、 装置、 电子设备及存 储介质 (57)摘要 本公开实施例公开了一种文本推荐 方法、 装 置、 电子设备及存储介质， 所述方法包括： 获取对 象数据以及文本数据； 所述对象数据包括待向量 化对象； 所述文本数据包括所述待向量化对象涉 及的历史文本； 构建异构网络图， 其中所构建的 异构网络图的节点包括所述待向量化对象以及 所述历史文本， 所述异构网络图中节 点之间的关 系包括所述待向量化对象之间的关联关系以及 所述待向量化对象与所述历史文本之间的关联 关系； 基于所述异构网络图获取所述待向量化对 象的目标向量表示； 基于所述待向量化对象 的目 标向量表 示为所述待向量化对象推荐文本。 该技 术方案能够避免将对象涉及的历史文本作为对 象的属性信息进行内容推荐而造成推荐结果准 确率不高的问题。 权利要求书2页 说明书16页 附图4页 CN 114416960 A 2022.04.29 CN 114416960 A 1.一种文本推荐方法， 其中， 包括： 获取对象数据以及文本数据； 所述对象数据包括待向量化对象； 所述文本数据包括所 述待向量 化对象涉及的历史文本； 构建异构网络图， 其中所构建的异构网络图的节点包括所述待向量化对象以及所述历 史文本， 所述异构网络图中节点之 间的关系包括所述待向量化对象之 间的关联关系以及所 述待向量 化对象与所述历史文本之间的关联关系； 基于所述异构网络图获取 所述待向量 化对象的目标向量表示； 基于所述待向量 化对象的目标向量表示 为所述待向量 化对象推荐 文本。 2.根据权利要求1所述的方法， 其中， 基于所述异构网络图获取所述待向量化对象的目 标向量表示， 包括： 构建训练样本对； 所述训练样本对包括待向量化对象的初始向量化表示、 样本文本的 文本向量表示以及所述待向量 化对象与所述样本文本之间的匹配标签； 利用向量化模型学习所述训练样本对中的所述待向量化对象在异构网络图中与其他 节点之间的关联关系， 并输出 所述待向量 化对象的中间向量表示； 利用匹配模型基于所述待向量化对象的中间向量表示和所述样本文本的文本向量表 示输出预测匹配结果； 基于所述预测匹配结果以及所述匹配标签训练所述向量 化模型和所述匹配模型； 在训练完成之后， 基于所述向量 化模型获取 所述待向量 化对象的目标向量表示。 3.根据权利要求1或2所述的方法， 其中， 所述方法还 包括： 获取描述所述待向量 化对象的辅助文本； 基于所述异构网络图获取所述待向量化对象的目标向量表示之前， 基于所述辅助文本 对所述待向量 化对象涉及的所述历史文本进行注意力机制处 理。 4.根据权利要求1或2所述的方法， 其中， 所述方法还 包括： 利用所述待向量化对象的所述历史文本的初始文本向量获取所述待向量化对象的初 始向量； 其中， 在训练过程中， 所述待向量化对象的所述初始向量和所述历史文本的所述初 始文本向量作为所述向量 化模型的输入。 5.根据权利要求2所述的方法， 其中， 所述异构网络 图的节点还包括样本文本； 所述异 构网络图中节点之间的关系还包括所述样本文本与所述样本文本所涉及的所述待向量化 对象之间的关联关系。 6.根据权利要求5所述的方法， 其中， 利用向量化模型学习所述训练样本对中的所述待 向量化对象在异构网络图中与其他节点之 间的关联关系， 并输出所述待向量化对象的中间 向量表示， 包括： 利用所述向量化模型学习所述训练样本对中的所述待向量化对象和所述样本文本在 异构网络图中与其 他节点之间的关联关系； 输出所述待向量 化对象的中间向量表示和所述样本文本的中间向量表示； 在训练完成之后， 基于所述向量 化模型获取 所述待向量 化对象的目标向量表示， 包括： 利用训练完成的所述向量化模型基于所述异构网络 图获取所述待向量化对象的目标 向量表示和所述样本文本的目标向量表示。 7.根据权利 要求1‑2、 5‑6任一项所述的方法， 其中， 基于所述待向量化对象的目标向量权　利　要　求　书 1/2 页 2 CN 114416960 A 2表示为所述待向量 化对象推荐 文本， 包括： 利用训练完成的所述匹配模型， 基于所述待向量化对象的目标向量表示以及待推荐文 本的目标向量表示确定所述待向量化对 象与所述待推荐文本是否相匹配； 其中， 所述待推 荐文本的目标向量表示利用训练完成的所述向量 化模型得到； 在所述待向量化对象与所述待推荐文本相匹配时， 将所述待推荐文本推荐给所述待向 量化对象。 8.一种文本推荐装置， 其中， 包括： 第一获取模块， 被配置为获取对象数据以及文本数据； 所述对象数据包括待向量化对 象； 所述文本数据包括所述待向量 化对象涉及的历史文本； 构建模块， 被配置为构建异构网络 图， 其中所构建的异构网络 图的节点包括所述待向 量化对象以及所述历史文本， 所述异构网络图中节点之 间的关系包括所述待向量化对象之 间的关联关系以及所述待向量 化对象与所述历史文本之间的关联关系； 第二获取模块， 被配置为基于所述异构网络图获取所述待向量化对象的目标向量表 示； 推送模块， 被配置为基于所述待向量化对象的目标向量表示为所述待向量化对象推荐 文本。 9.一种电子设备， 其中， 包括存储器、 处理器以及存储在存储器上的计算机程序， 其中， 所述处理器执行所述计算机程序以实现权利要求1 ‑7任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机指令， 其中， 该计算机指令被处理器 执行时实现权利要求1 ‑7任一项所述的方法。 11.一种计算机程序产品， 其包括计算机指令， 其中， 该计算机指令被处理器执行时实 现权利要求1 ‑7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114416960 A 3