CN109543177A - 消息数据处理方法、装置、计算机设备和存储介质 - Google Patents
消息数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109543177A CN109543177A CN201811224436.3A CN201811224436A CN109543177A CN 109543177 A CN109543177 A CN 109543177A CN 201811224436 A CN201811224436 A CN 201811224436A CN 109543177 A CN109543177 A CN 109543177A
- Authority
- CN
- China
- Prior art keywords
- user
- message data
- participle
- message
- word
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
Abstract
本申请涉及一种基于大数据的消息数据处理方法、装置、计算机设备和存储介质。方法包括:获取第一用户标识对应的第一消息数据;根据订单成交类型将第一消息数据输入至语言模型中;通过语言模型对输入的第一消息数据进行分词处理,获取到第一消息数据中包含的第一分词;获取每个消息数据对应的第二用户标识和第二用户标识对应的类型值;根据第一分词的出现次数确定与第二用户标识具备关联的第一分词的权重;获取在类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词;获取权重达到预设权重阈值的共同词,根据共同词确定第一用户标识的用语规范度。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种消息数据处理方法、装置、计算机设备和存储介质。
背景技术
在销售人员通过即时通信平台与客户进行沟通的时候,销售人员的沟通方式往往会影响客户的满意度以及客户的成单率。而传统技术中,往往会通过线下培训或线上培训的方式,对销售人员进行话语培训,希望能够通过提高销售人员的沟通技巧,以提高成单率。而这种通过培训销售人员以提高订单成交率的培训方法往往成本较高,效率较低,也无法针对性的解决不同的销售人员所出现的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种消息数据处理方法、装置、计算机设备和存储介质。
一种消息数据处理方法,所述方法包括:
获取第一用户标识对应的第一消息数据;
根据订单成交类型将所述第一消息数据输入至语言模型中;
通过所述语言模型对输入的所述第一消息数据进行分词处理,获取到所述第一消息数据中包含的第一分词;
获取每个消息数据对应的第二用户标识和所述第二用户标识对应的类型值;
根据所述第一分词的出现次数确定与所述第二用户标识具备关联的所述第一分词的权重;
获取在所述类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词;
获取所述权重达到预设权重阈值的共同词,根据所述共同词确定所述第一用户标识的用语规范度。
在其中一个实施例中,还包括:所述获取每个消息数据对应的第二用户标识和所述第二用户标识对应的类型值,包括:获取与第二用户标识对应的第二用户标签;将所述第二用户标签转换成向量,计算得到每个第二用户标识对应的标签值;根据所述标签值确定所述第二用户标识对应的类型值。
在其中一个实施例中,所述方法还包括:获取第二用户标识对应的第二消息数据;根据订单成交类型将所述第二消息数据输入至语言模型中;通过所述语言模型对输入的第二消息数据进行分词处理,得到所述第二消息数据中包含的第二分词;根据所述第二分词的出现次数确定所述第二分词的权重;获取所述权重达到所述预设权重阈值的第二分词;根据所述权重达到所述预设权重阈值的第二分词更新预设推荐词库。
在其中一个实施例中,所述方法还包括:依次获取与两个所述类型值的差值小于预设差值的第二用户标识在不同订单成交类型时对应的第一消息数据,作为第一比对数据和第二比对数据;获取未同时出现在所述第一比对数据和第二比对数据中的词作为区别词;根据所述区别词更新预设推荐词库。
在其中一个实施例中,所述方法还包括:获取所述第一用户标识对应的消息参数,消息参数至少包括通信时长、好友数、好友增量、聊天记录数和平均聊天记录数中的一种;将所述消息参数与预设参数阈值进行对比,根据所述消息参数的数值与所述预设参数阈值确定所述第一用户标识的任务完成度的对应数值。
在其中一个实施例中,所述方法还包括:获取预设推荐词库;获取所述第一用户标识与每个第二用户标识对应的消息数据中包含的消息分词;将所述消息分词与所述推荐词库中包含的标准词进行对比;当所述第一分词中包含有全部的所述标准词时,判定所述第一用户标识达到预设规范度;当所述第一分词中未包含有全部的所述标准词时,判定所述第一用户标识未达到所述预设规范度。
一种消息数据处理装置,所述装置包括:
消息获取模块,用于获取第一用户标识对应的第一消息数据;
分词模块,用于根据订单成交类型将所述第一消息数据输入至语言模型中;通过所述语言模型对输入的所述第一消息数据进行分词处理,获取到所述第一消息数据中包含的第一分词;
第一分词比对模块,用于获取每个消息数据对应的第二用户标识和所述第二用户标识对应的类型值;根据所述第一分词的出现次数确定与所述第二用户标识具备关联的所述第一分词的权重;获取在所述类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词;
用语规范模块,用于获取所述权重达到预设权重阈值的共同词,根据所述共同词确定所述第一用户标识的用语规范度。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取第一用户标识对应的第一消息数据;
根据订单成交类型将所述第一消息数据输入至语言模型中;
通过所述语言模型对输入的所述第一消息数据进行分词处理,获取到所述第一消息数据中包含的第一分词;
获取每个消息数据对应的第二用户标识和所述第二用户标识对应的类型值;
根据所述第一分词的出现次数确定与所述第二用户标识具备关联的所述第一分词的权重;
获取在所述类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词;
获取所述权重达到预设权重阈值的共同词,根据所述共同词确定所述第一用户标识的用语规范度。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取第一用户标识对应的第一消息数据;
根据订单成交类型将所述第一消息数据输入至语言模型中;
通过所述语言模型对输入的所述第一消息数据进行分词处理,获取到所述第一消息数据中包含的第一分词;
获取每个消息数据对应的第二用户标识和所述第二用户标识对应的类型值;
根据所述第一分词的出现次数确定与所述第二用户标识具备关联的所述第一分词的权重;
获取在所述类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词;
获取所述权重达到预设权重阈值的共同词,根据所述共同词确定所述第一用户标识的用语规范度。
上述消息数据处理方法、装置、计算机设备和存储介质,通过分别将不同的订单成交类型的第一消息数据输入至语言模型中进行分词处理,以获得不同的订单成交类型对应的高频词汇,并确定与同一订单成交类型且属于同一类型的客户沟通时所使用的高频词汇,有效地确定第一用户的用语规范度,并可以为第一用户提供具体的沟通建议,以提高成单率,这一方法不但能够针对性对每一个销售人员进行指导,也能够有效的降低培训成本。
附图说明
图1为一个实施例中消息数据处理方法的应用场景图;
图2为一个实施例中消息数据处理方法的流程示意图;
图3为一个实施例中消息数据处理方法还包括步骤的流程示意图;
图4为另一个实施例中消息数据处理方法还包括步骤的流程示意图;
图5为又一个实施例中消息数据处理方法还包括步骤的流程示意图;
图6为一个实施例中消息数据处理装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的消息数据处理方法,可以应用于如图1所示的应用环境中。其中,终端110通过网络与服务器120通过网络进行通信。其中,终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,在终端110上可安装有预设即时通信应用,第一用户标识与第二用户标识可通过预设即时通信应用进行通信。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现,在服务器120中存储有第一用户标识与第二用户标识通过预设即时通信应用进行通信产生的消息数据。
在一个实施例中,如图2所示,提供了一种消息数据处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取第一用户标识对应的第一消息数据。
步骤204,根据订单成交类型将第一消息数据输入至语言模型中。
步骤206,通过语言模型对输入的第一消息数据进行分词处理,获取到第一消息数据中包含的第一分词。
在数据库中存储有多个第一用户标识对应的第一消息数据,数据库可以是本地数据库,也可以是服务器中的数据库。消息数据可以是使用预设即时通信应用的消息记录所对应的数据。第一用户标识可以代指销售人员或客服人员等在使用预设应用时登录账户的用户标识,第一用户标识对应的第一消息数据则是指销售人员或客服人员等通过预设即时通信应用与客户或其他用户进行即时通信时所产生的消息记录数据。当从数据库中获取到第一消息数据后,可将第一消息数据输入至语言模型中进行分词处理。进一步地,可根据订单成交类型分别将第一消息数据进行输入至语言模型中。订单成交类型可以包括有订单成功成交的类型与订单未成功成交的类型。在将第一消息数据输入至语言模型中时,可以将订单成交类型为订单成功成交的类型与订单未成功成交的类型的第一消息数据进行分开输入,也就是说,分别将不同的订单成交类型的第一消息数据输入至语言模型中进行分词处理。
语言模型是指可以对输入的句子进行分词处理的模型,将第一消息数据输入至语言模型后,语言模型可以对输入的第一消息数据进行分词处理。第一消息数据中包含有多条消息记录,语言模型在获取到第一消息数据后,会分别对第一消息数据中的每条消息记录进行分词处理,从而可以得到每条消息记录对应的多个第一分词。进一步地,语言模型在对每条消息记录进行分词处理时,会自动将判定为无意义信息的词进行排除,比如“我”、“你”、“他”、“的”等对句子的意义不会造成意义的词。
步骤208,获取每个消息数据对应的第二用户标识和第二用户标识对应的类型值。
步骤210,根据第一分词的出现次数确定与第二用户标识具备关联的第一分词的权重。
第二用户标识可以代指客户等在使用预设应用时登录账户的用户标识。与每个消息数据对应的第二用户标识是指,该消息数据产生时,与第一用户标识通过预设即时通信应用进行通信的用户对应的标识。比如,第一用户标识对应的第一消息数据中有5条消息记录,即5条消息数据,其中3条消息数据X1,X2,X3是第一用户标识与用户A进行通信产生的,另外2条消息数据X4,X5是第一用户标识与用户B进行通信产生的。用户A与用户B均是第二用户标识,此时,可以获取到消息数据X1,X2,X3对应的第二用户标识为用户A所对应的用户标识,消息数据X4,X5对应的第二用户标识为用户B所对应的用户标识。同时,还可以获取到用户A和用户B的用户标识所对应的类型值。类型值是指第二用户标识的类型对应的数值,此数值可根据预先设定的计算方式计算得到。
还可以根据第一分词在第一消息数据中的出现次数确定第一分词的权重。具体地,可确定每个第一分词在第一消息数据中的出现次数,并根据第二用户标识分别确定与第二用户标识具备关联关系的第一分词的权重。比如第一分词Y在第一消息数据中的出现次数为50次,其中在第一用户与第二用户A的消息记录中的出现次数为20次,在第一用户与第二用户B的消息记录中的出现次数为15次,在第一用户与第二用户C的消息记录中的出现次数为15次。因此,可根据该第一分词词Y在各个第二用户标识对应的消息数据中的出现次数确定与每个第二用户标识所对应的第一分词词Y的权重。在确定每个第一分词针对每个第二用户标识的权重时,可有多种计算方式。比如,可以直接将出现次数的百分数作为权重,比如出现次数为15,则权重对应为0.15,出现次数为20,则权重对应为0.2。也可以将出现次数与出现总次数的比值作为权重,比如第一分词词Y的总出现次数为50,与第二用户A对应的出现次数为20,那么第一分词词Y针对第二用户A的权重则为20/50=0.4。权重计算方式可针对实际需求进行修改。
在一个实施例中,获取每个消息数据对应的第二用户标识和第二用户标识对应的类型值,包括:获取与第二用户标识对应的第二用户标签;将第二用户标签转换成向量,计算得到每个第二用户标识对应的标签值;根据标签值确定第二用户标识对应的类型值。
每个第二用户标识都可以有各自对应的一个或多个第二用户标签,第二用户标签可以是第一用户在与该第二用户通过预设即时通信应用进行沟通后,或通过其他渠道进行沟通后为该第二用户添加的标签。比如第二用户标签可以是性别男,性格温和,对XX业务了解较多,等等。第一用户可以对第二用户标签进行编辑或根据需要对第二用户标签进行增加。在获取到第二用户标识对应的第二用户标签后,可以将第二用户标签转换成向量,计算得到每个第二用户标识对应的标签值,以此可根据标签值确定第二用户标识对应的类型值。在根据标签值确定类型值时,可以为每个标签所对应的值设置对应的权重,从而类型值即为各个标签值的加权求和所得到的值。
步骤212,获取在类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词。
步骤214,获取权重达到预设权重阈值的共同词,根据共同词确定第一用户标识的用语规范度。
当获取到每个第二用户标识和第二用户标识对应的类型值后,可通过对第二用户标识的类型值进行对比,即可确定相似度较高的第二用户标识。可以任意选取两个第二用户标识的类型值,当选取的两个第二用户标识类型值的差值小于预设差值时,可认为这两个第二用户标识是属于相似度较高的用户,即这两个第二用户标识对应的用户是属于同一类型的用户。因此,可以获取到属于同一类型的两个第二用户标识对应的第一消息数据中均包含有的第一分词,作为这两个第二用户标识的共同词。
比如,第二用户C和第二用户D的类型值的差值小于预设差值,则判定第二用户C和第二用户D是属于同一类型的用户。那么可获取到分别与第二用户C和第二用户D对应的第一消息数据,并将同时在第二用户C和第二用户D的消息数据出现的词作为共同词。假设,“购买”,“信任”这两个词既出现在了第二用户C对应的第一消息数据中,也出现在了第二用户D对应的第一消息数据中,则可认为“购买”,“信任”这两个词是第二用户C和第二用户D的共同词。同时,在获取到属于同一类型的用户的共同词后,可以获取到在两个第二用户标识对应的消息数据中的权重均达到预设权重阈值的共同词,并根据这些权重均达到预设权重阈值的共同词确定第一用户标识的用语规范度。
也就是说,将订单成交类型为订单成功成交的类型与订单未成功成交的类型的第一消息数据进行分开输入至语言模型中,获得多个第一分词后,将在属于同一类型的用户对应的消息数据同时出现,并且权重均达到了预设权重阈值的共同词选取出来,以确定第一用户标识的用语规范度。第一用户标识的用语规范度是指作为第一用户的销售人员或客服人员,在与客户通过预设即时通信应用进行沟通时的用词用语的规范程度。为了使得用语规范度的可量化性,可以从数据库中获取到预设推荐词库,在预设推荐词库中包含有多个推荐的用词,比如“谢谢”等词。作为第一用户的销售人员或客服人员在与客户通过预设即时通信应用进行沟通时,应尽可能的多使用该预设推荐词库中的词语。当使用的越多,则说明第一用户的用语越规范,即用语规范度更高。
另一方面,当获知了第一用户与订单成功成交的类型中属于相同类型的客户在进行沟通时,所使用的频率较高的共同词时,说明与这一类型的客户在进行沟通时应尽量多用这些高频的共同词,可以提高与这一类型的客户的订单成交率,还可以根据这些共同词对预设推荐词库进行更新。同样地,当获知了第一用户与订单未成功成交的类型中属于相同类型的客户在进行沟通时,所使用的频率较高的共同词时,说明与这一类型的客户在进行沟通时应尽量少用这些共同词,这样也能够提高与这一类型的客户的订单成交率。
上述消息数据处理方法,通过分别将不同的订单成交类型的第一消息数据输入至语言模型中进行分词处理,以获得不同的订单成交类型对应的高频词汇,并确定与同一订单成交类型且属于同一类型的客户沟通时所使用的高频词汇,有效地确定第一用户的用语规范度,并可以为第一用户提供具体的沟通建议,以提高成单率,这一方法不但能够针对性对每一个销售人员进行指导,也能够有效的降低培训成本。
在一个实施例中,如图3所示,上述方法还包括:
步骤302,获取第二用户标识对应的第二消息数据。
第二用户标识是指与第一用户通过即时通信应用进行通信的用户对应的标识,第二用户可以代指客户,第二消息数据则是指一个或多个第一用户在通过预设即时通信应用该第二用户进行即时通信时对应产生的消息记录数据。第一消息数据与第二消息数据的区别是,第一消息数据与第一用户标识对应,每个第一用户标识对应的第一消息数据是指该第一用户标识与多个第二用户标识进行通信时的消息记录数据。而第二消息数据是与第二用户标识对应,每个第二用户标识对应的第二消息数据是指是指多个第一用户标识在与该第二用户标识进行通信时的消息记录数据。
步骤304,根据订单成交类型将第二消息数据输入至语言模型中。
步骤306,通过语言模型对输入的第二消息数据进行分词处理,得到第二消息数据中包含的第二分词。
当从数据库中获取到第二消息数据后,可将第二消息数据输入至语言模型中进行分词处理。进一步地,可根据订单成交类型分别将第二消息数据进行输入至语言模型中。即,在将第二消息数据输入至语言模型中时,可以将订单成交类型为订单成功成交的类型与订单未成功成交的类型的第二消息数据进行分开输入,也就是说,分别将不同的订单成交类型的第二消息数据输入至语言模型中进行分词处理。第二消息数据中包含有多条消息记录,语言模型在获取到第二消息数据后,会分别对第二消息数据中的每条消息记录进行分词处理,从而可以得到每条消息记录对应的多个第二分词。进一步地,语言模型在对每条消息记录进行分词处理时,会自动将判定为无意义信息的词进行排除,比如“我”、“你”、“他”、“的”等对句子的意义不会造成意义的词。
步骤308,根据第二分词的出现次数确定第二分词的权重。
步骤310,获取权重达到预设权重阈值的第二分词。
步骤312,根据权重达到预设权重阈值的第二分词更新预设推荐词库。
在确定了第二消息数据中包含的第二分词后,可以根据第二分词在第二消息数据中的出现次数确定每个第二分词的权重。计算第二分词的权重与第一分词的权重的计算方式可以是一致的。计算出每个第二分词的权重后,可以获取到权重达到预设权重阈值的第二分词,并根据权重达到预设权重阈值的第二分词更新预设推荐词库,从而可以对销售人员在与客户进行沟通时,提供有效的沟通用词模板。
在一个实施例中,如图4所示,上述方法还包括:
步骤402,依次获取与两个类型值的差值小于预设差值的第二用户标识在不同订单成交类型时对应的第一消息数据,作为第一比对数据和第二比对数据。
步骤404,获取未同时出现在第一比对数据和第二比对数据中的词作为区别词。
步骤406,根据区别词更新预设推荐词库。
获取到每个第二用户标识对应的类型值后,可依次比对两个第二用户标识的类型值,当两个第二用户标识的类型值的差值小于预设差值时可认为这两个第二用户标识对应的用户属于同一类型的用户。因此,可获取到属于同一类型的用户在不同订单成交类型时对应的第一消息数据。比如,根据类型值确定了第二用户A和第二用户B属于同一类型的用户后,可获取到第二用户A和第二用户B分别在订单成交类型为成功和非成功时对应的第一消息数据。即,可以获取到第二用户A的用户标识对应的订单成交类型为成功时的第一消息数据,和第二用户B的用户标识对应的订单成交类型为非成功时的第一消息数据。或反过来,获取第二用户A的用户标识对应的订单成交类型为未成功时的第一消息数据,和第二用户B的用户标识对应的订单成交类型为成功时的第一消息数据,分别将获取到的这两个第二用户标识各自对应的第一消息数据作为第一比对数据和第二比对数据。
进一步地,可对第一比对数据和第二比对数据进行分词处理,也可以输入至语言模型中进行分词处理,可得到第一比对数据和第二比对数据中各自包含的词。将第一比对数据和第二比对数据中包含的词进行比较,选取出只在第一比对数据中出现的词或只在第二比对数据中出现的词,即获取到未同时出现在第一比对数据和第二比对数据中的词,可以将这些词作为第一对比数据和第二对比数据的区别词。可以理解的是,不同的沟通方式导致了同一类型的客户的订单成交和订单未成交,因此可以获取到同一类型的客户在不同订单成交类型下的消息数据,以确定导致这一类型的客户的订单成交和失败的原因。比如,第二用户A和第二用户B属于同一类型的用户,且第二用户A属于订单成交成功的类型,第二用户B属于订单成交失败的类型。当获取到了第二用户A与第二用户B的消息数据中的区别词后,则可以对这些区别词进行分析。只在第二用户A的消息数据中出现的词但未在第二用户B的消息数据中出现的词,可认为是第二用户A的订单成功的原因之一。同样地,只在第二用户B的消息数据中出现的词但未在第二用户A的消息数据中出现的词,则可以认为是导致第二用户B的订单成功的原因之一,以此方式可以对员工的沟通方式进行改进与对应的培训。且,还可以根据这些区别词对预设推荐词库进行更新,以为员工与客户的沟通方式提供有效的建议与模板。
在一个实施例中,上述方法还包括:获取第一用户标识对应的消息参数,消息参数至少包括通信时长、好友数、好友增量、聊天记录数和平均聊天记录数中的一种;将消息参数与预设参数阈值进行对比,根据消息参数的数值与预设参数阈值确定第一用户标识的任务完成度的对应数值。。
消息参数是指第一用户在使用预设即时通信应用时的参数。消息参数可以包括有通信时长、好友数、好友增量、聊天记录数和平均聊天记录数等。通信时长是指第一用户标识在预设即时通信应用的在线时长,若是考虑到严谨性,当用户将预设即时通信应用在后台运行时,将不会判定为是处于在线状态。好友数指的是与第一用户标识具备好友关系的好友数量,也可以进一步根据好友数中客户的数量,根据好友中客户的数量作为该第一用户标识的真正好友数。好友增量是指在预设时间内好友的增长数量。预设时间是预先设置的,也可以根据实际需求进行更改。比如,将预设时间设置为7天,则好友增量是指在7天内第一用户标识的好友数的增长数量。聊天记录数是指预设时间内第一用户标识与各个客户好友的聊天数量,平均聊天记录数是指预设时间内第一用户标识与全部的客户好友的聊天数量的平均值。在计算好友增量、聊天记录数以及平均聊天记录数时对应的预设时间内可以是相同的,也可以是不同的。
在获取到第一用户标识的消息参数后,可以根据消息参数计算并确定第一用户标识的任务完成度。比如设置一个任务完成规范表格,在表格中分别设置了通信时长、好友数、好友增量、聊天记录数和平均聊天记录数的阈值,当第一用户标识的消息参数达到了预设的阈值时,则可认为第一用户标识对该消息参数的完成度为100%。比如,任务完成规范表格中设置的通信时长为100分钟,第一用户标识A的通信时长为120分钟,则第一用户标识A在通信时长这一消息参数的任务完成度为100%。而第一用户标识B的通信时长为80分钟,则第一用户标识B在通信时长这一消息参数的任务完成度为80%。具体的计算方式也可以更为复杂,对于任务完成度的评判标准也可以根据实际需求进行对应的调整。在确定了第一用户标识的任务完成度后,即可与该第一用户标识对应的销售人员或客服人员进行沟通,或进行相应的培训与建议,以提高该人员的任务完成度。
在一个实施例中,如图5所示,上述方法还包括:
步骤502,获取预设推荐词库。
步骤504,获取第一用户标识与每个第二用户标识对应的消息数据中包含的消息分词。
步骤506,将消息分词与推荐词库中包含的标准词进行对比。
步骤508,当第一分词中包含有全部的标准词时,判定第一用户标识达到预设规范度。
步骤510,当第一分词中未包含有全部的标准词时,判定第一用户标识未达到预设规范度。
预设推荐词库是预先编辑好的词库,在预设推荐词库中包含有多个推荐的用词或短语,即多个标准词,用于指导销售人员与客户进行沟通时的用词。可以获取到第一用户标识与每个第二用户标识对应的消息数据,并对该消息数据进行分词处理得到多个消息分词。依次将第一用户标识与每个第二用户标识对应的消息数据中包含的消息分词与推荐词库中包含的标准词进行对比,当消息分词中包含有全部的推荐词库中的标准词时,可以认为第一用户在与该第二用户在进行即时通信时,第一用户使用了全部的推荐词库中的标准词,则第一用户标识针对该第二用户标识时的规范度达到了预设规范度,即达到了预设的规范度。反之,当消息分词中未包含有全部的推荐词库中的标准词时,可以认为第一用户在与该第二用户在进行即时通信时,第一用户未全部使用推荐词库中的标准词,则第一用户标识针对该第二用户标识时的规范度未达到预设规范度,即未达到预设的规范度。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种消息数据处理装置,包括:消息获取模块、分词模块和、分词比对模块和用语规范模块,其中:
消息获取模块602,用于获取第一用户标识对应的第一消息数据。
分词模块604,用于根据订单成交类型将第一消息数据输入至语言模型中;通过语言模型对输入的第一消息数据进行分词处理,获取到第一消息数据中包含的第一分词。
第一分词比对模块606,用于获取每个消息数据对应的第二用户标识和第二用户标识对应的类型值;根据第一分词的出现次数确定与第二用户标识具备关联的第一分词的权重;获取在类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词。
用语规范模块608,用于获取权重达到预设权重阈值的共同词,根据共同词确定第一用户标识的用语规范度。
在一个实施例中,第一分词比对模块606还用于获取与第二用户标识对应的第二用户标签;将第二用户标签转换成向量,计算得到每个第二用户标识对应的标签值;根据标签值确定第二用户标识对应的类型值。
在一个实施例中,上述装置还包括第二分词比对模块(图中未示出),用于获取第二用户标识对应的第二消息数据;根据订单成交类型将第二消息数据输入至语言模型中;通过语言模型对输入的第二消息数据进行分词处理,得到第二消息数据中包含的第二分词;根据第二分词的出现次数确定第二分词的权重;获取权重达到预设权重阈值的第二分词;根据权重达到预设权重阈值的第二分词更新预设推荐词库。
在一个实施例中,上述装置还包括词库更新模块(图中未示出),用于依次获取与两个类型值的差值小于预设差值的第二用户标识在不同订单成交类型时对应的第一消息数据,作为第一比对数据和第二比对数据;获取未同时出现在第一比对数据和第二比对数据中的词作为区别词;根据区别词更新预设推荐词库。
在一个实施例中,上述装置还包括任务规范判定模块(图中未示出),用于获取第一用户标识对应的消息参数,消息参数至少包括通信时长、好友数、好友增量、聊天记录数和平均聊天记录数中的一种;将消息参数与预设参数阈值进行对比,根据消息参数的数值与预设参数阈值确定第一用户标识的任务完成度的对应数值。
在一个实施例中,上述任务规范判定模块还用于获取预设推荐词库;获取第一用户标识与每个第二用户标识对应的消息数据中包含的消息分词;将消息分词与推荐词库中包含的标准词进行对比;当第一分词中包含有全部的标准词时,判定第一用户标识达到预设规范度;当第一分词中未包含有全部的标准词时,判定第一用户标识未达到预设规范度。
关于消息数据处理装置的具体限定可以参见上文中对于消息数据处理方法的限定,在此不再赘述。上述消息数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储消息数据处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种消息数据处理方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取第一用户标识对应的第一消息数据;根据订单成交类型将第一消息数据输入至语言模型中;通过语言模型对输入的第一消息数据进行分词处理,获取到第一消息数据中包含的第一分词;获取每个消息数据对应的第二用户标识和第二用户标识对应的类型值;根据第一分词的出现次数确定与第二用户标识具备关联的第一分词的权重;获取在类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词;获取权重达到预设权重阈值的共同词,根据共同词确定第一用户标识的用语规范度。
在一个实施例中,获取每个消息数据对应的第二用户标识和第二用户标识对应的类型值,包括:获取与第二用户标识对应的第二用户标签;将第二用户标签转换成向量,计算得到每个第二用户标识对应的标签值;根据标签值确定第二用户标识对应的类型值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取第二用户标识对应的第二消息数据;根据订单成交类型将第二消息数据输入至语言模型中;通过语言模型对输入的第二消息数据进行分词处理,得到第二消息数据中包含的第二分词;根据第二分词的出现次数确定第二分词的权重;获取权重达到预设权重阈值的第二分词;根据权重达到预设权重阈值的第二分词更新预设推荐词库。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:依次获取与两个类型值的差值小于预设差值的第二用户标识在不同订单成交类型时对应的第一消息数据,作为第一比对数据和第二比对数据;获取未同时出现在第一比对数据和第二比对数据中的词作为区别词;根据区别词更新预设推荐词库。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取第一用户标识对应的消息参数,消息参数至少包括通信时长、好友数、好友增量、聊天记录数和平均聊天记录数中的一种;将消息参数与预设参数阈值进行对比,根据消息参数的数值与预设参数阈值确定第一用户标识的任务完成度的对应数值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预设推荐词库;获取第一用户标识与每个第二用户标识对应的消息数据中包含的消息分词;将消息分词与推荐词库中包含的标准词进行对比;当第一分词中包含有全部的标准词时,判定第一用户标识达到预设规范度;当第一分词中未包含有全部的标准词时,判定第一用户标识未达到预设规范度。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取第一用户标识对应的第一消息数据;根据订单成交类型将第一消息数据输入至语言模型中;通过语言模型对输入的第一消息数据进行分词处理,获取到第一消息数据中包含的第一分词;获取每个消息数据对应的第二用户标识和第二用户标识对应的类型值;根据第一分词的出现次数确定与第二用户标识具备关联的第一分词的权重;获取在类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词;获取权重达到预设权重阈值的共同词,根据共同词确定第一用户标识的用语规范度。
在一个实施例中,获取每个消息数据对应的第二用户标识和第二用户标识对应的类型值,包括:获取与第二用户标识对应的第二用户标签;将第二用户标签转换成向量,计算得到每个第二用户标识对应的标签值;根据标签值确定第二用户标识对应的类型值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取第二用户标识对应的第二消息数据;根据订单成交类型将第二消息数据输入至语言模型中;通过语言模型对输入的第二消息数据进行分词处理,得到第二消息数据中包含的第二分词;根据第二分词的出现次数确定第二分词的权重;获取权重达到预设权重阈值的第二分词;根据权重达到预设权重阈值的第二分词更新预设推荐词库。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:依次获取与两个类型值的差值小于预设差值的第二用户标识在不同订单成交类型时对应的第一消息数据,作为第一比对数据和第二比对数据;获取未同时出现在第一比对数据和第二比对数据中的词作为区别词;根据区别词更新预设推荐词库。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取第一用户标识对应的消息参数,消息参数至少包括通信时长、好友数、好友增量、聊天记录数和平均聊天记录数中的一种;将消息参数与预设参数阈值进行对比,根据消息参数的数值与预设参数阈值确定第一用户标识的任务完成度的对应数值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取第一用户标识与每个第二用户标识对应的消息数据中包含的消息分词;将消息分词与推荐词库中包含的标准词进行对比;当第一分词中包含有全部的标准词时,判定第一用户标识达到预设规范度;当第一分词中未包含有全部的标准词时,判定第一用户标识未达到预设规范度。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种消息数据处理方法,所述方法包括:
获取第一用户标识对应的第一消息数据;
根据订单成交类型将所述第一消息数据输入至语言模型中;
通过所述语言模型对输入的所述第一消息数据进行分词处理,获取到所述第一消息数据中包含的第一分词;
获取每个消息数据对应的第二用户标识和所述第二用户标识对应的类型值;
根据所述第一分词的出现次数确定与所述第二用户标识具备关联的所述第一分词的权重;
获取在所述类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词;
获取所述权重达到预设权重阈值的共同词,根据所述共同词确定所述第一用户标识的用语规范度。
2.根据权利要求1所述的方法,其特征在于,所述获取每个消息数据对应的第二用户标识和所述第二用户标识对应的类型值,包括:
获取与第二用户标识对应的第二用户标签;
将所述第二用户标签转换成向量,计算得到每个第二用户标识对应的标签值;
根据所述标签值确定所述第二用户标识对应的类型值。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取第二用户标识对应的第二消息数据;
根据订单成交类型将所述第二消息数据输入至语言模型中;
通过所述语言模型对输入的第二消息数据进行分词处理,得到所述第二消息数据中包含的第二分词;
根据所述第二分词的出现次数确定所述第二分词的权重;
获取所述权重达到所述预设权重阈值的第二分词;
根据所述权重达到所述预设权重阈值的第二分词更新预设推荐词库。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
依次获取与两个所述类型值的差值小于预设差值的第二用户标识在不同订单成交类型时对应的第一消息数据,作为第一比对数据和第二比对数据;
获取未同时出现在所述第一比对数据和第二比对数据中的词作为区别词;
根据所述区别词更新预设推荐词库。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述第一用户标识对应的消息参数,消息参数至少包括通信时长、好友数、好友增量、聊天记录数和平均聊天记录数中的一种;
将所述消息参数与预设参数阈值进行对比,根据所述消息参数的数值与所述预设参数阈值确定所述第一用户标识的任务完成度的对应数值。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取预设推荐词库;
获取所述第一用户标识与每个第二用户标识对应的消息数据中包含的消息分词;
将所述消息分词与所述推荐词库中包含的标准词进行对比;
当所述第一分词中包含有全部的所述标准词时,判定所述第一用户标识达到预设规范度;
当所述第一分词中未包含有全部的所述标准词时,判定所述第一用户标识未达到所述预设规范度。
7.一种消息数据处理装置,其特征在于,所述装置包括:
消息获取模块,用于获取第一用户标识对应的第一消息数据;
分词模块,用于根据订单成交类型将所述第一消息数据输入至语言模型中;通过所述语言模型对输入的所述第一消息数据进行分词处理,获取到所述第一消息数据中包含的第一分词;
第一分词比对模块,用于获取每个消息数据对应的第二用户标识和所述第二用户标识对应的类型值;根据所述第一分词的出现次数确定与所述第二用户标识具备关联的所述第一分词的权重;获取在所述类型值的差值小于预设差值的第二用户标识对应的第一消息数据中均包含的第一分词作为共同词;
用语规范模块,用于获取所述权重达到预设权重阈值的共同词,根据所述共同词确定所述第一用户标识的用语规范度。
8.根据权利要求7所述的装置,其特征在于,所述分词比对模块还用于获取与第二用户标识对应的第二用户标签;将所述第二用户标签转换成向量,计算得到每个第二用户标识对应的标签值;根据所述标签值确定所述第二用户标识对应的类型值。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种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权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811224436.3A CN109543177B (zh) | 2018-10-19 | 2018-10-19 | 消息数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811224436.3A CN109543177B (zh) | 2018-10-19 | 2018-10-19 | 消息数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109543177A true CN109543177A (zh) | 2019-03-29 |
CN109543177B CN109543177B (zh) | 2022-04-12 |
Family
ID=65844347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811224436.3A Active CN109543177B (zh) | 2018-10-19 | 2018-10-19 | 消息数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109543177B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992067A (zh) * | 2019-12-13 | 2020-04-10 | 中国平安财产保险股份有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
US11949644B2 (en) | 2007-03-22 | 2024-04-02 | Google Llc | Systems and methods for relaying messages in a communications system |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070124319A1 (en) * | 2005-11-28 | 2007-05-31 | Microsoft Corporation | Metadata generation for rich media |
US7899869B1 (en) * | 2007-03-22 | 2011-03-01 | Google Inc. | Broadcasting in chat system without topic-specific rooms |
US20120101805A1 (en) * | 2010-10-26 | 2012-04-26 | Luciano De Andrade Barbosa | Method and apparatus for detecting a sentiment of short messages |
CN106201010A (zh) * | 2016-06-29 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 词库添加方法和装置 |
CN106297788A (zh) * | 2016-08-19 | 2017-01-04 | 美的集团股份有限公司 | 控制方法及控制装置 |
US20170147682A1 (en) * | 2015-11-19 | 2017-05-25 | King Abdulaziz City For Science And Technology | Automated text-evaluation of user generated text |
CN106886296A (zh) * | 2017-02-15 | 2017-06-23 | 中国联合网络通信集团有限公司 | 输入法的词库的处理方法和装置 |
CN106940788A (zh) * | 2017-03-07 | 2017-07-11 | 百度在线网络技术(北京)有限公司 | 智能评分方法及装置、计算机设备及计算机可读介质 |
CN106997375A (zh) * | 2017-02-28 | 2017-08-01 | 浙江大学 | 基于深度学习的客服回复推荐方法 |
CN107800900A (zh) * | 2017-07-25 | 2018-03-13 | 平安科技(深圳)有限公司 | 通话数据处理方法、装置、存储介质和计算机设备 |
CN108287823A (zh) * | 2018-02-07 | 2018-07-17 | 平安科技(深圳)有限公司 | 消息数据处理方法、装置、计算机设备和存储介质 |
CN108388674A (zh) * | 2018-03-26 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
-
2018
- 2018-10-19 CN CN201811224436.3A patent/CN109543177B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070124319A1 (en) * | 2005-11-28 | 2007-05-31 | Microsoft Corporation | Metadata generation for rich media |
US7899869B1 (en) * | 2007-03-22 | 2011-03-01 | Google Inc. | Broadcasting in chat system without topic-specific rooms |
US20120101805A1 (en) * | 2010-10-26 | 2012-04-26 | Luciano De Andrade Barbosa | Method and apparatus for detecting a sentiment of short messages |
US20170147682A1 (en) * | 2015-11-19 | 2017-05-25 | King Abdulaziz City For Science And Technology | Automated text-evaluation of user generated text |
CN106201010A (zh) * | 2016-06-29 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 词库添加方法和装置 |
CN106297788A (zh) * | 2016-08-19 | 2017-01-04 | 美的集团股份有限公司 | 控制方法及控制装置 |
CN106886296A (zh) * | 2017-02-15 | 2017-06-23 | 中国联合网络通信集团有限公司 | 输入法的词库的处理方法和装置 |
CN106997375A (zh) * | 2017-02-28 | 2017-08-01 | 浙江大学 | 基于深度学习的客服回复推荐方法 |
CN106940788A (zh) * | 2017-03-07 | 2017-07-11 | 百度在线网络技术(北京)有限公司 | 智能评分方法及装置、计算机设备及计算机可读介质 |
CN107800900A (zh) * | 2017-07-25 | 2018-03-13 | 平安科技(深圳)有限公司 | 通话数据处理方法、装置、存储介质和计算机设备 |
CN108287823A (zh) * | 2018-02-07 | 2018-07-17 | 平安科技(深圳)有限公司 | 消息数据处理方法、装置、计算机设备和存储介质 |
CN108388674A (zh) * | 2018-03-26 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
Non-Patent Citations (2)
Title |
---|
LAN DU ET AL.: "Topic Models with Topic Ordering Regularities for Topic Segmentation", 《2014 IEEE INTERNATIONAL CONFERENCE ON DATA MINING》 * |
张瑞 等: "情感介入式智能客户服务系统", 《情报理论与实践》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11949644B2 (en) | 2007-03-22 | 2024-04-02 | Google Llc | Systems and methods for relaying messages in a communications system |
CN110992067A (zh) * | 2019-12-13 | 2020-04-10 | 中国平安财产保险股份有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
CN110992067B (zh) * | 2019-12-13 | 2023-08-08 | 中国平安财产保险股份有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109543177B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109729383B (zh) | 双录视频质量检测方法、装置、计算机设备和存储介质 | |
US11397772B2 (en) | Information search method, apparatus, and system | |
CN108876133A (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN107909330B (zh) | 工作流数据处理方法、装置、存储介质和计算机设备 | |
CN109165983A (zh) | 保险产品推荐方法、装置、计算机设备和存储介质 | |
CN109712001A (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
CN109344183A (zh) | 数据交互方法、装置、计算机设备和存储介质 | |
CN109376237A (zh) | 客户稳定性的预测方法、装置、计算机设备和存储介质 | |
CN108932582A (zh) | 风险信息确定方法、装置、计算机设备和存储介质 | |
CN110363569A (zh) | 数据产品推荐方法、装置、计算机设备和存储介质 | |
CN109766491A (zh) | 商品搜索方法、装置、计算机设备和存储介质 | |
CN109949154A (zh) | 客户信息分类方法、装置、计算机设备和存储介质 | |
CN113312512B (zh) | 训练方法、推荐方法、装置、电子设备以及存储介质 | |
CN108334625A (zh) | 用户信息的处理方法、装置、计算机设备和存储介质 | |
CN110046806B (zh) | 用于客服派单的方法、装置和计算设备 | |
CN109118376A (zh) | 医疗保险保费定价方法、装置、计算机设备和存储介质 | |
CN110930017A (zh) | 数据处理的方法及装置 | |
CN109857373A (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
CN110135943A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN109767290A (zh) | 产品推送方法、装置、计算机设备和存储介质 | |
CN110457361B (zh) | 特征数据获取方法、装置、计算机设备和存储介质 | |
CN109543177A (zh) | 消息数据处理方法、装置、计算机设备和存储介质 | |
CN109408708A (zh) | 用户推荐的方法、装置、计算机设备和存储介质 | |
CN109785867A (zh) | 双录流程配置方法、装置、计算机设备和存储介质 | |
CN113793174A (zh) | 数据关联方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |