CN112818111A - 文档推荐方法、装置、电子设备和介质 - Google Patents

Abstract

本公开公开了一种文档推荐方法、装置、设备、介质和产品，涉及智能推荐、深度学习等领域。文档推荐方法包括：获取用户操作的文档作为参考文档；从多个初始文档中确定针对参考文档的至少一个候选文档，其中，每个候选文档的文档内容基于预设知识体系数据与参考文档的文档内容相关联；将至少一个候选文档中的目标文档推荐给用户，目标文档包括用户当前感兴趣的文档和用户在预设时间段之后感兴趣的文档。

Description

文档推荐方法、装置、电子设备和介质

技术领域

本公开涉及人工智能领域，尤其涉及智能推荐、深度学习等领域，更具体地，涉及一种文档推荐方法、文档推荐装置、电子设备、介质和程序产品。

背景技术

随着网络技术的发展，用户可以通过网络获取各式各样的资源。例如用户可以从网络中获取相关文档。在一些场景下，可以根据用户的需求为用户推荐用户所需的文档，以减少用户搜索文档的耗时。但是，相关技术在为用户推荐文档时，由于难以准确得知用户的需求，导致所推荐的文档难以满足用户的需求。

发明内容

本公开提供了一种文档推荐方法、装置、电子设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种文档推荐方法，包括：获取用户操作的文档作为参考文档；从多个初始文档中确定针对所述参考文档的至少一个候选文档，其中，每个所述候选文档的文档内容基于预设知识体系数据与所述参考文档的文档内容相关联；将所述至少一个候选文档中的目标文档推荐给所述用户，所述目标文档包括用户当前感兴趣的文档和用户在预设时间段之后感兴趣的文档。

根据本公开的另一方面，提供了一种文档推荐装置，包括：获取模块、确定模块以及推荐模块。其中，获取模块用于获取用户操作的文档作为参考文档；确定模块用于从多个初始文档中确定针对所述参考文档的至少一个候选文档，其中，每个所述候选文档的文档内容基于预设知识体系数据与所述参考文档的文档内容相关联；推荐模块用于将所述至少一个候选文档中的目标文档推荐给所述用户，所述目标文档包括用户当前感兴趣的文档和用户在预设时间段之后感兴趣的文档。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和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指令，所述指令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的文档推荐方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的文档推荐方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述的文档推荐方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开一实施例的文档推荐方法和装置的***架构；

图2示意性示出了根据本公开一实施例的文档推荐方法的流程图；

图3示意性示出了根据本公开一实施例的预设知识体系数据的示意图；

图4示意性示出了根据本公开一实施例的确定候选文档的示意图；

图5示意性示出了根据本公开另一实施例的确定候选文档的示意图；

图6示意性示出了根据本公开另一实施例的确定候选文档的示意图；

图7示意性示出了根据本公开一实施例的文档推荐的示意图；

图8示意性示出了根据本公开一实施例的文档推荐的页面示意图；

图9示意性示出了根据本公开另一实施例的文档推荐的页面示意图；

图10示意性示出了根据本公开一实施例的文档推荐装置的框图；以及

图11示出了可以用来实施本公开实施例的示例电子设备1100的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。

本公开的实施例提供了一种文档推荐方法，包括：获取用户操作的文档作为参考文档。然后，从多个初始文档中确定针对参考文档的至少一个候选文档，每个候选文档的文档内容基于预设知识体系数据与参考文档的文档内容相关联。接下来，将至少一个候选文档中的目标文档推荐给用户，目标文档包括用户当前感兴趣的文档和用户在预设时间段之后感兴趣的文档。

图1示意性示出了根据本公开一实施例的文档推荐方法和装置的***架构。需要注意的是，图1所示仅为可以应用本公开实施例的***架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。

如图1所示，根据该实施例的***架构100可以包括客户端101、102、103，网络104和服务器105。网络104用以在客户端101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用客户端101、102、103通过网络104与服务器105交互，以接收或发送消息等。客户端101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

客户端101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。本公开实施例的客户端101、102、103例如可以运行应用程序。

服务器105可以是提供各种服务的服务器，例如对用户利用客户端101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给客户端。另外，服务器105还可以是云服务器，即服务器105具有云计算功能。

需要说明的是，本公开实施例所提供的文档推荐方法可以由服务器105执行。相应地，本公开实施例所提供的文档推荐装置可以设置于服务器105中。本公开实施例所提供的文档推荐方法也可以由不同于服务器105且能够与客户端101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的文档推荐装置也可以设置于不同于服务器105且能够与客户端101、102、103和/或服务器105通信的服务器或服务器集群中。

在一种示例中，服务器105预先存储多个初始文档。用户可以通过客户端101、102、103来对文档进行操作。服务器105可以通过网络104获取来自客户端101、102、103的用户的操作记录，并基于用户的操作记录确定用户对文档的需求。服务器105基于用户的需求从所存储的多个初始文档中获取用户所需的目标文档，以便将目标文档通过网络104发送给客户端101、102、103，实现为用户推荐文档。

应该理解，图1中的客户端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的客户端、网络和服务器。

本公开实施例提供了一种文档推荐方法，下面结合图1的***架构，参考图2～图9来描述根据本公开示例性实施方式的文档推荐方法。本公开实施例的文档推荐例如可以由图1所示的服务器105来执行。

图2示意性示出了根据本公开一实施例的文档推荐方法的流程图。

如图2所示，本公开实施例的文档推荐方法200例如可以包括操作S210～操作S230。

在操作S210，获取用户操作的文档作为参考文档。

在操作S220，从多个初始文档中确定针对参考文档的至少一个候选文档。

在操作S230，将至少一个候选文档中的目标文档推荐给用户，目标文档包括用户当前感兴趣的文档和用户在预设时间段之后感兴趣的文档。

在本公开的实施例中，每个候选文档的文档内容基于预设知识体系数据与参考文档的文档内容相关联。

根据本公开的实施例，用户操作的文档例如包括历史操作的文档或者当前操作的文档。基于用户的操作获取到参考文档之后，可以从预先存储的多个初始文档中确定针对参考文档的候选文档。多个初始文档例如存储在服务器中。

在本公开的实施例中，预设知识体系数据例如表征了多个知识点之间的关联关系。例如知识体系数据可以表征多个知识点之间是否属于同一知识章节，以及表征了多个知识点之间是否具有承接关系。承接关系例如表示当前知识点是在上一个知识点的基础上而得到的知识点。当用户需要学习多个知识点时，通常需要先学习上一个知识点之后，再学习当前知识点。在一示例中，预设知识体系数据例如包括目录数据，该目录数据例如体现了各知识点之间所具有的关联关系。

根据本公开的实施例，每个候选文档的文档内容所包含的知识点与参考文档的文档内容所包含的知识点是基于预设知识体系数据相关联的。

在确定出至少一个候选文档之后，可以将所确定出的至少一个候选文档作为目标文档推荐给用户。或者，还可以将至少一个候选文档中的部分候选文档作为目标文档推荐给用户。

根据本公开实施例，通过获取用户操作的参考文档。然后，基于预设知识体系数据从多个初始文档中确定与参考文档相关联的候选文档。接下来，向用户推荐候选文档中的目标文档。通过本公开实施例的技术方案，能够根据用户对文档的操作行为来向用户推荐感兴趣的文档，提高了文档推荐的准确性和所推荐的文档的多样性。

图3示意性示出了根据本公开一实施例的预设知识体系数据的示意图。

如图3所示，预设知识体系数据300例如包括多个文档标识311～316。多个文档标识中的每个文档标识包括知识章节信息和属于该知识章节的知识点的知识点信息。

以文档标识311为例，该文档标识311中例如包括知识章节的知识章节信息“搜索”，还包括属于该知识章节“搜索”的知识点的知识点信息“二叉树搜索”。其中，在每个文档标识中，知识章节信息和知识点信息之间例如以符号“＞”进行关联。

在本公开的实施例中，预设知识体系数据300中的多个文档标识可以按照顺序排列。以文档标识311和文档标识312为例，文档标识312的顺序在文档标识311之后，由此指示了文档标识312指示的知识点“B树搜索”是文档标识311指示的知识点“二叉树搜索”的下一个知识点。即，知识点“B树搜索”是以知识点“二叉树搜索”作为基础的。当用户需要学习多个知识点时，通常需要先学习知识点“二叉树搜索”，再学习知识点“B树搜索”。

下面结合图3所示的预设知识体系数据示例，参考图4～图6来描述根据本公开示例性实施方式的确定候选文档的方法。

图4示意性示出了根据本公开一实施例的确定候选文档的示意图。

如图4所示，首先获取参考文档410的参考文档标识411R，参考文档标识411R例如可以是“搜索＞二叉树搜索”。“搜索”字段为知识章节信息，“二叉树搜索”字段为知识点信息。

接下来，基于参考文档标识411R，从预设知识体系数据400所包括的多个文档标识411～416中确定至少一个候选文档标识。至少一个候选文档标识中的每个候选文档标识的知识章节信息与参考文档标识411R的知识章节信息相同。例如，确定文档标识411、412、413、414作为候选文档标识。每个候选文档标识的知识章节信息均为“搜索”，与参考文档标识411R中的知识章节信息“搜索”相同。

在确定出至少一个候选文档标识之后，可以基于候选文档标识来确认候选文档。例如，根据确定出的至少一个候选文档标识，从服务器中预先存储的多个初始文档420、430、440、450中确定候选文档。

多个初始文档420、430、440、450中的每个初始文档均包括初始文档标识。以初始文档420为例，该初始文档420的初始文档标识为文档标识411，即为“搜索＞二叉树搜索”。从多个初始文档中确定初始文档标识与候选文档标识相同的至少一个初始文档。例如确定的初始文档420的初始文档标识为文档标识411、确定的初始文档430的初始文档标识为文档标识412、确定的初始文档440的初始文档标识为文档标识414。将所确定初始文档420、430、440作为至少一个候选文档。

接下来，可以将至少一个候选文档中的目标文档推荐给用户。

在本公开的实施例中，首先通过确定知识章节信息与参考文档标识的知识章节信息相同的至少一个候选文档标识。然后，从初始文档中确定具有候选文档标识的初始文档作为候选文档。通过将初始文档中将具有候选文档标识的初始文档作为候选文档提高了候选文档的丰富程度。确定出的候选文档的知识点与参考文档的知识点属于同一知识章节。用户在学习参考文档之后，将同一知识章节的候选文档推荐给用户，使得用户可以继续***地学习相关知识，从而使得所推荐的文档更加符合用户的需求。

图5示意性示出了根据本公开另一实施例的确定候选文档的示意图。

如图5所示，参考文档510的参考文档标识511R例如为“搜索＞二叉树搜索”。预设知识体系数据500中包括多个文档标识511～516。多个文档标识511～516按照顺序排列。排列顺序例如为：文档标识511、文档标识512、文档标识513、文档标识514、文档标识515、文档标识516。

在本公开的实施例中，基于参考文档标识511R从多个文档标识511～516中确定至少一个候选文档标识。确定出的至少一个候选文档标识例如包括一个候选文档标识，该候选文档标识例如为文档标识512。在预设知识体系数据500中，候选文档标识为文档标识512，参考文档标识511R对应于文档标识511。因此，所确定的候选文档标识(文档标识512)的顺序在参考文档标识(文档标识511)的顺序之后，表明了候选文档标识的知识点信息所表征的知识点“B树搜索”是参考文档标识511R的知识点信息所表征的知识点“二叉树搜索”的下一个知识点。

在确定出候选文档标识之后，从服务器中预先存储的多个初始文档中确定候选文档。多个初始文档例如包括初始文档520、530、540、550，每个初始文档均包括初始文档标识。

具体地，从多个初始文档中确定初始文档标识与候选文档标识相同的至少一个初始文档作为候选文档。例如，初始文档530和初始文档540的初始文档标识均为“搜索＞B树搜索”，该初始文档标识“搜索＞B树搜索”与候选文档标识相同。然后，将初始文档530、540作为至少一个候选文档。接下来可以将至少一个候选文档中的目标文档推荐给用户。

在本公开的实施例中，基于预设知识体系数据中多个文档标识的顺序，确定出顺序在参考文档标识之后的一个文档标识作为候选文档标识。然后，从初始文档中确定具有候选文档标识的至少一个初始文档作为候选文档。可见，候选文档的知识点作为参考文档的下一个知识点提高了候选文档的针对性。即，所确定出的候选文档的知识点是参考文档的知识点的下一个知识点，使得在用户学习参考文档之后，将具有下一个知识点的候选文档推荐给用户。

通过这种方式，可以根据用户对文档的当前或历史行为向用户推荐该用户在预设时间段之后感兴趣的文档。例如用户当前阅读文档的某个知识点之后，在未来一段时间内，例如一天、一周或一个月内，可能会对该知识点的下一个知识点感兴趣，本公开的实施例可以将用户未来可能感兴趣的文档推荐给该用户。

图6示意性示出了根据本公开另一实施例的确定候选文档的示意图。

如图6所示，参考文档610的参考文档标识611R例如为“搜索＞二叉树搜索”。预设知识体系数据600中例如包括多个文档标识611～616。

在一示例中，可以基于参考文档标识611R从多个文档标识611～616中确定至少一个候选文档标识。所确定出的至少一个候选文档标识例如包括一个候选文档标识，该候选文档标识例如为文档标识611。具体地，从多个文档标识611～616中确定是否具有与参考文档标识611R相同的文档标识，如果有，将与参考文档标识611R相同的文档标识作为候选文档标识，例如将文档标识611作为候选文档标识。

在另一示例中，还可以直接将参考文档标识611R作为候选文档标识。

在本公开的实施例中，所确定的候选文档标识(文档标识611)的知识点信息所表征的知识点“二叉树搜索”与参考文档标识611R的知识点信息所表征的知识点“二叉树搜索”相同。在确定出候选文档标识之后，从服务器中预先存储的多个初始文档中确定候选文档。

多个初始文档例如包括初始文档610(该初始文档与参考文档相同)、初始文档620、初始文档630、初始文档640。从多个初始文档中确定初始文档标识与候选文档标识相同的至少一个初始文档(初始文档610和初始文档620)。接下来，将所确定的初始文档610和初始文档620中除与参考文档相同的初始文档610之外的初始文档620作为至少一个候选文档。接下来可以将至少一个候选文档中的目标文档推荐给用户。

在本公开的实施例中，首先，基于参考文档标识确定出与参考文档标识相同的候选文档标识。然后，从初始文档中确定具有候选文档标识的初始文档作为候选文档，并向用户推荐候选文档中的目标文档。所推荐的目标文档与参考文档具有相同的知识点，并且所推荐的候选文档是用户没有学习过的文档。

通过这种方式，可以根据用户对文档的当前或历史浏览行为向用户推荐该用户当前感兴趣的文档，例如与参考文档的知识点相同的目标文档，从而使得所推荐的文档更加符合用户的需求。

图7示意性示出了根据本公开一实施例的文档推荐的示意图。

如图7所示，首先获取至少一个原始素材710。原始素材例如从论坛或网上商城中得到，或者基于搜索引擎进行搜索中得到。至少一个原始素材710例如包括书籍710A、文档710B、学术内容710C等等。书籍710A包括纸质书籍或电子书籍。文档710B包括文章、教程等等。学术内容710C包括网站或论坛中的学术内容。

接下来，处理至少一个原始素材710，得到原始素材的目录数据710’。具体地，针对格式为HTML的素材，可以通过XML路径语言的方式来对素材进行解析得到目录数据，XML路径语言是一种用来在XML文档中查找信息的语言。针对格式为FDF的素材，可以通过pdfplumber工具提取文本信息，再从文本信息中获取目录数据，pdfplumber是一款用python开发的FDF解析库。针对格式为扫描版FDF的素材，可以利用光学字符识别(OpticalCharacter Recognition，OCR)工具来获取目录数据。针对纸质版书籍，可以对书籍中的目录部分进行扫描，再利用OCR工具来对所扫描的信息进行识别以获取目录数据。

在本公开实施例中，还可以将原始素材中的知识点内容信息存储至服务器中作为原始文档，便于后续推荐给用户。

在得到原始素材710的目录数据710’之后，可以基于目录数据710’得到预设知识体系数据700。例如，将目录数据710’中的一级目录和二级目录组合作为文档标识。由于二级目录以下的更小层级目录的知识内容较为细碎且不完整，因此本公开实施例将二级目录作为最小级别的目录。例如，一级目录为“搜索”，二级目录为“二叉树搜索”，则一级目录和二级目录组合得到“搜索＞二叉树搜索”，“搜索＞二叉树搜索”可以作为预设知识体系数据700中的一个文档标识。可见，通过原始素材710的目录数据710’可以得到具有多个文档标识的预设知识体系数据700。

以预设知识体系数据700包括文档标识711和文档标识712为例。接下来获取针对每个文档标识的训练样本，训练样本的标签为该训练样本所对应的文档标识。例如，针对文档标识711，获取以文档标识711作为标签的一组训练样本720，该组训练样本720中包括多个文档，每个文档的标签均为文档标识711。同理，获取以文档标识签712作为标签的一组训练样本730，每个文档的标签均为文档标识712。

以获取一组训练样本720为例，将文档标识711作为搜索词组在搜索引擎上进行搜索，得到的搜索结果例如包括多个文档。对该多个文件进行过滤后，从过滤后的文档中选择预设数量个文档作为训练样本720，预设数量例如为800个。例如，将文档标识711作为搜索词组，该搜索词组包括两个字段，其中一个字段例如为一级目录对应的字段，另一个字段例如为二级目录对应的字段。以文档标识711为“搜索＞二叉树搜索”为例，搜索词组例如为“搜索二叉树搜索”，第一个字段为“搜索”，第二个字段为“二叉树搜索”。针对搜索结果中的每个文档，如果该文档的标题或正文包含第二个字段“二叉树搜索”中的50％以上的字，则保留该文档，否则丢弃该文档，从而得到过滤后的文档。然后，过滤后的文档中选择在前的800个文档作为训练样本720。

如果针对文档标识711得到的过滤后的文档的数量小于预设数量个文档，为了让模型训练更均衡，可以对过滤后的文档进行重采样处理。例如，针对文档标识711得到的过滤后的文档的数量为500，则从500个文档再选择300个文档，将该500个文档和选择的300个文档作为针对文档标识711的一组训练样本720。

在得到针对每个文档标识的训练样本之后，利用训练样本和该训练样本的标签训练分类模型750。然后，利用分类模型750对具有标签的训练样本进行训练，分类模型例如可以包括随机森林分类模型、决策树分类模型等等。

在一示例中，分类模型可以是预训练模型，预训练模型例如是预先使用大量的训练样本进行训练的模型。本公开实施例可以在预训练模型的基础上，采用少量的训练样本(例如训练样本720和训练样本730)对该模型进行进一步训练，以对预训练模型的参数进行微调。预训练模型可以是Multilingual-T5-base模型，该Multilingual-T5-base模型为Google出品的预训练模型，该模型支持多语言，适用于中英文混合的文档推荐场景。

在利用训练样本对分类模型750进行训练之后，可以利用经训练的分类模型750对存储于服务器中的多个初始文档760进行分类，得到针对每个初始文档的分类结果770。然后，基于分类结果770确定每个初始文档的初始文档标识，每个初始文档的初始文档标识与预设知识体系数据730中的文档标识相同。针对每个初始文档的分类结果例如包括该初始文档所属的类别的概率，类别以预设知识体系数据中的文档标识来表示。当针对每个初始文档的分类结果表示该初始文档属于某一类别的概率大于预设概率(例如0.8)时，则将该类别对应的文档标识作为初始文档的初始文档标识。

接下来，基于参考文档780从多个初始文档770中确定至少一个候选文档，并将至少一个候选文档中的目标文档790推荐给用户。

在本公开的实施例中，通过从原始素材中获取目录数据，并基于目录数据得到预设知识体系数据。以预设知识体系数据中的每个文档标识作为训练样本的标签，利用训练样本和标签训练分类模型。基于训练的分类模型来对存储于服务器中的初始文档进行分类，以便得到每个初始文档的初始文档标识。接下来，基于参考文档标识和初始文档标识，来从初始文档中确定目标文档以进行推荐，从而提高了文档推荐的准确性。

图8示意性示出了根据本公开一实施例的文档推荐的页面示意图。

在本公开的实施例中，每个用户具有用户标签集合。用户标签集合例如包括知识体系标识和其他类型的标签。其他类型的标签例如包括娱乐、科技、军事、政治、社会等等，该些标签例如是根据用户阅读文档的历史行为得到的。知识体系标识例如包括预设知识体系数据中的至少一个文档标识。用户的知识体系标识初始值为空，当用户在过去的预设时间段内针对文档执行点击操作或收藏操作时，则将用户执行操作的历史文档的文档标识添加至针对该用户的知识体系标识中。用户针对某类文档点击或收藏的次数越多，针对该类文档的文档标识的权重越大。

当针对每个用户的知识体系标识中包括多个文档标识时，对多个文档标识的权重进行归一化。然后，从多个文档标识中确定权重最大的文档标识，将该文档标识所对应的用户曾经操作过的历史文档作为参考文档。然后，基于参考文档为用户推荐目标文档。

如图8所示，终端例如通过瀑布流式页面810显示相关内容。所显示的内容例如包括多个文档811～815。例如显示每个文档的文档标题。当用户需要浏览某个文档时，可以点击文档标题。然后，终端响应于用户的点击跳转到显示文档内容的页面。

当用户针对瀑布流式页面810上显示的内容执行的滑动操作时，终端将向服务器发送用户的滑动操作。服务器响应于用户的滑动操作，将至少一个候选文档中的目标文档发送给终端，以实现将目标文档推荐给用户。目标文档例如包括文档816、文档817。

在本公开的实施例中，所推荐的目标文档例如包括与参考文档为同一知识章节的文档。或者所推荐的目标文档所包含的知识点是参考文档所包含的知识点的下一个知识点。或者所推荐的目标文档所包含的知识点与参考文档所包含的知识点为相同知识点并且该目标文档的文档内容与参考文档的文档内容不同。可见，通过在瀑布流式页面上推荐文档，实现根据用户的滑动操作针对性地为用户推荐文档。

图9示意性示出了根据本公开另一实施例的文档推荐的页面示意图。

如图9所示，当用户点击显示在页面910上的文档标题后，终端在页面910上显示文档内容911，用户可以浏览终端所显示的当前文档的文档内容911。然后，服务器获取当前文档作为参考文档。服务器响应于用户针对参考文档的文档内容进行的浏览操作，将至少一个候选文档标识912通过终端推荐给用户。至少一个候选文档标识912的知识章节信息例如与参考文档标识的知识章节信息相同，均为“搜索”。至少一个候选文档标识912例如包括“搜索＞二叉树搜索”、“搜索＞B树搜索”、“搜索＞B+树搜索”、“搜索＞红黑树搜索”等。在终端显示至少一个候选文档标识912时，可以将知识章节信息和知识点信息拆分来进行显示，例如仅显示一个“搜索”字段，并分别显示“二叉树搜索”字段、“B树搜索”字段、“B+树搜索”字段、“红黑树搜索”字段。

在参考文档的参考文档标识为“搜索＞B树搜索”的情况下，终端所显示至少一个候选文档标识912的中“搜索＞B树搜索”文档标识例如被选中。用户可以基于被选中的文档标识得知当前文档所包含的知识点。当用户通过终端从至少一个候选文档标识912中选择一个候选文档标识作为目标文档标识时，终端将用户的选择指令发送给服务器。服务器响应于选择指令将目标文档推荐给用户。例如，服务器可以将目标文档发送给终端，终端跳转到新的页面来显示目标文档。在一种实施例中，服务器可以将至少一个候选文档中具有目标文档标识的目标文档直接推荐给用户。或者服务器还可以将目标文档标识作为列表推荐给用户，用户可以点击列表中的目标文档标识。终端将用户的点击指令发送给服务器，服务器响应于用户的点击将目标文档发送给终端，以实现为用户推荐目标文档。可见，通过为用户推荐多个候选文档标识，用户可根据需求从多个候选文档标识中选择相应标识，提高用户的选择灵活性。

图10示意性示出了根据本公开一实施例的文档推荐装置的框图。

如图10所示，本公开实施例的文档推荐装置1000例如包括获取模块1010、确定模块1020以及推荐模块1030。

获取模块1010可以用于获取用户操作的文档作为参考文档。根据本公开实施例，获取模块1010例如可以执行上文参考图2描述的操作S210，在此不再赘述。

确定模块1020可以用于从多个初始文档中确定针对参考文档的至少一个候选文档。根据本公开实施例，确定模块1020例如可以执行上文参考图2描述的操作S220，在此不再赘述。

推荐模块1030可以用于将至少一个候选文档中的目标文档推荐给用户，目标文档包括用户当前感兴趣的文档和用户未来可能感兴趣的文档。根据本公开实施例，推荐模块1030例如可以执行上文参考图2描述的操作S230，在此不再赘述。

根据本公开实施例，预设知识体系数据包括多个文档标识，多个文档标识中的每个文档标识包括知识章节信息。确定模块1020包括：获取子模块、第一确定子模块和第二确定子模块。获取子模块用于获取参考文档的参考文档标识。第一确定子模块用于基于参考文档标识，从多个文档标识中确定至少一个候选文档标识，每个候选文档标识的知识章节信息与参考文档标识的知识章节信息相同。第二确定子模块用于从多个初始文档中确定具有候选文档标识的至少一个初始文档，作为至少一个候选文档。

根据本公开实施例，每个文档标识还包括属于知识章节的知识点的知识点信息，多个文档标识按照顺序排列，至少一个候选文档标识包括一个候选文档标识；候选文档标识和参考文档标识之间的关系满足以下至少一项：候选文档标识的顺序在参考文档标识的顺序之后，候选文档标识的知识点信息所表征的知识点是参考文档标识的知识点信息所表征的知识点的下一个知识点；以及，候选文档标识的知识点信息与参考文档标识的知识点信息相同。

根据本公开实施例，推荐模块1030包括第一推荐子模块，第一推荐子模块用于响应于用户针对瀑布流式页面上显示的内容执行的滑动操作，将至少一个候选文档中的目标文档推荐给用户。

根据本公开实施例，推荐模块1030还包括：第二推荐子模块和第三推荐子模块。第二推荐子模块用于响应于用户针对参考文档的文档内容进行浏览操作，将至少一个候选文档标识推荐给用户。第三推荐子模块用于响应于用户从至少一个候选文档标识中选择的目标文档标识，将至少一个候选文档中具有目标文档标识的目标文档推荐给用户。

根据本公开实施例，参考文档包括以下至少之一：用户在预设时间段内执行点击操作或收藏操作的历史文档。以及，用户对文档内容进行浏览的当前文档。

根据本公开实施例，文档推荐装置1000还包括：素材获取模块、处理模块和数据获取模块。素材获取模块用于获取至少一个原始素材。处理模块用于处理至少一个原始素材，得到原始素材的目录数据。数据获取模块用于基于目录数据，得到预设知识体系数据。

根据本公开实施例，文档推荐装置1000还包括：分类模块和标识确定模块。分类模块用于利用经训练的分类模型对多个初始文档中的每个初始文档进行分类，得到针对每个初始文档的分类结果。标识确定模块用于基于分类结果，确定每个初始文档的初始文档标签文档标识。

根据本公开实施例，分类模型是基于以下方式得到的：获取针对每个文档标识的训练样本，其中，训练样本的标签为该训练样本所对应的文档标识，利用训练样本和训练样本的标签训练分类模型。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图11是用来实现本公开实施例的用于文档推荐的电子设备的框图。

图11示出了可以用来实施本公开实施例的示例电子设备1100的示意性框图。电子设备1100旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图11所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如文档推荐方法。例如，在一些实施例中，文档推荐方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的文档推荐方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文档推荐方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (13)

1.一种文档推荐方法，包括：

获取用户操作的文档作为参考文档；

从多个初始文档中确定针对所述参考文档的至少一个候选文档，其中，每个所述候选文档的文档内容基于预设知识体系数据与所述参考文档的文档内容相关联；以及

将所述至少一个候选文档中的目标文档推荐给所述用户，所述目标文档包括用户当前感兴趣的文档和用户在预设时间段之后感兴趣的文档。

2.根据权利要求1所述的方法，其中，所述预设知识体系数据包括多个文档标识，所述多个文档标识中的每个文档标识包括知识章节信息；所述从多个初始文档中确定针对所述参考文档的至少一个候选文档包括：

获取所述参考文档的参考文档标识；

基于所述参考文档标识，从所述多个文档标识中确定至少一个候选文档标识，其中，每个候选文档标识的知识章节信息与所述参考文档标识的知识章节信息相同；以及

从所述多个初始文档中确定具有所述候选文档标识的至少一个初始文档，作为所述至少一个候选文档。

3.根据权利要求2所述的方法，其中，所述每个文档标识还包括属于知识章节的知识点的知识点信息，所述多个文档标识按照顺序排列，所述至少一个候选文档标识包括一个候选文档标识；所述候选文档标识和所述参考文档标识之间的关系满足以下至少一项：

所述候选文档标识的顺序在所述参考文档标识的顺序之后，所述候选文档标识的知识点信息所表征的知识点是所述参考文档标识的知识点信息所表征的知识点的下一个知识点；以及

所述候选文档标识的知识点信息与所述参考文档标识的知识点信息相同。

4.根据权利要求1所述的方法，其中，所述将所述至少一个候选文档中的目标文档推荐给所述用户包括：

响应于用户针对瀑布流式页面上显示的内容执行的滑动操作，将所述至少一个候选文档中的目标文档推荐给所述用户。

5.根据权利要求2所述的方法，其中，所述将所述至少一个候选文档中的目标文档推荐给所述用户包括：

响应于用户针对所述参考文档的文档内容进行浏览操作，将所述至少一个候选文档标识推荐给所述用户；以及

响应于所述用户从所述至少一个候选文档标识中选择的目标文档标识，将所述至少一个候选文档中具有所述目标文档标识的目标文档推荐给所述用户。

6.根据权利要求1-5中任意一项所述的方法，其中，所述参考文档包括以下至少之一：

用户在预设时间段内执行点击操作或收藏操作的历史文档；

用户对文档内容进行浏览的当前文档。

7.根据权利要求1-5中任意一项所述的方法，还包括：

获取至少一个原始素材；

处理所述至少一个原始素材，得到所述原始素材的目录数据；以及

基于所述目录数据，得到所述预设知识体系数据。

8.根据权利要求2或3所述的方法，还包括：

利用经训练的分类模型对所述多个初始文档中的每个所述初始文档进行分类，得到针对每个所述初始文档的分类结果；以及

基于所述分类结果，确定每个所述初始文档的初始文档标识。

9.根据权利要求8所述的方法，其中，所述分类模型是基于以下方式得到的：

获取针对每个文档标识的训练样本，其中，所述训练样本的标签为该训练样本所对应的文档标识；以及

利用所述训练样本和所述训练样本的标签训练分类模型。

10.一种文档推荐装置，包括：

获取模块，用于获取用户操作的文档作为参考文档；

确定模块，用于从多个初始文档中确定针对所述参考文档的至少一个候选文档，其中，每个所述候选文档的文档内容基于预设知识体系数据与所述参考文档的文档内容相关联；以及

推荐模块，用于将所述至少一个候选文档中的目标文档推荐给所述用户，所述目标文档包括用户当前感兴趣的文档和用户在预设时间段之后感兴趣的文档。

11.一种电子设备，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指令，所述指令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权利要求1-9中任意一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任意一项所述的方法。

13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-9中任意一项所述的方法。

Images