本發(fā)明涉及信息技術(shù)領(lǐng)域，具體涉及一種關(guān)聯(lián)信息的推送方法及裝置。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的飛速發(fā)展，越來越多的用戶習(xí)慣于通過網(wǎng)絡(luò)獲取各類信息。很多用戶為了加深對(duì)當(dāng)前瀏覽信息的了解，會(huì)針對(duì)當(dāng)前瀏覽信息進(jìn)行擴(kuò)展閱讀。在傳統(tǒng)方式中，用戶為了實(shí)現(xiàn)擴(kuò)展閱讀的目的，需要自行確定當(dāng)前瀏覽信息中包含的關(guān)鍵內(nèi)容，然后根據(jù)該關(guān)鍵內(nèi)容進(jìn)行手動(dòng)搜索，最后還要從眾多搜索結(jié)果中過濾出用戶需要了解的信息。該種方式操作繁瑣，無疑增加了用戶的時(shí)間成本。

目前，已經(jīng)出現(xiàn)了能夠自動(dòng)地針對(duì)當(dāng)前瀏覽信息推送關(guān)聯(lián)信息的技術(shù)方案：首先，對(duì)當(dāng)前瀏覽信息進(jìn)行分詞處理，得到當(dāng)前瀏覽信息中包含的主要詞匯；然后，根據(jù)各個(gè)詞匯的出現(xiàn)次數(shù)等因素，挑選部分詞匯作為關(guān)鍵詞；最后，將包含上述關(guān)鍵詞的信息作為關(guān)聯(lián)信息推送給用戶。

但是，發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)現(xiàn)有技術(shù)中的上述方案至少存在下述缺陷：一方面，漢語中存在各種各樣的近義詞，并且，很多情況下，同一主題可以通過截然不同的表達(dá)方式進(jìn)行描述，例如，“雙十一”和“網(wǎng)購節(jié)”雖字面表達(dá)方式不同，但語義完全相同；另一方面，上述簡單的關(guān)鍵詞匹配方式也無法體現(xiàn)出事物之間更深層次的關(guān)聯(lián)關(guān)系，例如，“姚明”和“科比”同為籃球運(yùn)動(dòng)員，閱讀“姚明”的有關(guān)信息的用戶很可能希望對(duì)“科比”的近況進(jìn)行擴(kuò)展閱讀，而現(xiàn)有的推送方式顯然無法實(shí)現(xiàn)。

由此可見，現(xiàn)有的關(guān)聯(lián)信息推送方式由于并未考慮語義之間的關(guān)聯(lián)關(guān)系，導(dǎo)致推送結(jié)果無法更好地迎合用戶需求。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的關(guān)聯(lián)信息的推送方法及裝置。

根據(jù)本發(fā)明的一個(gè)方面，提供了一種關(guān)聯(lián)信息的推送方法，包括：根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，確定所述獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系；將所述原始語料數(shù)據(jù)以及所述原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)到預(yù)設(shè)的語料數(shù)據(jù)庫中；根據(jù)所述語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息，并對(duì)所述關(guān)聯(lián)信息進(jìn)行推送。

可選地，所述根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，以確定所述獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系的步驟具體包括：將所述獲取到的原始語料數(shù)據(jù)轉(zhuǎn)換成對(duì)應(yīng)的詞向量，將所述詞向量輸入預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型中的輸入層，并通過所述神經(jīng)網(wǎng)絡(luò)模型中的輸出層獲取所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。

可選地，所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)一步包括：位于所述輸入層和所述輸出層之間的隱藏層；則所述通過所述神經(jīng)網(wǎng)絡(luò)模型中的輸出層獲取所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果的步驟具體包括：通過所述隱藏層對(duì)所述輸入層輸入的詞向量進(jìn)行特征提取，由所述輸出層根據(jù)特征提取的結(jié)果輸出所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。

可選地，所述根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)的步驟中進(jìn)一步包括：判斷所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果是否滿足預(yù)設(shè)的精度條件，當(dāng)判斷結(jié)果為否時(shí)，根據(jù)反向傳播算法對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。

可選地，所述根據(jù)所述語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息的步驟具體包括：獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞，根據(jù)所述網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞以及所述語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系；將所述各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系存儲(chǔ)到預(yù)設(shè)的映射數(shù)據(jù)庫中，根據(jù)所述顯示信息對(duì)應(yīng)的關(guān)鍵詞以及所述映射數(shù)據(jù)庫確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息。

可選地，所述獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞的步驟之后，進(jìn)一步包括步驟：根據(jù)關(guān)鍵詞與網(wǎng)絡(luò)信息之間的對(duì)應(yīng)關(guān)系建立用于根據(jù)關(guān)鍵詞查詢網(wǎng)絡(luò)信息的信息索引。

可選地，所述根據(jù)所述顯示信息對(duì)應(yīng)的關(guān)鍵詞以及所述映射數(shù)據(jù)庫確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息的步驟之后進(jìn)一步包括：當(dāng)所述關(guān)聯(lián)信息的數(shù)量為多個(gè)時(shí)，進(jìn)一步根據(jù)相似度算法確定各個(gè)關(guān)聯(lián)信息與所述顯示信息之間的相似度，將相似度大于預(yù)設(shè)的第一閾值，和/或相似度小于預(yù)設(shè)的第二閾值的關(guān)聯(lián)信息刪除；其中，所述第一閾值大于所述第二閾值。

可選地，所述原始語料數(shù)據(jù)通過分布式消息隊(duì)列進(jìn)行獲取，且所述語料數(shù)據(jù)庫能夠根據(jù)所述分布式消息隊(duì)列的更新結(jié)果進(jìn)行更新。

可選地，所述關(guān)聯(lián)信息包括以下中的至少一個(gè)：新聞信息、導(dǎo)航信息、網(wǎng)頁信息以及搜索信息。

根據(jù)本發(fā)明的另一個(gè)方面，提供了一種關(guān)聯(lián)信息的推送裝置，包括：學(xué)習(xí)模塊，適于根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，確定所述獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系；存儲(chǔ)模塊，適于將所述原始語料數(shù)據(jù)以及所述原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)到預(yù)設(shè)的語料數(shù)據(jù)庫中；確定模塊，適于根據(jù)所述語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息；推送模塊，適于對(duì)所述關(guān)聯(lián)信息進(jìn)行推送。

可選地，所述學(xué)習(xí)模塊具體用于：將所述獲取到的原始語料數(shù)據(jù)轉(zhuǎn)換成對(duì)應(yīng)的詞向量，將所述詞向量輸入預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型中的輸入層，并通過所述神經(jīng)網(wǎng)絡(luò)模型中的輸出層獲取所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。

可選地，所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)一步包括：位于所述輸入層和所述輸出層之間的隱藏層；則所述學(xué)習(xí)模塊進(jìn)一步用于：通過所述隱藏層對(duì)所述輸入層輸入的詞向量進(jìn)行特征提取，由所述輸出層根據(jù)特征提取的結(jié)果輸出所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。

可選地，所述學(xué)習(xí)模塊進(jìn)一步用于：判斷所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果是否滿足預(yù)設(shè)的精度條件，當(dāng)判斷結(jié)果為否時(shí)，根據(jù)反向傳播算法對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。

可選地，所述確定模塊包括：第一確定單元，適于獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞，根據(jù)所述網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞以及所述語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系；第二確定單元，適于將所述各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系存儲(chǔ)到預(yù)設(shè)的映射數(shù)據(jù)庫中，根據(jù)所述顯示信息對(duì)應(yīng)的關(guān)鍵詞以及所述映射數(shù)據(jù)庫確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息。

可選地，所述裝置進(jìn)一步包括：信息索引建立模塊，適于根據(jù)關(guān)鍵詞與網(wǎng)絡(luò)信息之間的對(duì)應(yīng)關(guān)系建立用于根據(jù)關(guān)鍵詞查詢網(wǎng)絡(luò)信息的信息索引。

可選地，所述裝置進(jìn)一步包括：篩選模塊，適于當(dāng)所述關(guān)聯(lián)信息的數(shù)量為多個(gè)時(shí)，進(jìn)一步根據(jù)相似度算法確定各個(gè)關(guān)聯(lián)信息與所述顯示信息之間的相似度，將相似度大于預(yù)設(shè)的第一閾值，和/或相似度小于預(yù)設(shè)的第二閾值的關(guān)聯(lián)信息刪除；其中，所述第一閾值大于所述第二閾值。

可選地，所述原始語料數(shù)據(jù)通過分布式消息隊(duì)列進(jìn)行獲取，且所述語料數(shù)據(jù)庫能夠根據(jù)所述分布式消息隊(duì)列的更新結(jié)果進(jìn)行更新。

可選地，所述關(guān)聯(lián)信息包括以下中的至少一個(gè)：新聞信息、導(dǎo)航信息、網(wǎng)頁信息以及搜索信息。

在本發(fā)明提供的關(guān)聯(lián)信息的推送方法及裝置中，能夠根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，從而確定原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系；然后，能夠根據(jù)已確定的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系來確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息。由此可見，由于本發(fā)明能夠通過機(jī)器學(xué)習(xí)的方式來挖掘原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，而該關(guān)聯(lián)關(guān)系不僅能夠體現(xiàn)近義詞之間的關(guān)聯(lián)，還能夠通過語義分析而體現(xiàn)出事物間更深層次的關(guān)聯(lián)，所以，本發(fā)明中的方案更能迎合用戶需求，且大幅提升了推送的關(guān)聯(lián)信息的質(zhì)量。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說明

通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：

圖1示出了根據(jù)本發(fā)明實(shí)施例一提供的一種關(guān)聯(lián)信息的推送方法的流程圖；

圖2示出了根據(jù)本發(fā)明實(shí)施例二提供的一種關(guān)聯(lián)信息的推送方法的流程圖；

圖3示出了根據(jù)本發(fā)明實(shí)施例三提供的一種關(guān)聯(lián)信息的推送裝置的結(jié)構(gòu)框圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

本發(fā)明提供了一種關(guān)聯(lián)信息的推送方法及裝置，至少能夠解決現(xiàn)有技術(shù)由于并未考慮語義之間的關(guān)聯(lián)關(guān)系，導(dǎo)致推送結(jié)果無法更好地迎合用戶需求的技術(shù)問題。

實(shí)施例一

圖1示出了根據(jù)本發(fā)明實(shí)施例一提供的一種關(guān)聯(lián)信息的推送方法的流程圖。如圖1所示，該方法包括以下步驟：

步驟s110：根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，確定獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。

具體地，原始語料數(shù)據(jù)為針對(duì)獲取到的信息中的語句進(jìn)行詞性劃分、詞義劃分等分詞處理或者關(guān)鍵字抽取處理之后的語料數(shù)據(jù)。例如，若獲取到的信息中的語句為“基于語義和知識(shí)庫混合模型的相關(guān)推薦”，則針對(duì)上述信息進(jìn)行分詞處理之后，可以將上述信息處理為“語義”、“知識(shí)”、“模型”、“相關(guān)推薦”等原始語料數(shù)據(jù)。因此，在確定獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系時(shí)，具體為確定獲取到的原始語料數(shù)據(jù)中包含的詞與詞之間的關(guān)聯(lián)關(guān)系。其中，上述關(guān)聯(lián)關(guān)系可以包括原始語料數(shù)據(jù)中每個(gè)詞的位置，詞與詞之間的距離，詞與詞之間的填補(bǔ)關(guān)系等包含句子成分關(guān)系以及語義關(guān)系的各類關(guān)聯(lián)關(guān)系。機(jī)器學(xué)習(xí)算法具體為針對(duì)獲取到的原始語料數(shù)據(jù)中詞與詞之間的關(guān)聯(lián)關(guān)系進(jìn)行學(xué)習(xí)和校正的算法。其中，機(jī)器學(xué)習(xí)算法的實(shí)現(xiàn)方式有多種，例如，可以通過n-gram模型進(jìn)行編程等方式實(shí)現(xiàn)，還可以靈活采用各類深度學(xué)習(xí)算法、神經(jīng)網(wǎng)絡(luò)算法等。

步驟s120：將原始語料數(shù)據(jù)以及原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)到預(yù)設(shè)的語料數(shù)據(jù)庫中。

具體地，根據(jù)步驟s110確定的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，將該原始語料數(shù)據(jù)以及與該原始語料數(shù)據(jù)對(duì)應(yīng)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)在預(yù)設(shè)的語料數(shù)據(jù)庫中。其中，預(yù)設(shè)的語料數(shù)據(jù)庫中存儲(chǔ)的數(shù)據(jù)能夠根據(jù)在線信息的更新情況進(jìn)行不間斷地更新，以確保語料數(shù)據(jù)庫中存儲(chǔ)的數(shù)據(jù)具有時(shí)效性和準(zhǔn)確性。

步驟s130：根據(jù)語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息，并對(duì)關(guān)聯(lián)信息進(jìn)行推送。

其中，顯示信息通常是指：顯示在設(shè)備顯示界面中的信息，即用戶當(dāng)前正在瀏覽的信息。顯示信息和關(guān)聯(lián)信息可以包括各類信息，例如，可以包括以下中的至少一個(gè)：新聞信息、導(dǎo)航信息、網(wǎng)頁信息以及搜索信息。在執(zhí)行本步驟時(shí)，可以直接根據(jù)顯示信息以及語料數(shù)據(jù)庫來確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息；或者，也可以先對(duì)顯示信息進(jìn)行預(yù)處理，并根據(jù)顯示信息的預(yù)處理結(jié)果以及語料數(shù)據(jù)庫來確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息。其中，預(yù)處理操作可以包括多種，例如，可以包括分詞處理或者抽取關(guān)鍵詞等相關(guān)處理。其中，為了便于確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息，可以預(yù)先根據(jù)語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系來建立各個(gè)網(wǎng)絡(luò)信息之間的映射關(guān)系，然后通過上述映射關(guān)系查找與顯示信息對(duì)應(yīng)的關(guān)聯(lián)信息，并對(duì)查找到的關(guān)聯(lián)信息進(jìn)行推送。

由此可見，在本發(fā)明提供的關(guān)聯(lián)信息的推送方法中，能夠根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，從而確定原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系；然后，能夠根據(jù)已確定的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系來確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息并對(duì)關(guān)聯(lián)信息進(jìn)行推送。本發(fā)明能夠通過機(jī)器學(xué)習(xí)的方式來挖掘原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，而該關(guān)聯(lián)關(guān)系不僅能夠體現(xiàn)近義詞之間的關(guān)聯(lián)，還能夠通過語義分析而體現(xiàn)出事物間更深層次的關(guān)聯(lián)。因此，本發(fā)明中的方案能更加適應(yīng)用戶多方面的關(guān)聯(lián)信息推送需求，且大幅提升了推送的關(guān)聯(lián)信息的質(zhì)量。

實(shí)施例二

圖2示出了根據(jù)本發(fā)明實(shí)施例二提供的一種關(guān)聯(lián)信息的推送方法的流程圖。如圖2所示，該方法包括以下步驟：

步驟s210：根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，確定獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。

其中，原始語料數(shù)據(jù)的獲取方式可以為多種，例如，可以通過網(wǎng)絡(luò)爬蟲獲取互聯(lián)網(wǎng)上的網(wǎng)絡(luò)信息，并根據(jù)獲取到的網(wǎng)絡(luò)信息得到原始語料數(shù)據(jù)。在一種實(shí)現(xiàn)方式中，可以預(yù)先由網(wǎng)絡(luò)爬蟲爬取大量的網(wǎng)絡(luò)信息，并根據(jù)已爬取的網(wǎng)絡(luò)信息得到原始語料數(shù)據(jù)。在另一種實(shí)現(xiàn)方式中，還可以由網(wǎng)絡(luò)爬蟲定期爬取近期更新的網(wǎng)絡(luò)信息，并將本次爬取到的網(wǎng)絡(luò)信息作為原始語料數(shù)據(jù)中的增量部分，從而定期地對(duì)原始語料數(shù)據(jù)進(jìn)行動(dòng)態(tài)擴(kuò)充。在本實(shí)施例中，可以將上述兩種方式相結(jié)合。具體地，在根據(jù)網(wǎng)絡(luò)信息確定原始語料數(shù)據(jù)時(shí)，可以直接將網(wǎng)絡(luò)信息作為原始預(yù)料數(shù)據(jù)，也可以先對(duì)網(wǎng)絡(luò)信息進(jìn)行預(yù)設(shè)的處理，并將處理結(jié)果作為原始語料數(shù)據(jù)。例如，可以通過對(duì)獲取到的網(wǎng)絡(luò)信息中的語句進(jìn)行詞性劃分、詞義劃分等分詞處理和/或關(guān)鍵字抽取處理的方式得到原始語料數(shù)據(jù)。舉例說明：若獲取到的信息中的語句為“基于語義和知識(shí)庫混合模型的相關(guān)推薦”，則針對(duì)上述信息進(jìn)行分詞處理之后，可以將上述信息處理為“語義”、“知識(shí)”、“模型”、“相關(guān)推薦”等原始語料數(shù)據(jù)。另外，為了便于存取，可以將原始語料數(shù)據(jù)存儲(chǔ)在分布式消息隊(duì)列中，從而利用分布式消息隊(duì)列獲取原始語料數(shù)據(jù)。例如，每當(dāng)根據(jù)網(wǎng)絡(luò)爬蟲爬取到最新網(wǎng)絡(luò)信息產(chǎn)生新的原始語料數(shù)據(jù)后，則將新增的原始語料數(shù)據(jù)存儲(chǔ)到分布式消息隊(duì)列中，以供后續(xù)消費(fèi)。其中，通過分布式消息隊(duì)列能夠?qū)崿F(xiàn)并行消費(fèi)的目的，從而提升處理效率。

接下來，可以通過各類機(jī)器學(xué)習(xí)算法對(duì)原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)。例如，可以采用各類深度學(xué)習(xí)算法、神經(jīng)網(wǎng)絡(luò)算法、分類算法等，本發(fā)明對(duì)機(jī)器學(xué)習(xí)算法的具體類型不做限定，只要能夠針對(duì)原始語料數(shù)據(jù)中詞與詞之間的關(guān)聯(lián)關(guān)系進(jìn)行學(xué)習(xí)和校正即可。

在本實(shí)施例中，通過由神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行機(jī)器學(xué)習(xí)。發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)，先將原始語料數(shù)據(jù)轉(zhuǎn)換成對(duì)應(yīng)的詞向量后再輸入神經(jīng)網(wǎng)絡(luò)模型的方式能夠縮短處理時(shí)間、提高處理精確度。因此，本實(shí)施例中，首先將獲取到的原始語料數(shù)據(jù)轉(zhuǎn)換成對(duì)應(yīng)的詞向量。其中，詞向量能夠通過向量形式表示出各個(gè)詞匯之間的關(guān)系，從而把文本處理簡化為向量運(yùn)算，通過計(jì)算向量空間上的相似度來表示文本語義上的相似度。因此，詞向量能夠在一定程度上刻畫出詞與詞之間的語義距離。詞向量可以通過多種方式得到，例如，可以將原始語料數(shù)據(jù)作為訓(xùn)練詞向量的訓(xùn)練數(shù)據(jù)集，通過訓(xùn)練得到詞向量；也可以直接根據(jù)各個(gè)詞匯的出現(xiàn)次數(shù)來確定詞向量。

然后，將詞向量輸入預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型中的輸入層，并通過神經(jīng)網(wǎng)絡(luò)模型中的輸出層獲取詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。在本實(shí)施例中，神經(jīng)網(wǎng)絡(luò)模型包含三層結(jié)構(gòu)：輸入層、輸出層以及位于輸入層和輸出層之間的隱藏層。具體地，神經(jīng)網(wǎng)絡(luò)模型中的輸入層用于接收輸入的詞向量，為神經(jīng)網(wǎng)絡(luò)模型中的輸入端口；神經(jīng)網(wǎng)絡(luò)模型中的輸出層用于輸出詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果，為神經(jīng)網(wǎng)絡(luò)模型中的輸出端口；隱藏層位于輸入層和輸出層之間，具體用于對(duì)輸入的詞向量進(jìn)行特征提取。其中，上述特征提取包括：提取原始語料數(shù)據(jù)中詞的位置，詞與詞之間的距離，詞與詞之間的填補(bǔ)關(guān)系等包含句子成分以及語義關(guān)系的關(guān)聯(lián)關(guān)系，相應(yīng)地，上述的關(guān)聯(lián)輸出結(jié)果是根據(jù)上述隱藏層針對(duì)輸入層輸入的詞向量進(jìn)行特征提取的結(jié)果而產(chǎn)生的。

由此可見，通過上述的神經(jīng)網(wǎng)絡(luò)模型能夠分析出原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。另外，為了提高關(guān)聯(lián)輸出結(jié)果的準(zhǔn)確性，上述針對(duì)原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)的過程還包括：判斷詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果是否滿足預(yù)設(shè)的精度條件，當(dāng)判斷結(jié)果為否時(shí)，根據(jù)反向傳播算法對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。其中，在進(jìn)行上述修正過程時(shí)，既可以在神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程中進(jìn)行修正，也可以在神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)過程中進(jìn)行修正。預(yù)設(shè)的精度條件可由本領(lǐng)域技術(shù)人員根據(jù)實(shí)際情況設(shè)置。例如，可以預(yù)先設(shè)置一個(gè)準(zhǔn)確率閾值，在預(yù)測(cè)階段定期獲取神經(jīng)網(wǎng)絡(luò)模型的全部輸出結(jié)果或隨機(jī)抽取部分輸出結(jié)果，當(dāng)確定輸出結(jié)果的準(zhǔn)確率未達(dá)到該閾值時(shí)則對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。又如，也可以在訓(xùn)練階段每獲得一個(gè)輸出結(jié)果時(shí)，確定該輸出結(jié)果是否正確，若判斷結(jié)果為否，則對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。舉例說明：若在訓(xùn)練階段預(yù)先獲取到了具備關(guān)聯(lián)關(guān)系的三個(gè)詞匯，當(dāng)輸入其中的任意兩個(gè)詞匯時(shí)，若能夠準(zhǔn)確輸出另外的一個(gè)詞匯，則說明結(jié)果正確，反之，則需要對(duì)神經(jīng)網(wǎng)絡(luò)模型中包含的參數(shù)和/或權(quán)重值進(jìn)行調(diào)整，直至結(jié)果正確。在本實(shí)施例中，能夠通過反向傳播算法來監(jiān)督神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)過程，該算法能夠?qū)⒂?xùn)練輸入送入網(wǎng)絡(luò)以獲得激勵(lì)響應(yīng)，將激勵(lì)響應(yīng)同訓(xùn)練輸入對(duì)應(yīng)的目標(biāo)輸出求差，從而獲得隱藏層和輸出層的響應(yīng)誤差，然后通過調(diào)節(jié)每個(gè)詞向量的權(quán)重、參數(shù)等屬性來對(duì)應(yīng)調(diào)整每個(gè)詞向量，使神經(jīng)網(wǎng)絡(luò)模型得以修正。

步驟s220：將原始語料數(shù)據(jù)以及原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)到預(yù)設(shè)的語料數(shù)據(jù)庫中。

具體地，原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系包括通過神經(jīng)網(wǎng)絡(luò)模型中的輸出層獲取到的詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。在本步驟中，將步驟s210獲取的原始語料數(shù)據(jù)以及上述與該原始語料數(shù)據(jù)對(duì)應(yīng)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)在預(yù)設(shè)的語料數(shù)據(jù)庫中。其中，上述語料數(shù)據(jù)庫能夠根據(jù)分布式消息隊(duì)列的更新結(jié)果進(jìn)行更新，即：預(yù)設(shè)的語料數(shù)據(jù)庫中存儲(chǔ)的數(shù)據(jù)會(huì)根據(jù)存儲(chǔ)原始語料數(shù)據(jù)的分布式消息隊(duì)列的更新情況而進(jìn)行不間斷地更新。也就是說，在本實(shí)施例中，原始語料數(shù)據(jù)及其關(guān)聯(lián)關(guān)系均為動(dòng)態(tài)變化的。具體實(shí)施時(shí)，可以每隔預(yù)設(shè)時(shí)間間隔獲取一次更新后的原始語料數(shù)據(jù)，相應(yīng)地，步驟s210和步驟s220也每隔預(yù)設(shè)時(shí)間間隔重復(fù)執(zhí)行一次。具體時(shí)間間隔可根據(jù)線上網(wǎng)絡(luò)信息的更新頻率和/或信息時(shí)效性而確定。通過動(dòng)態(tài)更新原始語料數(shù)據(jù)及其關(guān)聯(lián)關(guān)系的方式能夠確保語料數(shù)據(jù)庫中存儲(chǔ)的內(nèi)容具有較強(qiáng)的時(shí)效性和較高的準(zhǔn)確性。具體情況中，由于新聞資訊的時(shí)效性較高，不同時(shí)段內(nèi)的語料數(shù)據(jù)可能具備不同的關(guān)聯(lián)關(guān)系，比如，當(dāng)姚明參加比賽時(shí)，“姚明”與“籃球”的相關(guān)性較高，而當(dāng)姚明退役后，其逐漸退出球場(chǎng)，轉(zhuǎn)而參加公益事業(yè)，因此，“姚明”與“籃球”之間的關(guān)聯(lián)性降低，而“姚明”與“公益”之間的關(guān)聯(lián)性升高。由此可見，通過循環(huán)執(zhí)行上述的步驟s210和步驟s220能夠提升語料數(shù)據(jù)庫的準(zhǔn)確性。

步驟s230：獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞，根據(jù)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞以及語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系。

具體地，在本步驟中，首先針對(duì)各個(gè)網(wǎng)絡(luò)信息進(jìn)行關(guān)鍵詞的抽取，然后根據(jù)語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，建立關(guān)鍵詞之間的關(guān)聯(lián)映射關(guān)系，進(jìn)而根據(jù)關(guān)聯(lián)詞之間的關(guān)聯(lián)映射關(guān)系來確定相應(yīng)的網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系。另外，為了便于快速準(zhǔn)確地查詢網(wǎng)絡(luò)信息與其關(guān)鍵詞之間的對(duì)應(yīng)關(guān)系，在獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞之后，還可以進(jìn)一步根據(jù)關(guān)鍵詞與各個(gè)網(wǎng)絡(luò)信息之間的對(duì)應(yīng)關(guān)系建立用于根據(jù)關(guān)鍵詞查詢網(wǎng)絡(luò)信息的信息索引，該信息索引可以是倒排索引。

舉例說明，假設(shè)語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系包括如下一組數(shù)據(jù)記錄：姚明、科比、籃球。相應(yīng)地，建立關(guān)聯(lián)詞之間的關(guān)聯(lián)映射關(guān)系如下：姚明——科比、籃球；科比——姚明、籃球；籃球——姚明、科比。另外，假設(shè)建立的倒排索引包括下述記錄：姚明——文檔id3、科比——文檔id4、籃球——文檔id6。因此，網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系包括：文檔id3——文檔id4、文檔id6；文檔id4——文檔id3、文檔id6；文檔id6——文檔id4、文檔id3。由此可見，通過本步驟，能夠根據(jù)原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系確定各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系，從而為后續(xù)的信息推送提供了基礎(chǔ)。

步驟s240：將各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系存儲(chǔ)到預(yù)設(shè)的映射數(shù)據(jù)庫中，根據(jù)顯示信息對(duì)應(yīng)的關(guān)鍵詞以及映射數(shù)據(jù)庫確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息，并對(duì)該關(guān)聯(lián)信息進(jìn)行推送。

具體地，在本步驟中，首先將步驟s230中建立的各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系存儲(chǔ)到預(yù)設(shè)的映射數(shù)據(jù)庫中。其中，預(yù)設(shè)的映射數(shù)據(jù)庫為在線數(shù)據(jù)庫，可以進(jìn)行在線的部署、集權(quán)以及查詢等操作。并且，預(yù)設(shè)的映射數(shù)據(jù)庫能夠進(jìn)一步根據(jù)語料數(shù)據(jù)庫的更新來動(dòng)態(tài)更新其中存儲(chǔ)的關(guān)聯(lián)映射關(guān)系。具體實(shí)施中，預(yù)設(shè)的映射數(shù)據(jù)庫可以為redis數(shù)據(jù)庫。

然后，抽取顯示信息所對(duì)應(yīng)的關(guān)鍵詞，并根據(jù)上述關(guān)鍵詞在映射數(shù)據(jù)庫中查找與該關(guān)鍵詞存在對(duì)應(yīng)的關(guān)聯(lián)映射關(guān)系的關(guān)聯(lián)信息。在本實(shí)施例中，關(guān)聯(lián)信息的含義可以包括：能夠表示一個(gè)事物的不同方面，同時(shí)又不能與當(dāng)前事物為相似信息的信息。其中，若當(dāng)前信息與當(dāng)前事物為相似信息，則當(dāng)前信息可能為當(dāng)前事物的重復(fù)信息。因此，最理想的關(guān)聯(lián)信息為能夠闡述一個(gè)事物不同方面的信息，若關(guān)聯(lián)信息表示同一事物的同一方面，則相似度越小越好。舉例說明：“姚明nba經(jīng)典比賽”信息與“姚明nba精彩比賽”信息都屬于關(guān)于姚明比賽這同一方面的信息，并且二者都包含姚明在nba多場(chǎng)比賽信息中的相同信息，則上述兩個(gè)信息屬于重復(fù)信息；但是，“姚明nba經(jīng)典比賽”信息與“姚明談公益”的信息則屬于關(guān)于姚明的兩個(gè)不同方面的信息，即上述的一個(gè)事物不同方面的信息，則“姚明nba經(jīng)典比賽”信息與“姚明談公益”的信息這樣的信息屬于本實(shí)施例中提到的較佳的關(guān)聯(lián)信息。

最后，將上述查找到的關(guān)聯(lián)信息確定為與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息。并將上述關(guān)聯(lián)信息進(jìn)行推送。其中，當(dāng)確定的關(guān)聯(lián)信息的數(shù)量為多個(gè)時(shí)，進(jìn)一步根據(jù)相似度算法確定各個(gè)關(guān)聯(lián)信息與顯示信息之間的相似度，將相似度大于預(yù)設(shè)的第一閾值，和/或相似度小于預(yù)設(shè)的第二閾值的關(guān)聯(lián)信息刪除；其中，第一閾值大于第二閾值。具體地，預(yù)設(shè)的第一閾值為本領(lǐng)域技術(shù)人員根據(jù)實(shí)際情況統(tǒng)計(jì)所得的當(dāng)關(guān)聯(lián)信息與顯示信息為重復(fù)信息時(shí)的最小相似值，即：當(dāng)根據(jù)相似度算法的計(jì)算結(jié)果大于預(yù)設(shè)的第一閾值時(shí)，關(guān)聯(lián)信息與顯示信息為重復(fù)信息；預(yù)設(shè)的第二閾值為本領(lǐng)域技術(shù)人員根據(jù)實(shí)際情況統(tǒng)計(jì)所得的關(guān)聯(lián)信息與顯示信息為非關(guān)聯(lián)信息時(shí)的最大相似值，即：當(dāng)計(jì)算結(jié)果小于預(yù)設(shè)的第二閾值時(shí)，關(guān)聯(lián)信息與顯示信息為非關(guān)聯(lián)信息。具體實(shí)施中，當(dāng)關(guān)聯(lián)信息的數(shù)量為多個(gè)時(shí)，為了篩除太過相似的關(guān)聯(lián)信息以及篩除相關(guān)性過小的關(guān)聯(lián)信息，進(jìn)一步根據(jù)相似度算法計(jì)算各個(gè)關(guān)聯(lián)信息與顯示信息之間的相似度，并將上述計(jì)算結(jié)果與預(yù)設(shè)第一閾值和/或第二閾值進(jìn)行比較，當(dāng)計(jì)算結(jié)果大于預(yù)設(shè)的第一閾值，和/或計(jì)算結(jié)果小于預(yù)設(shè)的第二閾值時(shí)，將與該計(jì)算結(jié)果對(duì)應(yīng)的關(guān)聯(lián)信息刪除。其中，上述相似度算法由本領(lǐng)域技術(shù)人員根據(jù)實(shí)際情況進(jìn)行選擇或設(shè)置，本發(fā)明對(duì)此不作限制。

另外，當(dāng)關(guān)聯(lián)信息的數(shù)量為多個(gè)時(shí)，還可以針對(duì)上述多個(gè)關(guān)聯(lián)信息進(jìn)行進(jìn)一步的處理。例如，還可以根據(jù)相似度計(jì)算的結(jié)果設(shè)置關(guān)聯(lián)信息權(quán)重，即：按照關(guān)聯(lián)信息關(guān)聯(lián)性由高到低的順序設(shè)置關(guān)聯(lián)信息的權(quán)重，使關(guān)聯(lián)信息能夠根據(jù)所設(shè)置的權(quán)重按照關(guān)聯(lián)性由高到低的順序進(jìn)行顯示，向用戶提供更加準(zhǔn)確的相關(guān)信息的推送結(jié)果；或者，針對(duì)關(guān)聯(lián)信息中包含的關(guān)鍵字的搜索量、發(fā)表時(shí)間等信息設(shè)置關(guān)聯(lián)信息的權(quán)重，使關(guān)聯(lián)信息能夠按照一定的規(guī)則進(jìn)行排序，并將排序結(jié)果顯示在推送結(jié)果中，以滿足用戶多方面的需求。

另外，在本實(shí)施例中，在本領(lǐng)域技術(shù)人員還可以對(duì)其中的技術(shù)細(xì)節(jié)進(jìn)行各種改動(dòng)和變形。例如，神經(jīng)網(wǎng)絡(luò)模型可以基于n-gram模型來實(shí)現(xiàn)，利用n-gram模型能夠?qū)W習(xí)并預(yù)測(cè)一個(gè)詞匯與其周圍詞匯之間的關(guān)聯(lián)關(guān)系，因此，通過將n-gram模型增加到神經(jīng)網(wǎng)絡(luò)模型中能夠提升預(yù)測(cè)準(zhǔn)確度。而且，在本實(shí)施例中構(gòu)建與原始語料數(shù)據(jù)相對(duì)應(yīng)的詞向量時(shí)，還可以進(jìn)一步基于tf-idf算法來確定詞向量，通過該算法能夠基于詞匯在當(dāng)前文章中的出現(xiàn)頻率以及該詞匯在其他文章中的出現(xiàn)頻率來設(shè)置該詞匯的權(quán)重值：若某詞匯在當(dāng)前文章中的出現(xiàn)頻率高，而在其他文章中的出現(xiàn)頻率低，則為該詞匯設(shè)置較高的權(quán)重值，從而能夠提升語義分析的準(zhǔn)確性。

由此可見，在本發(fā)明提供的關(guān)聯(lián)信息的推送方法中，首先根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，確定獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系；然后將原始語料數(shù)據(jù)以及原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)到預(yù)設(shè)的語料數(shù)據(jù)庫中；最后獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞，根據(jù)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞以及語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系；并將各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系存儲(chǔ)到預(yù)設(shè)的映射數(shù)據(jù)庫中，根據(jù)顯示信息對(duì)應(yīng)的關(guān)鍵詞以及映射數(shù)據(jù)庫確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息。因此，本發(fā)明中的方案解決了在推送關(guān)聯(lián)信息時(shí)，推送的關(guān)聯(lián)信息的關(guān)聯(lián)性不高或者推送的關(guān)聯(lián)信息為重復(fù)內(nèi)容的問題，提出了一種利用包含語義在內(nèi)的關(guān)聯(lián)關(guān)系來查找并推送關(guān)聯(lián)信息的方法，增加了針對(duì)關(guān)聯(lián)信息挖掘的準(zhǔn)確性，能夠基于信息中包含的語義來分析信息的相關(guān)性，提高了推送的關(guān)聯(lián)信息的質(zhì)量。

實(shí)施例三

圖3示出了根據(jù)本發(fā)明實(shí)施例三提供的一種關(guān)聯(lián)信息的推送裝置的結(jié)構(gòu)框圖。如圖3所示，該裝置包括：學(xué)習(xí)模塊31、存儲(chǔ)模塊32以及確定模塊33、推送模塊34、信息索引建立模塊35以及篩選模塊36。其中，確定模塊33進(jìn)一步包括：第一確定單元331以及第二確定單元332。

學(xué)習(xí)模塊31適于根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，確定獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。

其中，原始語料數(shù)據(jù)的獲取方式可以為多種，例如，可以通過網(wǎng)絡(luò)爬蟲獲取互聯(lián)網(wǎng)上的網(wǎng)絡(luò)信息，并根據(jù)獲取到的網(wǎng)絡(luò)信息得到原始語料數(shù)據(jù)。在一種實(shí)現(xiàn)方式中，可以預(yù)先由網(wǎng)絡(luò)爬蟲爬取大量的網(wǎng)絡(luò)信息，并根據(jù)已爬取的網(wǎng)絡(luò)信息得到原始語料數(shù)據(jù)。在另一種實(shí)現(xiàn)方式中，還可以由網(wǎng)絡(luò)爬蟲定期爬取近期更新的網(wǎng)絡(luò)信息，并將本次爬取到的網(wǎng)絡(luò)信息作為原始語料數(shù)據(jù)中的增量部分，從而定期地對(duì)原始語料數(shù)據(jù)進(jìn)行動(dòng)態(tài)擴(kuò)充。在本實(shí)施例中，可以將上述兩種方式相結(jié)合。具體地，學(xué)習(xí)模塊31在根據(jù)網(wǎng)絡(luò)信息確定原始語料數(shù)據(jù)時(shí)，可以直接將網(wǎng)絡(luò)信息作為原始預(yù)料數(shù)據(jù)，也可以先對(duì)網(wǎng)絡(luò)信息進(jìn)行預(yù)設(shè)的處理，并將處理結(jié)果作為原始語料數(shù)據(jù)。例如，可以通過對(duì)獲取到的網(wǎng)絡(luò)信息中的語句進(jìn)行詞性劃分、詞義劃分等分詞處理和/或關(guān)鍵字抽取處理的方式得到原始語料數(shù)據(jù)。另外，為了便于存取，可以將原始語料數(shù)據(jù)存儲(chǔ)在分布式消息隊(duì)列中，從而利用分布式消息隊(duì)列獲取原始語料數(shù)據(jù)。例如，每當(dāng)根據(jù)網(wǎng)絡(luò)爬蟲爬取到最新網(wǎng)絡(luò)信息產(chǎn)生新的原始語料數(shù)據(jù)后，則將新增的原始語料數(shù)據(jù)存儲(chǔ)到分布式消息隊(duì)列中，以供后續(xù)消費(fèi)。其中，通過分布式消息隊(duì)列能夠?qū)崿F(xiàn)并行消費(fèi)的目的，從而提升處理效率。

學(xué)習(xí)模塊31在進(jìn)行機(jī)器學(xué)習(xí)時(shí)，可以通過各類機(jī)器學(xué)習(xí)算法對(duì)原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)。例如，可以采用各類深度學(xué)習(xí)算法、神經(jīng)網(wǎng)絡(luò)算法、分類算法等，本發(fā)明對(duì)機(jī)器學(xué)習(xí)算法的具體類型不做限定，只要能夠針對(duì)原始語料數(shù)據(jù)中詞與詞之間的關(guān)聯(lián)關(guān)系進(jìn)行學(xué)習(xí)和校正即可。具體地，在本實(shí)施例中，學(xué)習(xí)模塊31通過由神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行機(jī)器學(xué)習(xí)。由于發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)，先將原始語料數(shù)據(jù)轉(zhuǎn)換成對(duì)應(yīng)的詞向量后再輸入神經(jīng)網(wǎng)絡(luò)模型的方式能夠縮短處理時(shí)間、提高處理精確度。因此，本實(shí)施例中，學(xué)習(xí)模塊31首先將獲取到的原始語料數(shù)據(jù)轉(zhuǎn)換成對(duì)應(yīng)的詞向量，然后將詞向量輸入預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型中的輸入層，并通過神經(jīng)網(wǎng)絡(luò)模型中的輸出層獲取詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。具體地，本實(shí)施例中的神經(jīng)網(wǎng)絡(luò)模型包含三層結(jié)構(gòu)：輸入層、輸出層以及位于輸入層和輸出層之間的隱藏層。其中，神經(jīng)網(wǎng)絡(luò)模型中的輸入層用于接收輸入的詞向量，為神經(jīng)網(wǎng)絡(luò)模型中的輸入端口；神經(jīng)網(wǎng)絡(luò)模型中的輸出層用于輸出詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果，為神經(jīng)網(wǎng)絡(luò)模型中的輸出端口；隱藏層位于輸入層和輸出層之間，具體用于對(duì)輸入的詞向量進(jìn)行特征提取。在這里，上述特征提取包括：提取原始語料數(shù)據(jù)中詞的位置，詞與詞之間的距離，詞與詞之間的填補(bǔ)關(guān)系等包含句子成分以及語義關(guān)系的關(guān)聯(lián)關(guān)系，相應(yīng)地，上述的關(guān)聯(lián)輸出結(jié)果是根據(jù)上述隱藏層針對(duì)輸入層輸入的詞向量進(jìn)行特征提取的結(jié)果而產(chǎn)生的。

另外，為了提高關(guān)聯(lián)輸出結(jié)果的準(zhǔn)確性，學(xué)習(xí)模塊31針對(duì)原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)的過程還包括：判斷詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果是否滿足預(yù)設(shè)的精度條件，當(dāng)判斷結(jié)果為否時(shí)，根據(jù)反向傳播算法對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。其中，既可以在神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程中進(jìn)行修正，也可以在神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)過程中進(jìn)行修正。其中，預(yù)設(shè)的精度條件可由本領(lǐng)域技術(shù)人員根據(jù)實(shí)際情況設(shè)置。例如，可以預(yù)先設(shè)置一個(gè)準(zhǔn)確率閾值，在預(yù)測(cè)階段定期獲取神經(jīng)網(wǎng)絡(luò)模型的全部輸出結(jié)果或隨機(jī)抽取部分輸出結(jié)果，當(dāng)確定輸出結(jié)果的準(zhǔn)確率未達(dá)到該閾值時(shí)則對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正?；蛘撸部梢栽谟?xùn)練階段每獲得一個(gè)輸出結(jié)果時(shí)，確定該輸出結(jié)果是否正確，若判斷結(jié)果為否，則對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。其中，學(xué)習(xí)模塊31在針對(duì)學(xué)習(xí)結(jié)果進(jìn)行校正時(shí)，可以通過反向傳播算法來監(jiān)督神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)過程。反向傳播算法能夠?qū)⒂?xùn)練輸入送入網(wǎng)絡(luò)以獲得激勵(lì)響應(yīng)，將激勵(lì)響應(yīng)同訓(xùn)練輸入對(duì)應(yīng)的目標(biāo)輸出求差，從而獲得隱藏層和輸出層的響應(yīng)誤差，然后通過調(diào)節(jié)每個(gè)詞向量的權(quán)重、參數(shù)等屬性來對(duì)應(yīng)調(diào)整每個(gè)詞向量，使神經(jīng)網(wǎng)絡(luò)模型得以修正。

存儲(chǔ)模塊32適于將原始語料數(shù)據(jù)以及原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)到預(yù)設(shè)的語料數(shù)據(jù)庫中。

具體地，原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系包括通過神經(jīng)網(wǎng)絡(luò)模型中的輸出層獲取到的詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。存儲(chǔ)模塊32具體用于將學(xué)習(xí)模塊31中獲取的原始語料數(shù)據(jù)以及與該原始語料數(shù)據(jù)對(duì)應(yīng)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)在預(yù)設(shè)的語料數(shù)據(jù)庫中。其中，上述語料數(shù)據(jù)庫能夠根據(jù)分布式消息隊(duì)列的更新結(jié)果進(jìn)行更新，即：預(yù)設(shè)的語料數(shù)據(jù)庫中存儲(chǔ)的數(shù)據(jù)會(huì)根據(jù)存儲(chǔ)原始語料數(shù)據(jù)的分布式消息隊(duì)列的更新情況而進(jìn)行不間斷地更新。也就是說，存儲(chǔ)在存儲(chǔ)模塊32中的原始語料數(shù)據(jù)及其關(guān)聯(lián)關(guān)系均為動(dòng)態(tài)變化的。具體實(shí)施時(shí)，可以每隔預(yù)設(shè)時(shí)間間隔獲取一次更新后的原始語料數(shù)據(jù)，相應(yīng)地，在學(xué)習(xí)模塊31和存儲(chǔ)模塊32中也每隔預(yù)設(shè)時(shí)間間隔重復(fù)執(zhí)行上述更新過程一次。具體時(shí)間間隔可根據(jù)線上網(wǎng)絡(luò)信息的更新頻率和/或信息時(shí)效性而確定。通過動(dòng)態(tài)更新原始語料數(shù)據(jù)及其關(guān)聯(lián)關(guān)系的方式能夠確保語料數(shù)據(jù)庫中存儲(chǔ)的內(nèi)容具有較強(qiáng)的時(shí)效性和較高的準(zhǔn)確性。具體實(shí)施中，由于新聞資訊的時(shí)效性較高，不同時(shí)段內(nèi)的語料數(shù)據(jù)可能具備不同的關(guān)聯(lián)關(guān)系，因此通過在存儲(chǔ)模塊32中循環(huán)執(zhí)行上述更新過程能夠有效提升語料數(shù)據(jù)庫的準(zhǔn)確性。

確定模塊33適于根據(jù)語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息。其中，確定模塊33進(jìn)一步包括：第一確定單元331以及第二確定單元332。

第一確定單元331適于獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞，根據(jù)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞以及語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系。

具體地，第一確定單元331首先針對(duì)各個(gè)網(wǎng)絡(luò)信息進(jìn)行關(guān)鍵詞的抽取，然后根據(jù)語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，建立關(guān)鍵詞之間的關(guān)聯(lián)映射關(guān)系，進(jìn)而根據(jù)關(guān)聯(lián)詞之間的關(guān)聯(lián)映射關(guān)系來確定相應(yīng)的網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系。在這里，第一確定單元331能夠根據(jù)原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系確定各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系，從而為后續(xù)的信息推送提供基礎(chǔ)。

第二確定單元332適于將各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系存儲(chǔ)到預(yù)設(shè)的映射數(shù)據(jù)庫中，根據(jù)顯示信息對(duì)應(yīng)的關(guān)鍵詞以及映射數(shù)據(jù)庫確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息。

具體地，第二確定單元332首先將第一確定單元331中建立的各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系存儲(chǔ)到預(yù)設(shè)的映射數(shù)據(jù)庫中。其中，預(yù)設(shè)的映射數(shù)據(jù)庫為在線數(shù)據(jù)庫，可以進(jìn)行在線地部署、集權(quán)以及查詢等操作。并且，預(yù)設(shè)的映射數(shù)據(jù)庫能夠進(jìn)一步根據(jù)語料數(shù)據(jù)庫的更新來動(dòng)態(tài)更新其中存儲(chǔ)的關(guān)聯(lián)映射關(guān)系。具體實(shí)施中，預(yù)設(shè)的映射數(shù)據(jù)庫可以為redis數(shù)據(jù)庫。然后，第二確定單元332抽取顯示信息中所對(duì)應(yīng)的關(guān)鍵詞，并根據(jù)上述關(guān)鍵詞在映射數(shù)據(jù)庫中查找與該關(guān)鍵詞存在對(duì)應(yīng)的關(guān)聯(lián)映射關(guān)系的關(guān)聯(lián)信息，并將查找到的對(duì)應(yīng)的關(guān)聯(lián)信息發(fā)送給推送模塊34。其中，在本實(shí)施例中，關(guān)聯(lián)信息的含義可以包括：能夠表示一個(gè)事物的不同方面，同時(shí)又不能與當(dāng)前事物為相似信息的信息。其中，若當(dāng)前信息與當(dāng)前事物為相似信息，則當(dāng)前信息可能為當(dāng)前事物的重復(fù)信息。因此，最理想的關(guān)聯(lián)信息為能夠闡述一個(gè)事物不同方面的信息，若關(guān)聯(lián)信息表示同一事物的同一方面，則相似度越小越好。

推送模塊34適于對(duì)關(guān)聯(lián)信息進(jìn)行推送。

具體地，推送模塊34在接收到第二確定單元332發(fā)送的關(guān)聯(lián)信息之后，將上述關(guān)聯(lián)信息確定為與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息并將上述關(guān)聯(lián)信息進(jìn)行推送。

信息索引建立模塊35適于根據(jù)關(guān)鍵詞與網(wǎng)絡(luò)信息之間的對(duì)應(yīng)關(guān)系建立用于根據(jù)關(guān)鍵詞查詢網(wǎng)絡(luò)信息的信息索引。

具體地，為了便于快速準(zhǔn)確地查詢網(wǎng)絡(luò)信息與其關(guān)鍵詞之間的對(duì)應(yīng)關(guān)系，在第一確定模塊331獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞之后，信息索引建立模塊35進(jìn)一步根據(jù)關(guān)鍵詞與各個(gè)網(wǎng)絡(luò)信息之間的對(duì)應(yīng)關(guān)系建立用于根據(jù)關(guān)鍵詞查詢網(wǎng)絡(luò)信息的信息索引。其中，上述信息索引可以是倒排索引。

篩選模塊36適于當(dāng)關(guān)聯(lián)信息的數(shù)量為多個(gè)時(shí)，進(jìn)一步根據(jù)相似度算法確定各個(gè)關(guān)聯(lián)信息與顯示信息之間的相似度，將相似度大于預(yù)設(shè)的第一閾值，和/或相似度小于預(yù)設(shè)的第二閾值的關(guān)聯(lián)信息刪除；其中，第一閾值大于第二閾值。

具體地，預(yù)設(shè)的第一閾值為本領(lǐng)域技術(shù)人員根據(jù)實(shí)際情況統(tǒng)計(jì)所得的當(dāng)關(guān)聯(lián)信息與顯示信息為重復(fù)信息時(shí)的最小相似值，即：當(dāng)根據(jù)相似度算法的計(jì)算結(jié)果大于預(yù)設(shè)的第一閾值時(shí)，關(guān)聯(lián)信息與顯示信息為重復(fù)信息；預(yù)設(shè)的第二閾值為本領(lǐng)域技術(shù)人員根據(jù)實(shí)際情況統(tǒng)計(jì)所得的關(guān)聯(lián)信息與顯示信息為非關(guān)聯(lián)信息時(shí)的最大相似值，即：當(dāng)計(jì)算結(jié)果小于預(yù)設(shè)的第二閾值時(shí)，關(guān)聯(lián)信息與顯示信息為非關(guān)聯(lián)信息。具體實(shí)施中，當(dāng)關(guān)聯(lián)信息的數(shù)量為多個(gè)時(shí)，為了篩除太過相似的關(guān)聯(lián)信息以及篩除相關(guān)性過小的關(guān)聯(lián)信息，篩選模塊36根據(jù)相似度算法計(jì)算各個(gè)關(guān)聯(lián)信息與顯示信息之間的相似度，并將上述計(jì)算結(jié)果與預(yù)設(shè)第一閾值和/或第二閾值進(jìn)行比較，當(dāng)計(jì)算結(jié)果大于預(yù)設(shè)的第一閾值，和/或計(jì)算結(jié)果小于預(yù)設(shè)的第二閾值時(shí)，將與該計(jì)算結(jié)果對(duì)應(yīng)的關(guān)聯(lián)信息刪除。其中，上述相似度算法由本領(lǐng)域技術(shù)人員根據(jù)實(shí)際情況進(jìn)行選擇或設(shè)置，本發(fā)明對(duì)此不作限制。

最后，要說明的是，上述各個(gè)模塊的具體結(jié)構(gòu)和工作原理可參照方法實(shí)施例中相應(yīng)步驟的描述，此處不再贅述。另外，本領(lǐng)域技術(shù)人員還可以將上述的各個(gè)模塊合并為更少的模塊，或拆分為更多的模塊，而且，還可以省略其中的部分模塊，例如，可以省略信息索引建立模塊、以及篩選模塊等。

由此可見，在本發(fā)明提供的關(guān)聯(lián)信息的推送裝置中，首先通過學(xué)習(xí)模塊31根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，確定獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系；通過存儲(chǔ)模塊32將原始語料數(shù)據(jù)以及原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)到預(yù)設(shè)的語料數(shù)據(jù)庫中；通過確定模塊33中的第一確定單元331獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞，根據(jù)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞以及語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系；并通過確定模塊33中的第二確定單元332將各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系存儲(chǔ)到預(yù)設(shè)的映射數(shù)據(jù)庫中，根據(jù)顯示信息對(duì)應(yīng)的關(guān)鍵詞以及映射數(shù)據(jù)庫確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息；最后通過推動(dòng)模塊34對(duì)確定的關(guān)聯(lián)信息進(jìn)行推送。其中，在實(shí)現(xiàn)本發(fā)明裝置的過程中，還進(jìn)一步通過信息索引建立模塊35根據(jù)關(guān)鍵詞與網(wǎng)絡(luò)信息之間的對(duì)應(yīng)關(guān)系建立用于根據(jù)關(guān)鍵詞查詢網(wǎng)絡(luò)信息的信息索引；以及，當(dāng)確定的關(guān)聯(lián)信息的數(shù)量為多個(gè)時(shí)，通過篩選模塊36根據(jù)相似度算法確定各個(gè)關(guān)聯(lián)信息與顯示信息之間的相似度，將相似度大于預(yù)設(shè)的第一閾值，和/或相似度小于預(yù)設(shè)的第二閾值的關(guān)聯(lián)信息刪除；其中，第一閾值大于第二閾值。因此，本發(fā)明中的方案解決了在推送關(guān)聯(lián)信息時(shí)，由于并未考慮語義之間的關(guān)聯(lián)關(guān)系，導(dǎo)致推送結(jié)果無法更好地迎合用戶需求的問題，提出了一種利用包含語義在內(nèi)的關(guān)聯(lián)關(guān)系來查找并推送關(guān)聯(lián)信息的方法，增加了針對(duì)關(guān)聯(lián)信息挖掘的準(zhǔn)確性，能夠基于信息中包含的語義來分析信息的相關(guān)性，提高了推送的關(guān)聯(lián)信息的質(zhì)量。

在此提供的算法和顯示不與任何特定計(jì)算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見的。此外，本發(fā)明也不針對(duì)任何特定編程語言。應(yīng)當(dāng)明白，可以利用各種編程語言實(shí)現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對(duì)特定語言所做的描述是為了披露本發(fā)明的最佳實(shí)施方式。

在此處所提供的說明書中，說明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說明書的理解。

類似地，應(yīng)當(dāng)理解，為了精簡本公開并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè)，在上面對(duì)本發(fā)明的示例性實(shí)施例的描述中，本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施例、圖、或者對(duì)其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個(gè)實(shí)施例的所有特征。因此，遵循具體實(shí)施方式的權(quán)利要求書由此明確地并入該具體實(shí)施方式，其中每個(gè)權(quán)利要求本身都作為本發(fā)明的單獨(dú)實(shí)施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對(duì)實(shí)施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們?cè)O(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)設(shè)備中?？梢园褜?shí)施例中的模塊或單元或組件組合成一個(gè)模塊或單元或組件，以及此外可以把它們分成多個(gè)子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對(duì)本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進(jìn)行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個(gè)特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來使用。

本發(fā)明的各個(gè)部件實(shí)施例可以以硬件實(shí)現(xiàn)，或者以在一個(gè)或者多個(gè)處理器上運(yùn)行的軟件模塊實(shí)現(xiàn)，或者以它們的組合實(shí)現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實(shí)踐中使用微處理器或者數(shù)字信號(hào)處理器(dsp)來實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的關(guān)聯(lián)信息的推送裝置模塊中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實(shí)現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品)。這樣的實(shí)現(xiàn)本發(fā)明的程序可以存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上，或者可以具有一個(gè)或者多個(gè)信號(hào)的形式。這樣的信號(hào)可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號(hào)上提供，或者以任何其他形式提供。

應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說明而不是對(duì)本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中，不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個(gè)”不排除存在多個(gè)這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個(gè)可以是通過同一個(gè)硬件項(xiàng)來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。

本發(fā)明公開了：a1、一種關(guān)聯(lián)信息的推送方法，包括：

根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，確定所述獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系；

將所述原始語料數(shù)據(jù)以及所述原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)到預(yù)設(shè)的語料數(shù)據(jù)庫中；

根據(jù)所述語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息，并對(duì)所述關(guān)聯(lián)信息進(jìn)行推送。

a2、根據(jù)a1所述的方法，其中，所述根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，以確定所述獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系的步驟具體包括：

將所述獲取到的原始語料數(shù)據(jù)轉(zhuǎn)換成對(duì)應(yīng)的詞向量，將所述詞向量輸入預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型中的輸入層，并通過所述神經(jīng)網(wǎng)絡(luò)模型中的輸出層獲取所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。

a3、根據(jù)a2所述的方法，其中，所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)一步包括：位于所述輸入層和所述輸出層之間的隱藏層；則所述通過所述神經(jīng)網(wǎng)絡(luò)模型中的輸出層獲取所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果的步驟具體包括：

通過所述隱藏層對(duì)所述輸入層輸入的詞向量進(jìn)行特征提取，由所述輸出層根據(jù)特征提取的結(jié)果輸出所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。

a4、根據(jù)a2或a3所述的方法，其中，所述根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)的步驟中進(jìn)一步包括：

判斷所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果是否滿足預(yù)設(shè)的精度條件，當(dāng)判斷結(jié)果為否時(shí)，根據(jù)反向傳播算法對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。

a5、根據(jù)a1所述的方法，其中，所述根據(jù)所述語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息的步驟具體包括：

獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞，根據(jù)所述網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞以及所述語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系；

將所述各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系存儲(chǔ)到預(yù)設(shè)的映射數(shù)據(jù)庫中，根據(jù)所述顯示信息對(duì)應(yīng)的關(guān)鍵詞以及所述映射數(shù)據(jù)庫確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息。

a6、根據(jù)a5所述的方法，其中，所述獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞的步驟之后，進(jìn)一步包括步驟：根據(jù)關(guān)鍵詞與網(wǎng)絡(luò)信息之間的對(duì)應(yīng)關(guān)系建立用于根據(jù)關(guān)鍵詞查詢網(wǎng)絡(luò)信息的信息索引。

a7、根據(jù)a5或a6所述的方法，其中，所述根據(jù)所述顯示信息對(duì)應(yīng)的關(guān)鍵詞以及所述映射數(shù)據(jù)庫確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息的步驟之后進(jìn)一步包括：

當(dāng)所述關(guān)聯(lián)信息的數(shù)量為多個(gè)時(shí)，進(jìn)一步根據(jù)相似度算法確定各個(gè)關(guān)聯(lián)信息與所述顯示信息之間的相似度，將相似度大于預(yù)設(shè)的第一閾值，和/或相似度小于預(yù)設(shè)的第二閾值的關(guān)聯(lián)信息刪除；其中，所述第一閾值大于所述第二閾值。

a8、根據(jù)a1所述的方法，其中，所述原始語料數(shù)據(jù)通過分布式消息隊(duì)列進(jìn)行獲取，且所述語料數(shù)據(jù)庫能夠根據(jù)所述分布式消息隊(duì)列的更新結(jié)果進(jìn)行更新。

a9、根據(jù)a1所述的方法，其中，所述關(guān)聯(lián)信息包括以下中的至少一個(gè)：新聞信息、導(dǎo)航信息、網(wǎng)頁信息以及搜索信息。

本發(fā)明還公開了：b10、一種關(guān)聯(lián)信息的推送裝置，包括：

學(xué)習(xí)模塊，適于根據(jù)機(jī)器學(xué)習(xí)算法對(duì)獲取到的原始語料數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，確定所述獲取到的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系；

存儲(chǔ)模塊，適于將所述原始語料數(shù)據(jù)以及所述原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系存儲(chǔ)到預(yù)設(shè)的語料數(shù)據(jù)庫中；

確定模塊，適于根據(jù)所述語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息；

推送模塊，適于對(duì)所述關(guān)聯(lián)信息進(jìn)行推送。

b11、根據(jù)b10所述的裝置，其中，所述學(xué)習(xí)模塊具體用于：

將所述獲取到的原始語料數(shù)據(jù)轉(zhuǎn)換成對(duì)應(yīng)的詞向量，將所述詞向量輸入預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型中的輸入層，并通過所述神經(jīng)網(wǎng)絡(luò)模型中的輸出層獲取所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。

b12、根據(jù)b11所述的裝置，其中，所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)一步包括：位于所述輸入層和所述輸出層之間的隱藏層；則所述學(xué)習(xí)模塊進(jìn)一步用于：

通過所述隱藏層對(duì)所述輸入層輸入的詞向量進(jìn)行特征提取，由所述輸出層根據(jù)特征提取的結(jié)果輸出所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果。

b13、根據(jù)b11或b12所述的裝置，其中，所述學(xué)習(xí)模塊進(jìn)一步用于：

判斷所述詞向量對(duì)應(yīng)的關(guān)聯(lián)輸出結(jié)果是否滿足預(yù)設(shè)的精度條件，當(dāng)判斷結(jié)果為否時(shí)，根據(jù)反向傳播算法對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。

b14、根據(jù)b10所述的裝置，其中，所述確定模塊包括：

第一確定單元，適于獲取各個(gè)網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞，根據(jù)所述網(wǎng)絡(luò)信息對(duì)應(yīng)的關(guān)鍵詞以及所述語料數(shù)據(jù)庫中存儲(chǔ)的原始語料數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，確定各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系；

第二確定單元，適于將所述各個(gè)網(wǎng)絡(luò)信息之間的關(guān)聯(lián)映射關(guān)系存儲(chǔ)到預(yù)設(shè)的映射數(shù)據(jù)庫中，根據(jù)所述顯示信息對(duì)應(yīng)的關(guān)鍵詞以及所述映射數(shù)據(jù)庫確定與顯示信息相對(duì)應(yīng)的關(guān)聯(lián)信息。

b15、根據(jù)b14所述的裝置，其中，所述裝置進(jìn)一步包括：信息索引建立模塊，適于根據(jù)關(guān)鍵詞與網(wǎng)絡(luò)信息之間的對(duì)應(yīng)關(guān)系建立用于根據(jù)關(guān)鍵詞查詢網(wǎng)絡(luò)信息的信息索引。

b16、根據(jù)b14或b15所述的裝置，其中，所述裝置進(jìn)一步包括：

篩選模塊，適于當(dāng)所述關(guān)聯(lián)信息的數(shù)量為多個(gè)時(shí)，進(jìn)一步根據(jù)相似度算法確定各個(gè)關(guān)聯(lián)信息與所述顯示信息之間的相似度，將相似度大于預(yù)設(shè)的第一閾值，和/或相似度小于預(yù)設(shè)的第二閾值的關(guān)聯(lián)信息刪除；其中，所述第一閾值大于所述第二閾值。

b17、根據(jù)b10所述的裝置，其中，所述原始語料數(shù)據(jù)通過分布式消息隊(duì)列進(jìn)行獲取，且所述語料數(shù)據(jù)庫能夠根據(jù)所述分布式消息隊(duì)列的更新結(jié)果進(jìn)行更新。

b18、根據(jù)b10所述的裝置，其中，所述關(guān)聯(lián)信息包括以下中的至少一個(gè)：新聞信息、導(dǎo)航信息、網(wǎng)頁信息以及搜索信息。