CN110175012A - 技能推荐方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本发明实施例提供一种技能推荐方法、装置、设备及计算机可读存储介质。本发明实施例的方法，通过响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值；将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能；根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术，并向所述用户推荐所述目标技能的推荐话术，可以实现自动地根据用户的历史行为数据和属性数据，从多个候选技能中选择一个技能进行推荐，实现了向用户个性化地推荐技能，且针对多个候选技能，无需重复开发代码，降低了技能推荐的维护成本。

Description

技能推荐方法、装置、设备及计算机可读存储介质

技术领域

本发明实施例涉及技能技术领域，尤其涉及一种技能推荐方法、装置、设备及计算机可读存储介质。

背景技术

目前，市面上有多款智能音箱用于播放语音技能。在语音技能的使用过程中，当接收到技能退出指令时，退出当前技能并向用户播放退出语。

若想要向技能用户推荐信息，只能由开发人员在退出语中配置固定的推荐信息，无法根据用户的使用情况进行个性化的技能推荐，技能的推荐具有局限性、效果差，且推荐不同技能需重复开发代码，成本高。

发明内容

本发明实施例提供一种技能推荐方法、装置、设备及计算机可读存储介质，用以解决现有技术中无法根据用户的使用情况进行个性化的技能推荐，技能的推荐具有局限性、效果差，且推荐不同技能需重复开发代码，成本高的问题。

本发明实施例的一个方面是提供一种技能推荐方法，包括：

响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值；

将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能；

根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术；

向所述用户推荐所述目标技能的推荐话术。

本发明实施例的另一个方面是提供一种技能推荐装置，包括：

推荐策略模块，用于响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值；

所述推荐策略模块还用于：将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能；

推荐话术生成模块，用于根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术；

推荐模块，用于向所述用户推荐所述目标技能的推荐话术。

本发明实施例的另一个方面是提供一种技能推荐设备，包括：

存储器，处理器，以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，

所述处理器运行所述计算机程序时实现上述所述的技能推荐方法。

本发明实施例的另一个方面是提供一种计算机可读存储介质，存储有计算机程序，

所述计算机程序被处理器执行时实现上述所述的技能推荐方法。

本发明实施例提供的技能推荐方法、装置、设备及计算机可读存储介质，通过响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值；将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能；根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术，并向所述用户推荐所述目标技能的推荐话术，可以实现自动地根据用户的历史行为数据和属性数据，从多个候选技能中选择一个技能进行推荐，实现了向用户个性化地推荐技能，且针对多个候选技能，无需重复开发代码，降低了技能推荐的维护成本。

附图说明

图1为本发明实施例一提供的技能推荐方法流程图；

图2为本发明实施例二提供的技能推荐方法流程图；

图3为本发明实施例二提供的技能推荐的整体流程图；

图4为本发明实施例三提供的技能推荐装置的结构示意图；

图5为本发明实施例五提供的技能推荐设备的结构示意图。

通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明实施例构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明实施例的一些方面相一致的装置和方法的例子。

本发明实施例所涉及的术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。

下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

实施例一

图1为本发明实施例一提供的技能推荐方法流程图。本发明实施例针对现有技术中无法根据用户的使用情况进行个性化的技能推荐，技能的推荐具有局限性、效果差，且推荐不同技能需重复开发代码，成本高的问题，提供了技能推荐方法。

本实施例中的方法应用于技能推荐终端设备，该终端设备可以是语音技能平台等服务器设备，在其他实施例中，该方法还可应用于其他设备，本实施例以语音技能平台为例进行示意性说明。

如图1所示，该方法具体步骤如下：

步骤S101、响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值。

本实施例中，在语音技能退出时，将即将退出的语音技能作为当前技能，根据当前技能的使用用户的用户画像信息(包括用户的历史行为数据和属性数据)，向用户个性化地推荐其他语音技能，以使用户继续使用向其推荐的语音技能，从而增加该用户使用技能的次数。

其中，所述属性数据至少包括：自然属性信息、当前时间、当前所在位置、当前所在位置的环境信息。用户的自然属性信息包括用户的性别、年龄、籍贯等等用户属性，本实施例此处不再赘述。

所述历史行为数据至少包括用户使用各项技能的历史行为信息，用户的历史行为数据可以以行为日志的方式记录在用户行为日志的存储系统中。

该步骤中，语音技能平台在接收到用户对当前技能的退出指令时，从用户行为数据库中获取该用户的历史行为数据，从用户属性数据库中获取该用户的属性数据，包括：自然属性数据、当前时间、用户所在位置，以及用户所在位置的环境信息等。其中用户所在位置可以是用户所在的地理位置。例如，可以是用户注册技能时提交的地理位置。然后根据该用户的历史行为数据和属性数据，结合当前技能的属性信息，采用预设推荐模型，计算出与所述当前技能具有相同使用场景的一个或者多个候选技能的推荐值。候选技能的推荐值越大，将候选技能推荐给该用户的可能性越大。

可选的，用户所在位置还可以是实时定位的用户当前所在位置，例如用户所在位置的兴趣点(Point of Interest，简称POI)等。语音技能平台可以实时地获取当前时间、用户当前所在位置，以及用户当前所在位置的环境信息。

可选的，用户所在位置的环境信息为根据用户所在位置，采用基于位置服务(Location Based Service，简称LBS)能够获取到的用户所在位置的温度、湿度、天气状况等天气气象信息，自然光线强度，场所类型等等。当前所在位置的环境信息具体包括哪些信息可以由技术人员根据实际需要进行设置和修改，本实施例此处不再限定。

另外，本实施例中的候选技能可以是预先指定的候选语音技能集合中所包括的技能，候选技能的属性信息也可以存储在候选语音技能集合中。

该候选语音技能集合中的技能可以动态地增加或者减少，候选语音技能集合中包括哪些技能可以由技术人员根据实际需要进行设置和动态更新，本实施例此处不做具体限定。

例如，当语音技能平台上发布了新的语音技能时，可以将该新发布的语音技能及其属性信息增加到技能库中。

步骤S102、将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能。

本实施例中，使用场景包括有屏场景和无屏场景，有屏场景是指语音技能播放终端为具有显示屏幕的设备，无屏场景是指语音技能播放终端为不具有显示屏幕的设备。

例如，语音技能播放终端可以是智能音箱，如果当前用户使用的智能音箱为有显示屏幕的智能音箱，则当前技能的使用场景为有屏场景；如果当前用户使用的智能音箱为没有显示屏幕的智能音箱，则当前技能的使用场景为无屏场景。

在得到与所述当前技能具有相同使用场景的候选技能的推荐值之后，语音技能平台将其中推荐值最高的候选技能作为向该用户推荐的目标技能，该目标技能与当前技能具有相同使用场景，并推荐值最高。

步骤S103、根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术。

在确定待推荐的目标技能之后，根据所述目标技能的技能属性，结合该用户的历史行为数据和属性数据，生成所述目标技能的推荐话术。推荐话术可以是基于语音交互界面(voice user interface，简称VUI)的推荐话术，本实施例称为VUI推荐话术。

其中，VUI指的是语音交互界面，可以实现人与设备之间的语音交互；VUI不需要具有具体的可视界面，它也可以是完全听觉的或触觉的(例如震动)。

具体的，所述推荐话术至少包括：个性化状态响应话术和技能引导话术。其中，所述个性化状态响应话术用于说明向所述用户推荐所述目标技能的理由，所述技能引导话术包括对所述目标技能的推荐信息和使用引导信息。

步骤S104、向所述用户推荐所述目标技能的推荐话术。

在生成目标技能的推荐话术之后，语音技能平台将目标技能的推荐话术推荐给该用户。具体的，语音技能平台可以控制该用户的语音播放终端(例如智能音箱等)播放目标技能的推荐话术，以使用户在目标技能的推荐话术的推荐和引导下，启用目标技能，从而增加用户与语音技能平台的交互。

本发明实施例通过响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值；将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能；根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术，并向所述用户推荐所述目标技能的推荐话术，可以实现自动地根据用户的历史行为数据和属性数据，从多个候选技能中选择一个技能进行推荐，实现了向用户个性化地推荐技能，且针对多个候选技能，无需重复开发代码，降低了技能推荐的维护成本。

实施例二

图2为本发明实施例二提供的技能推荐方法流程图；图3为本发明实施例二提供的技能推荐的整体流程图。在上述实施例一的基础上，本实施例中，所述根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值，包括：根据用户的历史行为数据和属性数据，生成所述用户的特征向量；根据所述用户的特征向量，通过预设的推荐模型，计算与所述当前技能具有相同使用场景的候选技能的推荐值。

如图2所示，该方法具体步骤如下：

步骤S201、响应于用户对当前技能的退出指令，根据用户的历史行为数据和属性数据，生成所述用户的特征向量。

本实施例，在语音技能退出时，将即将退出的语音技能作为当前技能，根据当前技能的使用用户的用户画像信息(包括用户的历史行为数据和属性数据)，向用户个性化地推荐其他语音技能，以使用户继续使用向其推荐的语音技能，从而增加该用户使用技能的次数。

其中，所述属性数据至少包括：自然属性信息、当前时间、当前所在位置、当前所在位置的环境信息。用户的自然属性信息包括用户的性别、年龄、籍贯等等用户属性，本实施例此处不再赘述。

所述历史行为数据至少包括用户使用各项技能的历史行为信息，用户的历史行为数据可以以行为日志的方式记录在用户行为日志的存储系统中。

语音技能平台在接收到用户对当前技能的退出指令时，从用户行为数据库中获取该用户的历史行为数据，从用户属性数据库中获取该用户的属性数据，包括：自然属性数据、当前时间、用户所在位置，以及用户所在位置的环境信息等。其中用户所在位置可以是用户所在的地理位置。例如，可以是用户注册技能时提交的地理位置。

如图3所示，在特征向量的生成阶段，语音技能平台从用户行为数据库中获取该用户的历史行为数据，从用户属性数据库中获取该用户的属性数据，根据预设的特征提取方法对用户的历史行为数据进行行为特征提取及转换，并结合该用户的属性数据，生成该用户的特征向量。

其中，本实施例中用户的特征向量的具体格式可以由技术人员根据实际应用场景进行设定。预设的特征提取方法可以由技术人员根据实际需要进行设定，也可以采用现有技术中任意一种进行数据的关键特征提取的方法实现，本实施例此处不再赘述。

可选的，用户所在位置还可以是实时定位的用户所在位置，例如用户所在位置的兴趣点(Point of Interest，简称POI)等。语音技能平台可以实时地获取当前时间、用户当前所在位置，以及用户当前所在位置的环境信息。

步骤S202、根据所述用户的特征向量，通过预设的推荐模型，计算与所述当前技能具有相同使用场景的候选技能的推荐值。

本实施例中，使用场景包括有屏场景和无屏场景，有屏场景是指语音技能播放终端为具有显示屏幕的设备，无屏场景是指语音技能播放终端为不具有显示屏幕的设备。

例如，语音技能播放终端可以是智能音箱，如果当前用户使用的智能音箱为有显示屏幕的智能音箱，则当前技能的使用场景为有屏场景；如果当前用户使用的智能音箱为没有显示屏幕的智能音箱，则当前技能的使用场景为无屏场景。

该步骤中，可以先计算出所有候选技能的推荐值，然后根据当前技能以及各候选技能的使用场景，筛选出与所述当前技能具有相同使用场景的候选技能。该步骤的一种可行的实施方式如下：

根据所述用户的特征向量，通过预设的推荐模型，计算各候选技能的推荐值；根据所述当前技能的使用场景，确定与所述当前技能具有相同使用场景的候选场景。

该步骤中，可以先根据当前技能以及各候选技能的使用场景，筛选出与所述当前技能具有相同使用场景的候选技能，然后计算筛选出的候选技能的推荐值。该步骤的另一种可行的实施方式如下：

根据所述当前技能的使用场景，筛选得到与所述当前技能具有相同使用场景的候选场景；根据所述用户的特征向量，通过预设的推荐模型，计算筛选得到的候选技能的推荐值。

本实施例中，所述推荐模型可以包括一个人或者多个推荐引擎。每个推荐引擎表示一种推荐策略，不同的推荐引擎对应不同的推荐策略。语音技能平台根据预先设定的多个推荐引擎，根据每个推荐引擎生成一个相关表(是指一个推荐函数)。

该步骤中，根据所述用户的特征向量，通过预设的推荐模型，计算某一候选技能的推荐值，一种可行的实施方式如下：

根据所述用户的特征向量，通过各所述推荐引擎，分别计算与各所述推荐引擎对应的该候选技能的推荐分量值；根据所述与各所述推荐引擎对应的该候选技能的推荐分量值，计算该候选技能的推荐值。

进一步地，语音技能平台可以通过对各所述推荐引擎对应的该候选技能的推荐分量值求和，得到该候选技能的推荐值；或者，语音技能平台可以通过对各所述推荐引擎对应的该候选技能的推荐分量值的平均值，得到该候选技能的推荐值；或者，语音技能平台可以为每个推荐引擎设置对应的权重值，通过对各所述推荐引擎对应的该候选技能的推荐分量值的加权平均值，得到该候选技能的推荐值；或者还可以采用其他方式根据所述与各所述推荐引擎对应的该候选技能的推荐分量值，计算该候选技能的推荐值，本实施例此处不做具体限定。

本实施例中，上述步骤S201-S202为响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值的一种可行的实施方式。

步骤S203、将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能。

示例性地，以先计算出所有候选技能的推荐值，然后根据当前技能以及各候选技能的使用场景，筛选出与所述当前技能具有相同使用场景的候选技能为例，如图3所示，在技能推荐阶段，语音技能平台可以根据所述用户的特征向量，结合当前技能，分别采用每个相关表(如图3中相关表1，相关表2，…相关表n)计算得到该候选技能的一个推荐分量值，可以得到各推荐引擎对应的该候选技能的推荐分量值；根据所述与各所述推荐引擎对应的该候选技能的推荐分量值，计算该候选技能的推荐值，得到初始推荐结果。然后，根据当前技能的使用场景是有屏场景还是无屏场景，对候选技能进行过滤，保留与所述当前技能具有相同使用场景的候选技能。进一步地，根据保留的各候选技能的推荐值进行排序，从中选出推荐值最大的候选技能作为目标技能，得到最终推荐结果。

步骤S204、根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术。

在确定待推荐的目标技能之后，根据所述目标技能的技能属性，结合该用户的历史行为数据和属性数据，生成所述目标技能的推荐话术。推荐话术可以是基于语音交互界面(voice user interface，简称VUI)的推荐话术，本实施例称为VUI推荐话术。其中，VUI指的是语音交互界面，可以实现人与设备之间的语音交互；VUI不需要具有具体的可视界面，它也可以是完全听觉的或触觉的(例如震动)。

其中，所述推荐话术至少包括：个性化状态响应话术和技能引导话术。其中，所述个性化状态响应话术用于说明向所述用户推荐所述目标技能的理由；所述技能引导话术包括对所述目标技能的推荐信息和使用引导信息。

本实施例中，所述根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术，至少包括：

根据所述用户的历史行为数据和属性数据，生成所述目标技能的个性化状态响应话术；根据所述目标技能的技能属性，生成所述目标技能的技能引导话术。

具体的，根据所述用户的历史行为数据、当前时间、用户所在位置、以及用户所在位置的环境信息，生成所述目标技能的个性化状态响应话术，用于说明向所述用户推荐所述目标技能的理由。根据所述目标技能的技能属性，生成所述目标技能的技能引导话术，从而针对目标技能进行个性化推荐，激励用户使用此目标技能。

可选的，所述推荐话术还包括技能退出响应信息，所述技能退出响应信息用于提示所述用户所述当前技能已退出成功。

另外，该步骤中，语音技能平台根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的、适用于所述当前技能的使用场景的推荐话术。

若当前的使用场景为“有屏场景”，则目标技能的技能引导话术可以采用直接推荐、或者引导推荐的方式实现。

若当前的使用场景为“无屏场景”，则目标技能的技能引导话术可以采用直接推荐、或者引导推荐、或者对话流推荐的方式实现。对话流推荐方式是指：根据当前对话流的对话信息和对话模型，生成目标技能对应的回复信息，将回复信息推荐给用户。

本实施例中，上述直接推荐、间接推荐、和对话流推荐的方式均可以采用现有技术中语音技能相对应的信息推荐方式实现，本实施例此处不再赘述。

例如，对于有屏场景，目标技能的VUI推荐话术可以是“XXX技能已退出。现在是晚上10点了，北京的外面打着雷你是不是有点睡不着？现在我为你打开白噪音来帮助你更好的入眠，如果确定请对我说『是』(直接推荐)/白噪音帮助你更好的入眠现在对我说打开白噪音(引导推荐)”。其中，技能退出响应信息为：“XXX技能已退出”(其中“XXX技能”可以是当前技能的名称)；个性化状态响应话术为：“现在是晚上10点了，北京的外面打着雷你是不是有点睡不着？”；技能引导话术为：“现在我为你打开白噪音来帮助你更好的入眠，如果确定请对我说『是』(直接推荐)/白噪音帮助你更好的入眠现在对我说打开白噪音(引导推荐)”。

再如，对于无屏场景，目标技能的VUI推荐话术可以是“XXX技能已退出。现在是晚上10点了，北京的外面打着雷你是不是有点睡不着？现在我为你打开白噪音来帮助你更好的入眠，如果确定请对我说『是』。你可以在对话流中查看卡片。”其中，技能退出响应信息为：“XXX技能已退出”(其中“XXX技能”可以是当前技能的名称)；个性化状态响应话术为：“现在是晚上10点了，北京的外面打着雷你是不是有点睡不着？”；技能引导话术为：“现在我为你打开白噪音来帮助你更好的入眠，如果确定请对我说『是』。你可以在对话流中查看卡片。”。该“卡片”中可以包括对目标技能的相关推荐信息，比如“为您推荐了技能『白噪音』，点击此处即可打开该技能并查看介绍”。当用户点击对话流中推荐的“卡片”后，语音技能播放终端(例如智能音箱)直接打开该目标技能。

步骤S205、向所述用户推荐所述目标技能的推荐话术。

本实施例中，若所述推荐话术包括：个性化状态响应话术和技能引导话术，该步骤对应的一种可行的实施方式为：

控制技能播放终端，在退出语播放结束之后，向所述用户依次播放所述目标技能的个性化状态响应话术和技能引导话术。

若所述推荐话术包括：技能退出响应信息，个性化状态响应话术和技能引导话术，该步骤对应的一种可行的实施方式为：

控制技能播放终端，依次播放所述目标技能的技能退出响应信息、个性化状态响应话术和技能引导话术。

步骤S206、记录所述用户是否启用了所述目标技能。

本实施例中，在向所述用户推荐所述目标技能的推荐话术之后，语音技能平台可以实时地检测用户是否启用了向其推荐的目标技能，并记录检测结果。

可选的，可以根据用户是否启用了向其推荐的所述目标技能的检测结果，生成用户推荐效果日志，记录到日志系统中。用户推荐效果日志可以作为该用户的行为日志，作为后续再次向该用户推荐技能的数据基础，用于进一步改进和优化推荐模型。

例如，如果用户启用了该目标技能，则记录本次推荐为成功状态；如果用户未启用该目标技能，则记本次推荐为失败状态。

示例性地，本实施例提供的技能推出时的技能推荐功能，语音技能平台可以设置是否开启技能推出时的技能推荐功能的选项。在进行技能推荐之前，语音技能平台检测当前是否开启了技能推出时的技能推荐功能，若已开启，则执行本实施例提供的技能推荐方法；若未开启，则不执行技能推荐方法。

本发明实施例通过根据用户的历史行为数据和属性数据，结合当前技能，通过多个推荐引擎向用户进行个性化地技能推荐，无需重复开发代码，降低了技能推荐的维护成本；进一步地，目标技能的推荐话术至少包括个性化状态响应话术和技能引导话术，根据所述用户的历史行为数据、当前时间、用户所在位置、以及用户所在位置的环境信息，生成所述目标技能的个性化状态响应话术，能够说明向所述用户推荐所述目标技能的理由；根据所述目标技能的技能属性，生成所述目标技能的技能引导话术，从而针对目标技能进行个性化推荐，激励用户使用此目标技能，能够提升用户启用推荐的目标技能的可能性，从而可以进一步增加用户与语音技能平台的交互次数。

实施例三

图4为本发明实施例三提供的技能推荐装置的结构示意图。本发明实施例提供的技能推荐装置可以执行技能推荐方法实施例提供的处理流程。如图4所示，该装置30包括：推荐策略模块301，推荐话术生成模块302和推荐模块303。

具体地，推荐策略模块301，用于响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值。

所述推荐策略模块301还用于：将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能。

推荐话术生成模块302，用于根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术。

推荐模块303，用于向所述用户推荐所述目标技能的推荐话术。

本实施例中，所述属性数据至少包括：自然属性信息、当前时间、当前所在位置、当前所在位置的环境信息；所述历史行为数据至少包括用户使用各项技能的历史行为信息。

本发明实施例提供的装置可以具体用于执行上述实施例一所提供的方法实施例，具体功能此处不再赘述。

本发明实施例通过响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值；将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能；根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术，并向所述用户推荐所述目标技能的推荐话术，可以实现自动地根据用户的历史行为数据和属性数据，从多个候选技能中选择一个技能进行推荐，实现了向用户个性化地推荐技能，且针对多个候选技能，无需重复开发代码，降低了技能推荐的维护成本。

实施例四

在上述实施例三的基础上，本实施例中，推荐策略模块还用于：

根据用户的历史行为数据和属性数据，生成所述用户的特征向量；根据所述用户的特征向量，通过预设的推荐模型，计算与所述当前技能具有相同使用场景的候选技能的推荐值。

可选的，所述推荐模型包括多个推荐引擎。推荐策略模块还用于：

根据所述用户的特征向量，通过各所述推荐引擎，分别计算与各所述推荐引擎对应的该候选技能的推荐分量值；根据所述与各所述推荐引擎对应的该候选技能的推荐分量值，计算该候选技能的推荐值。

可选的，所述推荐话术至少包括：个性化状态响应话术和技能引导话术；所述个性化状态响应话术用于说明向所述用户推荐所述目标技能的理由；所述技能引导话术包括对所述目标技能的推荐信息和使用引导信息。

可选的，推荐模块还用于：

控制技能播放终端，在退出语播放结束之后，向所述用户依次播放所述目标技能的个性化状态响应话术和技能引导话术。

可选的，所述推荐话术还包括技能退出响应信息，所述技能退出响应信息用于提示所述用户所述当前技能已退出成功。推荐模块还用于：

控制技能播放终端，依次播放所述目标技能的技能退出响应信息、个性化状态响应话术和技能引导话术。

可选的，推荐话术生成模块还用于：

根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的、适用于所述当前技能的使用场景的推荐话术。

可选的，推荐策略模块还用于：

根据所述用户的特征向量，通过预设的推荐模型，计算各候选技能的推荐值；根据所述当前技能的使用场景，确定与所述当前技能具有相同使用场景的候选场景。

可选的，推荐策略模块还用于：

根据所述当前技能的使用场景，筛选得到与所述当前技能具有相同使用场景的候选场景；根据所述用户的特征向量，通过预设的推荐模型，计算筛选得到的候选技能的推荐值。

可选的，推荐策略模块还用于：记录所述用户是否启用了所述目标技能。

本发明实施例提供的装置可以具体用于执行上述实施例二所提供的方法实施例，具体功能此处不再赘述。

本发明实施例通过根据用户的历史行为数据和属性数据，结合当前技能，通过多个推荐引擎向用户进行个性化地技能推荐，无需重复开发代码，降低了技能推荐的维护成本；进一步地，目标技能的推荐话术至少包括个性化状态响应话术和技能引导话术，根据所述用户的历史行为数据、当前时间、用户所在位置、以及用户所在位置的环境信息，生成所述目标技能的个性化状态响应话术，能够说明向所述用户推荐所述目标技能的理由；根据所述目标技能的技能属性，生成所述目标技能的技能引导话术，从而针对目标技能进行个性化推荐，激励用户使用此目标技能，能够提升用户启用推荐的目标技能的可能性，从而可以进一步增加用户与语音技能平台的交互次数。

实施例五

图5为本发明实施例五提供的技能推荐设备的结构示意图。如图5所示，该技能推荐设备40包括：处理器401，存储器402，以及存储在所述存储器402上并可由所述处理器401执行的计算机程序。

所述处理器401在执行存储在所述存储器402上的计算机程序时实现上述任一方法实施例提供的技能推荐方法。

本发明实施例通过响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值；将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能；根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术，并向所述用户推荐所述目标技能的推荐话术，可以实现自动地根据用户的历史行为数据和属性数据，从多个候选技能中选择一个技能进行推荐，实现了向用户个性化地推荐技能，且针对多个候选技能，无需重复开发代码，降低了技能推荐的维护成本。

另外，本发明实施例还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法实施例提供的技能推荐方法。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求书指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。

Claims (15)

1.一种技能推荐方法，其特征在于，包括：

响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值；

将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能；

根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术；

向所述用户推荐所述目标技能的推荐话术。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值，包括：

根据用户的历史行为数据和属性数据，生成所述用户的特征向量；

根据所述用户的特征向量，通过预设的推荐模型，计算与所述当前技能具有相同使用场景的候选技能的推荐值。

3.根据权利要求2所述的方法，其特征在于，所述推荐模型包括多个推荐引擎，

所述根据所述用户的特征向量，通过预设的推荐模型，计算某一候选技能的推荐值，包括：

根据所述用户的特征向量，通过各所述推荐引擎，分别计算与各所述推荐引擎对应的该候选技能的推荐分量值；

根据所述与各所述推荐引擎对应的该候选技能的推荐分量值，计算该候选技能的推荐值。

4.根据权利要求1-3任一项所述的方法，其特征在于：

所述属性数据至少包括：自然属性信息、当前时间、当前所在位置、当前所在位置的环境信息；

所述历史行为数据至少包括用户使用各项技能的历史行为信息。

5.根据权利要求1所述的方法，其特征在于，所述推荐话术至少包括：个性化状态响应话术和技能引导话术；

所述个性化状态响应话术用于说明向所述用户推荐所述目标技能的理由；

所述技能引导话术包括对所述目标技能的推荐信息和使用引导信息。

6.根据权利要求5所述的方法，其特征在于，所述向所述用户推荐所述目标技能的推荐话术，包括：

控制技能播放终端，在退出语播放结束之后，向所述用户依次播放所述目标技能的个性化状态响应话术和技能引导话术。

7.根据权利要求5所述的方法，其特征在于，所述推荐话术还包括技能退出响应信息，所述技能退出响应信息用于提示所述用户所述当前技能已退出成功；

所述向所述用户推荐所述目标技能的推荐话术，包括：

控制技能播放终端，依次播放所述目标技能的技能退出响应信息、个性化状态响应话术和技能引导话术。

8.根据权利要求5-7任一项所述的方法，其特征在于，所述根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术，至少包括：

根据所述用户的历史行为数据和属性数据，生成所述目标技能的个性化状态响应话术；

根据所述目标技能的技能属性，生成所述目标技能的技能引导话术。

9.根据权利要求8所述的方法，其特征在于，所述根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术，包括：

根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的、适用于所述当前技能的使用场景的推荐话术。

10.根据权利要求2或3所述的方法，其特征在于，所述根据所述用户的特征向量，通过预设的推荐模型，计算与所述当前技能具有相同使用场景的候选技能的推荐值，包括：

根据所述用户的特征向量，通过预设的推荐模型，计算各候选技能的推荐值；

根据所述当前技能的使用场景，确定与所述当前技能具有相同使用场景的候选场景。

11.根据权利要求2或3所述的方法，其特征在于，所述根据所述用户的特征向量，通过预设的推荐模型，计算与所述当前技能具有相同使用场景的候选技能的推荐值，包括：

根据所述当前技能的使用场景，筛选得到与所述当前技能具有相同使用场景的候选场景；

根据所述用户的特征向量，通过预设的推荐模型，计算筛选得到的候选技能的推荐值。

12.根据权利要求1所述的方法，其特征在于，所述向所述用户推荐所述目标技能的推荐话术之后，还包括：

记录所述用户是否启用了所述目标技能。

13.一种技能推荐装置，其特征在于，包括：

推荐策略模块，用于响应于用户对当前技能的退出指令，根据所述用户的历史行为数据和属性数据，计算与所述当前技能具有相同使用场景的候选技能的推荐值；

所述推荐策略模块还用于：将与所述当前技能具有相同使用场景、且推荐值最高的候选技能作为目标技能；

推荐话术生成模块，用于根据所述目标技能的技能属性和所述用户的历史行为数据和属性数据，生成所述目标技能的推荐话术；

推荐模块，用于向所述用户推荐所述目标技能的推荐话术。

14.一种技能推荐设备，其特征在于，包括：

存储器，处理器，以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，

所述处理器运行所述计算机程序时实现如权利要求1-12中任一项所述的方法。

15.一种计算机可读存储介质，其特征在于，存储有计算机程序，

所述计算机程序被处理器执行时实现如权利要求1-12中任一项所述的方法。