CN106446213A - 基于人工智能的服务排序方法和装置 - Google Patents
基于人工智能的服务排序方法和装置 Download PDFInfo
- Publication number
- CN106446213A CN106446213A CN201610874397.6A CN201610874397A CN106446213A CN 106446213 A CN106446213 A CN 106446213A CN 201610874397 A CN201610874397 A CN 201610874397A CN 106446213 A CN106446213 A CN 106446213A
- Authority
- CN
- China
- Prior art keywords
- service
- downstream
- module
- characteristic value
- ranking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种基于人工智能的服务排序方法和装置。所述方法包括:获取与用户输入的查询式对应的下游服务结果队列;将查询式输入至需求分析模块中,获取各需求分析模块输出的需求特征值;将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中;将下游服务结果队列输入至服务排序模型中,并根据服务排序模型输出的与各下游服务对应的模型评分,对各下游服务进行排序。本发明实施例的技术方案通过排序阶段的特征组织方式,对服务进行了划分,对于异源数据的排序问题,提出了解决方案,将不同类型的服务归类,使得部分特征可比,可以实现对查询式的刻画更加精准,进而使得最终选取的服务更加贴近用户实际需求。
Description
技术领域
本发明实施例涉及信息处理技术,尤其涉及一种基于人工智能的服务排序方法和装置。
背景技术
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
随着人工智能技术的不断发展,智能交互系统应运而生。典型的智能交互系统包括安装于苹果手机中的“Siri”(苹果语音助手)或者百度公司的人工智能机器人秘书“度秘”等,这类智能交互系统使得用户可以使用自然语言的形式与系统交流。与传统的搜索引擎不同,该智能交互系统会给出少量精准的答案,而不是多个网页来满足用户。
通用领域的智能交互系统下游会有多种服务来满足用户的需求,需要有一个排序方法,将最能满足用户需求的一个服务提供给用户;这些服务多源异构同时呈现结果较少的特点给排序系统的设计带来较大的难度,与传统搜索引擎的网页排序技术存在显著差异。在现有技术中,通用领域的智能交互系统,一般利用规则的方式,分析用户输入查询的类型,然后指定服务来满足用户需求。
现有技术的主要缺陷在于:当通用领域智能交互系统利用规则进行服务排序时,如果多个下游服务都能满足所定义的规则,系统会强制指定使用某个服务的返回结果,导致其他服务好的结果无法展现。
发明内容
有鉴于此,本发明实施例提供一种基于人工智能的服务排序方法和装置,以优化现有的基于智能交互系统的服务排序技术,提高智能交互系统返回的下游服务对用户实际需求的命中率。
第一方面,本发明实施例提供了一种基于人工智能的服务排序方法,包括:
获取与用户输入的查询式对应的下游服务结果队列;
将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值;
将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中,以使不同需求分析模块输出的需求特征值具有不同的需求权值;
将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序。
第二方面,本发明实施例还提供了一种基于人工智能的服务排序装置,包括:
下游服务结果队列获取模块,用于获取与用户输入的查询式对应的下游服务结果队列;
需求特征值获取模块,用于将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值;
特征组织输入模块,用于将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中,以使不同需求分析模块输出的需求特征值具有不同的需求权值;
下游服务排序模块,用于将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序。
本发明实施例提供的基于人工智能的服务排序方法及装置,在获取与用户输入的查询式对应的下游服务结果队列之后,将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值;将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中;最后将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序,通过排序阶段的特征组织方式,对服务进行了划分,对于异源数据的排序问题,提出了解决方案,将不同类型的服务归类,使得部分特征可比,可以实现对查询式的刻画更加精准,进而使得最终选取的服务更加贴近用户实际需求。
附图说明
图1是本发明实施例一提供的一种基于人工智能的服务排序方法的流程图;
图2是本发明实施例一提供的一种将需求特征值,按照设定特征组织方式,输入至服务排序模型中的方法的流程图;
图3是本发明实施例二提供的一种基于人工智能的服务排序方法的流程图;
图4是本发明实施例三提供的一种基于人工智能的服务排序方法的流程图;
图5是本发明实施例四提供的一种基于人工智能的服务排序装置的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种基于人工智能的服务排序方法的流程图,该方法可以由基于人工智能的服务排序装置执行,该装置可由软件和/或硬件实现,并一般可集成于智能交互系统(例如,度秘)的后台服务器中。如图1所示,本实施例的方法具体包括:
110、获取与用户输入的查询式对应的下游服务结果队列。
在本实施例中,所述查询式是指用户通过语音或者文字输入的方式向智能交互系统输入的一个或者多个关键词,或者是一个自然句等。
针对用户输入的一个查询式,智能交互系统下游会有多个不同类型的服务来满足用户不同类型的需求。举例而言,当用户输入的查询式为“今天天气怎么样”时,智能交互系统的下游有专门的天气服务模块可以用来精准的返回用户所在城市在当前时间下的天气情况,例如:“北京,晴,气温15-28℃”;此外,智能交互系统的下游还有专门的智能聊天模块可以将该查询式作为一个聊天内容,与用户展开聊天交互,例如:“今天天气不错,适合户外运动”;此外,智能交互系统下游还有专门的信息搜索模块,可以基于该查询式进行全网搜索,返回包括“今天天气怎么样”的网页搜索结果等,这些服务一般来说均是异源数据。
相应的,当获取用户输入的查询式后,智能交互系统下游会基于该查询式返回下游服务结果队列,在该下游服务结果队列中,包括有一个或者多个可以用来基于该查询式为用户提供返回结果的下游服务。
120、将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值。
在本实施例中,所述需求分析模块用于计算所述查询式属于设定下游服务的概率值,并将所述概率值作为所述需求特征值。
由于下游服务结果队列中的服务为异源数据,因此,仅通过一个需求分析模块无法准确描述查询式属于各个不同服务的需求特征值,因此,需要使用至少两个需求分析模块以准确获取所述查询式的需求特征值。
举例而言,一个查询式“我要订外卖”输入至一个需求分析模块后,该需求分析模块输出的需求特征值包括:“外卖:0.9;美食:0.03;电影:0.02;团购:0.01;…”,其表明:该查询式“我要订外卖”属于外卖服务的概率为0.9;属于美食服务的概率为0.03;属于电影服务的概率为0.02;属于团购服务的概率为0.01;…。
130、将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中,以使不同需求分析模块输出的需求特征值具有不同的需求权值。
在本实施例中,考虑到下游服务结果队列中包括的服务可能有一个也可以有多个,因此,需要将多个需求分析模块基于所述查询式的需求特征值均输入至所述服务排序模型中,以实现服务排序模型对下游服务结果队列中包括的各服务进行模型评分。
其中,一个需求分析模块可能只能分析出一个查询式属于一种类型的一个或多个服务的概率值,例如,聊天类服务、服务类服务或者信息类服务等;一个需求分析模块还可能分析出一个查询式属于各个不同类型的服务的概率值。因此,理论上说,基于不同需求分析模块计算得到概率值之间不具有可比性,如果直接将至少两个需求分析模块计算得到的各需求特征值输入至服务排序模型,则最终针对下游服务结果队列中的各服务的排序结果就会和用户的实际需求具有一定的偏差,为了解决上述问题,发明人创造性的提出了一种在排序阶段对各需求分析模块输出的需求特征值进行特征组织的方式,以使得部分需求特征值具有可比性,即:预先对各个服务进行服务类别的划分,根据各个需求特征值所能分析的服务类别,对各需求特征值进行特征组织,使得不同需求分析模块输出的需求特征值具有不同的需求权值。
相应的,如图2所示,所述将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中具体可以包括:
1301、预先设定至少两个种类的服务类别。
在本实施例中,首先基于智能交互系统的服务功能,以及各个需求分析模块所能进行需求分析的各个服务,首先抽象出至少两个种类的服务类别。
可选的,设定的至少两个种类的服务类别可以包括:信息类服务、聊天类服务、笑话类服务以及服务类服务。
其中,所述信息类服务可以包括:通用信息服务以及专类信息服务。其中,通用信息服务可以基于用户输入的查询式进行全网搜索,获取包括该查询式的网页;专类信息服务可以为用户提供诸如,天气类、时间类、地理位置类等某一项专类信息的搜索服务;
所述服务类服务可以包括:外卖服务、美食服务、电影服务、旅游服务、游戏服务以及团购服务等服务。
1302、确定与不同服务类别分别对应的需求分析模块。
如前所述,一个需求分析模块可能只能分析出一个查询式属于一种类型的一个或多个服务的概率值,例如,聊天类服务、服务类服务或者信息类服务等;一个需求分析模块还可能分析出一个查询式属于各个不同类型的服务的概率值。
相应的,可以如表1所示,首先建立服务类别与需求分析模块之间的对应关系。
如表1所示,在智能交互系统的后台服务器中,预先配置有三个需求分析模块,分析模块1、分析模块2以及分析模块3。其中,根据不同需求分析模块能够分析的服务类型的特点,建立了服务类别与需求分析模块之间的对应关系。其中,一个需求分析模块对应一个或者多个服务类别。
表1
1304、根据服务类别与需求分析模块之间的对应关系,以及需求分析模块与需求特征值之间的对应关系,将各所述需求特征值填入与不同服务类别分别对应的特征位置中,以使所述服务排序模型从所述特征位置处提取各所述需求特征值。
在本实施例中,所述特征位置可以是内存空间中的一个具体存储位置。其中,一个服务类别对应于一个特征位置。例如:基于用户输入的查询式,分析模块1输出需求特征值1,分析模块2输出需求特征值2,分析模块3输出需求特征值3。
相应的,如表2所示,将各所述需求特征值填入与不同服务类别分别对应的特征位置中。
表2
服务类别 | 服务类服务 | 信息类服务 |
需求特征值 | 需求特征值1;需求特征值2 | 需求特征值2;需求特征值3 |
服务类别 | 聊天类服务 | 笑话类服务 |
需求特征值 | 需求特征值2 | 需求特征值2 |
如表2所示,当服务排序模型从与服务类别对应的特征位置提取对应的需求特征值之后,即可实现所述将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中。可见,在上述示例中,由于不同特征位置中均填入了需求特征值2,则在将需求特征值2输入至服务排序模型后,该需求特征值2将具有较大的权值。
当然,可以理解的是,在本实施例中仅仅示例性的介绍了一种服务类别划分方法以及特征组织方式,实际上本领域技术人员可以根据实际需求以及所使用的需求分析模块的类型,选择合适的特征组织方式,以使得部分需求特征值具有可比性。
140、将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序。
在本实施例中,所述服务排序模型具体是指通过机器学习的方式,根据需求特征值,为输入的各服务输出相应的模型评分的一个排序模型。可选的,所述服务排序模型选取RankSVM(Rank Support Vector Machine,支持向量机排序)模型。
本发明实施例提供的基于人工智能的服务排序方法,在获取与用户输入的查询式对应的下游服务结果队列之后,将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值;将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中;最后将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序,通过排序阶段的特征组织方式,对服务进行了划分,对于异源数据的排序问题,提出了解决方案,将不同类型的服务归类,使得部分特征可比,可以实现对查询式的刻画更加精准,进而使得最终选取的服务更加贴近用户实际需求。
实施例二
图3为本发明实施例二提供的一种基于人工智能的服务排序方法的流程示意图。本实施例以上述实施例为基础进行具体化,在本实施例中,还包括:根据新增的下游服务,更新所述需求分析模块;使用更新后的所述需求分析模块,以及保持现有模型参数的所述服务排序模型,对新增下游服务后获取的下游服务结果队列进行评分。相应的,本实施例的方法具体包括:
210、获取与用户输入的查询式对应的下游服务结果队列。
220、将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值。
230、将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中,以使不同需求分析模块输出的需求特征值具有不同的需求权值。
240、将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序。
250、根据新增的下游服务,更新所述需求分析模块。
在本实施例中,考虑到智能交互系统需要根据用户的实际需求,不断的扩充下游服务的种类。
相应的,需要进而根据新增的下游服务,更新需求分析模块。其中,可以在现有的某个需求分析模块中,增加分析新增下游服务的需求特征值的功能,也可以引入一个新的需求分析模块,用于专门分析新增下游服务的需求特征值,本实施例对此并不进行限制。
260、使用更新后的所述需求分析模块,以及保持现有模型参数的所述服务排序模型,对新增下游服务后获取的下游服务结果队列进行评分。
现有的各类服务排序模型在使用时,如果新增了一个或者多个下游服务,则需要根据新增的下游服务,重新训练服务排序模型的模型参数。发明人通过实验发现,本发明实施例的服务排序模型在有新服务接入的时候,如果仅对需求分析模块进行相应调整而仍旧复用旧模型的模型参数,仍可以得到很高的排序精度。
本领域技术人员可以理解的是,可以基于更新后的需求分析模块,对服务类别的划分以及特征组织方式进行相应的调整。
本发明实施例的技术方案,根据新增的下游服务,更新所述需求分析模块;使用更新后的所述需求分析模块,以及保持现有模型参数的所述服务排序模型,对新增下游服务后获取的下游服务结果队列进行评分,实现了在服务排序模型在有新服务接入的时候,无需重新训练服务排序模型的模型参数的技术效果,在保证一定排序精度的前提下,满足了服务快速接入的需要。
实施例三
图4为本发明实施例三提供的一种基于人工智能的服务排序方法的流程示意图。本实施例以上述实施例为基础进行具体化,在本实施例中,在获取与用户输入的查询式对应的下游服务结果队列之后,还包括:将所述下游服务结果队列按照服务类别进行分组;按照预设的服务优先级筛选规则,滤除所述分组中优先级低的下游服务,以使每个分组中仅包括一个下游服务;
同时,在对所述各下游服务进行排序之后,还包括:
根据排序结果,获取排在首位的下游服务作为目标服务,并获取所述目标服务的目标模型评分;
选取设定准确率作为置信度,并根据所述置信度、所述目标模型评分以及准确率与模型评分之间的关系曲线,确定所述目标模型评分是否满足所述置信度;
如果所述目标模型评分满足所述置信度,则将所述目标服务基于所述查询式的返回结果提供给所述用户;
如果所述目标模型评分不满足所述置信度,则将人工处理模块确定的基于所述查询式的返回结果提供给所述用户。相应的,本实施例的方法具体包括:
310、获取与用户输入的查询式对应的下游服务结果队列。
320、将所述下游服务结果队列按照服务类别进行分组。
在本实施例中,考虑到下游服务结果队列中可以包括有一个或者多个属于同一类别的服务,为了进一步保证服务排序模型输出的模型评分的精准度,可以通过一定的处理方式对下游服务结果队列进行处理,以保证在该下游服务结果队列中,一个服务类别中仅包括一个服务。
相应的,需要首先将所述下游服务结果队列按照服务类别进行分组,之后需要对各个分组进行处理,以保证每个分组中仅包括一个下游服务。
330、按照预设的服务优先级筛选规则,滤除所述分组中优先级低的下游服务,以使每个分组中仅包括一个下游服务。
发明人通过结合业务特征研究发现:信息类服务中有通用信息服务可以作为信息类需求的兜底回答、聊天类服务中的普通聊天服务可以作为聊天类需求的兜底回答、而信息类服务中的其他服务要比通用信息服务满足的优先级高、同时服务类服务要比其他服务类别的优先级高。
发明人据此构造了服务优先级筛选规则,进而根据该服务优先级筛选规则,滤除各个分组中优先级低的下游服务。
在一个例子中,一条服务优先级筛选规则为:“天气类信息服务的优先级大于通用信息服务的优先级”,相应的,如果一个与信息类服务对应的分组中同时包括有天气类信息服务以及通用信息服务,则会将通用信息服务滤除,仅保留天气类信息服务。
340、将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值。
350、将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中,以使不同需求分析模块输出的需求特征值具有不同的需求权值。
360、将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序。
370、根据排序结果,获取排在首位的下游服务作为目标服务,并获取所述目标服务的目标模型评分。
理论上说,服务排序模型在获取模型评分最高的下游服务(目标服务)后,应该将该目标服务基于该查询式的返回结果直接提供给用户。然而,在本实施例中,为了进一步提高返回结果对用户需求的命中率,进入了置信度判定的步骤。
380、选取设定准确率作为置信度。
在本实施例中,可以根据实际情况选取所需的准确率,例如,80%、85或者90%等。
390、根据所述置信度、所述目标模型评分以及准确率与模型评分之间的关系曲线,确定所述目标模型评分是否满足所述置信度:若是,执行3100;否则,执行3110。
在本实施例中,所述准确率与模型评分之间的关系曲线用于描述不同准确率下所需的最小模型评分值。所述准确率与模型评分之间的关系曲线通过设定标注集合确定。
其中,在所述标注集合中,记录了基于一定数量的查询式,智能交互系统的结果返回情况(是否秒回结果),并同时记录有与各返回结果对应服务的模型评分,以及各返回结果是否命中有用户的实际需求。通过对上述标注集合进行一定的数据处理,即可得到准确率与模型评分之间的关系曲线。
通过准确率与模型评分之间的关系曲线以及一个准确率,可以得到与该准确率对应的最小模型评分。例如,如果预先规定了一个准确率为80%,通过查询准确率与模型评分之间的关系曲线,确定为了满足该准确率,最少要求模型评分达到2.3。
3100、将所述目标服务基于所述查询式的返回结果提供给所述用户。
如果目标模型评分满足置信度要求,则可以直接返回目标服务基于所述查询式的返回结果。
3110、将人工处理模块确定的基于所述查询式的返回结果提供给所述用户。
如果目标模型评分不满足置信度要求,则可以将下游服务结果队列中各服务基于查询式的返回结果提供给人工处理模块,有人工处理模块选择一个返回结果提供给用户。
本实施例的技术方案通过将所述下游服务结果队列按照服务类别进行分组;按照预设的服务优先级筛选规则,滤除所述分组中优先级低的下游服务,以使每个分组中仅包括一个下游服务;以及预先设定置信度规则技术的手段,可以进一步优化基于智能交互系统的服务排序技术,提高返回结果对用户需求的命中率。
在上述各实施例的基础上,在将所述目标服务基于所述查询式的返回结果,或者人工处理模块确定的基于所述查询式的返回结果提供给所述用户之前,还可以包括:
如果预先设定强制干预规则,则将与所述强制干预规则相匹配的返回结果提供给所述用户;
其中,所述强制干预规则用于强制指定提供返回结果的下游服务,和/或确定是否使用所述人工处理模块的返回结果。
实施例四
图5为本发明实施例四提供的一种基于人工智能的服务排序装置的结构图。如图5所示,所述装置包括:下游服务结果队列获取模块41、需求特征值获取模块42、特征组织输入模块43以及下游服务排序模块44。
下游服务结果队列获取模块41,用于获取与用户输入的查询式对应的下游服务结果队列。
需求特征值获取模块42,用于将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值。
特征组织输入模块43,用于将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中,以使不同需求分析模块输出的需求特征值具有不同的需求权值。
下游服务排序模块44,用于将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序。
本发明实施例提供的基于人工智能的服务排序装置,在获取与用户输入的查询式对应的下游服务结果队列之后,将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值;将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中;最后将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序,通过排序阶段的特征组织方式,对服务进行了划分,对于异源数据的排序问题,提出了解决方案,将不同类型的服务归类,使得部分特征可比,可以实现对查询式的刻画更加精准,进而使得最终选取的服务更加贴近用户实际需求。
在上述各实施例的基础上,所述特征组织输入模块,具体可以用于:
预先设定至少两个种类的服务类别;
确定与不同服务类别分别对应的需求分析模块,其中,一个需求分析模块对应一个或者多个服务类别;
为不同服务类别分配不同的特征位置;
根据服务类别与需求分析模块之间的对应关系,以及需求分析模块与需求特征值之间的对应关系,将各所述需求特征值填入与不同服务类别分别对应的特征位置中,以使所述服务排序模型从所述特征位置处提取各所述需求特征值。
在上述各实施例的基础上,预先设定的所述服务类别可以包括:
信息类服务、聊天类服务、笑话类服务以及服务类服务。
在上述各实施例的基础上,还可以包括,更新评分模块,用于:
根据新增的下游服务,更新所述需求分析模块;
使用更新后的所述需求分析模块,以及保持现有模型参数的所述服务排序模型,对新增下游服务后获取的下游服务结果队列进行评分。
在上述各实施例的基础上,下游服务筛选模块,可以用于:
在获取与用户输入的查询式对应的下游服务结果队列之后,将所述下游服务结果队列按照服务类别进行分组;
按照预设的服务优先级筛选规则,滤除所述分组中优先级低的下游服务,以使每个分组中仅包括一个下游服务。
在上述各实施例的基础上,还可以包括:返回结果提供模块,用于:
在对所述各下游服务进行排序之后,根据排序结果,获取排在首位的下游服务作为目标服务,并获取所述目标服务的目标模型评分;
选取设定准确率作为置信度,并根据所述置信度、所述目标模型评分以及准确率与模型评分之间的关系曲线,确定所述目标模型评分是否满足所述置信度;
如果所述目标模型评分满足所述置信度,则将所述目标服务基于所述查询式的返回结果提供给所述用户;
如果所述目标模型评分不满足所述置信度,则将人工处理模块确定的基于所述查询式的返回结果提供给所述用户;
其中,所述准确率与模型评分之间的关系曲线通过设定标注集合确定。
在上述各实施例的基础上,还可以包括:强制干预模块,用于:
在将所述目标服务基于所述查询式的返回结果,或者人工处理模块确定的基于所述查询式的返回结果提供给所述用户之前,如果预先设定强制干预规则,则将与所述强制干预规则相匹配的返回结果提供给所述用户;
其中,所述强制干预规则用于强制指定提供返回结果的下游服务,和/或确定是否使用所述人工处理模块的返回结果。
本发明实施例所提供的基于人工智能的服务排序装置可用于执行本发明任意实施例提供的基于人工智能的服务排序方法,具备相应的功能模块,实现相同的有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种基于人工智能的服务排序方法,其特征在于,包括:
获取与用户输入的查询式对应的下游服务结果队列;
将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值;
将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中,以使不同需求分析模块输出的需求特征值具有不同的需求权值;
将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序。
2.根据权利要求1所述的方法,其特征在于,将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中包括:
预先设定至少两个种类的服务类别;
确定与不同服务类别分别对应的需求分析模块,其中,一个需求分析模块对应一个或者多个服务类别;
为不同服务类别分配不同的特征位置;
根据服务类别与需求分析模块之间的对应关系,以及需求分析模块与需求特征值之间的对应关系,将各所述需求特征值填入与不同服务类别分别对应的特征位置中,以使所述服务排序模型从所述特征位置处提取各所述需求特征值。
3.根据权利要求2所述的方法,其特征在于,预先设定的所述服务类别包括:
信息类服务、聊天类服务、笑话类服务以及服务类服务。
4.根据权利要求1-3任一项所述的方法,其特征在于,还包括:
根据新增的下游服务,更新所述需求分析模块;
使用更新后的所述需求分析模块,以及保持现有模型参数的所述服务排序模型,对新增下游服务后获取的下游服务结果队列进行评分。
5.根据权利要求1所述的方法,其特征在于,在获取与用户输入的查询式对应的下游服务结果队列之后,还包括:
将所述下游服务结果队列按照服务类别进行分组;
按照预设的服务优先级筛选规则,滤除所述分组中优先级低的下游服务,以使每个分组中仅包括一个下游服务。
6.根据权利要求1所述的方法,其特征在于,在对所述各下游服务进行排序之后,还包括:
根据排序结果,获取排在首位的下游服务作为目标服务,并获取所述目标服务的目标模型评分;
选取设定准确率作为置信度,并根据所述置信度、所述目标模型评分以及准确率与模型评分之间的关系曲线,确定所述目标模型评分是否满足所述置信度;
如果所述目标模型评分满足所述置信度,则将所述目标服务基于所述查询式的返回结果提供给所述用户;
如果所述目标模型评分不满足所述置信度,则将人工处理模块确定的基于所述查询式的返回结果提供给所述用户;
其中,所述准确率与模型评分之间的关系曲线通过设定标注集合确定。
7.根据权利要求6所述的方法,其特征在于,在将所述目标服务基于所述查询式的返回结果,或者人工处理模块确定的基于所述查询式的返回结果提供给所述用户之前,还包括:
如果预先设定强制干预规则,则将与所述强制干预规则相匹配的返回结果提供给所述用户;
其中,所述强制干预规则用于强制指定提供返回结果的下游服务,和/或确定是否使用所述人工处理模块的返回结果。
8.一种基于人工智能的服务排序装置,其特征在于,包括:
下游服务结果队列获取模块,用于获取与用户输入的查询式对应的下游服务结果队列;
需求特征值获取模块,用于将所述查询式输入至至少两个需求分析模块中进行需求分析,获取各所述需求分析模块输出的需求特征值;
特征组织输入模块,用于将各所述需求特征值,按照设定特征组织方式,输入至服务排序模型中,以使不同需求分析模块输出的需求特征值具有不同的需求权值;
下游服务排序模块,用于将所述下游服务结果队列输入至所述服务排序模型中,并根据所述服务排序模型输出的与各下游服务对应的模型评分,对所述各下游服务进行排序。
9.根据权利要求8所述的装置,其特征在于,所述特征组织输入模块,具体用于:
预先设定至少两个种类的服务类别;
确定与不同服务类别分别对应的需求分析模块,其中,一个需求分析模块对应一个或者多个服务类别;
为不同服务类别分配不同的特征位置;
根据服务类别与需求分析模块之间的对应关系,以及需求分析模块与需求特征值之间的对应关系,将各所述需求特征值填入与不同服务类别分别对应的特征位置中,以使所述服务排序模型从所述特征位置处提取各所述需求特征值。
10.根据权利要求9所述的装置,其特征在于,预先设定的所述服务类别包括:
信息类服务、聊天类服务、笑话类服务以及服务类服务。
11.根据权利要求8-10任一项所述的装置,其特征在于,还包括,更新评分模块,用于:
根据新增的下游服务,更新所述需求分析模块;
使用更新后的所述需求分析模块,以及保持现有模型参数的所述服务排序模型,对新增下游服务后获取的下游服务结果队列进行评分。
12.根据权利要求8所述的装置,其特征在于,下游服务筛选模块,用于:
在获取与用户输入的查询式对应的下游服务结果队列之后,将所述下游服务结果队列按照服务类别进行分组;
按照预设的服务优先级筛选规则,滤除所述分组中优先级低的下游服务,以使每个分组中仅包括一个下游服务。
13.根据权利要求8所述的装置,其特征在于,还包括:返回结果提供模块,用于:
在对所述各下游服务进行排序之后,根据排序结果,获取排在首位的下游服务作为目标服务,并获取所述目标服务的目标模型评分;
选取设定准确率作为置信度,并根据所述置信度、所述目标模型评分以及准确率与模型评分之间的关系曲线,确定所述目标模型评分是否满足所述置信度;
如果所述目标模型评分满足所述置信度,则将所述目标服务基于所述查询式的返回结果提供给所述用户;
如果所述目标模型评分不满足所述置信度,则将人工处理模块确定的基于所述查询式的返回结果提供给所述用户;
其中,所述准确率与模型评分之间的关系曲线通过设定标注集合确定。
14.根据权利要求13所述的装置,其特征在于,还包括:强制干预模块,用于:
在将所述目标服务基于所述查询式的返回结果,或者人工处理模块确定的基于所述查询式的返回结果提供给所述用户之前,如果预先设定强制干预规则,则将与所述强制干预规则相匹配的返回结果提供给所述用户;
其中,所述强制干预规则用于强制指定提供返回结果的下游服务,和/或确定是否使用所述人工处理模块的返回结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610874397.6A CN106446213B (zh) | 2016-09-30 | 2016-09-30 | 基于人工智能的服务排序方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610874397.6A CN106446213B (zh) | 2016-09-30 | 2016-09-30 | 基于人工智能的服务排序方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106446213A true CN106446213A (zh) | 2017-02-22 |
CN106446213B CN106446213B (zh) | 2020-04-14 |
Family
ID=58171601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610874397.6A Active CN106446213B (zh) | 2016-09-30 | 2016-09-30 | 基于人工智能的服务排序方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106446213B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968767A (zh) * | 2018-09-28 | 2020-04-07 | 北京嘀嘀无限科技发展有限公司 | 排序引擎训练方法及装置、业务卡排序方法及装置 |
CN112115165A (zh) * | 2019-06-21 | 2020-12-22 | 北京京东振世信息技术有限公司 | 一种数据处理方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999521A (zh) * | 2011-09-15 | 2013-03-27 | 北京百度网讯科技有限公司 | 一种识别搜索需求的方法和装置 |
CN103593373A (zh) * | 2012-08-16 | 2014-02-19 | 北京百度网讯科技有限公司 | 一种用于搜索结果排序的方法与设备 |
US20140309993A1 (en) * | 2013-04-10 | 2014-10-16 | Nuance Communications, Inc. | System and method for determining query intent |
CN104657397A (zh) * | 2013-11-25 | 2015-05-27 | 腾讯科技(深圳)有限公司 | 一种信息处理方法及终端 |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN105159996A (zh) * | 2015-09-07 | 2015-12-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的深度问答服务提供方法和装置 |
-
2016
- 2016-09-30 CN CN201610874397.6A patent/CN106446213B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999521A (zh) * | 2011-09-15 | 2013-03-27 | 北京百度网讯科技有限公司 | 一种识别搜索需求的方法和装置 |
CN103593373A (zh) * | 2012-08-16 | 2014-02-19 | 北京百度网讯科技有限公司 | 一种用于搜索结果排序的方法与设备 |
US20140309993A1 (en) * | 2013-04-10 | 2014-10-16 | Nuance Communications, Inc. | System and method for determining query intent |
CN104657397A (zh) * | 2013-11-25 | 2015-05-27 | 腾讯科技(深圳)有限公司 | 一种信息处理方法及终端 |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN105159996A (zh) * | 2015-09-07 | 2015-12-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的深度问答服务提供方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968767A (zh) * | 2018-09-28 | 2020-04-07 | 北京嘀嘀无限科技发展有限公司 | 排序引擎训练方法及装置、业务卡排序方法及装置 |
CN110968767B (zh) * | 2018-09-28 | 2023-03-31 | 北京嘀嘀无限科技发展有限公司 | 排序引擎训练方法及装置、业务卡排序方法及装置 |
CN112115165A (zh) * | 2019-06-21 | 2020-12-22 | 北京京东振世信息技术有限公司 | 一种数据处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106446213B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104182517B (zh) | 数据处理的方法及装置 | |
CN109960763B (zh) | 基于用户细粒度摄影偏好的摄影社区个性化好友推荐方法 | |
CN107818164A (zh) | 一种智能问答方法及其系统 | |
CN106709754A (zh) | 一种用基于文本挖掘的电力用户分群方法 | |
CN107273861A (zh) | 一种主观题阅卷评分方法、装置及终端设备 | |
CN106105096A (zh) | 用于连续社交通信的系统和方法 | |
CN108154198A (zh) | 知识库实体归一方法、系统、终端和计算机可读存储介质 | |
CN104750674B (zh) | 一种人机会话满意度预测方法及系统 | |
CN108877905A (zh) | 一种基于Xgboost框架的医院门诊就诊量预测方法 | |
CN110390006A (zh) | 问答语料生成方法、装置和计算机可读存储介质 | |
CN106599054A (zh) | 一种题目分类及推送的方法及系统 | |
CN105608179A (zh) | 确定用户标识的关联性的方法和装置 | |
CN108710894A (zh) | 一种基于聚类代表点的主动学习标注方法和装置 | |
CN109308319A (zh) | 文本分类方法、文本分类装置和计算机可读存储介质 | |
CN107145573A (zh) | 人工智能客服机器人的问题解答方法及系统 | |
CN108062302A (zh) | 一种特定文本信息的识别方法及装置 | |
CN110059177A (zh) | 一种基于用户画像的活动推荐方法及装置 | |
CN107315731A (zh) | 文本相似度计算方法 | |
CN107577782A (zh) | 一种基于异质数据的人物相似度刻画方法 | |
CN108776677A (zh) | 平行语句库的创建方法、设备及计算机可读存储介质 | |
CN106846082A (zh) | 基于硬件信息的旅游冷启动用户产品推荐系统及方法 | |
CN110472040A (zh) | 评价信息的提取方法及装置、存储介质、计算机设备 | |
CN105869058B (zh) | 一种多层潜变量模型用户画像提取的方法 | |
CN110110035A (zh) | 数据处理方法和装置以及计算机可读存储介质 | |
CN112613321A (zh) | 一种抽取文本中实体属性信息的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |