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！

摘要：本发明提供一种基于零次学习的清单推荐方法、系统、设备及存储介质，方法包括：获取待创建清单的基本信息属性；将基本信息属性输入至预先训练好的零次学习模型中，得到零次学习模型输出的预测样例特征；其中，零次学习模型是基于训练清单以及训练样例之间的映射训练得到的；将预测样例特征与真实样例特征进行相似度匹配，并将匹配成功的真实样例特征对应的样例推荐至待创建清单中构建清单。本发明通过零次学习模型获取与待创建清单的基本信息属性存在映射关系的预测样例特征，并根据预测样例特征推荐样例至待创建清单中，从而根据用户需求或偏好进行个性化清单推荐，提高了生成的推荐清单的准确性，进一步提高了与用户的交互性及交互准确性。

主权项：1.一种基于零次学习的清单推荐方法，其特征在于，包括：获取待创建清单的基本信息属性；将所述基本信息属性输入至预先训练好的零次学习模型中，得到所述零次学习模型输出的预测样例特征；其中，所述零次学习模型是基于训练清单以及训练样例之间的映射训练得到的，所述预测样例特征是基于零次学习模型获得的且与待创建清单的基本信息属性存在映射关系；将所述预测样例特征与真实样例特征进行相似度匹配，并将匹配成功的真实样例特征对应的样例推荐至待创建清单中构建清单；所述获取待创建清单的基本信息属性，包括：根据用户需求或偏好确定待创建清单的基本信息，所述待创建清单的基本信息包括待创建清单标签、待创建清单名称和用于介绍待创建清单的语言描述；基于所述基本信息进行特征提取，并将提取的特征转换为向量；将转换后的向量进行拼接形成基本信息属性；所述将所述预测样例特征与真实样例特征进行相似度匹配，并将匹配成功的真实样例特征对应的样例推荐至待创建清单中构建清单，包括：选取与所述预测样例特征最邻近的真实样例特征；将选取的最邻近的真实样例特征作为推荐样例，推荐至待创建清单中进行清单构建；当与所述预测样例特征进行相似度匹配的真实样例特征属于同一真实清单时，寻找与所述预测样例特征最邻近的真实样例特征，包括：计算所述预测样例特征与真实样例特征之间的欧式距离或余弦相似度；根据距离大小对所述欧式距离进行排序，或根据相似度大小对所述余弦相似度进行排序；根据所述排序，选取对应欧式距离最小或余弦相似度最大的真实样例特征作为与所述预测样例特征最邻近的真实样例特征；当与所述预测样例特征进行相似度匹配的真实样例特征属于不同真实清单时，寻找与所述预测样例特征最邻近的真实样例特征，包括：计算所述预测样例特征与真实样例特征之间的欧式距离或余弦相似度；根据距离大小对所述欧式距离进行排序，或根据相似度大小对所述余弦相似度进行排序；根据排序，统计对应欧式距离最小或余弦相似度最大的多个真实样例特征中相同真实样例特征的出现次数，并将出现次数最多的真实样例特征作为与所述预测样例特征最邻近的真实样例特征。

全文数据：

权利要求：

百度查询： 北京大学 基于零次学习的清单推荐方法、系统、设备及存储介质