CN117453973A - 信息推荐方法、装置、设备及介质 - Google Patents

Abstract

本公开公开了信息推荐方法、装置、设备及介质，涉及人工智能技术领域，尤其涉及大语言模型技术领域。解决了信息推荐时过程复杂繁琐，成本高的同时易出现信息遗漏或不准确的情况，致使准确率较低，无法满足使用需求的技术问题，具体实现方案为：获取用于表征用户的信息需求的请求数据；基于所述请求数据搜索所述信息需求对应的推荐内容；将所述推荐内容输入大语言模型进行处理，生成所述信息需求对应的信息推荐报告。

Description

信息推荐方法、装置、设备及介质

技术领域

本公开涉及人工智能技术领域，尤其涉及大语言模型技术领域，具体涉及一种信息推荐方法、装置、设备及介质。

背景技术

在传统的信息推荐中，如何生成详细的推荐内容及建议是关键的一环，但相关技术中往往需要耗费大量时间和人力资源，同时需要人工从内外网查找相关的各项信息、数据等，再耗费大量的时间与人力进行信息整合，这一过程复杂繁琐，成本高的同时易出现信息遗漏或不准确的情况，致使准确率较低，无法满足使用需求。

发明内容

本公开提供了一种信息推荐方法、装置、设备及介质。

根据本公开的第一方面，提供了一种信息推荐方法，包括：

获取用于表征用户的信息需求的请求数据；

基于请求数据搜索信息需求对应的推荐内容；

将推荐内容输入大语言模型进行处理，生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的方法中，基于请求数据搜索信息需求对应的推荐内容，包括：

根据请求数据确定用户的信息需求的关键词；

基于关键词搜索信息需求对应的推荐内容。

在一种可能实施的方式中，本公开实施例所提供的方法中，根据请求数据确定用户的信息需求的关键词，包括：

利用自然语言处理技术解析请求数据，得到用户的信息需求的关键词。

在一种可能实施的方式中，本公开实施例所提供的方法中，基于关键词搜索信息需求对应的推荐内容，包括：

基于关键词从预先设置的模板中选择与关键词匹配的模板；

利用关键词和模板通过内部搜索和/或外部搜索，确定信息需求对应的推荐内容。

在一种可能实施的方式中，本公开实施例所提供的方法中，将推荐内容输入大语言模型进行处理，生成信息需求对应的信息推荐报告，包括：

基于模板和推荐内容，生成多个应用于大语言模型的执行任务；

利用大语言模型进行多个执行任务，得到每个执行任务的执行结果；

利用每个执行任务的执行结果生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的方法中，利用每个执行任务的执行结果生成信息需求对应的信息推荐报告，包括：

基于每个执行任务的执行结果，确定信息需求对应的扩展内容；

利用每个执行任务的执行结果和扩展内容生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的方法中，利用每个执行任务的执行结果和扩展内容生成信息需求对应的信息推荐报告，包括：

对每个执行任务的执行结果和扩展内容按模板的需求进行总结与分析，并将总结与分析的结果结合模板，生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的方法中，将推荐内容输入大语言模型进行处理，生成信息需求对应的信息推荐报告之后，方法还包括：

基于信息推荐报告，生成信息推荐报告的摘要信息。

根据本公开的第二方面，提供了一种信息推荐装置，包括：

获取单元，用于获取用于表征用户的信息需求的请求数据；

确定单元，用于基于请求数据搜索信息需求对应的推荐内容；

处理单元，将推荐内容输入大语言模型进行处理，生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的装置中，确定单元具体用于：

根据请求数据确定用户的信息需求的关键词；

基于关键词搜索信息需求对应的推荐内容。

在一种可能实施的方式中，本公开实施例所提供的装置中，确定单元具体用于：

利用自然语言处理技术解析请求数据，得到用户的信息需求的关键词。

在一种可能实施的方式中，本公开实施例所提供的装置中，确定单元具体用于：

基于关键词从预先设置的模板中选择与关键词匹配的模板；

利用关键词和模板通过内部搜索和/或外部搜索，确定信息需求对应的推荐内容。

在一种可能实施的方式中，本公开实施例所提供的装置中，处理单元具体用于：

基于模板和推荐内容，生成多个应用于大语言模型的执行任务；

利用大语言模型进行多个执行任务，得到每个执行任务的执行结果；

利用每个执行任务的执行结果生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的装置中，处理单元具体用于：

基于每个执行任务的执行结果，确定信息需求对应的扩展内容；

利用每个执行任务的执行结果和扩展内容生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的装置中，处理单元具体用于：

对每个执行任务的执行结果和扩展内容按模板的需求进行总结与分析，并将总结与分析的结果结合模板，生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的装置中，处理单元还用于：

基于信息推荐报告，生成信息推荐报告的摘要信息。

根据本公开的第三方面，提供了一种电子设备，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第一方面或第二方面中任一项所述的方法。

根据本公开的第四方面，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，其中，所述计算机指令用于使所述计算机执行第一方面中任一项所述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令在被处理器执行时实现第一方面中任一项所述的方法中的步骤。

在本公开的实施例中，首先获取用于表征用户的信息需求的请求数据，然后基于请求数据搜索信息需求对应的推荐内容，最后将推荐内容输入大语言模型进行处理，生成信息需求对应的信息推荐报告。应用本公开提供的信息推荐方法，能够快速确定用户的信息需求，根据该信息需求在数据库中查找对应的推荐内容，并利用大语言模型生成直观可视的信息推荐报告，不仅无需人工操作，节约人力物力成本，同时使得信息推荐的数据量与准确性显著提升，符合用户需求。

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是根据本公开实施例提供的一种信息推荐方法的流程示意图；

图2是根据本公开实施例提供的一种信息推荐方法的具体流程示意图；

图3是根据本公开实施例提供的一种信息推荐装置的框图；

图4是用来实现本公开实施例的信息推荐方法的电子设备的框图。

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。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

在传统的信息推荐中，如何生成详细的推荐内容及建议是关键的一环，但相关技术中往往需要耗费大量时间和人力资源，同时需要人工从内外网查找相关的各项信息、数据等，再耗费大量的时间与人力进行信息整合，这一过程复杂繁琐，成本高的同时易出现信息遗漏或不准确的情况，致使准确率较低，无法满足使用需求。

基于此，在本公开的实施例中，首先获取用于表征用户的信息需求的请求数据，然后基于请求数据搜索信息需求对应的推荐内容，最后将推荐内容输入大语言模型进行处理，生成信息需求对应的信息推荐报告。应用本公开提供的信息推荐方法，能够快速确定用户的信息需求，根据该信息需求在数据库中查找对应的推荐内容，并利用大语言模型生成直观可视的信息推荐报告，不仅无需人工操作，节约人力物力成本，同时使得信息推荐的数据量与准确性显著提升，符合用户需求。

下面结合附图，说明本公开各实施例提供的技术方案。

图1是本公开实施例提供的一种信息推荐方法的流程示意图，如图1所示，该方法包括：

S110，获取用于表征用户的信息需求的请求数据。

在本公开实施例中，通过用户自行输入，或者其他形式获取到用户的能够表征信息需求意图的内容，作为请求数据，例如用户输入的文字内容或者用户输入的语音内容等，也可以是用户根据特定流程进行操作所得到的信息，本公开实施例对此不作限定。

S120，基于请求数据搜索信息需求对应的推荐内容。

在本公开实施例中，根据请求数据确定用户的信息需求的关键词，然后基于该关键词去搜索信息需求对应的推荐内容。在确定关键词时，可以利用自然语言处理技术解析该请求数据，这样，利用自然语言处理技术，更好的确定用户意图，同时通过确定关键词，缩减搜索范围，进一步提升了搜索的准确性。

需要说明的是，关键词为能够表征用户信息需求的关键性字符，例如当用户输入“我想知道自己应聘A公司的成功率是多少”，上述语句中，关键词可以是“A公司”“我”“应聘”“成功率”等，也可以包含该用户输入的设备信息等其他相关信息，当然具体选取哪些字符作为关键词，本公开实施例不做限定，可以根据实际需求自行设置。

在本步骤中，具体利用关键词搜索时，可以根据该关键词从预先设置的模板中选择与之匹配的模板，然后利用该模板与关键词进行搜索，搜索时可以任意组合选择使用外部数据库的外部搜索和使用内部数据库的内部搜索。这样，利用模板的设置，进一步使搜索的内容更为符合用户预期，且有利于后续将搜索内容填入模板，同时灵活的搜索方式能够兼顾公开可见的外部数据与相对保密的内部数据，致使搜索出的结果与用户需求更为接近，提升搜索的准确性。

S130，将推荐内容输入大语言模型进行处理，生成信息需求对应的信息推荐报告。

在本公开实施例中，使用大语言模型进行处理，由于S120中检索到的推荐内容的信息量通常非常大且繁杂，且大语言模型单词输入的词汇数量往往有限制，不可能把所有推荐内容和模板直接输入至模型中一次生成，故，先利用S120中得到的推荐内容和选择的模板，拆分得到多个用于输入至大语言模型的执行任务，然后分别将执行任务输入至大语言模型中，得到每个执行任务对应的执行结果，最终利用每个执行任务的执行结果生成信息需求对应的信息推荐报告。这样，通过拆分执行任务，充分利用了大语言模型的特性，分批次完成信息推荐报告的生成，使得信息推荐报告内容完整且多元化，更为符合用户需求。

可选的，在本步骤中，还可以根据每个执行任务的执行结果，来确定信息需求对应的扩展内容，仍以上述“我想知道自己应聘A公司的成功率是多少”为例，可以为用户推荐更为合适该用户的B公司，或者A公司的其他岗位等与用户需求有所关联的内容，这样，能够使得信息推荐报告数据更加多元化，更为符合用户需求。具体确定哪种类型的扩展内容，可以根据实际需求自行设定，也可以根据预先设置的模板中所设置内容进行扩展，本公开实施例对此不作限定。

确定扩展内容之后，还可以对最终的信息推荐报告进行总结与分析，对应生成信息推荐报告的摘要或者提纲等，使得用户能够快速且精准的得知信息推荐报告的重点内容。

图2是本公开实施例提供的一种信息推荐方法的具体流程示意图，在本公开实施例中，以生成谈参建议为例，对本公开实施例的信息推荐方法进行详细说明。

S210，获取用于表征用户的信息需求的请求数据。

在本公开实施例中，通过用户自行输入，或者其他形式获取到用户的能够表征信息需求意图的内容，作为请求数据，例如用户输入的文字内容或者用户输入的语音内容等，也可以是用户根据特定流程进行操作所得到的信息，本公开实施例对此不作限定。

在一个示例中，用户表达谈参建议生成需求“我想看看在智能办公领域，我们和B公司都有哪些合作机会？给我准备一份详细的谈参”。

S220，根据请求数据确定用户的信息需求的关键词。

在本公开实施例中，首先利用自然语言处理技术解析请求数据，得到用户的信息需求的关键词，仍以上述示例为例，通过自然语言处理技术进行关键词抽取，获得需求中的目标客户和目标领域，即目标客户-B公司、目标领域-智能办公。

S230，基于关键词搜索信息需求对应的推荐内容。

在本公开实施例中，首先基于关键词从预先设置的模板中选择与关键词匹配的模板，然后利用该模板与关键词去进行搜索，确定推荐内容。

仍沿用上述示例，由于用户的需求为生成一份谈参建议，故选择谈参模板进行搜索，具体搜索时，可以选择外部搜索引擎插件和/或内部搜索引擎插件进行内外部的搜索，外部搜索引擎插件可指定搜索资源类型、搜索关键词和搜索范围；内部搜索引擎插件可指定搜索资源来源和搜索关键词和搜索范围；生成的搜索示例如下：

上诉多源搜索任务，可并行执行，加快***执行效率。

S240，基于模板和推荐内容，生成多个应用于大语言模型的执行任务。

在本公开实施例中，利用模板和推荐内容，拆分成为多个应用于大语言模型的执行任务。

仍沿用上述示例，由于搜索到的信息量非常大且繁杂，不能直接用于填充谈参模板，还需要对所有结果按照谈参模板的要求进行汇总生成。由于大模型输入的token数量有限，不可能把所有搜索结果和谈参模板直接给到大模型一次生成，故需要对谈参建议模板分块，然后对每块需要写的主题从检索结果中抽取摘要相关信息，然后汇总所有相关摘要编写指定主题模块。具体来说，例如对于『客户基本信息』，设定主题topic＝『B公司，客户基本信息，要求包含客户的简介、最近投资研发动向(和智能办公相关)等』，输入每条公司外的财报、新闻、招投标检索结果，让大模型从中抽取和topic相关的片段同时给出摘要结果。在得到该topic的多条摘要结果后，再将多条摘要结果汇总给到大模型，生成该topic的最终文本，用于填充指定模块，例如这里的『客户基本信息』模块。即，将谈参建议模板中客户和领域信息相关模块分块(例如客户基本信息、客户在目标领域需求信息、客户和公司已有项目信息、目标领域内公司已有的产品信息、目标领域公司已有的合作项目信息、目标领域的有商合作情况)，逐步执行上诉抽取汇总步骤，完成客户和领域详情的自动撰写。注意，该***会对自动撰写的文本生成引用角标，点击引用角标可以看到自动生成的文本原始来源文章以及文章的摘要信息，方便销售对感兴趣的信息数据等自动溯源和进一步了解更多细节。输入大语言模型时，执行任务如下所示，示例一：

你是一个智能信息抽取摘要专家，你的任务是根据文章和主题，抽取并摘要出和给定主题相关的片段。如果所给文章和给定主题无关，则返回“不相关”。

标题：{TITLE}

文本：{TEXT}

主题：{TOPIC}

示例二：

你是一个智能信息汇总专家，你的任务是根据给定的片段信息和主题，汇总撰写给定主题。

片段1：{MESSAGE1}

片段2：{MESSAGE2}

主题：{TOPIC}

S250，利用大语言模型进行多个执行任务，得到每个执行任务的执行结果。

S260，利用每个执行任务的执行结果生成信息需求对应的信息推荐报告。

在本公开实施例中，将大语言模型输入的内容汇总为信息推荐报告，当然也可以对内容进行扩充与分析，得到相关内容和摘要等。

仍沿用上述示例，已经生成了客户和领域详情，然后根据收集汇总的客观信息，进行分析推理，生成谈参过程中客户可能的提问和可能的合作机会，具体实施时，可以通过大语言模型直接完成，即给大语言模型输入已经生成的客户和领域详细信息，和生成任务目标，让大语言模型结合所给信息和自己的知识，分析推理给出可能的提问和合作机会。考虑到大模型输入token有限，如果已生成的客户和领域详细信息超长，需要分段输入，即分成多段，让大语言模型根据当前段落生成可能的提问和合作机会，然后汇总这些结果即可。生成可能的问题/合作机会之后，还需要给出应对的方案建议，此步骤对每个生成的问题/合作机会，检索客户和领域详细信息中的相关片段，由大语言模型生成方案建议回答即可。示例如下，示例一：

你是一个销售专家，你的任务是根据下面的客户或领域相关信息，一步步思考分析推理，给出销售会谈时客户可能提的问题，并给出每个提问的原因。

客户：{CUSTOMER}，领域：{DOMAIN}，销售公司：{COMPANY}

相关信息片段：

片段1：{MESSAGE1}

片段2：{MESSAGE2}

请一步步思考，给出公司{COMPANY}在{DOMAIN}领域，和客户{CUSTOMER}进行销售会谈时，客户可能提的问题，并给出每个提问的原因。格式：

1.问题：…；原因：…；

2.问题：…；原因：…；

示例二：

你是一个销售专家，你的任务是根据下面的客户或领域相关信息，和客户当前的提问，生成客户提问的应对方案建议。

客户：{CUSTOMER}，领域：{DOMAIN}，销售公司：{COMPANY}

相关信息片段：

片段1：{MESSAGE1}

片段2：{MESSAGE2}

客户提问：{QUESTION}

应对方案建议：

在本步骤中，详细的谈参建议文档已经自动撰写完成。由于谈参建议详情文档信息过多，不方便用户快速了解全貌，且对于智能助手对话场景不方便展现全部文字，因此还需要对详情文档生成摘要。通过谈参详情模板和摘要模板的对应关系，输入对应模块和摘要要求，让大语言模型直接摘要汇总即可。例如客户基本信息、客户在目标领域的需求信息、客户和公司已有的项目信息汇总成谈参摘要中『客户基本概述』。输入的示例如下：

你是一个销售专家，你的任务是根据下面的多段详情信息，生成目标摘要信息，要求摘要信息包含统计信息，包含重点信息，专业且简短。

相关信息片段：

标题{TITLE1}：{TEXT1}

标题{TITLE1}：{TEXT2}

摘要标题{TITLE1}

摘要正文：

本公开实施例中，各步骤与流程之间，可以使用langchain框架进行连接，langchain可以灵活搭建需要多个环节、多次使用大语言模型的应用***，且各流程可分开优化、可灵活组合配置调整，也方便快速扩展应用到其他领域。同时，由于基础通用大语言模型未在细分领域特殊优化，且该***全流程中应用大模型的环节非常多，为保证效果稳定，本公开实施例中，还可以用企业内部大量已有数据，例如在谈参示例中，使用历史积累的销售谈参建议文档、谈参建议撰写培训文档、历史项目文档等，对用到大模型的每个环节生成训练数据，SFT大模型，使大模型在每个环节能根据提供的prompt信息正确生成结果。这一过程不仅保证了全流程的效果稳定，还充分利用了用户已有信息，让大模型学习已有经验，减少人工学习成本，降低对人员专业素养的依赖，从而减少成本。

基于相同的发明构思，本公开还提供了一种信息推荐装置，如图3所示，信息推荐装置300，可以包括：

获取单元301，用于获取用于表征用户的信息需求的请求数据；

确定单元302，用于基于请求数据搜索信息需求对应的推荐内容；

处理单元303，将推荐内容输入大语言模型进行处理，生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的装置中，确定单元302具体用于：

根据请求数据确定用户的信息需求的关键词；

基于关键词搜索信息需求对应的推荐内容。

在一种可能实施的方式中，本公开实施例所提供的装置中，确定单元302具体用于：

利用自然语言处理技术解析请求数据，得到用户的信息需求的关键词。

在一种可能实施的方式中，本公开实施例所提供的装置中，确定单元302具体用于：

基于关键词从预先设置的模板中选择与关键词匹配的模板；

利用关键词和模板通过内部搜索和/或外部搜索，确定信息需求对应的推荐内容。

在一种可能实施的方式中，本公开实施例所提供的装置中，处理单元303具体用于：

基于模板和推荐内容，生成多个应用于大语言模型的执行任务；

利用大语言模型进行多个执行任务，得到每个执行任务的执行结果；

利用每个执行任务的执行结果生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的装置中，处理单元303具体用于：

基于每个执行任务的执行结果，确定信息需求对应的扩展内容；

利用每个执行任务的执行结果和扩展内容生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的装置中，处理单元303具体用于：

对每个执行任务的执行结果和扩展内容按模板的需求进行总结与分析，并将总结与分析的结果结合模板，生成信息需求对应的信息推荐报告。

在一种可能实施的方式中，本公开实施例所提供的装置中，处理单元303还用于：

基于信息推荐报告，生成信息推荐报告的摘要信息。

在一种可能的实施方式中，本发明实施例提供的装置中，图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备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4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

电子设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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401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401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401执行上文所描述的各个方法和处理，例如信息推荐方法。例如，在一些实施例中，信息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408。在一些实施例中，计算机程序的部分或者全部可以经由ROM402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM403并由计算单元401执行时，可以执行上文描述的深度学习编译器的运行方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行信息推荐方法。

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***、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)、互联网和区块链网络。

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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，任务扩展性弱的缺陷。服务器也可以为分布式***的服务器，或者是结合了区块链的服务器。

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，本发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 (19)

1.一种信息推荐方法，其特征在于，包括：

获取用于表征用户的信息需求的请求数据；

基于所述请求数据搜索所述信息需求对应的推荐内容；

将所述推荐内容输入大语言模型进行处理，生成所述信息需求对应的信息推荐报告。

2.根据权利要求1所述的方法，其特征在于，所述基于所述请求数据搜索所述信息需求对应的推荐内容，包括：

根据所述请求数据确定所述用户的信息需求的关键词；

基于所述关键词搜索所述信息需求对应的推荐内容。

3.根据权利要求2所述的方法，其特征在于，所述根据所述请求数据确定所述用户的信息需求的关键词，包括：

利用自然语言处理技术解析所述请求数据，得到所述用户的信息需求的关键词。

4.根据权利要求2所述的方法，其特征在于，所述基于所述关键词搜索所述信息需求对应的推荐内容，包括：

基于所述关键词从预先设置的模板中选择与所述关键词匹配的模板；

利用所述关键词和所述模板通过内部搜索和/或外部搜索，确定所述信息需求对应的推荐内容。

5.根据权利要求4所述的方法，其特征在于，所述将所述推荐内容输入大语言模型进行处理，生成所述信息需求对应的信息推荐报告，包括：

基于所述模板和所述推荐内容，生成多个应用于所述大语言模型的执行任务；

利用所述大语言模型进行多个所述执行任务，得到每个所述执行任务的执行结果；

利用每个所述执行任务的执行结果生成所述信息需求对应的信息推荐报告。

6.根据权利要求5所述的方法，其特征在于，所述利用每个所述执行任务的执行结果生成所述信息需求对应的信息推荐报告，包括：

基于每个所述执行任务的执行结果，确定所述信息需求对应的扩展内容；

利用每个所述执行任务的执行结果和扩展内容生成所述信息需求对应的信息推荐报告。

7.根据权利要求6所述的方法，其特征在于，所述利用每个所述执行任务的执行结果和扩展内容生成所述信息需求对应的信息推荐报告，包括：

对每个所述执行任务的执行结果和扩展内容按所述模板的需求进行总结与分析，并将总结与分析的结果结合所述模板，生成所述信息需求对应的信息推荐报告。

8.根据权利要求1所述的方法，其特征在于，所述将所述推荐内容输入大语言模型进行处理，生成所述信息需求对应的信息推荐报告之后，所述方法还包括：

基于所述信息推荐报告，生成所述信息推荐报告的摘要信息。

9.一种信息推荐装置，其特征在于，包括：

获取单元，用于获取用于表征用户的信息需求的请求数据；

确定单元，用于基于所述请求数据搜索所述信息需求对应的推荐内容；

处理单元，将所述推荐内容输入大语言模型进行处理，生成所述信息需求对应的信息推荐报告。

10.根据权利要求9所述的装置，其特征在于，所述确定单元具体用于：

根据所述请求数据确定所述用户的信息需求的关键词；

基于所述关键词搜索所述信息需求对应的推荐内容。

11.根据权利要求10所述的装置，其特征在于，所述确定单元具体用于：

利用自然语言处理技术解析所述请求数据，得到所述用户的信息需求的关键词。

12.根据权利要求10所述的装置，其特征在于，所述确定单元具体用于：

基于所述关键词从预先设置的模板中选择与所述关键词匹配的模板；

利用所述关键词和所述模板通过内部搜索和/或外部搜索，确定所述信息需求对应的推荐内容。

13.根据权利要求12所述的装置，其特征在于，所述处理单元具体用于：

基于所述模板和所述推荐内容，生成多个应用于所述大语言模型的执行任务；

利用所述大语言模型进行多个所述执行任务，得到每个所述执行任务的执行结果；

利用每个所述执行任务的执行结果生成所述信息需求对应的信息推荐报告。

14.根据权利要求13所述的装置，其特征在于，所述处理单元具体用于：

基于每个所述执行任务的执行结果，确定所述信息需求对应的扩展内容；

利用每个所述执行任务的执行结果和扩展内容生成所述信息需求对应的信息推荐报告。

15.根据权利要求14所述的装置，其特征在于，所述处理单元具体用于：

对每个所述执行任务的执行结果和扩展内容按所述模板的需求进行总结与分析，并将总结与分析的结果结合所述模板，生成所述信息需求对应的信息推荐报告。

16.根据权利要求9所述的装置，其特征在于，所述处理单元还用于：

基于所述信息推荐报告，生成所述信息推荐报告的摘要信息。

17.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至8中任一项所述的信息推荐方法。

18.一种计算机存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至8中任一项所述的信息推荐方法。

19.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令在被处理器执行时实现根据权利要求1至8中任一项所述方法中的步骤。