(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210908468.5 (22)申请日 2022.07.29 (71)申请人 中银金融科技有限公司 地址 200120 上海市浦东 新区(上海)自由 贸易试验区银城中路20 0号4楼408室 (72)发明人 涂晓招　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 郭亮 (51)Int.Cl. G06F 16/9535(2019.01) G06F 40/289(2020.01) G06F 40/216(2020.01) (54)发明名称 学术论文推送方法及装置 (57)摘要 本发明提供一种学术论文推送方法及 装置， 该方法包括： 获取当前用户的第一特征数据， 并 确定候选论文的第二特征数据； 将第一特征数据 和每个候选论文的第二特征数据输入至训练好 的DeepFM模型中， 输 出当前用户对每个候选论文 的契合度预测值； 根据各候选论文对应的契合度 预测值， 对各候选论文进行排序， 并根据排序结 果向当前用户推送候选论文； 其中， DeepFM模型 基于标准用户的第一特征数据、 标准用户已获取 论文的第二特征数据及对应的实际契合度训练 得到。 该方法无需用户对学术领域进行研究， 以 及花费精力确定关键词进行搜索， 仅需从自身特 征出发就可得到符合自身兴趣和 需要的学术论 文， 提高了论文与用户的匹配效率和匹配精度。 权利要求书2页 说明书7页 附图2页 CN 115391645 A 2022.11.25 CN 115391645 A 1.一种学术 论文推送方法， 其特 征在于， 包括： 获取当前用户的第一特 征数据， 并确定候选论文的第二特 征数据； 将所述第一特征数据和每个候选论文的第二特征数据输入至训练好的DeepFM模型中， 输出所述当前用户对每 个候选论文的契合度预测值； 根据各候选论文对应的契合度预测值， 对各候选论文进行排序， 并根据排序结果向当 前用户推送候选论文； 其中， 所述DeepFM模型基于标准用户的第一特征数据、 标准用户已获取论文 的第二特 征数据及对应的实际契合度训练得到； 所述契合度表示用户对论文内容的需求 程度。 2.根据权利要求1所述的学术论文推送方法， 其特征在于， 所述获取当前用户的第 一特 征数据之前， 还 包括： 根据筛选特征确定标准用户； 其中， 所述筛选特征包括论文发表数量、 发表期刊等级、 参与科研项目数量和发明专利 数量。 3.根据权利要求2所述的学术论文推送方法， 其特征在于， 所述根据筛选特征确定标准 用户之后， 还 包括： 获取标准用户的专业描述数据、 论文摘要描述数据、 科研项目描述数据和专利摘要描 述数据， 进行分词处 理得到候选词； 根据所述 候选词与标准词库中词的相似度， 基于W ordNet算法确定待分析词； 对所述待分析词进行聚类分析， 根据聚类结果确定标准用户的特征词， 根据所述标准 用户的特 征词确定特 征数据， 作为所述第一特 征数据或者第一特 征数据中的部分特 征。 4.根据权利要求1所述的学术论文推送方法， 其特征在于， 所述获取当前用户的第 一特 征数据， 包括： 发送问卷内容至人机界面， 其中， 问卷问题与标准用户第一特 征数据中的特 征对应； 接收当前用户根据问卷内容反馈的答案， 根据所述 答案进行分词提取 得到候选词； 根据所述候选词与标准词库中词的相似度， 基于WordNet算法确定待分析词， 根据待分 析词确定当前用户的第一特 征数据。 5.根据权利要求1所述的学术论文推送方法， 其特征在于， 所述确定候选论文的第 二特 征数据， 包括： 获取每个候选论文的摘要数据， 进行分词处 理得到候选词； 根据所述候选词与标准词库中词的相似度， 基于WordNet算法确定待分析词， 根据所述 待分析词确定候选论文的第二特 征数据。 6.根据权利要求1 ‑5任一项所述的学术论文推送方法， 其特征在于， 所述获取当前用户 的第一特 征数据之前， 还 包括： 获取标准用户的第一特征数据， 并确定标准用户已获取论文的第二特征数据； 其中， 所 述已获取论文包括发表论文、 下 载论文和查阅论文； 按照发表论文、 下 载论文和查阅论文契合度由高到低标记； 将标准用户第一特征数据和每个已获取论文的第二特征数据输入至初始DeepFM模型 中， 基于标记的契合度对所述初始De epFM模型进行训练， 得到所述训练好的De epFM模型。 7.一种学术 论文推送装置， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115391645 A 2采集模块， 用于获取当前用户的第一特 征数据， 并确定候选论文的第二特 征数据； 处理模块， 用于将所述第 一特征数据和每个候选论文的第 二特征数据输入至训练好的 DeepFM模型中， 输出 所述当前用户对每 个候选论文的契合度预测值； 推送模块， 用于根据 各候选论文对应的契合度 预测值， 对各候选论文进行排序， 并根据 排序结果向当前用户推送候选论文； 其中， 所述DeepFM模型基于标准用户的第一特征数据、 标准用户已获取论文 的第二特 征数据及对应的实际契合度训练得到； 所述契合度表示用户对论文内容的需求 程度。 8.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至6任一项所 述学术论文推送方法。 9.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机 程序被处 理器执行时实现如权利要求1至 6任一项所述学术 论文推送方法。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现如权利要求1至 6任一项所述学术 论文推送方法。权　利　要　求　书 2/2 页 3 CN 115391645 A 3