买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏叁拾叁信息技术有限公司

摘要：本发明公开了基于人工智能的个性化数据检索方法与系统，该方法基于预设的神经网络模型将用户输入搜索引擎输入框的第一检索信息转化为基于标准词库的第二检索信息；根据用户对所述第二检索信息的确认操作执行搜索得到检索结果，通过预设的遗传算法模型对检索结果的首页进行排序并展示给用户；该方法基于用户画像，通过综合考虑数据个性化和数据关联性等因素，实现了检索结果的合理排序，提高了检索结果的准确性和相关性。

主权项：1.基于人工智能的个性化数据检索方法，其特征在于，所述方法响应用户在搜索引擎输入框的第一检索信息，所述方法包括以下步骤：步骤S1，基于预设的神经网络模型将用户输入搜索引擎输入框的第一检索信息转化为基于标准词库的第二检索信息；所述预设的神经网络模型包括输入层、嵌入层、隐藏层和输出层；所述输入层接收用户输入的第一检索信息，将原始文本或关键词作为初始数据传递给嵌入层；所述嵌入层将输入层传递的原始文本或关键词转化为词嵌入向量，嵌入层的输出为向量序列E，其大小为，其中是词嵌入向量的维度；所述隐藏层包含两个子层，第一隐藏层为RNN层，用于接受嵌入层输出的词嵌入向量序列E，在每个时间步，RNN层根据当前的词嵌入向量和前一个时间步的隐藏状态来计算新的隐藏状态，第一隐藏层的输出为H，其大小为，其是输入文本的长度，是隐藏状态的维度；第二隐藏层为全连接层，用于接收第一隐藏层的输出H，并将其转换为与标准词库中的分词向量相同维度的向量，所述第二隐藏层包含权重矩阵和偏置项，第二隐藏层的输出为C，其大小为，其中是标准词库中分词向量的维度，C中的每个向量都与标准词库中的一个分词向量相对应；所述输出层将所述第二隐藏层的输出C进行聚合，生成最终的第二检索信息，第二检索信息表示为Y，其大小为，与标准词库中的分词向量具有相同的维度；输出层的函数为：，为取平均值聚合函数；步骤S2，根据用户对所述第二检索信息的确认操作执行搜索得到检索结果，通过预设的遗传算法模型对检索结果的首页进行排序并展示给用户；调取用户画像，所述检索结果的首页在满足约束条件的前提下，检索结果的目标函数满足数据个性化和数据关联性之和最大化，其约束条件的数学表达式为： 其中，为展示页面的结果中含有个性化数据的条数，为检索结果首页允许的最大结果数；当检索结果首页第条数据含有个性化数据时，记=1，否则记为0；，为检索结果首页最终展示的结果数；所述检索结果的目标函数： 其中，为检索结果的目标函数，为数据个性化函数，为数据关联性函数，和分别为数据个性化函数和数据关联性函数的权重值,；代表第条检索结果的数据个性化指数，，当时，表示检索结果的数据与用户画像之间不存在关联，的值越接近1表示检索结果的数据越接近用户画像；为首页的检索结果与第二检索信息之间的总相似度，为第条检索结果的数据关联度。

全文数据：

权利要求：

百度查询： 江苏叁拾叁信息技术有限公司 基于人工智能的个性化数据检索方法与系统