本技術涉及信息處理，特別是涉及一種文本內容推薦方法、裝置、電子設備及存儲介質。

背景技術：

1、目前，新聞推薦系統向用戶推薦新聞時，都是向用戶推薦整篇新聞。具體地，現有的新聞推薦系統使用不同的算法，根據反映了用戶喜好的用戶特征，以及反映了新聞所包括內容的新聞特征，獲取每一篇新聞的內容與用戶喜好的匹配程度，對每一篇新聞進行打分。新聞推薦系統再將得分較高的新聞，也就是更符合用戶喜好的新聞，整篇地推薦給用戶。

2、而整篇新聞往往文章較長、內容較多，用戶可能僅對其中的部分內容感興趣，但是通過上述推薦方式向用戶推薦新聞，用戶不能從推薦的新聞中直接地獲取感興趣的內容，新聞推薦的精準度差，造成用戶時間的浪費，用戶體驗較差。

技術實現思路

1、本技術實施例的目的在于提供一種文本內容推薦方法、裝置、電子設備及存儲介質，以提高向用戶推薦內容的精準度。具體技術方案如下：

2、在本技術實施例的第一方面，提供了一種文本內容推薦方法，所述方法包括：

3、響應于用戶瀏覽第一文本，獲取所述第一文本的第一內容要點和以所述第一內容要點為答案可提出的第一問題；

4、根據所述第一文本、所述第一內容要點和所述第一問題生成召回種子；

5、利用所述召回種子，從問題要點對數據庫存儲的問題要點對中篩選待推薦問題要點對，其中，所述問題要點對數據庫中存儲有第一類問題要點對，所述第一類問題要點對中包括：利用大語言模型提取的已收集文本的內容要點和以內容要點為答案可提出的問題；

6、對待推薦問題要點對中的問題進行排序，并根據排序結果，以問答形式向所述用戶推薦待推薦問題要點對中的問題和內容要點。

7、在一些實施例中，所述根據所述第一文本、所述第一內容要點和所述第一問題生成召回種子，包括：

8、獲得所述用戶歷史瀏覽的第二文本；

9、獲取所述第二文本的第二內容要點和以所述第二內容要點為答案可提出的第二問題；

10、根據所述第一文本、所述第一內容要點、所述第一問題、所述第二文本、第二內容要點和第二問題，生成召回種子。

11、在一些實施例中，所述根據排序結果，以問答形式向所述用戶推薦待推薦問題要點對中的問題和內容要點，包括：

12、按照排序結果，向所述用戶推薦待推薦問題要點對中的問題，響應于所述用戶在所推薦問題中的選擇操作，向所述用戶展示所選擇問題對應的內容要點；

13、或

14、按照排序結果，以問題要點對中內容要點展示于問題下方的方式，向用戶展示待推薦問題要點對。

15、在一些實施例中，所述問題要點對數據庫中還存儲有第二類問題要點對，所述第二類問題要點中包括：所述用戶已瀏覽文本的內容要點和以內容要點為答案可提出的問題，所述第二類問題要點對標記有所述用戶的標識；

16、其中，所述第二類問題要點對中包括的問題和內容要點按照以下方式生成：

17、將所述用戶已瀏覽文本、預設的要點提取引導詞和用戶引導詞，輸入大語言模型，獲得所述大語言模型輸出的所述已瀏覽文本的內容要點和以內容要點為答案的可提出的問題，其中，所述用戶引導詞包括：所述用戶的用戶特征。

18、在一些實施例中，所述問題要點對數據庫以文本嵌入向量形式存儲問題要點對，其中，所述文本嵌入向量為：對問題要點對中問題和內容要點進行拼接后進行降維處理得到的向量。

19、在一些實施例中，所述對待推薦問題要點對中的問題進行排序，包括：

20、獲得所述用戶的用戶特征和待推薦問題要點對中問題的問題特征；

21、基于所獲得的特征和所述第一文本的文本特征，對待推薦問題要點對中的問題進行排序。

22、在一些實施例中，所述用戶特征包括：所述用戶歷史瀏覽第二文本的瀏覽記錄和所述用戶的用戶畫像；和/或

23、所述問題特征包括：問題的點擊率和待推薦問題要點對中問題；和/或

24、所述文本特征包括：所述第一文本、第一內容要點和第一問題。

25、在本技術實施例的第二方面，提供了一種文本內容推薦裝置，所述裝置包括：

26、獲取模塊，用于響應于用戶瀏覽第一文本，獲取所述第一文本的第一內容要點和以所述第一內容要點為答案可提出的第一問題；

27、生成模塊，用于根據所述第一文本、所述第一內容要點和所述第一問題生成召回種子；

28、篩選模塊，用于利用所述召回種子，從問題要點對數據庫存儲的問題要點對中篩選待推薦問題要點對，其中，所述問題要點對數據庫中存儲有第一類問題要點對，所述第一類問題要點對中包括：利用大語言模型提取的已收集文本的內容要點和以內容要點為答案可提出的問題；

29、推薦模塊，用于對待推薦問題要點對中的問題進行排序，并根據排序結果，以問答形式向所述用戶推薦待推薦問題要點對中的問題和內容要點。

30、在一些實施例中，所述生成模塊，具體用于：

31、獲得所述用戶歷史瀏覽的第二文本；

32、獲取所述第二文本的第二內容要點和以所述第二內容要點為答案可提出的第二問題；

33、根據所述第一文本、所述第一內容要點、所述第一問題、所述第二文本、第二內容要點和第二問題，生成召回種子。

34、在一些實施例中，所述推薦模塊，具體用于：

35、按照排序結果，向所述用戶推薦待推薦問題要點對中的問題，響應于所述用戶在所推薦問題中的選擇操作，向所述用戶展示所選擇問題對應的內容要點；或

36、按照排序結果，以問題要點對中內容要點展示于問題下方的方式，向用戶展示待推薦問題要點對。

37、在一些實施例中，所述問題要點對數據庫中還存儲有第二類問題要點對，所述第二類問題要點中包括：所述用戶已瀏覽文本的內容要點和以內容要點為答案可提出的問題，所述第二類問題要點對標記有所述用戶的標識；

38、其中，所述第二類問題要點對中包括的問題和內容要點按照以下方式生成：

39、將所述用戶已瀏覽文本、預設的要點提取引導詞和用戶引導詞，輸入大語言模型，獲得所述大語言模型輸出的所述已瀏覽文本的內容要點和以內容要點為答案的可提出的問題，其中，所述用戶引導詞包括：所述用戶的用戶特征。

40、在一些實施例中，所述問題要點對數據庫以文本嵌入向量形式存儲問題要點對，其中，所述文本嵌入向量為：對問題要點對中問題和內容要點進行拼接后進行降維處理得到的向量。

41、在一些實施例中，所述推薦模塊，具體用于：

42、獲得所述用戶的用戶特征和待推薦問題要點對中問題的問題特征；

43、基于所獲得的特征和所述第一文本的文本特征，對待推薦問題要點對中的問題進行排序。

44、在一些實施例中，所述用戶特征包括：所述用戶歷史瀏覽第二文本的瀏覽記錄和所述用戶的用戶畫像；和/或

45、所述問題特征包括：問題的點擊率和待推薦問題要點對中問題；和/或

46、所述文本特征包括：所述第一文本、第一內容要點和第一問題。

47、在本技術實施例的第三方面，提供了一種電子設備，包括處理器、通信接口、存儲器和通信總線，其中，處理器，通信接口，存儲器通過通信總線完成相互間的通信；

48、存儲器，用于存放計算機程序；

49、處理器，用于執(zhí)行存儲器上所存放的程序時，實現上述第一方面任一所述的方法。

50、在本技術實施例的第四方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現上述第一方面任一所述的方法。

51、在本技術實施例的第五方面，還提供了一種包含指令的計算機程序產品，當其在計算機上運行時，使得計算機執(zhí)行上述第一方面任一所述的方法。

52、本技術實施例有益效果：

53、本技術實施例提供的技術方案中，當電子設備檢測到第一用戶瀏覽第一文本時，電子設備可以獲取第一文本的第一內容要點和以第一內容要點為答案可提出的第一問題；再根據第一內容、第一內容要點和第一問題生成召回種子；利用召回種子從問題要點對數據庫中存儲的問題要點對中篩選與第一文本相關的待推薦問題要點對；再對篩選出的待推薦問題要點對中的問題進行排序，根據排序結果以問答形式向用戶進行文本內容推薦。其中，問題要點對數據庫中存儲有第一類問題要點對，第一類問題要點對是利用大語言模型提取的已收集文本的內容要點和以內容要點為答案可提出的問題，保證了待推薦問題要點對本身的準確性；并且，待推薦問題要點對與第一文本相關，用戶對待推薦問題要點對中的問題感興趣的可能性較高。應用本技術實施例提供的技術方案，向用戶推薦問答形式的待推薦問題要點對中的問題和內容要點，提高了向用戶推薦內容的精準度；用戶可以更為直觀地獲取到簡短的要點內容，而不需要再對較長的原始文本進行通篇閱讀，節(jié)約了用戶的時間，用戶點擊推薦的文本內容的點擊率更高，提升了用戶體驗，也就提升了用戶滿意度，進而增強用戶粘性。

54、當然，實施本技術的任一產品或方法并不一定需要同時達到以上所述的所有優(yōu)點。