本申請(qǐng)涉及數(shù)據(jù)處理，尤其涉及一種企業(yè)政策推薦方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展，推薦系統(tǒng)在許多領(lǐng)域得到了廣泛應(yīng)用。傳統(tǒng)推薦方法主要依賴用戶歷史行為數(shù)據(jù)進(jìn)行推薦，如協(xié)同過(guò)濾、基于內(nèi)容的推薦等。這些方法通過(guò)分析用戶和物品之間的關(guān)系，推測(cè)用戶可能感興趣的內(nèi)容。

2、然而，傳統(tǒng)推薦方法面臨著多個(gè)問(wèn)題。首先，對(duì)于新用戶或新物品，推薦系統(tǒng)由于缺乏足夠的歷史數(shù)據(jù)，難以提供準(zhǔn)確的推薦。其次，傳統(tǒng)推薦方法容易導(dǎo)致同質(zhì)性推薦，即系統(tǒng)傾向于推薦與用戶現(xiàn)有興趣相似的內(nèi)容，缺乏多樣性和新穎性，從而無(wú)法滿足用戶對(duì)新鮮內(nèi)容的需求。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的主要目的在于提供一種企業(yè)政策推薦方法、裝置、設(shè)備及介質(zhì)，旨在解決傳統(tǒng)推薦方法對(duì)于新用戶難以提供準(zhǔn)確推薦的技術(shù)問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┮环N企業(yè)政策推薦方法，包括：獲取用戶的待查詢數(shù)據(jù)并基于所述待查詢數(shù)據(jù)設(shè)定至少一個(gè)企業(yè)標(biāo)簽；將所述企業(yè)標(biāo)簽向量化得到企業(yè)標(biāo)簽向量，基于預(yù)設(shè)向量數(shù)據(jù)庫(kù)確定所述企業(yè)標(biāo)簽向量的相關(guān)向量；將所述企業(yè)標(biāo)簽向量和所述企業(yè)標(biāo)簽向量的相關(guān)向量輸入大語(yǔ)言模型，得到生成句子；基于所述生成句子得到所述用戶的企業(yè)政策推薦信息。

3、可選地，所述預(yù)設(shè)向量數(shù)據(jù)庫(kù)的構(gòu)建過(guò)程，包括：獲取企業(yè)政策數(shù)據(jù)集和企業(yè)信息數(shù)據(jù)集；對(duì)所述企業(yè)政策數(shù)據(jù)集和所述企業(yè)信息數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗；基于所述企業(yè)政策數(shù)據(jù)集和所述企業(yè)信息數(shù)據(jù)集構(gòu)建向量數(shù)據(jù)庫(kù)。

4、可選地，所述基于預(yù)設(shè)向量數(shù)據(jù)庫(kù)確定所述企業(yè)標(biāo)簽向量的相關(guān)向量，包括：分別計(jì)算所述預(yù)設(shè)向量數(shù)據(jù)庫(kù)中每一向量和所述企業(yè)標(biāo)簽向量之間的相似程度；基于所述相似程度從所述預(yù)設(shè)向量數(shù)據(jù)庫(kù)中確定所述企業(yè)標(biāo)簽向量的相關(guān)向量。

5、可選地，所述將所述企業(yè)標(biāo)簽向量和所述企業(yè)標(biāo)簽向量的相關(guān)向量輸入大語(yǔ)言模型，得到生成句子，包括：將所述企業(yè)標(biāo)簽向量和所述企業(yè)標(biāo)簽向量的相關(guān)向量輸入大語(yǔ)言模型，生成第一臨時(shí)句子；若所述第一臨時(shí)句子出現(xiàn)低概率token，則停止生成所述第一臨時(shí)句子并對(duì)所述低概率token重新檢索并生成第一新臨時(shí)句子，直至第一新臨時(shí)句子不包含低概率token，將不包含低概率token的第一新臨時(shí)句子作為第一生成句子；若所述第一臨時(shí)句子未出現(xiàn)低概率token，則將未出現(xiàn)低概率token的第一臨時(shí)句子作為第一生成句子；基于所述第一生成句子從所述預(yù)設(shè)向量數(shù)據(jù)庫(kù)中確定所述第一生成句子的相關(guān)文檔；基于所述第一生成句子、所述企業(yè)標(biāo)簽向量和所述第一生成句子的相關(guān)文檔并利用大語(yǔ)言模型生成第二臨時(shí)句子；基于所述第二臨時(shí)句子得到第二生成句子；重復(fù)執(zhí)行所述第二生成句子的生成過(guò)程，直至達(dá)到預(yù)設(shè)停止條件。

6、可選地，所述基于所述第二臨時(shí)句子得到第二生成句子，包括：對(duì)所述第二臨時(shí)句子進(jìn)行判斷；若所述第二臨時(shí)句子出現(xiàn)低概率token，則停止生成所述第二臨時(shí)句子并對(duì)所述低概率token重新檢索并生成第二新臨時(shí)句子，直至所述第二新臨時(shí)句子不包含低概率token，將不包含低概率token的第二新臨時(shí)句子作為第二生成句子；若所述第二臨時(shí)句子未出現(xiàn)低概率token，則將未出現(xiàn)低概率token的第二臨時(shí)句子作為第二生成句子。

7、可選地，所述對(duì)所述低概率token重新檢索并生成第一新臨時(shí)句子，包括：基于所述低概率token得到所述低概率token對(duì)應(yīng)的目標(biāo)文本；基于所述目標(biāo)文本從所述預(yù)設(shè)向量數(shù)據(jù)庫(kù)中確定所述低概率token的目標(biāo)向量；基于所述目標(biāo)向量和所述企業(yè)標(biāo)簽向量生成第一新臨時(shí)句子；所述對(duì)所述低概率token重新檢索并生成第二新臨時(shí)句子，包括：基于所述低概率token得到所述低概率token對(duì)應(yīng)的目標(biāo)文本；基于所述目標(biāo)文本從所述預(yù)設(shè)向量數(shù)據(jù)庫(kù)中確定所述低概率token的目標(biāo)向量；基于所述目標(biāo)向量、所述企業(yè)標(biāo)簽向量和第一生成句子生成第二新臨時(shí)句子。

8、可選地，在所述基于所述生成句子得到所述用戶的企業(yè)政策推薦信息之后，所述方法還包括：基于所述企業(yè)政策推薦信息獲取所述用戶的反饋信息；基于所述反饋信息更新所述預(yù)設(shè)向量數(shù)據(jù)庫(kù)。

9、此外，為實(shí)現(xiàn)上述目的，本申請(qǐng)還提供一種企業(yè)政策推薦裝置，包括：查詢輸入模塊，用于獲取用戶的待查詢數(shù)據(jù)并基于所述待查詢數(shù)據(jù)設(shè)定至少一個(gè)企業(yè)標(biāo)簽；向量化模塊，用于將所述企業(yè)標(biāo)簽向量化得到企業(yè)標(biāo)簽向量，基于預(yù)設(shè)向量數(shù)據(jù)庫(kù)確定所述企業(yè)標(biāo)簽向量的相關(guān)向量；臨時(shí)句子生成模塊，用于將所述企業(yè)標(biāo)簽向量和所述企業(yè)標(biāo)簽向量的相關(guān)向量輸入大語(yǔ)言模型，得到生成句子；企業(yè)政策推薦模塊，用于基于所述生成句子得到所述用戶的企業(yè)政策推薦信息。

10、本申請(qǐng)還提供一種企業(yè)政策推薦設(shè)備，包括：至少一個(gè)處理器；以及，與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行上述一種企業(yè)政策推薦方法。

11、本申請(qǐng)還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括：存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述一種企業(yè)政策推薦方法。

12、本申請(qǐng)?zhí)岢龅钠髽I(yè)政策推薦方法、裝置、設(shè)備及介質(zhì)，通過(guò)基于用戶的待查詢數(shù)據(jù)設(shè)定至少一個(gè)企業(yè)標(biāo)簽，并將企業(yè)標(biāo)簽向量化得到企業(yè)標(biāo)簽向量。接著，基于預(yù)設(shè)向量數(shù)據(jù)庫(kù)確定企業(yè)標(biāo)簽向量的相關(guān)向量，并將企業(yè)標(biāo)簽及其相關(guān)向量輸入大語(yǔ)言模型，依次生成至少一個(gè)句子。最終，基于生成的句子為用戶提供企業(yè)政策推薦信息。本申請(qǐng)有效解決了傳統(tǒng)推薦系統(tǒng)在面對(duì)新用戶時(shí)推薦效果不佳及同質(zhì)化推薦的問(wèn)題，實(shí)現(xiàn)了個(gè)性化的企業(yè)政策推薦。此外，本申請(qǐng)能夠避免推薦內(nèi)容的單一性，提升推薦結(jié)果的多樣性和新穎性，更好地滿足用戶對(duì)個(gè)性化和創(chuàng)新內(nèi)容的需求。

技術(shù)特征：

1.一種企業(yè)政策推薦方法，其特征在于，所述方法包括：

2.如權(quán)利要求1所述的企業(yè)政策推薦方法，其特征在于，所述預(yù)設(shè)向量數(shù)據(jù)庫(kù)的構(gòu)建過(guò)程，包括：

3.如權(quán)利要求1所述的企業(yè)政策推薦方法，其特征在于，所述基于預(yù)設(shè)向量數(shù)據(jù)庫(kù)確定所述企業(yè)標(biāo)簽向量的相關(guān)向量，包括：

4.如權(quán)利要求1所述的企業(yè)政策推薦方法，其特征在于，所述將所述企業(yè)標(biāo)簽向量和所述企業(yè)標(biāo)簽向量的相關(guān)向量輸入大語(yǔ)言模型，得到生成句子，包括：

5.如權(quán)利要求4所述的企業(yè)政策推薦方法，其特征在于，所述基于所述第二臨時(shí)句子得到第二生成句子，包括：

6.如權(quán)利要求5所述的企業(yè)政策推薦方法，其特征在于，所述對(duì)所述低概率token重新檢索并生成第一新臨時(shí)句子，包括：

7.如權(quán)利要求1所述的企業(yè)政策推薦方法，其特征在于，在所述基于所述生成句子得到所述用戶的企業(yè)政策推薦信息之后，所述方法還包括：

8.一種企業(yè)政策推薦裝置，其特征在于，包括：

9.一種企業(yè)政策推薦設(shè)備，其特征在于，包括：

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的企業(yè)政策推薦方法。

技術(shù)總結(jié)
本申請(qǐng)公開了一種企業(yè)政策推薦方法、裝置、設(shè)備及介質(zhì)，包括：獲取用戶的待查詢數(shù)據(jù)并基于所述待查詢數(shù)據(jù)設(shè)定至少一個(gè)企業(yè)標(biāo)簽；將所述企業(yè)標(biāo)簽向量化得到企業(yè)標(biāo)簽向量，基于預(yù)設(shè)向量數(shù)據(jù)庫(kù)確定所述企業(yè)標(biāo)簽向量的相關(guān)向量；將所述企業(yè)標(biāo)簽向量和所述企業(yè)標(biāo)簽向量的相關(guān)向量輸入大語(yǔ)言模型，得到生成句子；基于所述生成句子得到所述用戶的企業(yè)政策推薦信息。本申請(qǐng)可以解決傳統(tǒng)推薦方法對(duì)于新用戶難以提供準(zhǔn)確推薦的技術(shù)問(wèn)題。

技術(shù)研發(fā)人員：賈珊珊,楊春明,肖德成,王一霖,張暉
受保護(hù)的技術(shù)使用者：西南科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15