文本推荐
基于文档的语义、字词等属性，采集终端（Web、App、软件等）的用户行为、后端服务器日志（Log）、业务数据和第三方等多方数据源，存储细粒度数据，利用深度学习和语义分析模型构建推荐引擎，根据用户输入的文本自动推荐的更多同类型文档和具有相关性的文本。
产品优势
性能高效
提供深度学习等先进的机器学习算法，保证推荐效果。
精准化迭代
基于效果分析，可灵活调整特征集， 迭代模型参数，快速调优整体方案。
私有化部署
支持私有化部署，积累用户行为数据资产，确保核心数据资产安全。
模型介绍
word2vec语义距离
文档向量是基于词向量，将一个文档转换成向量的模型（词袋模型）。可以用于短文本的相似度计算，是一个较强的基线模型。word2vec 通过训练，通过内容表征语义，可以把对文本内容的处理简化为 K 维向量空间中的向量 运算，而向量空间上的相似度可以用来表示文本语义上的相似度。因此，word2vec 输出的词向量可以被用来做很多 NLP 相关的工作，比如聚类、找同义词、词性分 析等等
应用场景
- 个性化推荐
- 主题划分
- 新闻推送
- 热搜榜单
电商相似商品推荐
为用户推荐有价值、个性化的内容资讯.在用户购物意图不明确的情况下，利用机器学习（深度学习）结合用户特征、物品特征和场景特征来构建用户兴趣模型，从海量的商品中找到用户感兴趣商品，缩短用户到商品的距离，提升用户购买效率和产品体验。
图书主题分类
利用文本语义距离，将文本进行相似度推荐，真正实现把方便读者放在第一位，让图书馆藏书得到充分利用，提供了分类检索途径，也应提供了主题检索途径。
热搜新闻推送
针对新闻报道的中心思想和基本观点，利用模型帮助我们判断它最有可能属于哪一种类型的新闻，并推荐给用户浏览更多同类资料。
实时热点排行榜
将全网热点排行实时更新，实时更新网络热点，为用户推荐解读最新最热的人事物信息，开拓热点词阅读时代！
生成接口
文本推荐
API地址
参数说明
功能演示
-
- 接口地址：/suggester/textSuggest
- token：2145fa74hf61jf9a8vj417a9341123sd
- 建立时间：2020-01-01 00:00:00
- 备注：
接口示例
停用 启用 删除 -
- 接口地址：{{item.url}}
- token：{{item.token}}
- 建立时间：{{item.createDate}}
- 备注：
保存取消
已启用 已停用 停用 启用 删除
请求方式
POST
请求参数
| 参数名称 | 参数说明 | 请求类型 | 是否必须 | 数据类型 |
|---|---|---|---|---|
| sentenceArray | 能够进行推荐的列表 | Body:form-data | true | string |
| size | 需要提取的推荐个数 | Body:form-data | true | string |
| text | 已完成分词的文本 | Body:form-data | true | string |
| token | 使用API时系统需要验证的身份信息 | Headers | true | string |
下载范例程序