CN106528708A - 信息推送方法和装置 - Google Patents

信息推送方法和装置 Download PDF

Info

Publication number
CN106528708A
CN106528708A CN201610950885.0A CN201610950885A CN106528708A CN 106528708 A CN106528708 A CN 106528708A CN 201610950885 A CN201610950885 A CN 201610950885A CN 106528708 A CN106528708 A CN 106528708A
Authority
CN
China
Prior art keywords
solution
information
case
knowledge base
user
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.)
Pending
Application number
CN201610950885.0A
Other languages
English (en)
Inventor
李露青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201610950885.0A priority Critical patent/CN106528708A/zh
Publication of CN106528708A publication Critical patent/CN106528708A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3329Natural language query formulation or dialogue systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • G06N5/022Knowledge engineering; Knowledge acquisition

Abstract

本发明公开了一种信息推送方法和装置。其中方法包括:通过获取不同用户的个人信息与问题信息,将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的解决案例中的解决方案作为第二解决方案;将第二解决方案作为最终信息推送至用户。上述信息推送方法实现了获取最佳解决方案的及时性;解决方案推送的针对性、快捷性;且进一步的,利用已有的解决数据,从中搜索出与用户的个人信息相关联的问题最匹配的成功解决方案,不再依赖专家或专家库的主观经验和理论知识,而是根据解决的客观历史数据,会产生更好的解决方案推荐结果。

Description

信息推送方法和装置
技术领域
本发明涉及计算机技术与人工智能技术领域,特别是涉及一种信息推送方法和装置。
背景技术
目前,传统的问题解决沟通模式为用户需要到专业机构找专家,与专家进行面对面的问题沟通,专家根据用户的问题,通过咨询结果、自身经验或者专家库中已有的数据进行参考推理,得到针对该用户的问题解决方案推荐给用户。上述这种方式过于依赖专家或专家库的主观经验和理论知识,一旦专家或专家库的知识有误,则会产生错误的解决方案推荐结果,推荐方案会有偏差,对用户问题的解决具有不良的影响,延缓了用户获得有效解决方案的时效性。
发明内容
鉴于此,有必要提供一种能够根据不同用户的个性化特征,准确、有效且及时的信息推送方法和装置。
为达到发明目的,提供一种信息推送方法,所述方法包括:获取用户的问题信息与个人信息;其中,所述获取的用户的问题信息作为第一问题信息,所述获取的个人信息作为第一个人信息;将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的所述解决案例中的解决方案作为第二解决方案;将所述第二解决方案作为最终信息推送至用户。
在其中一个实施例中,还包括:预先创建所述知识库,其中,所述知识库包括至少一个解决案例,且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的解决方案、对应的解决效果。
在其中一个实施例中,所述将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的所述解决案例中的解决方案作为第二解决方案的步骤包括:将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配度大于预设阈值的所述解决案例作为第一解决案例;比较知识库中所述多个第一解决案例对应的解决效果,获得所述解决效果最好的第一解决案例,其中,将所述解决效果最好作为所述第一预设条件;将符合所述第一预设条件的第一解决案例中的解决方案作为第二解决方案。
在其中一个实施例中,所述将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的所述解决案例中的解决方案作为第二解决方案的步骤包括:将所述知识库中的解决案例中的问题信息与所述第一问题信息的匹配度作为P1;将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2;将所述知识库中的解决案例中的解决效果作为P3;计算所述知识库中每个解决案例对应的P1×k1+P2×k2+P3×k3,作为该个解决案例对应的推荐优选度,其中,将所述推荐优选度最大作为所述第二预设条件,其中,k1、k2和k3为预设的大于或等于0的加权参数;将符合所述第二预设条件的所述解决案例中的解决方案作为第二解决方案。
在其中一个实施例中,将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2的步骤包括:将所述知识库中的所述解决案例中的个人信息中的用户年龄与所述第一个人信息中的用户年龄的差值的绝对值作为P21;将所述知识库中的所述解决案例中的个人信息中的用户所在地与所述第一个人信息中的用户所在地的距离作为P22;计算f(P21×k21+P22×k22),作为所述知识库中的所述解决案例对应的P2;其中,其中,k21和k22为预设的大于或等于0的加权参数,f为使得p2与(P21×k21+P22×k22)成反比的预设函数。
在其中一个实施例中,还包括:将所述获取的用户的第一问题信息、第一个人信息、推荐的解决方案、实际解决效果作为一个解决案例添加至所述知识库中;将不少于预设数值的所述解决案例加入所述知识库,形成大数据知识库。
基于同一发明构思的一种信息推送装置,所述装置包括:信息获取模块,用于获取用户的问题信息与个人信息;其中,所述获取的用户的问题信息作为第一问题信息,所述获取的个人信息作为第一个人信息;解决方案获取模块,用于将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的所述解决案例中的解决方案作为第二解决方案;推荐模块,用于将所述第二解决方案推荐给用户。
在其中一个实施例中,还包括,创建模块,用于预先创建所述知识库,其中,所述知识库包括至少一个解决案例,且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的解决方案、对应的解决效果;以及添加模块,用于将所述获取的用户的第一问题信息、第一个人信息、推荐的解决方案、实际解决效果作为一个解决案例添加至所述知识库中;将不少于预设数值的所述解决案例加入所述知识库,形成大数据知识库。
在其中一个实施例中,所述解决方案获取模块,包括:信息匹配模块,用于将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配度大于预设阈值的所述解决案例作为第一解决案例;比较模块,用于比较知识库中所述多个第一解决案例对应的解决效果,获得所述解决效果最好的第一解决案例,其中,将所述解决效果最好作为所述第一预设条件;第一生成模块,用于将符合所述第一预设条件的第一解决案例中的解决方案作为第二解决方案;以及第一匹配模块,用于将所述知识库中的解决案例中的问题信息与所述第一问题信息的匹配度作为P1;第二匹配模块,用于将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2;定义模块,用于将所述知识库中的解决案例中的解决效果作为P3;第一计算模块,用于计算所述知识库中每个解决案例对应的P1×k1+P2×k2+P3×k3,作为该个解决案例对应的推荐优选度,其中,将所述推荐优选度最大作为所述第二预设条件,其中,k1、k2和k3为预设的大于或等于0的加权参数;第二生成模块,用于将符合所述第二预设条件的所述解决案例中的解决方案作为第二解决方案。
在其中一个实施例中,所述第二匹配模块包括:年龄信息获取模块,用于将所述知识库中的所述解决案例中的个人信息中的用户年龄与所述第一个人信息中的用户年龄的差值的绝对值作为P21;距离信息获取模块,用于将所述知识库中的所述解决案例中的个人信息中的用户所在地与所述第一个人信息中的用户所在地的距离作为P22;第二计算模块,用于计算f(P21×k21+P22×k22),作为所述知识库中的所述解决案例对应的P2;其中,其中,k21和k22为预设的大于或等于0的加权参数,f为使得p2与(P21×k21+P22×k22)成反比的预设函数。
本发明的有益效果包括:上述信息推送方法和装置,通过获取不同用户的个人信息与问题信息,将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的解决案例中的解决方案作为第二解决方案;将第二解决方案作为最终信息推送至用户。上述方法实现了获取最佳解决方案的及时性;解决方案推送的针对性、快捷性;且进一步的,利用已有的解决数据,从中搜索出与用户的个人信息相关联的问题最匹配的成功解决方案,不再依赖专家或专家库的主观经验和理论知识,而是根据解决的客观历史数据,会产生更好的解决方案推荐结果。
附图说明
图1为第一实施例中信息推送方法的流程示意图;
图2为第二实施例中信息推送方法的流程示意图;
图3为第三实施例中信息推送方法的流程示意图;
图4为第四实施例中信息推送方法的流程示意图;
图5为第五实施例中信息推送方法的流程示意图;
图6为第六实施例中信息推送方法的流程示意图;
图7为第七实施例中信息推送方法的流程示意图;
图8为一个实施例中信息推送装置的结构示意图;
图9为另一个实施例中信息推送装置的结构示意图;
图10为一个实施例中信息推送装置中解决方案获取模块的结构示意图;
图11为另一个实施例中信息推送装置中解决方案获取模块的结构示意图;以及
图12为一个实施例中信息推送装置中第二匹配模块的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本发明信息推送方法和装置进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一个实施例中的一种信息推送方法的步骤流程图。具体包括以下步骤:
步骤S100,获取用户的个人信息与问题信息。其中,获取的用户的问题信息作为第一问题信息,获取的个人信息作为第一个人信息。其中,获取用户的个人信息与问题信息为通过终端机录入用户的个人信息与问题信息。可以理解的是,此处的终端机可以为计算机或其他可以进行用户的个人信息与问题信息录入、上传的电子终端设备,例如智能手机、穿戴式智能设备、平板电脑等。
具体的,在终端机上可运行用户问题管理系统,通过该系统对用户的个人信息与问题信息进行录入。其中,可以录入用户的个人信息包括但不限于用户的姓名、年龄、所在地;可以录入的问题信息包括但不限于日常问题、专业问题等。
步骤S200,将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的解决案例中的解决方案作为第二解决方案。其中,知识库包括至少一个解决案例,且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的解决方案、对应的解决效果。
需要说明的是,在本实施例中,知识库为预先创建的。由此,提高了将获取的针对用户的个人信息的问题信息与大数据知识库中的多种问题信息进行匹配的适用性。
步骤S300,将第二解决方案作为最终信息推送至用户。其中,解决方案信息利用局部网络或互联网可以将解决方案信息推送至用户。由此,可以实现信息化、个性化、远程管理控制和智能化推送解决方案信息的目的。
上述信息推送方法,通过获取不同用户的个人信息与问题信息,将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的解决案例中的解决方案作为第二解决方案;将第二解决方案作为最终信息推送至用户。上述信息推送方法实现了获取最佳解决方案的及时性;解决方案推送的针对性、快捷性;且进一步的,利用已有的解决数据,从中搜索出与用户的个人信息相关联的问题最匹配的成功解决方案,不再依赖专家或专家库的主观经验和理论知识,而是根据解决的客观历史数据,会产生更好的解决方案推荐结果。
此外,如图2所示,一个实施例中,信息推送方法还可以包括以下步骤:
步骤S400,将获取的用户的第一问题信息、第一个人信息、推荐的解决方案、实际解决效果作为一个解决案例添加至知识库中;将不少于预设数值的解决案例加入知识库,形成大数据知识库。
进一步地,如图3所示,在一个实施例中,步骤S200中,将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的解决案例中的解决方案作为第二解决方案的步骤包括:
步骤S201,将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配度大于预设阈值的所述解决案例作为第一解决案例。
步骤S202,比较知识库中多个第一解决案例对应的解决效果,获得解决效果最好的第一解决案例。其中,将解决效果最好作为第一预设条件。
步骤S203,将符合第一预设条件的第一解决案例中的解决方案作为第二解决方案。
需要说明的是,解决方案信息包括但不限于对常见问题的解答、对专业问题的解答等信息。其中,本发明中大数据知识库为解决方案大数据知识库,解决方案大数据知识库是知识工程中结构化、易操作、易利用、全面有组织的知识集群,是针对专业领域问题求解的需要,采用专业知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与专业领域相关的理论知识、事实数据,由专家经验得到的启发式知识,例如,专业领域内有关的定义、定理和运算法则以及常识性知识等。
此外,如图4所示,在一个实施例中,将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的解决案例中的解决方案作为第二解决方案的步骤包括:
步骤S201’,将知识库中的解决案例中的问题信息与第一问题信息的匹配度作为P1。
步骤S202’,将知识库中的解决案例中的个人信息与第一个人信息的匹配度作为P2。
步骤S203’,将知识库中的解决案例中的解决效果作为P3。
步骤S204’,计算知识库中每个解决案例对应的P1×k1+P2×k2+P3×k3,作为该个解决案例对应的推荐优选度,其中,将推荐优选度最大作为第二预设条件,且k1、k2和k3为预设的大于或等于0的加权参数。
步骤S205’将符合第二预设条件的解决案例中的解决方案作为第二解决方案。
本实施例中,如图5所示,将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配度大于预设阈值的所述解决案例作为第一解决案例具体包括:
步骤S2011,从知识库中的各解决案例中的问题信息及个人信息中抽取关键词,即为第一关键词。其中,关键词可以为但不限于字符串。
步骤S2012,从获取的用户的问题信息及个人信息中抽取关键词,即为第二关键词。
步骤S2013,对第一关键词与第二关键词进行匹配。其中,对第一关键词与第二关键词通过精确匹配或模糊匹配方式进行匹配。由此,提高了匹配的多选择性与适用性。
步骤S2014,将匹配成功的关键词数在第二关键词数中占比数作为所述匹配度,获取所述匹配度大于预设阈值的所述解决案例作为第一解决案例。由此,提高了问题匹配过程中的高效性与准确性。
基于上述同样的原理,如图6所示,在本实施例中,将知识库中的解决案例中的问题信息与第一问题信息的匹配度作为P1具体包括:
步骤S2021,从知识库中的解决案例中的问题信息中抽取关键词,即为第三关键词。其中,关键词可以为但不限于字符串。
步骤S2022,从获取的用户的问题信息中抽取关键词,即为第二关键词。
步骤S2023,对第三关键词与第二关键词进行匹配。其中,对第三关键词与第二关键词通过精确匹配或模糊匹配方式进行匹配。由此,提高了匹配的多选择性与适用性。
步骤S2024,将匹配成功的关键词数在第二关键词数中占比数作为所述匹配度P1。由此,提高了问题匹配过程中的高效性与准确性。
更进一步地,在一个实施例中,如图7所示,将知识库中的解决案例中的个人信息与第一个人信息的匹配度作为P2的步骤包括:
步骤S2031,将知识库中的解决案例中的个人信息中的用户年龄与第一个人信息中的用户年龄的差值的绝对值作为P21。
步骤S2032,将知识库中的解决案例中的个人信息中的用户所在地与第一个人信息中的用户所在地的距离作为P22。
步骤S2033,计算f(P21×k21+P22×k22),作为知识库中的解决案例对应的P2;其中,k21和k22为预设的大于或等于0的加权参数,f为使得p2与(P21×k21+P22×k22)成反比的预设函数。
为了更好的理解与应用本发明提出的一种信息推送方法,进行以下示例,需要说明的是,本发明所保护的范围不局限以下示例。
例如,获取甲用户的问题信息:我肚子痛怎么办?,个人信息:李XX、26岁、男性,在预存储在大数据知识库中的多种问题信息中进行匹配。
具体的,在大数据知识库中搜索出与获取的用户的个人信息与问题信息上述问题信息的匹配度大于预设值60%的问题信息集合,或在大数据知识库中搜索出预设值为10个与问题信息匹配的问题信息集合,即大数据知识库中搜索出的用户的问题信息及个人信息包括但不限于:我来月经了肚子疼怎么办、女性,我饿了肚子痛怎么办、男性及女性;继而计算问题信息集合中每一个问题信息与获取的用户的问题信息的匹配度,例如,“我来月经了肚子疼怎么办、女性”中的“女性”,与甲用户的个人信息“男性”无法实现匹配,即“我来月经了肚子疼怎么办、女性”排除。
基于同样的原理,最终在大于预设值60%的问题信息集合中抽取到的“我饿了肚子痛怎么办、男性及女性”与甲用户的问题信息及个人信息,实现绝大部分匹配。
进一步的,通过计算第一系数,即预设大于或等于0的数值与问题信息匹配度的乘积,第二系数,即预设大于或等于0的数值与个人信息匹配度的乘积,以及第三系数,即预设大于或等于0的数值与解决效果,即可为解决效果的评分或评级的乘积,将上述三个乘积进行加和处理,最终计算每一个解决案例的推荐优选度;获取推荐优选度中的最大值对应的解决案例中的解决方案。需要说明的是,在大数据知识库中,与耳鼻喉科中的感冒特征,即重度感冒相关联的解决方案信息对应的方式可以为一对一映射关系,例如,“我饿了肚子痛怎么办、男性及女性”的解决方案为:吃饭,解决效果优秀,即评分:5分。即获取检索到的解决方案信息,并将解决方案信息推送至用户。
此外,需要说明的是,其中的解决优选度为大数据知识库中与匹配成功的问题信息以及与问题信息相对应的解决案例的评价变量;解决效果可以通过评分或评级的方式进行存储或展示。
基于同一发明构思,还提供了一种信息推送装置,由于此装置解决问题的原理与前述一种信息推送方法相似,因此,该装置的实施可以按照前述方法的具体步骤实现,重复之处不再赘述。
如图8所示,为一个实施例中的一种信息推送装置的结构示意图。该信息推送装置10包括信息获取模块110、解决方案获取模块120和推荐模块130。
其中,信息获取模块110用于获取用户的问题信息与个人信息;其中,获取的用户的问题信息作为第一问题信息,获取的个人信息作为第一个人信息;解决方案获取模块120用于将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合预设条件的解决案例中的解决方案作为第二解决方案;推荐模块130用于将第二解决方案作为最终信息推送至用户。
此外,如图9所示,该信息推送装置10还可以包括创建模块140和添加模块150。
其中,创建模块140用于预先创建知识库;其中,知识库包括至少一个解决案例,且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的解决方案、对应的解决效果;添加模块150用于将获取的用户的第一问题信息、第一个人信息、推荐的解决方案、实际解决效果作为一个解决案例添加至知识库中;将不少于预设数值的解决案例加入知识库,形成大数据知识库。由此,提高了基于大数据知识库进行针对用户问题信息的解决方案的查询的实时性与易用性。
另外,如图10所示,在一个实施例中,一种信息推送装置中解决方案获取模块120包括:信息匹配模块1210、比较模块1220、第一生成模块1230。
其中,信息匹配模块1210用于将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配度大于预设阈值的所述解决案例作为第一解决案例;比较模块1220用于比较知识库中多个第一解决案例对应的解决效果,获得解决效果最好的第一解决案例,其中,将解决效果最好作为第一预设条件;第一生成模块1230用于将符合第一预设条件的第一解决案例中的解决方案作为第二解决方案。
进一步地,如图11所示,在另一个实施例中,一种信息推送装置中解决方案获取模块120还包括:第一匹配模块1240、第二匹配模块1250、定义模块1260、第一计算模块1270以及第二生成模块1280。
其中,第一匹配模块1240用于将知识库中的解决案例中的问题信息与第一问题信息的匹配度作为P1;第二匹配模块1250用于将知识库中的解决案例中的个人信息与第一个人信息的匹配度作为P2;定义模块1260用于将知识库中的解决案例中的解决效果作为P3;第一计算模块1270用于计算知识库中每个解决案例对应的P1×k1+P2×k2+P3×k3,作为该个解决案例对应的推荐优选度,其中,将推荐优选度最大作为第二预设条件;第二生成模块1280用于将符合第二预设条件的解决案例中的解决方案作为第二解决方案;其中,k1、k2和k3为预设的大于或等于0的加权参数。
更进一步地,如图12所示,在一个实施例中,提供的一种信息推送装置中第二匹配模块1250包括:年龄信息获取模块1251、距离信息获取模块1252以及第二计算模块1253。
其中,年龄信息获取模块1251用于将知识库中的解决案例中的个人信息中的用户年龄与第一个人信息中的用户年龄的差值的绝对值作为P21;距离信息获取模块1252用于将知识库中的解决案例中的个人信息中的用户所在地与第一个人信息中的用户所在地的距离作为P22;第二计算模块1253用于计算f(P21×k21+P22×k22),作为知识库中的解决案例对应的P2;其中,其中,k21和k22为预设的大于或等于0的加权参数,f为使得p2与(P21×k21+P22×k22)成反比的预设函数。
另外,本实施例中,一种信息推送装置中第一匹配模块用于从大数据知识库中解决案例中的问题信息中抽取关键词,即为第一关键词;从获取的用户的问题信息中抽取关键词,即为第二关键词;对第一关键词与第二关键词进行匹配;将匹配成功的关键词数在第二关键词数中占比数作为第一匹配度,第一匹配度用P1表示;其中,对第一关键词与第二关键词通过精确匹配或模糊匹配方式进行匹配。
基于上述同样原理,本实施例中,一种信息推送装置中第二匹配模块用于从大数据知识库中解决案例中的个人信息中抽取关键词,即为第三关键词;从获取的用户的个人信息中抽取关键词,即为第四关键词;对第三关键词与抽取的第四关键词进行匹配;将匹配成功的关键词数在第四关键词数中占比数作为第二匹配度,第二匹配度用P2表示;其中,对第三关键词与第四关键词通过精确匹配或模糊匹配方式进行匹配。
上述信息推送装置,首先通过信息获取模块110获取用户的个人信息与问题信息;再通过解决方案获取模块120将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合预设条件的解决案例中的解决方案作为第二解决方案;最终通过推荐模块130将第二解决方案作为最终信息推送至用户。本实施例中达到了匹配问题信息的准确性;实现了获取最佳解决方案的及时性;最终将最佳解决方案信息推送至用户,实现了解决方案推送的针对性、快捷性;且进一步的,利用已有的解决数据,从中搜索出与用户的个人信息相关联的问题最匹配的成功解决方案,不再依赖专家或专家库的主观经验和理论知识,而是根据解决的客观历史数据,会产生更好的解决方案推荐结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种信息推送方法,其特征在于,所述方法包括:
获取用户的问题信息与个人信息;其中,所述获取的用户的问题信息作为第一问题信息,所述获取的个人信息作为第一个人信息;
将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的所述解决案例中的解决方案作为第二解决方案;
将所述第二解决方案作为最终信息推送至用户。
2.根据权利要求1所述的信息推送方法,其特征在于,还包括:预先创建所述知识库,其中,所述知识库包括至少一个解决案例,且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的解决方案、对应的解决效果。
3.根据权利要求1所述的信息推送方法,其特征在于,所述将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的所述解决案例中的解决方案作为第二解决方案的步骤包括:
将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配度大于预设阈值的所述解决案例作为第一解决案例;
比较知识库中所述多个第一解决案例对应的解决效果,获得所述解决效果最好的第一解决案例,其中,将所述解决效果最好作为所述第一预设条件;
将符合所述第一预设条件的第一解决案例中的解决方案作为第二解决方案。
4.根据权利要求1所述的信息推送方法,其特征在于,所述将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的所述解决案例中的解决方案作为第二解决方案的步骤包括:
将所述知识库中的解决案例中的问题信息与所述第一问题信息的匹配度作为P1;
将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2;
将所述知识库中的解决案例中的解决效果作为P3;
计算所述知识库中每个解决案例对应的P1×k1+P2×k2+P3×k3,作为该个解决案例对应的推荐优选度,其中,将所述推荐优选度最大作为所述第二预设条件,其中,k1、k2和k3为预设的大于或等于0的加权参数;
将符合所述第二预设条件的所述解决案例中的解决方案作为第二解决方案。
5.根据权利要求4所述的信息推送方法,其特征在于,将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2的步骤包括:
将所述知识库中的所述解决案例中的个人信息中的用户年龄与所述第一个人信息中的用户年龄的差值的绝对值作为P21;
将所述知识库中的所述解决案例中的个人信息中的用户所在地与所述第一个人信息中的用户所在地的距离作为P22;
计算f(P21×k21+P22×k22),作为所述知识库中的所述解决案例对应的P2;其中,其中,k21和k22为预设的大于或等于0的加权参数,f为使得p2与(P21×k21+P22×k22)成反比的预设函数。
6.根据权利要求1所述的信息推送方法,其特征在于,还包括:
将所述获取的用户的第一问题信息、第一个人信息、推荐的解决方案、实际解决效果作为一个解决案例添加至所述知识库中;
将不少于预设数值的所述解决案例加入所述知识库,形成大数据知识库。
7.一种信息推送装置,其特征在于,所述装置包括:
信息获取模块,用于获取用户的问题信息与个人信息;其中,所述获取的用户的问题信息作为第一问题信息,所述获取的个人信息作为第一个人信息;
解决方案获取模块,用于将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配成功且符合第一预设条件的所述解决案例中的解决方案作为第二解决方案;
推荐模块,用于将所述第二解决方案作为最终信息推送至用户。
8.根据权利要求7所述的信息推送装置,其特征在于,还包括,创建模块,用于预先创建所述知识库,其中,所述知识库包括至少一个解决案例,且每个解决案例中包括与该个解决案例对应的用户的问题信息、对应的用户的个人信息、对应的解决方案、对应的解决效果;以及
添加模块,用于将所述获取的用户的第一问题信息、第一个人信息、推荐的解决方案、实际解决效果作为一个解决案例添加至所述知识库中;将不少于预设数值的所述解决案例加入所述知识库,形成大数据知识库。
9.根据权利要求7所述的信息推送装置,其特征在于,所述解决方案获取模块,包括:
信息匹配模块,用于将所述第一问题信息及所述第一个人信息与所述知识库中的各解决案例中的问题信息及个人信息进行匹配,获取匹配度大于预设阈值的所述解决案例作为第一解决案例;
比较模块,用于比较知识库中所述多个第一解决案例对应的解决效果,获得所述解决效果最好的第一解决案例,其中,将所述解决效果最好作为所述第一预设条件;
第一生成模块,用于将符合所述第一预设条件的第一解决案例中的解决方案作为第二解决方案;以及
第一匹配模块,用于将所述知识库中的解决案例中的问题信息与所述第一问题信息的匹配度作为P1;
第二匹配模块,用于将所述知识库中的解决案例中的个人信息与所述第一个人信息的匹配度作为P2;
定义模块,用于将所述知识库中的解决案例中的解决效果作为P3;
第一计算模块,用于计算所述知识库中每个解决案例对应的P1×k1+P2×k2+P3×k3,作为该个解决案例对应的推荐优选度,其中,将所述推荐优选度最大作为所述第二预设条件,其中,k1、k2和k3为预设的大于或等于0的加权参数;
第二生成模块,用于将符合所述第二预设条件的所述解决案例中的解决方案作为第二解决方案。
10.根据权利要求9所述的信息推送装置,其特征在于,所述第二匹配模块包括:
年龄信息获取模块,用于将所述知识库中的所述解决案例中的个人信息中的用户年龄与所述第一个人信息中的用户年龄的差值的绝对值作为P21;
距离信息获取模块,用于将所述知识库中的所述解决案例中的个人信息中的用户所在地与所述第一个人信息中的用户所在地的距离作为P22;
第二计算模块,用于计算f(P21×k21+P22×k22),作为所述知识库中的所述解决案例对应的P2;其中,其中,k21和k22为预设的大于或等于0的加权参数,f为使得p2与(P21×k21+P22×k22)成反比的预设函数。
CN201610950885.0A 2016-10-26 2016-10-26 信息推送方法和装置 Pending CN106528708A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610950885.0A CN106528708A (zh) 2016-10-26 2016-10-26 信息推送方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610950885.0A CN106528708A (zh) 2016-10-26 2016-10-26 信息推送方法和装置

Publications (1)

Publication Number Publication Date
CN106528708A true CN106528708A (zh) 2017-03-22

Family

ID=58325242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610950885.0A Pending CN106528708A (zh) 2016-10-26 2016-10-26 信息推送方法和装置

Country Status (1)

Country Link
CN (1) CN106528708A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220380A (zh) * 2017-06-27 2017-09-29 北京百度网讯科技有限公司 基于人工智能的问答推荐方法、装置和计算机设备
CN108829752A (zh) * 2018-05-25 2018-11-16 南京邮电大学 基于个性化的导师推荐算法
CN110968662A (zh) * 2018-09-27 2020-04-07 北京国双科技有限公司 司法数据处理的方法、装置、存储介质及处理器

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116707A (zh) * 2013-03-04 2013-05-22 北京工业大学 一种基于案例推理的心脏病智能诊断方法
CN103955608A (zh) * 2014-04-24 2014-07-30 上海星华生物医药科技有限公司 一种智能医疗信息远程处理系统及处理方法
CN105260598A (zh) * 2015-09-29 2016-01-20 中南大学 口腔诊疗决策支持系统及决策方法
CN105912881A (zh) * 2016-06-14 2016-08-31 华南师范大学 基于大数据知识库的个性化治疗方案推荐系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116707A (zh) * 2013-03-04 2013-05-22 北京工业大学 一种基于案例推理的心脏病智能诊断方法
CN103955608A (zh) * 2014-04-24 2014-07-30 上海星华生物医药科技有限公司 一种智能医疗信息远程处理系统及处理方法
CN105260598A (zh) * 2015-09-29 2016-01-20 中南大学 口腔诊疗决策支持系统及决策方法
CN105912881A (zh) * 2016-06-14 2016-08-31 华南师范大学 基于大数据知识库的个性化治疗方案推荐系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
董庆兴等: "基于匹配属性相似度的应急决策方案推荐方法", 《控制与决策》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220380A (zh) * 2017-06-27 2017-09-29 北京百度网讯科技有限公司 基于人工智能的问答推荐方法、装置和计算机设备
CN108829752A (zh) * 2018-05-25 2018-11-16 南京邮电大学 基于个性化的导师推荐算法
CN110968662A (zh) * 2018-09-27 2020-04-07 北京国双科技有限公司 司法数据处理的方法、装置、存储介质及处理器

Similar Documents

Publication Publication Date Title
Xu et al. E-commerce product review sentiment classification based on a naïve Bayes continuous learning framework
Feng et al. An adjustable approach to fuzzy soft set based decision making
CN104598611B (zh) 对搜索条目进行排序的方法及系统
CN105808590B (zh) 搜索引擎实现方法、搜索方法以及装置
CN104298778B (zh) 一种基于关联规则树的轧钢产品质量的预测方法及系统
CN106529138A (zh) 信息推送方法和装置
CN105975596A (zh) 一种搜索引擎查询扩展的方法及系统
CN111309887B (zh) 一种训练文本关键内容提取模型的方法和系统
CN110008327A (zh) 法律回答生成方法及装置
Wang et al. Personalized recommendation for new questions in community question answering
CN106844407A (zh) 基于数据集相关性的标签网络产生方法和系统
CN106528708A (zh) 信息推送方法和装置
CN108614897A (zh) 一种面向自然语言的内容多样化搜索方法
CN107633093A (zh) 一种供电决策知识图谱的构建及其查询方法
Xing et al. The analysis and prediction of stock price
CN111581516A (zh) 投资产品的推荐方法及相关装置
Zhao et al. A novel decision making approach based on intuitionistic fuzzy soft sets
Wang et al. Personalized news recommendation based on consumers' click behavior
CN109472030A (zh) 一种系统回复质量的评价方法及装置
CN113220866A (zh) 基于用户社交网络和产品相似度的推荐方法
Hu et al. Hybrid recommendation algorithm based on latent factor model and PersonalRank
CN112131261A (zh) 基于社区网络的社区查询方法、装置和计算机设备
Xu et al. Quantifying predictability of sequential recommendation via logical constraints
Ge et al. A new improved forecasting method integrated fuzzy time series with the exponential smoothing method
Badhe et al. Vague set theory for profit pattern and decision making in uncertain data

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170322

RJ01 Rejection of invention patent application after publication