JP2022002075A - 情報推奨方法及び装置、並びに、電子機器、プログラム及びコンピュータ読み取り可能な記憶媒体 - Google Patents

Abstract

【課題】知識マップの分野においてユーザの要求をより深く発掘して理解し、豊富な情報をユーザに推奨することができる情報推奨方法及び装置、並びに、電子機器、プログラム及びコンピュータ読み取り可能な記憶媒体を提供する。【解決手段】情報推奨方法は、要求情報を取得することＳ２１０と、要求情報から実体を表す要求実体単語を抽出することＳ２２０と、要求実体単語及び予め構築された知識マップに基づいて推奨情報を確定することＳ２３０と、推奨情報をプッシュすることＳ２４０とを含む。知識マップは、テキストに基づいて構築され、且つ、テキストのソースを表す第１の単語を示す。【選択図】図２

Description

本開示は、知識マップの分野に関し、より具体的には、情報推奨方法及び装置、並びに、電子機器、プログラム及びコンピュータ読み取り可能な記憶媒体に関する。

インターネット技術の発展に伴い、業務の効率化や企業管理の便利のために、様々な管理補助人工知能プラットフォームが登場している。

本発明者らは、本開示の概念を実現する過程で、関連技術について、少なくとも関連技術の人工知能プラットフォームは、情報体系構築、情報分類及び情報共有を中心とすることが多いという技術的問題が存在することに気づいた。しかし、検索語に応答して情報推奨を行う場合、検索語に基づいてユーザに検索語におけるキーワードを含む情報しか推奨することができない場合が多い。このため、関連技術の人工知能プラットフォームは、検索語に基づいてユーザの意図を深く発掘して理解することができず、より豊富な情報をユーザに推奨することができないという技術的問題があった。

本開示は、このような状況に鑑みてなされたものであり、ユーザの要求をより深く発掘して理解し、豊富な情報をユーザに推奨することができる情報推奨方法及び装置、並びに、電子機器、プログラム及びコンピュータ読み取り可能な記憶媒体を提供している。

本開示の一面によると、要求情報を取得することと、要求情報から実体を表す要求実体単語を抽出することと、要求実体単語及び予め構築された知識マップに基づいて推奨情報を確定することと、推奨情報をプッシュすることと、を含み、知識マップはテキストに基づいて構築され、且つ、テキストのソースを表す第１の単語を示す、情報推奨方法を提供する。

選択的には、上記の情報推奨方法は、テキストから、第１の単語を含む、実体を表す複数の実体単語、及び複数の実体単語間の関連関係を抽出することと、抽出された複数の実体単語と複数の実体単語間の関連関係に基づいて知識マップを構築することと、を含む、テキストに基づいて知識マップを構築することをさらに含む。

選択的には、上記知識マップを構築することは、複数の実体単語の各実体単語に対して、各実体単語に対してノードを構築することと、複数の実体単語間の関連関係に基づいて、複数の実体単語のうち各実体単語と関連関係がある関連単語を確定することと、各実体単語に対応するノードと関連単語に対応するノードとを接続して、各実体単語に対応するノードに関連するエッジを形成することと、を含む。

選択的には、上記知識マップを構築することは、各実体単語と関連単語との関連関係に基づいて、各実体単語と関連単語との関連度を確定することと、関連度に基づいて、各実体単語に対応するノードと関連単語に対応するノードとを接続するエッジに重みを付けることと、をさらに含み、関連度の大きさは、重みの大きさに比例する。

選択的には、上記推奨情報を確定することは、知識マップにおける要求実体単語に対応するノードを目標ノードとして確定することと、目標ノードに関連するエッジに基づいて、目標ノードに接続される少なくとも１つのノードを確定することと、少なくとも１つのノードに対応する実体単語に基づいて、推奨情報を確定することと、を含む。

選択的には、上記情報推奨方法は、新しいテキストが取得されたことに応答して、新しいテキストから、実体を表す複数の新しい実体単語、及び複数の新しい実体単語間の関連関係を抽出することと、知識マップが複数の新しい実体単語のうち少なくとも１つの新しい実体単語を示すことができない場合、複数の新しい実体単語及び複数の新しい実体単語間の関連関係に基づいて、知識マップを更新することと、をさらに含む。

選択的には、上記情報推奨方法は、要求情報からキー情報を抽出することと、予め設定されたキー情報構造のうち、抽出されたキー情報に関連する情報ノードを目標情報ノードとして確定されることと、さらにを含み、キー情報構造は、複数の情報ノードを含み、複数の情報ノードのそれぞれは１つのキー情報を示し、推奨情報を確定することは、要求実体単語、予め構築された知識マップ、及び目標知識ノードに基づいて推奨情報を確定することを含む。

選択的には、複数の実体単語は、テキストのキー情報を表す第２の単語を更に含み、上記情報推奨方法は、テキストを、キー情報構造に含まれる情報ノードに分類することをさらに含み、テキストを分類することは、第２の単語に基づいて、テキストとキー情報構造における各情報ノードとのマッチング関係を確定することと、テキストをテキストにマッチする情報ノードに分類することと、を含む。

選択的には、第２の単語の数は複数であり、テキストとキー情報構造における各情報ノードとのマッチング関係を確定することは、第２の単語が、各情報ノードが示すキー情報と同じである目標単語を含むか否かを確定することと、第２の単語に目標単語が含まれている場合、テキストと各知識ノードとのマッチング関係がマッチすると確定することと、を含む。

選択的には、テキストとキー情報構造における各情報ノードとのマッチング関係を確定することは、第２の単語に目標単語が含まれていない場合、知識マップから第２の単語の関連単語を取得することと、第２の単語の関連単語に目標単語が含まれている場合、テキストと各情報ノードとのマッチング関係がマッチすると確定することと、をさらに含む。

選択的には、テキストとキー情報構造における各情報ノードとのマッチング関係を確定することは、第２の単語と、各情報ノードが示すキー情報との類似度を確定することと、類似度が類似度閾値より大きい場合に、テキストと各情報ノードとのマッチング関係がマッチすると確定することと、を含む。

選択的には、上記情報推奨方法は、新しいテキストが取得されたことに応答して、新しいテキストから新しいテキストの新しいキー情報を抽出することと、キー情報構造に新しいキー情報を示す情報ノードが含まれていない場合、新しいキー情報に基づいて、キー情報構造を更新することと、をさらに含む。

選択的には、推奨情報を確定することは、目標情報ノードに分類されるテキストを推奨情報として取得することを含む。

本開示の他の一面によると、要求情報を取得する取得モジュールと、要求情報から実体を表す要求実体単語を抽出する情報抽出モジュールと、要求実体単語及び予め構築された知識マップに基づいて推奨情報を確定する情報確定モジュールと、推奨情報をプッシュする情報プッシュモジュールと、を含み、知識マップは、テキストに基づいて構築され、且つ、テキストのソースを表す第１の単語を示す、情報推奨装置を提供する。

本開示の別の一面によると、１つ又は複数のプロセッサと、１つ又は複数のプログラムを記憶する記憶装置と、を含む電子機器を提供する。ここで、１つ又は複数のプログラムが１つ又は複数のプロセッサによって実行されるとき、１つ又は複数のプロセッサに、上記のような情報推奨方法を実行させる。

本開示のさらに別の一面によると、プロセッサによって実行されたときに、プロセッサに上記のような情報推奨方法を実行させる実行可能な命令が記憶されている、コンピュータ読み取り可能な記憶媒体を提供する。

本開示のさらに別の一面によると、実行されたときに、上記情報推奨方法を実現させるコンピュータ実行可能な命令を含む、プログラムを提供する。

本開示の実施例によれば、関連情報推奨方法に存在する推奨情報が単一で、企業チームとプロジェクトの管理に深く関与できないという不都合を少なくとも部分的に回避することができる。また、テキストのソースを示すことができる知識マップによって情報推奨を行うことにより、推奨結果を企業チームやプロジェクトの管理に深く関与させることができる。これにより、企業知識適用の効率を効果的に向上させ、社員の業務効率を向上させ、人工知能プラットフォームの知識に対する知能化管理を向上させる。

以下、図面を参照しながら本開示の実施例を説明することにより、本開示の上記及び他の目的、特徴、及び利点はより明らかになるであろう。

図１は、本開示の実施例による情報推奨方法及び装置、並びに、電子機器、プログラム及びコンピュータ読み取り可能な記憶媒体の適用場面を模式的に示している。 図２は、本開示の実施例による情報推奨方法のフローチャートを模式的に示している。 図３Ａは、本開示の実施例による、テキストに基づいて知識マップを構築するフローチャートを模式的に示している。 図３Ｂは、本開示の実施例による、知識マップを構築するためのテキストの取得フローの模式図を模式的に示している。 図３Ｃは、本開示の別の実施例によるテキストに基づいて知識マップを構築するフローチャートを模式的に示している。 図４Ａは、本開示の実施例による推奨情報を確定するフローチャートを模式的に示している。 図４Ｂは、本開示の実施例による、知識マップに基づいて推奨情報を確定する原理模式図を模式的に示している。 図５は、本開示の実施例による、知識マップを更新するフローチャートを模式的に示している。 図６Ａは、本開示の別の実施例による情報推奨方法のフローチャートを模式的に示している。 図６Ｂは、本開示の実施例による、予め設定されたキー情報構造の模式図を模式的に示している。 図７は、本開示の実施例による、テキストをキー情報構造に含まれる情報ノードに分類するフローチャートを模式的に示している。 図８は、本開示の実施例による、テキストとキー情報構造における各情報ノードとのマッチング関係を確定するフローチャートを模式的に示している。 図９は、本開示の別の実施例による、テキストとキー情報構造における各情報ノードとのマッチング関係を確定するフローチャートを模式的に示している。 図１０は、本開示の実施例による、情報推奨方法を実現するためのシステム構造図を模式的に示している。 図１１は、本開示の実施例による情報推奨装置の構成ブロック図を模式的に示している。 図１２は、本開示の実施例による情報推奨方法を実行するのに適した電子機器の一例であるコンピュータシステムのブロック図を模式的に示している。

以下、本開示の実施例について図面を参照しながら説明する。しかしながら、これらの説明は例示的なものであり、本開示の範囲を制限するものではないことを理解すべきである。以下の詳細な説明では、説明の便宜上、本開示の実施例に対する全面的な理解を提供するために、多数の具体的な詳細が記載されている。しかしながら、１つ又は複数の実施例は、これらの具体的な詳細なしでも、実施できることは明らかである。また、以下の説明では、本開示の概念を不要に不明瞭にしないように、周知の構造及び技術に対する説明は省略する。

本明細書で使用される用語は、具体的な実施例を説明するためのものに過ぎず、本開示を限定することを意図しない。本明細書で使用される「備える」、「含む」等の用語は、前記特徴、ステップ、操作、及び／又は部品の存在を意味するが、１つ又は複数の他の特徴、ステップ、操作、又は部品の存在又は追加を除外しない。

本明細書で使用される全ての用語（技術的及び科学的用語を含む）は、別途定義されない限り、当業者によって一般的に理解される意味を有する。本明細書で使用される用語は、本明細書の前後文脈に一致する意味を有すると解釈されるべきであり、理想的又は過度に文字的に解釈されるべきではないことを指摘しておく。

「Ａ、Ｂ及びＣ等の少なくとも１つ」のような表現を使用する場合、一般的には、当業者によって通常に理解される意味に解釈されるべきである（例えば、「Ａ、Ｂ及びＣの少なくとも１つを有するシステム」は、Ａを単独で有するシステム、Ｂを単独で有するシステム、Ｃを単独で有するシステム、Ａ及びＢを有するシステム、Ａ及びＣを有するシステム、Ｂ及びＣを有するシステム、及び／又はＡ、Ｂ、Ｃを有するシステム等を含むが、これらに限定されない）。

本開示の実施例は、推奨する情報の豊富さを改善し、ユーザ体験を改善する情報推奨方法及び装置を提供する。この情報推奨方法は、クライアントが受信した要求情報を先に取得してもよい。そして、要求情報を取得したことに応答して、要求情報から、実体を表す要求実体単語を抽出する。その後、要求実体単語及び予め構築された知識マップから、推奨情報を確定する。最後に、推奨情報をクライアントにプッシュして、ユーザに提示する。ここで、知識マップは、テキストに基づいて構築され、テキストのソースを表す第１の単語を示している。この方法によると、テキストのソースを示す知識マップに基づいて、ユーザに、所望の知識のソースを推奨することができる。ユーザは、関連知識を研究するチーム、専門家等の情報を素早く知ることができ、知識開発及び応用の効率を向上させることができる。

図１は、本開示の実施例による情報推奨方法及び装置、並びに、電子機器、プログラム及びコンピュータ読み取り可能な記憶媒体の適用場面を模式的に示している。図１は、本開示の実施例を適用できるシステム構造の例示に過ぎなく、当業者が本開示の技術内容を理解するようにするためのものであり、本開示の実施例が他の装置、システム、又は場面に適用できないことを意味しないことを指摘しておく。

図１に示すように、本実施例の適用場面１００は、サーバ１０１、ネットワーク１０２、及び端末装置１０３、１０４、１０５を含んでもよい。ネットワーク１０２は、サーバ１０１と端末装置１０３、１０４、１０５との間に通信リンクの媒体を提供する。ネットワーク１０２は、例えば、有線又は無線通信リンク等の様々な接続タイプを含んでもよい。

端末装置１０３、１０４、１０５は、例えば、ディスプレイを有し、且つ、ウェブページの閲覧をサポートする様々な電子装置であってもよく、スマートフォン、タブレット、ラップトップ、及びデスクトップコンピュータ等を含んでもよいが、これらに限定されない。端末装置１０３、１０４、１０５は、ユーザの操作に応答して要求情報を生成し、サーバ１０１とのインタラクションによって、当該要求情報に応答する推奨情報を取得し、ユーザに提示することができる。

例示的に、端末装置１０３、１０４、１０５には、例えば、テキスト編集型アプリケーション、オーディオ編集型アプリケーション、ビデオ編集型アプリケーション、インスタント通信型アプリケーション、スマート・オフィス・ステーション等の様々なクライアントアプリケーションがインストールされていてもよい。

サーバ１０１は、例えば、取得された情報に基づいて知識管理システムをメンテナンスしてもよい。ここで、取得された情報は、例えば、端末装置１０３、１０４、１０５にインストールされた複数のクライアントアプリケーションから取得されたテキスト情報、ビデオ情報及び／又はオーディオ情報等を含んでもよい。この知識管理システムは、例えば、取得された情報に基づいて、知識マップを構築し、メンテナンスを行い、複数の情報の関連関係について可視化構成を形成して、情報の発掘及び推奨を容易にすることができる。

例示的には、当該サーバ１０１は、端末装置１０３、１０４、１０５によって生成された要求情報を取得したことに応答して、構築し、且つ、メンテナンスを行なっている知識マップに基づいて、ユーザに推奨する推奨情報を確定し、当該推奨情報を端末装置１０３、１０４、１０５にプッシュし、ユーザの閲覧に供してもよい。

例示的には、当該サーバ１０１は、企業に設けられた知識管理サーバであってもよく、企業内部の社員によりアップロードされた情報や、オンライン業務実行により生成された情報の管理、メンテナンスを行なうことができ、知識マップは、取得された情報だけでなく、同時に、取得された情報のソースに基づいて構築することもできる。ここで、取得された情報のソースは、情報をアップロードしたユーザ情報、情報を生成した作者及び／又はチーム等の情報を含むことができる。知識マップに基づいて推奨情報を確定する際に、企業内部の社員要素と知識との関連関係を発掘して、企業の知識生産及び適用の効率を向上させることができる。ここで、サーバにより管理、メンテナンスが行なわれる情報は、例えば、ＷｉＫｉシステムから取得した情報、オンライン会議を行う際に生成するオーディオ及び／又はテキスト情報、オンライン・オフィス・プラットフォームにより伝送されるファイル、オンライン・オフィス・プラットフォームによって生成されるチャット情報等を含む情報１０６を含むことができる。

本開示の実施例による情報推奨方法は、一般的に、サーバ１０１により実行されてもよいことを指摘しておく。対応的に、本開示の実施例による情報推奨装置は、一般的に、サーバ１０１に搭載されてもよい。

なお、図１における端末装置、ネットワーク、サーバの数及び種類は、例示的なものに過ぎない。実現の必要に応じて、任意の数及び種類の端末装置、ネットワーク及びサーバを有し得る。

以下、図１の適用場面に基づいて、図２〜図９を参照しながら、本開示の実施例による情報推奨方法を詳細に説明する。

図２は、本開示の実施例による情報推奨方法のフローチャートを模式的に示している。
図２に示すように、本実施例による情報推奨方法２００は、操作Ｓ２１０〜Ｓ２４０を含む。

操作Ｓ２１０においては、要請情報を取得する。
本開示の実施例によれば、要求情報は、例えば、ユーザ操作に応答して端末装置により生成されるものであってもよい。端末装置は、要求情報を生成した後、当該要求情報をサーバに送信してサーバに情報を推奨することを要求する。

例示的には、ユーザ操作は、例えば、ユーザが入力装置によって検索語を入力する操作であってもよい。あるいは、ユーザ操作は、ユーザが端末装置に対してオーディオ指令を発する操作等であってもよい。端末装置が生成した要求情報は、検索語やオーディオ指令を指示することができ、且つ、サーバが認識できる情報である。例えば、要求情報は、ｑｕｅｒｙ語句であってもよい。

操作Ｓ２２０においては、要求情報から実体を示す要求実体単語を抽出する。
本開示の実施例によれば、当該操作Ｓ２２０は、例えば、まず、要求情報に対して単語分割処理を行い、要求情報を示す単語列を取得してもよい。次に、単語列における単語に対して実体認識を行い、実体を示す単語を抽出して、要求実体単語を取得する。例示的には、要求実体単語は、例えば、要求情報における情報要素であってもよく、例えば、名前、組織／機関名、物体名、プロジェクト名等であってもよい。

例示的には、当該操作Ｓ２２０においては、予めラーニングしたマシン・ラーニング・モデルによって要求実体単語を抽出することができる。マシン・ラーニング・モデルは、例えば、ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ-Ｔｅｒｍ Ｍｅｍｏｒｙ）等を含むことができる。

例示的には、当該操作Ｓ２２０においては、例えば、単語列における各単語と実体単語シソーラスにおける単語とを比較し、単語列に含まれる複数の単語から、実体単語に属する単語を選択してもよい。選択された単語は、実体の要求実体単語である。

操作Ｓ２３０においては、要求実体単語と予め構築された知識マップとに基づいて推奨情報を確定する。

本開示の実施例によれば、知識マップは、大量のテキストに基づいて構築されるものである。例えば、知識マップは、テキストから抽出された実体単語と、実体単語が表す実体との関連関係に基づいて構成されてもよい。知識マップには、複数のノードと、ノードを接続する複数のエッジとが含まれる。各ノードは、１つの実体単語に対応する。すなわち、各ノードは１つの実体を表すことができる。各エッジは、接続された２つのノードのそれぞれが表す２つの実体の間に関連関係があることを示す。

例示的には、取得要求に応答してより豊富な情報をユーザに提供するために、知識マップに含まれる複数のノードには、例えば、テキストのソースを表す第１の単語が含まれ得る。第１の単語は、例えば、テキストの作者の名前、テキストを生成したチーム名、組織名等を含むことができる。要求実体単語に「Ｊａｖａ」（登録商標）が含まれる場合、知識マップに基づいて確定される推奨情報は、例えば、企業内でＪａｖａに精通している専門家やチーム等を含むことができる。

本開示の実施例によれば、当該操作Ｓ２３０においては、例えば、まず、知識マップにおける要求実体単語を表すノードを確定することができる。次に、知識マップにおける、確定されたノードの位置に応じて、要求実体単語が表す実体と関連関係がある実体を確定する。最後に、関連関係のある実体に基づいて推奨情報を生成する。

本開示の実施例によれば、サーバは、例えば、テキストライブラリを有してもよく、当該テキストライブラリには、端末装置によってアップロードされた複数のテキストが含まれている。当該操作Ｓ２３０においては、例えば、まず、要求実体単語に基づいて、テキストライブラリから要求実体単語にマッチするテキストを取得してもよい。次に、知識マップにいて要求実体単語と関連関係がある実体を確定する。最後に、テキストライブラリから取得したテキストと、関連関係のある実体単語とに基づいて、推奨情報を生成する。

例示的には、知識マップは、例えば、図３Ａ示すフローによって構築することができ、操作Ｓ２３０は、図４Ａに示すフローによって実現することができ、ここでは、説明を省略する。

操作Ｓ２４０においては、推奨情報をプッシュする。当該操作においては、生成された推奨情報を端末装置にプッシュし、端末装置により推奨情報をユーザ提示してもよい。

以上のように、本開示の実施例は、情報を推奨する際に、テキストのソースを示す知識マップに基づいて推奨情報を確定することにより、ユーザに、要求情報に関するソース情報、例えば、専門家又はチーム等を推奨することができる。したがって、当該情報推奨は、企業チームやプロジェクト管理に深く関与することができ、より全面で、より正確な情報をユーザに推奨することができる。

知識マップに基づいてより便利に情報推奨が行なわれるように、本実施例による情報推奨方法は、操作Ｓ２１０の前に実行される、テキストに基づいて知識マップを構築する操作をさらに含んでもよい。

図３Ａは、本開示の実施例による、テキストに基づいて知識マップを構築するフローチャートを模式的に示している。図３Ｂは、本開示の実施例による、知識マップを構築するためのテキストの取得フローの模式図を模式的に示している。

図３Ａに示すように、テキストに基づいて知識マップを構築する操作Ｓ３５０は、例えば、操作Ｓ３５１〜操作Ｓ３５２を含むことができる。

操作Ｓ３５１においては、テキストから、実体を表す複数の実体単語、及び複数の実体単語間の関連関係を抽出する。

本開示の実施例によれば、構築された知識マップがより多くの知識を含むように、実体単語及び実体単語間の関連関係を抽出するためのテキストは、例えば、分散された複数のルートから取得された複数のテキストを含んでもよい。当該操作Ｓ３５１においては、複数のテキストのそれぞれについて、実体単語及び関連関係の抽出を行う。複数のテキストのそれぞれから実体単語及び関連関係を抽出した後、複数のテキストから抽出した実体単語及び関連関係を統計して、知識マップを構築するための複数の実体単語及び複数の実体単語間の関連関係を取得することができる。

例示的には、図３Ｂに示すように、複数のテキストは、例えば、オンライン情報３０１、オフライン情報３０２、不可視情報３０３、及び欠落情報３０４から生成されたオンラインテキスト３０５であってもよい。

例示的には、知識マップが企業向けの知識マップである場合、オンライン情報３０１は、例えば、企業内部の知識ソースを整理、選択して、企業内部のオンライン情報を収集することによって取得することができる。知識ソースには、例えば、オンラインの新聞通知、オンラインのドキュメント、オンラインの会議記録、オンラインのＶＣＲ、オンラインのプロジェクト紹介、オンラインのチャット内容等がある。

例示的には、オフライン情報３０２は、社員のオフィス機器に記憶されているアップロードされていない情報を含んでもよい。このオフライン情報３０２は、社員にアップロードを督促することで情報のオンライン化処理を行い（操作Ｓ３１１）、オフライン情報をオンライン情報に変換することができる。

例示的には、不可視情報３０３は、例えば、社員により文書化されていない作業経験等を含んでもよい。この不可視情報は、例えば、社員を督励することで、文書化処理を行うことができる（操作Ｓ３１２）。即ち、社員に従業経験を記録して電子化することを督励する。当該文書化された不可視情報は、オンライン化処理（操作Ｓ３１１）によって、オンライン情報に変換してもよい。

例示的には、欠落情報３０４は、例えば、企業内にはなく、外部から導入する必要がある情報を含んでもよい。この欠落情報３０４は、例えば、外部取得や指向性導入等により、企業外から企業内に導入することができる。例えば、公開された知識プラットフォーム（フォーラム、論文サイト、特許サイト等）が提供するインターフェースによって、欠落した情報を企業内部のサーバに導入することができる。あるいは、当該欠落情報は、運営生産（操作Ｓ３１３）によって社員に創作を督励することで取得してもよい。創作して取得した情報は、まず、文書化処理（ステップＳ３１２）を行なう必要があり、その後、オンライン化処理（操作Ｓ３１１）によってオンライン情報に変換される。

オフライン情報３０２、不可視情報３０３、欠落情報３０４を全てオンライン情報に変換した後、知識ソースを整理・選択して得られたオンライン情報３０１と、変換して得られたオンライン情報をともに文書化して、複数のオンラインテキスト３０５を得ることができる。

本開示の実施例によれば、構築された知識マップがより多くの知識を含むようにした上で、知識マップの構築効率を向上させるために、本実施例は、複数のオンラインテキスト３０５を取得した後、複数のオンラインテキスト３０５を選別して、価値の高いオンラインテキストを得ることもできる。

例示的には、図３Ｂに示すように、オンラインテキスト３０５を取得した後、複数のオンラインテキストに対して、知識性選別（操作Ｓ３１４）及び内容品質選別（操作Ｓ３１５）を行うことができる。知識性選別は、例えば、知識性の強いテキストを選別することであってもよい。内容品質選別は、例えば、内容の品質が高いテキストを選別することであってもよい。内容品質選別は、知識性選別により得られたテキストに対するさらなる選別であってもよい。あるいは、知識性選別は、内容品質選別により得られたテキストに対するさらなる選別であってもよい。

知識性選別は、例えば、オンラインテキストを認識して理解した後に行われることができる。例えば、まず、複数のオンラインテキストに対してテキスト認識及びテキスト理解を行い、複数のオンラインテキストのうち各オンラインテキストの内容のカテゴリを確定してもよい。テキストが社員の能力の向上に役立つことができるテキストカテゴリ（例えば、専門知識カテゴリ等）である場合、テキストの知識性は強い。テキストが社員の能力の向上に寄与しないテキストカテゴリ（例えば、スキャンダルカテゴリ等）である場合、テキストの知識性は弱い。

内容品質選別は、テキストに含まれている単語を分類した後に行ってもよい。例えば、テキストに敏感語、禁止語等の単語が多く含まれていると、テキストの内容の品質は、比較的低い。テキストに敏感語、禁止語が含まれていない場合、テキストの内容の品質は、比較的高い。

本開示の実施例によれば、操作Ｓ３５１においては、例えば、まず、操作Ｓ２２０に類似する方法によって、各テキストから実体を表す実体単語を抽出することができる。そして、テキストから２つの実体単語がそれぞれ表す２つの実体間の意味関係を抽出し、当該意味関係を２つの実体単語間の関連関係とする。

本開示の実施例によれば、構築された知識マップがテキストのソースを表す第１の単語を示す場合、テキストから抽出された実体単語は、テキストのソースを表す第１の単語を含むべきである。テキストにテキストのソースの情報が含まれていない場合には、テキストから実体単語を抽出する以外にも、例えば、テキストの属性情報から実体単語を抽出してもよい。テキストの属性情報には、例えば、作者情報や作成日時情報等が含まれてもよい。

例示的には、操作Ｓ３５１においては、ディープラーニングの方法により各テキストに含まれた複数の実体単語及び複数の実体単語間の関連関係を抽出することができる。ディープラーニングの方法は、例えば、畳み込みニューラルネットワークモデルによって実現することができる。

例示的には、操作Ｓ３５１は、予め定義されたテンプレートによってテキストにおける実体単語を抽出することができる。予め定義されたテンプレートは、実体単語を抽出するルール等を規定している。

操作Ｓ３５２において、抽出された前記複数の実体単語及び複数の実体単語間の関連関係に基づいて知識マップを構築する。

本開示の実施例によれば、この操作Ｓ３５２においては、例えば、まず、操作Ｓ３５１で抽出された複数の実体単語のそれぞれについて、ノードを構築することができる。そして、複数の実体単語間の関連関係に基づいて、複数の実体単語のうち各実体単語と関連関係のある関連単語を確定する。最後に、各実体単語に対応するノードと関連単語に対応するノードとを接続し、各実体単語に対応するノードに関連するエッジを形成する。

例示的には、実体単語「Ｊａｖａ」について、複数の実体単語のうち「Ｊａｖａ」との関連関係がある関連単語に「ＪａｖａＷｅｂ」、「Ａｎｄｒｏｉｄ」、「王＊＊」が含まれている場合、この操作Ｓ３５２は、「Ｊａｖａ」の実体単語に対応するノードと「ＪａｖａＷｅｂ」の実体単語に対応するノードとを接続し、「Ｊａｖａ」の実体単語に対応するノードと「Ａｎｄｒｏｉｄ」の実体単語に対応するノードとを接続し、「Ｊａｖａ」の実体単語に対応するノードと「王＊＊」の実体単語に対応するノードとを接続して、実体単語「Ｊａｖａ」に対応するノードに関連付けられた３つのエッジを形成することを含むことができる。ここで、「王＊＊」は、Ｊａｖａに精通している専門家の名前、又は、Ａｎｄｒｏｉｄ開発に精通している専門家の名前等であってよい。

本開示の実施例によれば、情報推奨を行う際の情報推奨の正確性を向上させるために、知識マップを構築する際に、２つのノードを接続する各エッジに重みを付けてもよい。

図３Ｃは、本開示の別の実施例による、テキストに基づいて知識マップを構築するフローチャートを模式的に示している。

図３Ｃに示すように、本実施例によるテキストに基づいて知識マップを構築する操作Ｓ３５０は、操作Ｓ３５１〜操作Ｓ３５２に加えて、操作Ｓ３５３〜操作Ｓ３５４をさらに含んでもよい。この操作Ｓ３５３〜操作Ｓ３５４は、操作Ｓ３５２の後に実行される。

操作Ｓ３５３では、各実体単語と関連単語との関連関係に応じて、各実体単語と関連単語との関連度を確定する。

操作Ｓ３５４では、関連度に応じて、各実体単語に対応するノードと関連単語に対応するノードを接続するエッジに重みを付ける。

本開示の実施例によれば、操作Ｓ３５３においては、例えば、各実体単語が示す実体と関連単語が示す実体との間の複数の次元での関連関係に基づいて、各単語とキーワードとの関連度を確定することができる。各実体単語が表す実体と関連単語が表す実体とが多い次元で関連関係があれば、実体単語と関連単語との関連度は大きい。各実体単語が表す実体と関連単語が表す実体とが少ない次元で関連関係があれば、実体単語と関連単語との関連度は小さい。ここで、複数の次元は、例えば、地域次元、時間次元、種類次元、色次元、ユーザ体験次元等を含むことができる。

例示的には、「林檎」という実体単語について、複数の実体単語のうち「林檎」と関連関係がある関連単語に「梨」、「蜜柑」が含まれているとする。林檎も梨も果物であり、いずれも、北の地域で生長しており、両者は、２つの次元で関連関係がある。林檎も蜜柑も果物であるが、林檎は、北の地域で生長しており、蜜柑は南の地域で生長している。林檎と蜜柑は、１つの次元で関連関係がある。したがって、「林檎」という実体単語と「梨」という実体単語との関連度は、「林檎」という実体単語と「蜜柑」という実体単語との関連度よりも大きい。

本開示の実施例によれば、この操作Ｓ３５４においては、関連度が大きい２つの実体単語に対応する２つのノード間のエッジに大きい重みを付け、関連度が小さい２つの実体単語に対応する２つのノード間のエッジに小さい重みを付けることができる。例えば、「林檎」という実体単語に対応するノードと「梨」という実体単語に対応するノードとの間のエッジに付けられる重みを第１の重みとし、「林檎」という実体単語に対応するノードと「蜜柑」という実体単語に対応するノードとの間のエッジに付けられる重みを第２の重みとすると、第１の重みは、第２の重みよりも大きい。

例示的には、２つのノード間のエッジに付けられる重みの大きさは、当該２つのノードに対応する２つの実体単語間の関連度の大きさに比例してもよい。

本開示の実施例においては、２つのノードを接続するエッジに重みを付けることによって、要求実体単語と予め構築された知識マップとに基づいて推奨情報を確定する際に、一端が要求実体単語に対応するノードに接続されたエッジの重みに基づいて、優先的に、重みが大きいエッジの他端に接続されたノードに対応する関連単語に基づいて推奨情報を確定することができる。これにより、確定された推奨情報と要求情報とのマッチングを高めて、ユーザ体験を向上させることができる。

図４Ａは、本開示の実施例による推奨情報を確定するフローチャートを模式的に示している。図４Ｂは、本開示の実施例による知識マップに基づいて推奨情報を確定する原理模式図を模式的に示している。

本開示の実施例によれば、図４Ａに示すように、知識マップが構築された後、推奨情報を確定する操作Ｓ２３０は、操作Ｓ４３１ 〜操作Ｓ４３３を含んでもよい。

操作Ｓ４３１において、知識マップにおける要求実体単語に対応するノードを目標ノードとして確定する。

本開示の実施例によれば、要求実体単語と知識マップにおける各ノードに対応する実体単語とを比較することによって、対応する実体単語と要求実体単語とがマッチするノードを目標ノードとして確定することができる。

本開示の実施例によれば、同一の実体を表す実体単語が複数存在する場合を考慮して、要求実体単語と知識マップの各ノードに対応する実体単語との間の第１の類似度を計算し、要求実体単語との第１の類似度が第１の類似度閾値より大きい実体単語に対応するノードを目標ノードとして確定してもよい。ここで、第１の類似度は、例えば、コサイン類似度、ジェカルト（Jaccard）類似係数等の任意のパラメータ形式により表現されてもよい。第１の類似度閾値は実際の必要に応じて設定されてもよく、例えば、一実施例において、該第１の類似度閾値は０．８であってもよい。

操作Ｓ４３２においては、目標ノードに関連するエッジによって、目標ノードに接続されている少なくとも１つのノードを確定する。

例示的には、図４Ｂに示すように、操作Ｓ４３１によって確定された目標ノードは、例えば、ノード４０１及び４０２を含んでもよい。ノード４０１及び４０２に関連するエッジによって、目標ノードに接続されている少なくとも１つのノード（図４Ｂの右上の影によって覆われているノード）を確定でき、ここでは、ノード４０３、ノード４０４、ノード４０５、及びノード４０６を含む。図４Ｂに示す知識マップのエッジは、指向性を有していることを指摘しておく。従って、目標ノードに接続されている少なくとも１つのノードを確定する際には、具体的には、目標ノードに接続されているエッジが指しているノードが少なくとも１つのノードとなる。実際の適用場面によっては、本開示の実施例の知識マップにおけるエッジは、指向性を有していなくてもよい。

操作Ｓ４３３においては、少なくとも１つのノードに対応する実体単語に基づいて、推奨情報を確定する。

本開示の実施例によれば、操作Ｓ４３２で確定された少なくとも１つのノードに対応する実体単語から、推奨情報を直接に生成することができる。例えば、少なくとも１つのノードに対応する実体単語及び実体単語が示す実体のカテゴリに基づいて、推奨情報を生成することができる。例示的には、「Ｊａｖａ」という要求実体単語に対して、操作Ｓ４３２で確定された少なくとも１つのノードに対応する実体単語に「Ａｎｄｒｏｉｄ」及び「王＊＊」を含まれていると、「Ａｎｄｒｏｉｄ」はＯＳカテゴリであり、「王＊＊」は人物カテゴリであり、確定される推奨情報は、例えば、「ＡｎｄｒｏｉｄＯＳの開発に適している」という推奨文と、「当該分野の専門化である王＊＊」という推奨語を含む。

本開示の実施例によれば、推奨情報をさらに豊富にするために、少なくとも１つのノードに対応する実体単語に基づいて推奨情報を確定する場合、まず、少なくとも１つのノードに基づいて実体単語を拡張した後、拡張して得られた実体単語及び少なくとも１つのノードに対応する実体単語に基づいて推奨情報を生成してもよい。

例示的には、図４Ｂに示すように、少なくとも１つのノードにノード４０３、ノード４０４、ノード４０５及びノード４０６が含まれている場合、まず、少なくとも１つのノードに関連するエッジに基づいて、少なくとも１つのノードに接続されるノードを確定して、実体単語を1回拡張してもよい。例えば、少なくとも１つのノードに接続されたノード（図４Ｂにおける右下の影に覆われているノード）に、ノード４０７、ノード４０８及びノード４０９が含まれているとする。そして、少なくとも１つのノードに接続されたノードに対応する実体単語と、少なくとも１つのノードに対応する実体単語とに基づいて、推奨情報を生成する。

例示的には、図４Ｂに示すように、本開示の実施例は、少なくとも１つのノードに基づいて、実体単語を2回又は複数回にわたって拡張した後、拡張された実体単語に基づいて推奨情報を生成してもよい。例えば、拡張された実体単語には、ノード４０７〜ノード４０９と、ノード４１０〜ノード４１１に対応する実体単語が含まれている。最後に、拡張して得られた実体単語と、少なくとも１つのノードに対応する実体単語とに基づいて、推奨情報を生成する。

本開示の実施例によれば、知識マップがより豊富な情報を示すようにするために、本開示の実施例は、増量データによって知識マップにおけるノード及びエッジを補足してもよい。

図５は、本開示の実施例による知識マップを更新するフローチャートを模式的に示している。

図５に示すように、本実施例の情報推奨方法５００は、前述した操作Ｓ２１０〜操作Ｓ２４０、及び操作Ｓ３５０に加えて、操作Ｓ５６０〜操作Ｓ５８０をさらに含んで知識マップを更新してもよい。

操作Ｓ５６０においては、新しいテキストが取得されたことに応答して、新しいテキストから、実体を表す複数の新しい実体単語、及び、複数の新しい実体単語間の関連関係を抽出する。

本開示の実施例によれば、新しいテキストは、例えば、サーバに知識マップを予め構築した後に、端末装置によってリアルタイムでアップロードされたテキストであってもよい。この操作Ｓ５６０は、前記図３Ａの操作Ｓ３５１の実現方法と同様又は類似するので、ここでは、説明を省略する。

操作Ｓ５７０においては、知識マップが複数の新しい実体単語のそれぞれを示すことができるか否かを判断する。

本開示の実施例によれば、新しいテキストから抽出された複数の新しい実体単語をそれぞれ知識マップにおける各ノードに対応する実体単語と比較し、知識マップにおける複数のノードに対応する複数の実体単語の中に、複数の新しい実体単語のそれぞれが含まれているかないかを判断してもよい。複数のノードに対応する複数の実体単語に複数の新しい実体単語のある新しい実体単語が含まれていないと判断した場合、知識マップが当該新しい実体単語を示すことができないと判断する。

知識マップが複数の新しい実体単語のそれぞれを示すことができない場合、即ち、知識マップが複数の新しい実体単語の少なくとも１つを示すことができない場合、操作Ｓ５８０を実行し、複数の新しい実体単語及び複数の新しい実体単語間の関連関係に基づいて、知識マップを更新する。知識マップが複数の新しい実体単語のそれぞれを示すことができる場合、知識マップを更新せずに操作を終了する。

例示的には、まず、少なくとも１つの新しい実体単語に対応するノードを構築し、次に、複数の実体単語のうち、少なくとも１つの新しい実体単語のそれぞれと関連関係がある新しい関連単語を確定する。最後に、各新しい実体単語に対応するノードと、新しい関連単語に対応するノードとを接続し、各新しい実体単語に対応するノードに関連するエッジを形成する。こうして、知識マップの更新が完了する。

例示的には、知識マップが複数の新しい実体単語のそれぞれを示すことができる場合、本開示の実施例は、知識マップのエッジにより、知識マップが複数の新しい実体単語間の関連関係のそれぞれを示すことができるかないかを判断することもできる。知識マップが複数の新しい実体単語間の関連関係の一部を示すことができない場合、その一部の関連関係に応じて、知識マップにおいて新しい実体単語に対応するノードに関連するエッジを追加する。例えば、知識マップが、新しい実体単語「Ｐｙｔｈｏｎ」と「スクリプト」との関連関係を示すことはできないが、この２つの新しい実体単語を示すことができる場合、知識マップにおいて「Ｐｙｔｈｏｎ」という新しい実体単語に対応するノードと「スクリプト」という新しい実体単語に対応するノードとを接続するエッジを追加することによって、知識マップを更新することができる。

ユーザに推奨する情報をさらに豊富にし、企業内部の知識に対する知能的な管理を可能にするために、本開示の実施例は、知識マップを構築するためのテキストについて分類化管理を行なうことができる。例示的には、本開示の実施例は、複数の情報ノードを含むキー情報構造を予め構築してもよい。端末装置によってアップロードされたテキストを受信した後、テキストに含まれているキー情報により、テキストをキー情報構造における対応する情報ノードに分類する。これにより、ユーザが情報を要求する際に、要求情報におけるキー情報に基づいて、キー情報構造の情報ノードを分類して得られたテキストを推奨情報として端末装置にフィードバックすることができる。

図６Ａは、本開示の別の実施例による情報推奨方法のフローチャートを模式的に示している。図６Ｂは、本開示の実施例による、予め設定されたキー情報構造の模式図を模式的に示している。

図６Ａに示すように、本実施例による情報推奨方法６００は、例えば、操作Ｓ２１０〜操作Ｓ２４０、及び操作Ｓ３５０に加えて、操作Ｓ６６０〜操作Ｓ６７０を更に含んでもよい。例示的には、操作Ｓ６６０〜６７０は、例えば操作Ｓ２２０と同期して実行されてもよく、あるいは、操作Ｓ２２０の前又は後に実行されてもよく、本開示においては特に限定されていない。

操作Ｓ６６０においては、要請情報からキー情報を抽出する。
本開示の実施例によれば、例えば、ｑｕｅｒｙ文に対してキーワードを抽出することによりキー情報を取得することができる。キーワードの抽出には、ＴＦ−ＩＤＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ−Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）アルゴリズム、ＴｅｘｔＲａｎｋアルゴリズム、ＬＳＡ（Ｌａｔｅｎｔ Ｓｅｍａｎｔｉｃ Ａｎａｌｙｓｉｓ）アルゴリズム、ＬＳＩ（Ｌａｔｅｎｔ Ｓｅｍａｎｔｉｃ Ｉｎｄｅｘ）アルゴリズム等を利用することができる。

例示的には、本開示の実施例においては、ＴｅｘｔＲａｎｋアルゴリズムを用いてキー情報を抽出することができる。まず、例えばステップＳ２２０と同様に、要求情報に対して単語分割処理を行い、要求情報を表す単語列を取得する。そして、単語列における各単語に対して品詞ラベリング処理を行い、名詞、動詞、形容詞等の指定された品詞の単語のみを保留し、ストップワードを除去する。保留した単語を候補キー情報とする。その後、候補キー情報マップＧ＝（Ｖ，Ｅ）を構築し、ここで、Ｖはノードセットであり、候補キー情報からなる。そして、二つの候補キー情報間の共起関係（Ｃｏ−Ｏｃｃｕｒｒｅｎｃｅ）を用いて、ノードセットにおける任意の二つのノード間のエッジを構築する。そして、ＴｅｘｔＲａｎｋの公式に基づき、収束するまでノードセットにおける各ノードの重みを反復的に伝搬する。そして、ノードセットにおける各ノードを重みに基づいて逆順に並べ替え、最も重要な幾つかの単語を取得してテキストから抽出したキー情報とする。

操作Ｓ６７０においては、予め設定されたキー情報構造において、抽出されたキー情報と関連する情報ノードを目標情報ノードとして確定し、キー情報構造は、複数の情報ノードを含み、複数の情報ノードのそれぞれは、１つのキー情報を示す。

本開示の実施例によれば、図６Ｂに示すように、キー情報構造は、例えば、多層構造であってもよく、各層は、少なくとも１つの情報ノードを含み、異なる層に位置する情報ノードが示すキー情報は、異なる粒度に属する情報である。例えば、各層の情報ノードが示すキー情報の粒度は、粗いものから細かいものへと配列される。例示的には、キー情報構造は、３層構造であって、トップ層が、「人工知能」というキー情報を示す情報ノード６０１を含んでもよい。第２層は、「ニューラルネットワーク」というキー情報と「ディープラーニング」というキー情報をそれぞれ示す情報ノード６０２と情報ノード６０３とを含む。第３層は、「ＣＮＮ（畳み込みニューラルネットワーク）」、「ＲＮＮ（循環ニューラルネットワーク）」、「ＢＭ（Ｂｏｌｔｚｍａｎｎ Ｍａｃｈｉｎｅｓ）」及び「ＲＢＦ（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ）」というキー情報をそれぞれ示す情報ノード６０４、情報ノード６０５、情報ノード６０６、及び情報ノード６０７を含む。ここで、情報ノード６０４と情報ノード６０５とは、情報ノード６０２の細粒度のブランチノードに属し、情報ノード６０６と情報ノード６０７とは、情報ノード６０３の細粒度のブランチノードに属する。当該キー情報構造における各情報ノードには、例えば、該当情報ノードに分類されたテキストを記憶するための記憶空間が対応付けられてもよい。

本開示の実施例によれば、例えば、まず、抽出されたキー情報と、キー情報構造における各情報ノードが示すキー情報との類似度を確定して、類似度が高いキー情報を示す情報ノードを目標情報ノードとして確定してもよい。

例示的には、操作Ｓ６７０は、例えば、後述する図７又は図８に示すフローによって実現されてもよく、ここでは、説明を省略する。

この目的情報ノードの確定に基づいて、前述した推奨情報を確定する操作Ｓ２４０は、例えば、図６Ａに示す操作Ｓ６４０により実現することができる。操作Ｓ６４０においては、要求実体単語、予め構築された知識マップ及び目標知識ノードに基づいて、推奨情報を確定する。

本開示の実施例によれば、操作Ｓ６４０は、例えば、要求実体単語及び予め構築された知識マップに基づいて、図６Ａに示すフローによって、推奨情報を確定するしてもよく、目標知識ノードに基づいて推奨テキストを確定し、推奨テキストを推奨情報として用いてもよい。

例示的には、目標知識ノードに基づいて推奨テキストを確定することは、目標知識ノードに分類されたテキストを取得し、取得されたテキストを推奨情報とすることを含んでもよい。

本開示の実施例によれば、ユーザへのテキストの推奨を便利にするために、本開示の実施例による情報推奨方法は、例えば、テキストに基づいて知識マップを構築する際に、テキストをキー情報構造に含まれる情報ノードに分類してもよい。これにより、情報ノードに基づいてユーザにテキストを推奨しやすくなるとともに、テキストの分類管理を実現することができる。前述した操作Ｓ３５１により抽出された複数の実体単語には、例えば、ユーザがテキストのキー情報を示す第２の単語が含まれてもよく、当該第２の単語は、例えば、操作Ｓ６６０と同様の方法によりテキストから抽出されたキーワードであってもよい。

図７は、本開示の実施例による、テキストをキー情報構造に含まれる情報ノードに分類するフローチャートを模式的に示している。

図７に示すように、テキストをキー情報構造に含まれる情報ノードに分類する操作Ｓ７８０は、例えば、操作Ｓ７８１〜操作Ｓ７８２を含んでもよい。

操作Ｓ７８１においては、第２の単語に基づいて、テキストと、キー情報構造における各情報ノードとのマッチング関係を確定する。操作Ｓ７８２においては、テキストを、当該テキストにマッチする情報ノードに分類する。

本開示の実施例によれば、複数の実体単語のうち第２の単語と、各情報ノードが示すキー情報との類似関係を基づいて、テキストと各情報ノードとのマッチング関係を確定してもよい。マッチング関係に基づいて、テキストとマッチする情報ノードを確定し、テキストをマッチする情報ノードに対応する記憶空間に記憶する。

例示的には、操作Ｓ７８１は、例えば、後の図８に示すフロー又は図９に示すフローによって実現されてもよく、ここでは、説明を省略する。

本開示の実施例によれば、前述した知識マップと同様に、予め設定されたキー情報構造は、例えば増量データに基づいて補足されてもよい。例えば、本実施例による情報推奨方法は、新しいテキストが取得されたことに応答して、当該新しいテキストから新しいテキストのキー情報を抽出し、抽出したキーワードを新しいキー情報とする。この操作の実現方式は、前述した操作Ｓ６６０の実現方式と類似しており、ここでは、説明を省略する。新しいキー情報を抽出した後に、キー情報の構造に、新しいキー情報を示す情報ノードが含まれているか否かを判断する。含まれていない場合に、新しいキー情報に基づいてキー情報構造を更新する。

例示的には、新しいキー情報とキー情報構造における複数の情報ノードが示すキー情報との関連関係に基づいて、新しいキー情報に対応する情報ノードを追加してもよい。例えば、新しいキー情報が「ＬＳＴＭ」である場合、新しいキー情報「ＬＳＴＭ」と図６Ｂの情報ノード６０５が示すキー情報「ＲＮＮ」との従属関係に基づいて、情報ノード６０５の下位構造において情報ノード６０５に属するブランチノードを追加し、「ＬＳＴＭ」に対応する情報ノードとする。

図８は、本開示の実施例による、テキストとキー情報構造における各情報ノードとのマッチング関係を確定するフローチャートを模式的に示している。

図８に示すように、一実施例において、テキストとキー情報構造における各情報ノードとのマッチング関係を確定する操作Ｓ７８１は、操作Ｓ８８１１から始まる操作Ｓ８８１１〜操作Ｓ８８１２を含んでもよい。

操作Ｓ８８１１において、第２の単語に、各情報ノードが示すキー情報と同じである目標単語が含まているか否かを判断する。

本開示の実施例によれば、第２の単語とキー情報構造における各情報ノードが示すキー情報とを比較し、第２の単語がキー情報と一致すれば、第２の単語を目標単語として確定してもよい。

例示的には、テキストから抽出された実体単語は、例えば、複数の第２の単語を含んでもよく、本実施例は、複数の第２の単語の各第２の単語とキー情報構造における各情報ノードが示すキー情報とを比較し、第２の単語に目標単語が含まれているか否かを確定してもよい。

第２の単語に目標単語が含まれている場合に、操作Ｓ８８１２を実行し、テキストと各情報ノードとのマッチング関係をマッチすると確定する。

場面によって同じ単語の表現が異なる場合があることを考慮し、キー情報構造に含まれている情報ノードが示す単語の表現と第２の単語の表現とが異なることに起因して、テキストと情報ノードとのマッチング関係を正確に判断できなくなることを回避するためである。本実施例において、テキストとキー情報構造における各情報ノードとのマッチング関係を確定する操作は、操作Ｓ８８１１〜操作Ｓ８８１２以外に、操作Ｓ８８１３〜操作Ｓ８８１５をさらに含んでもよい。これに対応して、知識マップには、同じ語に対する異なる表現を有するノードを有してもよい。例示的には、知識マップにおけるノードは、「ＣＮＮ」という実体に対応するノードだけでなく、「畳み込みニューラルネットワーク」という実体に対応するノードも含む。

第２の単語に目標単語が含まれていない場合、操作Ｓ８８１３を実行し、知識マップから第２の単語の関連単語を取得する。例示的には、まず、知識マップにおいて第２の単語を示すノードを確定してもよい。そして、第２の単語を示すノードに関連するエッジに基づいて、第２の単語の関連単語を確定する。例えば、関連するエッジに接続されるノードが示す実体単語を関連単語とする。

操作Ｓ８８１４においては、第２の単語の関連単語に目標単語が含まれているか否かを判断する。この操作Ｓ８８１４の実現方法は、操作Ｓ８８１１の実現方法と類似しており、ここでは、説明を省略する。

第２の単語の関連単語に目標単語が含まれている場合には、操作Ｓ８８１２を実行し、テキストと各情報ノードとのマッチング関係をマッチすると確定する。

第２の単語の関連単語に目標単語が含まれていない場合には、操作Ｓ８８１５を実行し、テキストと各情報ノードとのマッチング関係をマッチしないと確定する。

本開示の実施例によれば、テキストと情報ノードとのマッチング関係を確定する際に、知識マップに基づいてテキストにおける第２の単語の関連単語を取得することによって、マッチングを行なう際に用いられる単語がテキストの内容をより完全に表すことができるようにして、確定されたテキストと情報ノードとのマッチング関係の正確性を高めることができる。

図９は、本開示の別の実施例による、テキストとキー情報構造における各情報ノードとのマッチング関係を確定するフローチャートを模式的に示している。

図９に示すように、別の実施例において、テキストとキー情報構造における各情報ノードとのマッチング関係を確定する操作Ｓ７８１は、操作Ｓ９８１１〜操作Ｓ９８１４を含んでもよい。

操作Ｓ９８１１において、第２の単語と各情報ノードが示すキー情報との類似度を確定する。

本開示の実施例によれば、この操作においては、例えば、第２の単語と各情報ノードが示すキー情報とのコサイン類似度、ジェカルト類似係数を計算することにより、両者の類似度を取得することができる。例示的には、第２の単語の数が複数である場合、操作Ｓ９８１１においては、各第２の単語と各情報ノードが示すキー情報との類似度を確定して、複数の類似度を取得する。

操作Ｓ９８１２においては、類似度が類似度閾値より大きいか否かを判断する。ここで、類似度閾値は、例えば、実際の必要に応じて設定されてもよく、本開示においては特に限定されていない。例示的には、この類似度閾値は、０．９であってもよい。

類似度が類似度閾値よりも大きい場合には、操作Ｓ９８１３を実行し、テキストと各情報ノードとのマッチング関係をマッチすると確定する。類似度が類似度閾値以下である場合には、操作Ｓ９８１４を実行し、テキストと各情報ノードとのマッチング関係をマッチしないと確定する。

例示的には、第２の単語の数が複数である場合、操作Ｓ９８１２においては、複数の類似度に類似度閾値より大きい類似度が含まれているか否かを判断してもよい。含まれている場合、操作Ｓ９８１３を実行し、含まれていない場合、操作Ｓ９８１４を実行する。

以上のフローにより、本開示の実施例は、まず、テキストからキーワードを抽出し、次に、キーワードに基づいて、キー情報構造におけるマッチする情報ノードを確定することができる。最後に、テキストをマッチする情報ノードに対応する記憶空間に記憶する。テキストから複数のキーワードが抽出された場合、キー情報構造から複数のマッチする情報ノードが得られる。この場合、テキストを複数個にコピーし、複数のマッチする情報ノードに対応する記憶空間に記憶する。

例示的には、過度に記憶空間を占有することを避けるために、各情報ノードに対して１つのテキストリストを維持することができる。テキストリストには、該当情報ノードに分類され得るテキストのタイトル等が含まれてもよい。推奨情報を確定した後、端末装置にテキストをプッシュする場合には、情報ノードのテキストリストに応じてテキストを取得してもよい。

本開示の実施例による情報推奨方法は、様々な適用場面に適用可能であることを理解すべきである。例えば、この情報推奨方法は、知識検索の適用場面、知識質問・回答の適用場面、情報主動推奨の適用場面の少なくとも１つに適用できる。

図１０は、本開示の実施例による、情報推奨方法を実現するためのシステム構造図を模式的に示している。

図１０に示すように、本実施例の情報推奨方法を実現するためのシステム構造１０００は、例えば、知識前処理モジュール１０１０、知識マップ構築モジュール１０２０、知識サービスモジュール１０３０、及び知識適用モジュール１０４０を含んでもよい。

知識前処理モジュールは、例えば、様々な情報がオンライン知識を形成するように、図３Ｂに示すフローによって知識としての情報を収集するために用いられる。そして、形成されたオンライン知識に対して知識選別を行い、知識性が高く、内容品質が高いオンライン知識のみを残す。

知識マップ構築モジュール１０２０は、例えば、図３Ａに示すフローを実行することによって知識マップを構築するために用いられる。例えば、まず、知識前処理モジュール１０１０により得られた知識を発掘する。知識発掘により、例えば、オンライン知識の様々な変形が得られる。例示的には、オンライン知識が中国語表記の知識であれば、知識発掘により、例えば英語表記の知識を得ることができる。知識を発掘した後に、オンライン知識と発掘した知識に対して実体発掘を行う。即ち、知識から複数の実体単語及び複数の実体単語間の関連関係を抽出する。最後に、実体発掘により得られた情報をマップ化して知識マップを得る。マップ化する過程は、例えば、前述した操作Ｓ３５２により実現することができる。

例示的には、知識マップ構築モジュール１０２０は、例えば、知識の分類を可能にするように、知識分類体系を構築するためにも用いられる。例えば、知識マップ構築モジュール１０２０は、図７に示すフローによって知識としてのテキストを分類し、知識分類体系の構築を実現するために用いてもよい。

知識サービスモジュール１０３０は、例えば、まず、知識マップに基づいて、ユーザに推奨する知識の知識要素を生成することができる。生成された知識要素は、前述した図４Ａに示すフローによって得られた実体単語を含んでもよい。そして、生成された知識要素を集約する。例えば、前述した操作Ｓ４３３によって知識集約を行うことができる。これとともに、知識サービスモジュール１０３０は、知識分類体系から知識を検索することもでき、知識の検索は、例えば、図６Ａに示すフローによって行うことができ、検索によって、目標情報ノードに分類されるテキストを得ることができる。知識検索の過程において、知識分類体系からテキストを得ることができない場合には、知識推理を行った後に再度知識検索を行うようにしてもよいことを指摘しておく。知識推理は、例えば、図８に示す操作Ｓ８８１３によって行うことができる。

知識サービスモジュール１０３０の機能に基づいて、知識適用モジュール１０４０は、端末装置によってユーザに「知識ポータル」機能モジュール、「知識検索」機能モジュール、「知識質問・回答」機能モジュール、及び「場面化推奨」機能モジュールを提供することができる。ここで、「知識ポータル」機能モジュールにより、ユーザは、例えば知識のアップロードやダウンロード等を行うことができる。「知識検索」機能モジュールにより、ユーザは、例えば検索語句を入力して、知識マップや知識分類体系から知りたい知識を検索することができる。「知識質問・回答」機能モジュールにより、ユーザは、例えば質問語句を入力して、知識マップや知識分類体系から質問に回答する知識を取得することができる。「場面化推奨」機能モジュールにより、端末装置は、例えば、ユーザの好みに応じて、ユーザに適した知識を推奨することができる。

以上のように、本開示の実施例は、情報推奨方法を実行するのに適したシステム構造を構築することにより、企業の知識の知能管理及び適用に完全なソリューションを提供することができる。企業内部の分散化又は断片化された文書を効率的に選別して集約し、知識の体系化管理及び企業知識マップの構築を実現することができる。これにより、企業知識マップと作業場面をより十分に融合して、作業場面知識の知能化応用を実現し、企業の知識生産及び応用の効率を向上させることができる。

図１１は、本開示の実施例による情報推奨装置の構成ブロック図を模式的に示している。

図１１に示すように、本実施例による情報推奨装置１１００は、例えば、取得モジュール１１１０、情報抽出モジュール１１２０、情報確定モジュール１１３０及び情報プッシュモジュール１１４０を含んでもよい。

取得モジュール１１１０は、要求情報を取得するためのモジュールである。一実施例において、取得モジュール１１１０は、図２に示す操作Ｓ２１０を実行することができ、ここでは、説明を省略する。

情報抽出モジュール１１２０は、要求情報から実体を表す要求実体単語を抽出するためのモジュールである。一実施例において、情報抽出モジュール１１２０は、図２に示す操作Ｓ２２０を実行することができ、ここでは、説明を省略する。

情報確定モジュール１１３０は、要求実体単語と予め構築された知識マップに基づいて、推奨情報を確定するためのモジュールである。ここで、知識マップは、テキストに基づいて構築され、且つ、テキストのソースを表す第１の単語を示す。一実施例において、情報確定モジュール１１３０は、図２に示す操作Ｓ２３０を実行することができ、ここでは、説明を省略する。

情報プッシュモジュール１１４０は、推奨情報をプッシュするためのモジュールである。一実施例において、情報プッシュモジュール１１４０は、図２に示す操作Ｓ２４０を実行することができ、ここでは、説明を省略する。

本開示の実施例によれば、情報推奨装置１１００は、例えば、テキストに基づいて知識マップを構築するマップ構築モジュールをさらに含んでもよい。例えば、このマップ構築モジュールは、例えば、図３Ａ及び図３Ｃに示すフローを実行することができ、ここでは、説明を省略する。

本開示の実施例によれば、上記情報確定モジュール１１３０は、例えば、図４Ａに示すフロー及び／又は図６Ａに示す操作Ｓ６４０を実行することができ、ここでは、説明を省略する。

本開示の実施例によれば、上記情報抽出モジュール１１２０は、例えば、図５に示す操作Ｓ５６０を行うことができる。情報推奨装置１１００は、例えば、判断モジュールと、更新モジュールとをさらに含んでもよい。判断モジュールは、例えば、図５に示す操作Ｓ５７０を実行することができ、更新モジュールは、例えば、図５に示す操作Ｓ５８０を実行することができ、ここでは、説明を省略する。

本開示の実施例によれば、上記情報抽出モジュール１１２０は、例えば、図６Ａに示す操作Ｓ６６０を実行してもよい。情報推奨装置１１００は、例えば、図６Ａに示す操作Ｓ６７０を実行するためのノード確定モジュールをさらに含んでもよく、ここでは、説明を省略する。

本開示の実施例によれば、情報推奨装置１１００は、例えば、テキストをキー情報構造に含まれる情報ノードに分類するテキスト分類モジュールをさらに含んでもよい。このテキスト分類モジュールは、例えば、図７に示す操作Ｓ７８１〜操作Ｓ７８２を実行することができ、ここでは、説明を省略する。

本開示の実施例によれば、テキスト分類モジュールは、例えば、前述した図８に示すフロー又は図９に示すフローにより、テキストとキー情報構造における各情報ノードとのマッチング関係を確定することができ、ここでは、説明を省略する。

本開示の実施例によるモジュール、サブモジュール、ユニット、サブユニットのうちのいずれか1つ以上、又はこれらのうちのいずれか1つ以上の少なくとも一部の機能は、１つのモジュールにより実現されることができる。本開示の実施例によるモジュール、サブモジュール、ユニット、サブユニットのうちのいずれか１つ又は複数は、複数のモジュールに分割されて実現してもよい。本開示の実施例によるモジュール、サブモジュール、ユニット、サブユニットのうちのいずれか１つ又は複数は、少なくとも部分的に、例えばＦＰＧＡ（Ｆｉｌｅｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＰＬＡ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ａｒｒａｙ）、ＳＯＣ（Ｓｙｓｔｅｍ Ｏｎ Ｃｈｉｐ）、ＳＯＳ（Ｓｙｓｔｅｍ Ｏｎ Ｓｕｂｓｔｒａｔｅ）、ＳＯＰ（Ｓｙｓｔｅｍ Ｏｎ Ｐａｃｋａｇｅ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等のハードウェア回路として実現されてもよく、又は、回路を集積又はパッケージ化する他の合理的な任意の方式のハードウェアもしくはファームウェアによって実現されてもよく、又は、ソフトウェア、ハードウェア、及びファームウェアの３つの実現方式のうちの任意の１つもしくは複数の組み合わせによって実現されてもよい。あるいは、本開示の実施例によるモジュール、サブモジュール、ユニット、サブユニットのうちの１つ以上は、少なくとも部分的に、実行されたときに対応する機能を実行可能なプログラムモジュールとして実現されてもよい。

図１２は、本開示の実施例による情報推奨方法を実行するのに適した電子機器の一例であるコンピュータシステムのブロック図を模式的に示している。

図１２に示すように、本開示の実施例によるコンピュータシステム１２００は、プロセッサ１２０１を含み、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２０２に記憶されているプログラム、又は、記憶部１２０８からＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２０３にロードされたプログラムに従って、様々な適切な動作及び処理を実行することができる。プロセッサ１２０１は、例えば、汎用マイクロプロセッサ（例えば、ＣＰＵ）、命令セットプロセッサ、及び／又は関連チップセット、及び／又は特定用途向けマイクロプロセッサ（例えば、ＡＳＩＣ）等を含んでもよい。プロセッサ１２０１は、キャッシュ用途のためのオンボードメモリも含んでもよい。プロセッサ１２０１は、本開示の実施例による方法のフローの異なる動作を実行するための単一の処理ユニット又は複数の処理ユニットを含んでもよい。

ＲＡＭ１２０３には、システム１２００の操作に必要な各種のプログラムやデータが記憶されている。プロセッサ１２０１、ＲＯＭ１２０２、ＲＡＭ１２０３は、バス１２０４により相互に接続されている。プロセッサ１２０１は、ＲＯＭ１２０２及び／又はＲＡＭ１２０３内のプログラムを実行することにより、本開示の実施例による方法のフローの様々な操作を実行する。前記プログラムは、ＲＯＭ１２０２及びＲＡＭ１２０３以外のメモリに記憶されていてもよいことを指摘しておく。プロセッサ１２０１は、前記１つ又は複数のメモリに記憶されたプログラムを実行することによって、本開示の実施例による方法のフローの様々な操作を実行してもよい。

本開示の実施例によれば、システム１２００は、入力／出力（Ｉ／Ｏ）インターフェース１２０５を更に含んでもよい。入力／出力（Ｉ／Ｏ）インターフェース１２０５もバス１２０４に接続されている。システム１２００は、Ｉ／Ｏインターフェース１２０５に接続された、キーボード、マウス等を含む入力部１２０６、ＣＲＴ、ＬＣＤ等とスピーカ等を含む出力部１２０７、ハードディスク等を含む記憶部１２０８、ＬＡＮカード、モデム等のネットワークインターフェースカードを含む通信部１２０９、のうちの１つ又は複数をさらに含んでもよい。通信部１２０９は、インターネット等のネットワークによって通信処理を行う。ドライバ１２１０も、必要に応じて、Ｉ／Ｏインターフェース１２０５に接続される。取り外し可能な媒体１２１１は、例えば、磁気ディスク、光ディスク、光磁気ディスク、半導体メモリ等であり、必要に応じてドライバ１２１０に装着されて、それから読み出されたプログラムが必要に応じて記憶部１２０８にインストールされるようにする。

本開示の実施例によれば、本開示の実施例による方法のフローは、コンピュータソフトウェアプログラムとして実現されてもよい。例えば、本開示の実施例は、コンピュータ読み取り可能な記憶媒体にインストールされたプログラムを含むプログラム製品を含み、このプログラムは、フローチャートに示す方法を実行するためのプログラムコードを含む。このような実施例で、このプログラムは、通信部１２０９によってネットワークからダウンロードしてインストールされてもよいし、取り外し可能な媒体１２１１からインストールされてもよい。このプログラムがプロセッサ１２０１によって実行されると、本開示の実施例のシステムにおいて限定した上記機能が実行される。本開示の実施例によれば、前述したシステム、デバイス、装置、モジュール、ユニット等は、プログラムモジュールにより実現することができる。

本開示は、さらに、コンピュータ読み取り可能な記憶媒体を提供しており、当該コンピュータ読み取り可能な記憶媒体は、上記実施例に記載のデバイス／装置／システムに含まれてもよく、デバイス／装置／システムに組み込まれずに単独で存在してもよい。上記コンピュータ読み取り可能な記憶媒体には、一つ又は複数のプログラムが記録されており、上記一つ又は複数のプログラムが実行されると、本開示の実施例による方法を実現する。

本開示の実施例によれば、コンピュータ読み取り可能な記憶媒体は、不揮発性のコンピュータ読み取り可能な記憶媒体であってもよく、例えば、携帯型コンピュータディスク、ハードディスク、ＲＡＭ、ＲＯＭ、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、携帯型コンパクトディスクＲＯＭ（ＣＤ−ＲＯＭ ）、光記憶デバイス、磁気記憶デバイス、又は上記の任意の適切な組み合わせを含み得るが、これらに限定されない。本開示において、コンピュータ読み取り可能な記憶媒体は、プログラムを含む又は記憶する、任意の有形媒体であってもよく、このプログラムは、命令実行システム、装置又はデバイスによって又はそれらと関連して使用される。例えば、本開示の実施例によれば、コンピュータ読み取り可能な記憶媒体は、前述したＲＯＭ１２０２及び／又はＲＡＭ１２０３、並びに／或いはＲＯＭ１２０２及びＲＡＭ１２０３以外の１つ又は複数のメモリを含んでもよい。

図面におけるフローチャート及びブロック図は、本開示の様々な実施例によるシステム、方法、及びプログラム製品の実現可能な構造、機能及び操作を示している。この点に関して、フローチャート又はブロック図における各ブロックは、モジュール、セグメント、又はコードの一部を表すことができ、モジュール、セグメント、又はコードの一部は、特定な論理機能を実現するための１つ又は複数の実行可能命令を含む。これに代えて、別の実現では、ブロックに表記された機能は、図面に示す順序とは異なる順序で生じ得ることにも留意すべきである。例えば、連続して示される２つのブロックは、実際には、機能に応じて、実質的に並列に実行されてもよく、逆順に実行されてもよい。ブロック図又はフローチャートの各ブロック、及びブロック図又はフローチャートのブロックの組合せは、特定な機能又は操作を実行する専用ハードウェアベースのシステムで実現されてもよく、又は専用ハードウェアとコンピュータ命令との組合せにより実現されてもよいことにも留意すべきである。

当業者は、本開示に明示的に記載されていなくても、本開示の様々な実施例及び／又は特許請求の範囲に記載された特徴について様々な組合せ又は結合で実施してもよいことを理解するだろう。特に、本開示の様々な実施例及び／又は特許請求の範囲に記載された特徴は、本開示の精神及び教示から逸脱することなく、様々な組合せ及び／又は結合を行うことができる。これらの組合せ及び／又は結合はいずれも本開示の範囲に含まれる。

以上、本開示の実施例を説明した。しかしながら、これらの実施例は、説明のためのものであり、本開示の範囲を限定するものではない。以上、各実施例を個別に説明したが、各実施例における各手段を適宜組み合わせて用いることができないことを意味するわけではない。本開示の範囲は、添付の特許請求の範囲及びその均等物によって限定される。当業者は、本開示の範囲から逸脱することなく、様々な変更及び修正を行うことができ、これらの変更及び修正も本開示の範囲に属する。

Claims (17)

1. 要求情報を取得することと、
   前記要求情報から実体を表す要求実体単語を抽出することと、
   前記要求実体単語及び予め構築された知識マップに基づいて推奨情報を確定することと、
   前記推奨情報をプッシュすることと、を含み、
   前記知識マップは、テキストに基づいて構築され、且つ、前記テキストのソースを表す第１の単語を示す
   情報推奨方法。
2. 前記テキストから、前記第１の単語を含む、実体を表す複数の実体単語、及び前記複数の実体単語間の関連関係を抽出することと、
   抽出された前記複数の実体単語と前記複数の実体単語間の関連関係に基づいて知識マップを構築することと、を含む、
   テキストに基づいて知識マップを構築することをさらに含む
   請求項１に記載の情報推奨方法。
3. 知識マップを構築することは、
   前記複数の実体単語の各実体単語に対して、前記各実体単語に対してノードを構築することと、
   前記複数の実体単語間の関連関係に基づいて、前記複数の実体単語のうち前記各実体単語と関連関係がある関連単語を確定することと、
   前記各実体単語に対応するノードと前記関連単語に対応するノードとを接続して、前記各実体単語に対応するノードに関連するエッジを形成することと、を含む
   請求項２に記載の情報推奨方法。
4. 知識マップを構築することは、
   前記各実体単語と前記関連単語との関連関係に基づいて、前記各実体単語と前記関連単語との関連度を確定することと、
   前記関連度に基づいて、前記各実体単語に対応するノードと前記関連単語に対応するノードとを接続するエッジに重みを付けることと、をさらに含み、
   前記関連度の大きさは、前記重みの大きさに比例する
   請求項３に記載の情報推奨方法。
5. 前記推奨情報を確定することは、
   前記知識マップにおける前記要求実体単語に対応するノードを目標ノードとして確定することと、
   前記目標ノードに関連するエッジに基づいて、前記目標ノードに接続される少なくとも１つのノードを確定することと、
   前記少なくとも１つのノードに対応する実体単語に基づいて、前記推奨情報を確定することと、を含む
   請求項３に記載の情報推奨方法。
6. 新しいテキストが取得されたことに応答して、前記新しいテキストから、実体を表す複数の新しい実体単語、及び前記複数の新しい実体単語間の関連関係を抽出することと、
   前記知識マップが前記複数の新しい実体単語のうち少なくとも１つの新しい実体単語を示すことができない場合、前記複数の新しい実体単語及び前記複数の新しい実体単語間の関連関係に基づいて、前記知識マップを更新することと、をさらに含む
   請求項２に記載の情報推奨方法。
7. 前記要求情報からキー情報を抽出することと、
   予め設定されたキー情報構造のうち、抽出されたキー情報に関連する情報ノードを目標情報ノードとして確定されることと、さらにを含み、
   前記キー情報構造は、複数の情報ノードを含み、前記複数の情報ノードのそれぞれは１つのキー情報を示し、
   前記推奨情報を確定することは、前記要求実体単語、予め構築された知識マップ、及び前記目標知識ノードに基づいて推奨情報を確定することを含む
   請求項２〜６のいずれか一項に記載の情報推奨方法。
8. 前記複数の実体単語は、前記テキストのキー情報を表す第２の単語を更に含み、
   前記情報推奨方法は、前記テキストを、前記キー情報構造に含まれる情報ノードに分類することをさらに含み、
   前記テキストを分類することは、
   前記第２の単語に基づいて、前記テキストと前記キー情報構造における各情報ノードとのマッチング関係を確定することと、
   前記テキストを前記テキストにマッチする情報ノードに分類することと、を含む
   請求項７に記載の情報推奨方法。
9. 前記第２の単語の数は複数であり、
   前記テキストと前記キー情報構造における各情報ノードとのマッチング関係を確定することは、
   前記第２の単語が、前記各情報ノードが示すキー情報と同じである目標単語を含むか否かを確定することと、
   前記第２の単語に前記目標単語が含まれている場合、前記テキストと前記各知識ノードとのマッチング関係がマッチすると確定することと、を含む
   請求項８に記載の情報推奨方法。
10. 前記テキストと前記キー情報構造における各情報ノードとのマッチング関係を確定することは、
    前記第２の単語に目標単語が含まれていない場合、前記知識マップから前記第２の単語の関連単語を取得することと、
    前記第２の単語の関連単語に前記目標単語が含まれている場合、前記テキストと前記各情報ノードとのマッチング関係がマッチすると確定することと、をさらに含む
    請求項９に記載の情報推奨方法。
11. 前記テキストと前記キー情報構造における各情報ノードとのマッチング関係を確定することは、
    前記第２の単語と、前記各情報ノードが示すキー情報との類似度を確定することと、
    前記類似度が類似度閾値より大きい場合に、前記テキストと前記各情報ノードとのマッチング関係がマッチすると確定することと、を含む
    請求項８に記載の情報推奨方法。
12. 新しいテキストが取得されたことに応答して、前記新しいテキストから前記新しいテキストの新しいキー情報を抽出することと、
    前記キー情報構造に前記新しいキー情報を示す情報ノードが含まれていない場合、前記新しいキー情報に基づいて、前記キー情報構造を更新することと、をさらに含む
    請求項８に記載の情報推奨方法。
13. 推奨情報を確定することは、
    前記目標情報ノードに分類されるテキストを前記推奨情報として取得することを含む
    請求項８に記載の情報推奨方法。
14. 要求情報を取得する取得モジュールと、
    前記要求情報から実体を表す要求実体単語を抽出する情報抽出モジュールと、
    前記要求実体単語及び予め構築された知識マップに基づいて推奨情報を確定する情報確定モジュールと、
    前記推奨情報をプッシュする情報プッシュモジュールと、を含み、
    前記知識マップは、テキストに基づいて構築され、且つ、前記テキストのソースを表す第１の単語を示す
    情報推奨装置。
15. １つ又は複数のプロセッサと、
    １つ又は複数のプログラムを記憶する記憶装置と、を含み、
    前記１つ又は複数のプログラムが前記１つ又は複数のプロセッサによって実行されるとき、前記１つ又は複数のプロセッサに、請求項１〜１３のいずれか一項に記載の方法を実行させる
    電子機器。
16. プロセッサによって実行されたときに、プロセッサに請求項１〜１３のいずれか一項に記載の方法を実行させる実行可能な命令が記憶されている
    コンピュータ読み取り可能な記憶媒体。
17. 実行されたときに、請求項１〜１３のいずれか一項に記載の方法を実現させるコンピュータ実行可能な命令を含む
    プログラム。

Images