CN110379427A - 基于语音识别的资源信息推荐方法、装置、终端及介质 - Google Patents
基于语音识别的资源信息推荐方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN110379427A CN110379427A CN201910532919.8A CN201910532919A CN110379427A CN 110379427 A CN110379427 A CN 110379427A CN 201910532919 A CN201910532919 A CN 201910532919A CN 110379427 A CN110379427 A CN 110379427A
- Authority
- CN
- China
- Prior art keywords
- resource
- recommended
- user
- speech recognition
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000002068 genetic effect Effects 0.000 claims abstract description 53
- 239000012634 fragment Substances 0.000 claims abstract description 42
- 238000006243 chemical reaction Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 33
- 235000006694 eating habits Nutrition 0.000 claims description 19
- 230000036541 health Effects 0.000 claims description 19
- 230000036632 reaction speed Effects 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 210000000349 chromosome Anatomy 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000007476 Maximum Likelihood Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 229910002056 binary alloy Inorganic materials 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
Abstract
本发明属于人工智能技术领域,公开了一种基于语音识别的资源信息推荐方法、装置、终端及介质,通过获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息,再根据所述数据信息,确定所述待推荐用户适用的资源类型,然后根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数,根据确定的适应度函数,更新预设的遗传算法模型,将所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;将所述待推荐资源名称对应的资源信息发送至待推荐用户,能快速确定适合用户的资源,从而提高资源信息推荐的准确性。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于语音识别的资源信息推荐方法、装置、终端及介质。
背景技术
在资源业务的推广过程中,多采用推荐人员推广,推荐人员通常只能根据经验值向用户推荐资源名称。然而,由于社会人员的个人情况各不相同,而资源名称的种类繁多,各个资源之间具有不同的产品条款和适用场景,推荐人员很难在短时间内自行分析出更适合用户的资源,导致资源推荐准确性低。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种基于语音识别的资源信息推荐方法、装置、终端及介质,旨在解决现有技术资源推荐过程中难以在短时间确定适合用户的资源导致资源推荐准确性低的技术问题。
为实现上述目的,本发明提供了一种基于语音识别的资源信息推荐方法,包括如下步骤:
获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息;
根据所述数据信息,确定所述待推荐用户适用的资源类型;
根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数;
根据确定的适应度函数,更新预设的遗传算法模型;
将所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;
将所述待推荐资源名称对应的资源信息发送至待推荐用户。
优选地,所述数据信息包括所述待推荐用户所属的地区;
相应地,所述获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息的步骤之前,包括:
构建语音模型,并收集各个地区的方言的语音数据,所述语音数据包括每种方言对应的单词及其发音;
所述获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息的步骤,包括:
获取待推荐用户的音频片段及单词的各种不同变体;
根据所述语音模型、获取的音频片段及单词的各种不同变体,确定所述待推荐用户所属的地区。
优选地,所述数据信息包括所述待推荐用户所属的地区以及年龄;
所述根据所述数据信息,确定所述待推荐用户适用的资源类型的步骤,包括:
根据所述待推荐用户所属的地区,确定所述地区的贫富指数;
根据所述贫富指数及所述待推荐用户的年龄,确定所述待推荐用户所处的人生阶段;
根据确定的人生阶段以及预设的人生阶段与资源类型的对应关系,确定所述待推荐用户适用的资源类型。
优选地,所述资源类型为消费型资源;
相应地,所述获取待推荐用户的数据信息的步骤之前,还包括如下步骤:
建立遗传算法模型,其中,所述遗传算法模型的适应度函数为:
Mi为资源使用期望转换值,Ti为资源使用有效期限,Ni为资源获取转换值,Xi为资源获取数量,i=1,2,……,n,其中i为预设的资源编号,Rm为资源使用期望转换值的权值,Rt为资源使用有效期限的权值,Ri为风险保障的权值,Rmf为资源获取转换值的权值,I(x)为资源使用实际转换值。
优选地,所述资源类型为返还型资源;
相应地,所述获取待推荐用户的数据信息的步骤之前,还包括如下步骤:
建立遗传算法模型,其中,所述遗传算法模型的适应度函数为:
其中,M'i为资源使用期望转换值,Ti'为资源使用有效期限,Ni'为资源获取转换值,Xi'为资源获取数量,i=1,2,……,n,其中i为预设的资源编号,Rm'为资源使用期望转换值的权值,Rt'为资源使用有效期限的权值,Ri'为风险保障的权值,Rmf'为资源获取转换值的权值,I'(x)为资源使用实际转换值,Rs'为资源返还概率。
优选地,所述数据信息包括待推荐用户的饮食习惯以及当前健康指数;
相应地,所述根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数的步骤之后,所述方法还包括如下步骤:
根据待推荐用户的饮食习惯、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值;
根据寿命预测值,确定各资源名称的所述资源返还概率。
优选地,所述数据信息还包括待推荐用户的反应速度;
所述根据待推荐用户的饮食习惯、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值的步骤,包括:
根据待推荐用户的饮食习惯、反应速度、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值。
基于上述发明目的,本发明还提供一种基于语音识别的资源信息推荐装置,包括:
获取模块,用于获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息;
确定模块,用于根据所述数据信息,确定所述待推荐用户适用的资源类型;
选择模块,用于根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数;
更新模块,用于根据确定的适应度函数,更新预设的遗传算法模型;
计算模块,用于将所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;
推荐模块,用于将所述待推荐资源名称对应的资源信息发送至待推荐用户。
基于上述发明目的,本发明还提供一种终端,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于语音识别的资源信息推荐程序,所述基于语音识别的资源信息推荐程序配置为实现如上述的基于语音识别的资源信息推荐方法的步骤。
基于上述发明目的,本发明还提供一种存储介质,所述存储介质上存储有基于语音识别的资源信息推荐程序,所述基于语音识别的资源信息推荐程序被处理器执行时实现如上述的基于语音识别的资源信息推荐方法的步骤。
本发明通过获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息,再根据所述数据信息,确定所述待推荐用户适用的资源类型,然后根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数,根据确定的适应度函数,更新预设的遗传算法模型,将所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;将所述待推荐资源名称对应的资源信息发送至待推荐用户,能快速确定适合用户的资源,从而提高资源信息推荐的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端的结构示意图;
图2为本发明基于语音识别的资源信息推荐方法第一实施例的流程示意图;
图3为本发明基于语音识别的资源信息推荐方法第二实施例的流程示意图;
图4为本发明基于语音识别的资源信息推荐方法第三实施例的流程示意图;
图5为本发明基于语音识别的资源信息推荐方法第四实施例的流程示意图;
图6为本发明基于语音识别的资源信息推荐方法第五实施例的流程示意图;
图7为本发明基于语音识别的资源信息推荐装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图。
如图1所示,该终端可以包括:处理器1001,例如中央处理器(Central ProcessingUnit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入模块比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及基于语音识别的资源信息推荐程序。
在图1所示的终端中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明终端中的处理器1001、存储器1005可以设置在终端中,所述终端通过处理器1001调用存储器1005中存储的基于语音识别的资源信息推荐程序,并执行本发明实施例提供的基于语音识别的资源信息推荐方法。
本发明实施例提供了一种基于语音识别的资源信息推荐方法,参照图2,图2为本发明基于语音识别的资源信息推荐方法第一实施例的流程示意图。
本实施例中,所述基于语音识别的资源信息推荐方法包括如下步骤:
步骤S10:获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息;
应该理解的是,本实施例方法的执行主体为终端,待推荐用户即资源推荐人员推荐资源的用户,待推荐用户的数据信息通常可以包括待推荐用户的年龄、所属的地区等;还可以包括饮食习惯、当前健康指数以及反应速度等信息。
其中,通过分析待推荐用户的音频片段,判断待推荐用户的年龄,具体分析方式可以采用本领域常规的手段,也可以采用例如方式:
对训练集各年龄段音频,进行浊音段检测,再进行高频提升,小波包分解,频带拼接,再WPMFC提取,再通过GMM模型训练,得到8个高斯混合模型;对待推荐用户的音频,同样采用先进行浊音段检测,再进行高频提升,小波包分解,频带拼接,再WPMFC提取,再将提取的特征与8个高斯混合模型进行似然度计算,得到最大似然度,具有最大似然度的GMM模型所对应的年龄段即为识别结果,通常将年龄段分为儿童、青年、中年和老年四个阶段。
通过分析待推荐用户的音频片段,判断待推荐用户所属的地区,具体分析方式可以采用本领域常规的手段,也可以采用例如方式:
构建语音模型,收集各个地区的方言的语音数据,包括每种方言的特有单词及其发音,再通过识别系统,识别出单词的各种不同变体,根据识别的方言确定待推荐用户所属的地区。
具体实现时,在本实施例中,所述数据信息包括所述待推荐用户所属的地区;
相应地,所述获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息的步骤之前,包括:
构建语音模型,并收集各个地区的方言的语音数据,所述语音数据包括每种方言对应的单词及其发音;
所述获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息的步骤,包括:
获取待推荐用户的音频片段及单词的各种不同变体;
根据所述语音模型、获取的音频片段及单词的各种不同变体,确定所述待推荐用户所属的地区。
步骤S20:根据所述数据信息,确定所述待推荐用户适用的资源类型;
应该理解的是,在本实施例中,资源类型包括返还型资源和消费型资源,在其他实施例中,也可以按照其他规则分类。其中资源可以为保险产品,下面以保险产品为例,返还型资源也称储蓄型资源,即被资源生存至约定年限后,资源公司有返还所交保费或者合同列明的资源使用期望转换值;消费型资源即一种消费型的资源,即用户(投保人)跟资源公司(资源人)签定合同,在约定时间内如发生合同约定的资源事故,资源公司按原先约定的额度进行补偿或给付;如果在约定时间内未发生资源事故,资源公司不返还所交保费。
以所述数据信息包括待推荐用户的年龄为例,确定所述待推荐用户的资源类型。在本实施例中,根据所述数据信息,若确定待推荐用户属于单身阶段(18-25岁,这一阶段刚迈入社会,处于事业发展初期),这类用户通常适用买消费型;若确定待推荐用户属于成家立业阶段(25-45岁,这一阶段会面临养孩子、养老人),这类用户通常年纪尚轻、收入丰厚,适用买返还型资源;若确定待推荐用户属于退休规划阶段(45-60岁)或者资产传承阶段(60+),这类用户由于年龄稍大,适用买消费型资源;具体也可以根据资源公司相关产品针对的用户特征进行调整。
步骤S30:根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数;
应该理解的是,以保险产品为例,消费型资源通常包括消费型意外险、消费型医疗保险、消费型重疾险以及消费型寿险,具体可以根据资源公司的具体推出产品调整;返还型资源通常包括两全寿险、养老金、教育金资源等,具体可以根据资源公司的具体推出产品调整。
具体实现时,以资源为保险产品为例,当资源类型为消费型资源时,与该消费型资源对应的资源名称有消费型意外险、消费型医疗资源、消费型重疾险以及消费型寿险等产品;而当资源类型为返还型资源时,与该返还型资源对应的资源名称有两全寿险、养老金、教育金资源等产品。
遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群(population)开始的,而一个种群则由经过基因(gene)编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。适应度函数是求解出最优解或次优解的保证,根据资源类型,确定于资源类型与所述资源类型对应的适应度函数。
步骤S40:根据确定的适应度函数,更新预设的遗传算法模型;
应该理解的是,不同的资源类型对应不同的适应度函数,对应地,不同的资源类型对应不同的遗传算法模型。
步骤S50:将所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;
应该理解的是,遗传算法的求解步骤如下:1)初始化种群;2)计算群体上每个个体的适应度值;3)按由个体适应度值所决定的某个规则选择将进入下一代的个体;4)按概率Pc进行交叉操作;5)按概率Pc进行突变操作;6)若没有满足某种停止条件,则转不转2),否则进入下一步;7)输出群体中适应度值最优的染色体作为问题的满意解或最优解。
具体实现时,将确定的所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;对各资源名称进行编码,可以采用常规的二进制编码,也可以针对每种资源名称制定对应的编号;初始化种群可以根据确定的资源名称以及资源名称的保费随机生成的初始染色体;再进行遗传运算(选择操作、交叉操作、变异操作),最后得到最优解,即最优的资源方案。
步骤S60:将所述待推荐资源名称对应的资源信息发送至待推荐用户。
应该理解的是,在本实施例中,将所述待推荐资源名称对应的资源信息发送至待推荐用户,在其他实施例中,也可以是将所述所述待推荐资源名称对应的资源信息发送至实施推荐资源的人员,例如业务员。
本发明通过获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息,再根据所述数据信息,确定所述待推荐用户适用的资源类型,然后根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数,根据确定的适应度函数,更新预设的遗传算法模型,将所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;将所述待推荐资源名称对应的资源信息发送至待推荐用户,能快速确定适合用户的资源,从而提高资源信息推荐的准确性。
参考图3,图3为本发明基于语音识别的资源信息推荐方法第二实施例的流程示意图。
基于上述第一实施例,所述数据信息包括所述待推荐用户所属的地区以及年龄,在本实施例中,所述步骤S20,包括:
步骤S201:根据所述待推荐用户所属的地区、年龄、以及预设的地区、年龄与资源类型的对应关系,确定所述待推荐用户适用的资源类型。
应该理解的是,不同的地区对应着不同的习俗,例如若待推荐用户为A镇的人,则A镇的人某个年龄段可能通常习惯购买特定的资源。
参考图4,图4为本发明基于语音识别的资源信息推荐方法第三实施例的流程示意图。
基于上述第一实施例,所述数据信息包括所述待推荐用户所属的地区以及年龄,在本实施例中,所述步骤S20,包括:
步骤S201':根据所述待推荐用户所属的地区,确定所述地区的贫富指数;
应该理解的是,地区的贫富指数通常会对应其消费能力。根据所述待推荐用户所属的地区,确定所述地区的贫富指数,可以是获取所述地区的金融指数,也可以是采用其他方式确定贫富指数。
步骤S202':根据所述贫富指数及所述待推荐用户的年龄,确定所述待推荐用户所处的人生阶段;
应该理解的是,由于不同区域,贫富差距,对应的人生阶段也会有所调整,例如对于较贫困的山区,可能大部分人结婚较早,那么成家立业阶段的年龄会提早,需要结合所述贫富指数及所述待推荐用户的年龄,确定所述待推荐用户所处的人生阶段。
步骤S203':根据确定的人生阶段以及预设的人生阶段与资源类型的对应关系,确定所述待推荐用户适用的资源类型。
应该理解的是,在本实施例中,人生阶段与资源类型的对应关系如下:
单身阶段(18-25岁,这一阶段刚迈入社会,处于事业发展初期),这类用户通常适用买消费型;
成家立业阶段(25-45岁,这一阶段会面临养孩子、养老人),这类用户通常年纪尚轻、收入丰厚,适用买返还型资源;
退休规划阶段(45-60岁)或者资产传承阶段(60+),这类用户由于年龄稍大,适用买消费型资源。
参考图5,图5为本发明基于语音识别的资源信息推荐方法第四实施例的流程示意图。
基于上述第一实施例,所述资源类型为消费型资源;在本实施例中,所述步骤S10之前,还包括:
步骤S01:建立遗传算法模型,其中,所述遗传算法模型的适应度函数为:
Mi为资源使用期望转换值(以保险产品为例,可以为保险金额),Ti为资源使用有效期限(以保险产品为例,可以为保险期限),Ni为资源获取转换值(以保险产品为例,可以为保险费用),Xi为资源获取数量,i=1,2,……,n,其中i为预设的资源数量,Rm为资源使用期望转换值的权值,Rt为资源使用有效期限的权值,Ri为风险保障的权值,Rmf为资源获取转换值的权值,I(x)为资源使用实际转换值(以保险产品为例,可以为补偿额度)。
应该理解的是,遗传算法模型的适应度函数中各参数,通常是根据所述资源类型对应的资源名称确定的,例如消费型资源有消费型意外险,而消费型意外险对应的资源使用期望转换值、资源使用有效期限、资源获取转换值等可以是根据资源公司针对具体资源名称的具体规定而设置。
参考图6,图6为本发明基于语音识别的资源信息推荐方法第五实施例的流程示意图。
基于上述第一实施例,所述资源类型为返还型资源;在本实施例中,所述步骤S10之前,还包括:
步骤S01':建立遗传算法模型,其中,所述遗传算法模型的适应度函数为:
其中,M'i为资源使用期望转换值(以保险产品为例,可以为保险金额),Ti'为资源使用有效期限(以保险产品为例,可以为保险期限),Ni'为资源获取转换值,Xi'为资源获取数量,i=1,2,……,n,其中i为预设的资源数量,Rm'为资源使用期望转换值的权值,Rt'为资源使用有效期限的权值,Ri'为风险保障的权值,Rmf'为资源获取转换值的权值,I'(x)为资源使用实际转换值(以保险产品为例,可以为补偿额度),Rs'为资源返还概率。
应该理解的是,遗传算法模型的适应度函数中各参数,通常是根据所述资源类型对应的资源名称确定的,例如以资源为保险产品为例,例如返还型资源有教育金保险,而教育金保险对应的资源使用期望转换值、资源使用有效期限、资源获取转换值等可以是根据资源公司针对具体保险产品的具体规定而设置。而对于资源返还概率的确定可以采用如下方法确定:
所述数据信息包括待推荐用户的饮食习惯以及当前健康指数;
相应地,所述根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数的步骤之后,所述方法还包括如下步骤:
根据待推荐用户的饮食习惯、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值;
应该理解的是,所述根据待推荐用户的饮食习惯、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值的步骤之前,还包括:
建立寿命预测模型;
其中,所述寿命预测模型可以为:
Life=Xλ1·Yλ2,
其中,X表示待推荐用户的饮食习惯值(在本实施例中,素食主义者,Y取1,肉食主义者,Y取0.5),Y表示当前健康指数,λ1、λ2分别为X、Y的权值。
根据寿命预测值,确定各资源名称的所述资源返还概率。
进一步地,所述数据信息还包括待推荐用户的反应速度;
所述根据待推荐用户的饮食习惯、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值的步骤,包括:
根据待推荐用户的饮食习惯、反应速度、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值。
应该理解的是,人的反应速度是衡量智力的一个标准,而智力又是人体“系统完整性”的指示器,智商更高的人往往相对而言更长寿。饮食习惯清淡,营养搭配合理且当前健康指数越大也会更加长寿。
在本实施例中,所述根据待推荐用户的饮食习惯、反应速度、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值的步骤之前,还包括:
建立寿命预测模型;
其中,所述寿命预测模型可以为:
Life'=Xλ1·Yλ2·Zλ3,
其中,X表示待推荐用户的饮食习惯值(在本实施例中,素食主义者,Y取1,肉食主义者,Y取0.5),Y表示当前健康指数,Z表示反应速度(通常需要将反应速度归一化处理,通常取0~1),λ1、λ2、λ3分别为X、Y、Z的权值。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有基于语音识别的资源信息推荐程序,所述基于语音识别的资源信息推荐程序被处理器执行时实现如上文所述的基于语音识别的资源信息推荐方法的步骤。
参照图7,图7为本发明基于语音识别的资源信息推荐装置第一实施例的结构框图。
如图7所示,本发明实施例提出的基于语音识别的资源信息推荐装置包括:
获取模块701,获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息;
应该理解的是,待推荐用户即资源推荐人员推荐资源名称的用户,待推荐用户的数据信息通常可以包括待推荐用户的年龄、所属的地区等;还可以包括饮食习惯、当前健康指数以及反应速度等信息。
其中,通过分析待推荐用户的音频片段,判断待推荐用户的年龄,具体分析方式可以采用本领域常规的手段,也可以采用例如方式:
对训练集各年龄段音频,进行浊音段检测,再进行高频提升,小波包分解,频带拼接,再WPMFC提取,再通过GMM模型训练,得到8个高斯混合模型;对待推荐用户的音频,同样采用先进行浊音段检测,再进行高频提升,小波包分解,频带拼接,再WPMFC提取,再将提取的特征与8个高斯混合模型进行似然度计算,得到最大似然度,具有最大似然度的GMM模型所对应的年龄段即为识别结果,通常将年龄段分为儿童、青年、中年和老年四个阶段。
通过分析待推荐用户的音频片段,判断待推荐用户所属的地区,具体分析方式可以采用本领域常规的手段,也可以采用例如方式:
构建语音模型,收集各个地区的方言的语音数据,包括每种方言的特有单词及其发音,再通过识别系统,识别出单词的各种不同变体,根据识别的方言确定待推荐用户所属的地区。
确定模块702,用于根据所述数据信息,确定所述待推荐用户适用的资源类型;
应该理解的是,在本实施例中,资源类型包括返还型资源和消费型资源,在其他实施例中,也可以按照其他规则分类。其中资源可以为保险产品,下面以保险产品为例,返还型资源也称储蓄型资源,即被资源生存至约定年限后,资源公司有返还所交保费或者合同列明的资源使用期望转换值;消费型资源即一种消费型的资源,即用户(投保人)跟资源公司(资源人)签定合同,在约定时间内如发生合同约定的资源事故,资源公司按原先约定的额度进行补偿或给付;如果在约定时间内未发生资源事故,资源公司不返还所交保费。
以所述数据信息包括待推荐用户的年龄为例,确定所述待推荐用户的资源类型。在本实施例中,根据所述数据信息,若确定待推荐用户属于单身阶段(18-25岁,这一阶段刚迈入社会,处于事业发展初期),这类用户通常适用买消费型;若确定待推荐用户属于成家立业阶段(25-45岁,这一阶段会面临养孩子、养老人),这类用户通常年纪尚轻、收入丰厚,适用买返还型资源;若确定待推荐用户属于退休规划阶段(45-60岁)或者资产传承阶段(60+),这类用户由于年龄稍大,适用买消费型资源;具体也可以根据资源公司相关产品针对的用户特征进行调整。
选择模块703,用于根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数;
应该理解的是,以保险产品为例,消费型资源通常包括消费型意外险、消费型医疗险、消费型重疾险以及消费型寿险,具体可以根据资源公司的具体推出产品调整;返还型资源通常包括两全寿险、养老金、教育金资源等,具体可以根据资源公司的具体推出产品调整。
具体实现时,以保险产品为例,当资源类型为消费型资源时,与该消费型资源对应的资源名称有消费型意外险、消费型医疗资源、消费型重疾险以及消费型寿险等产品;而当资源类型为返还型资源时,与该返还型资源对应的资源名称有两全寿险、养老金、教育金资源等产品。
遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群(population)开始的,而一个种群则由经过基因(gene)编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。适应度函数是求解出最优解或次优解的保证,根据资源类型,确定于资源类型与所述资源类型对应的适应度函数。
更新模块704,根据确定的适应度函数,更新预设的遗传算法模型;
应该理解的是,不同的资源类型对应不同的适应度函数,对应地,不同的资源类型对应不同的遗传算法模型。
计算模块705,用于将所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;
应该理解的是,遗传算法的求解步骤如下:1)初始化种群;2)计算群体上每个个体的适应度值;3)按由个体适应度值所决定的某个规则选择将进入下一代的个体;4)按概率Pc进行交叉操作;5)按概率Pc进行突变操作;6)若没有满足某种停止条件,则转不转2),否则进入下一步;7)输出群体中适应度值最优的染色体作为问题的满意解或最优解。
具体实现时,将确定的所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;对各资源名称进行编码,可以采用常规的二进制编码,也可以针对每种资源名称制定对应的编号;初始化种群可以根据确定的资源名称以及资源名称的保费随机生成的初始染色体;再进行遗传运算(选择操作、交叉操作、变异操作),最后得到最优解,即最优的资源方案。
推荐模块706,将所述待推荐资源名称对应的资源信息发送至待推荐用户。
应该理解的是,在本实施例中,将所述待推荐资源名称对应的资源信息发送至待推荐用户,在其他实施例中,也可以是将所述所述待推荐资源名称对应的资源信息发送至实施推荐资源的人员,例如业务员。
本发明通过获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息,再根据所述数据信息,确定所述待推荐用户适用的资源类型,然后根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数,根据确定的适应度函数,更新预设的遗传算法模型,将所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;将所述待推荐资源名称对应的资源信息发送至待推荐用户,能快速确定适合用户的资源,从而提高资源信息推荐的准确性。
本发明基于语音识别的资源信息推荐装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于语音识别的资源信息推荐方法,其特征在于,包括如下步骤:
获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息;
根据所述数据信息,确定所述待推荐用户适用的资源类型;
根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数;
根据确定的适应度函数,更新预设的遗传算法模型;
将所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;
将所述待推荐资源名称对应的资源信息发送至待推荐用户。
2.如权利要求1所述的基于语音识别的资源信息推荐方法,其特征在于,所述数据信息包括所述待推荐用户所属的地区;
相应地,所述获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息的步骤之前,包括:
构建语音模型,并收集各个地区的方言的语音数据,所述语音数据包括每种方言对应的单词及其发音;
所述获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息的步骤,包括:
获取待推荐用户的音频片段及单词的各种不同变体;
根据所述语音模型、获取的音频片段及单词的各种不同变体,确定所述待推荐用户所属的地区。
3.如权利要求1所述的基于语音识别的资源信息推荐方法,其特征在于,所述数据信息包括所述待推荐用户所属的地区以及年龄;
所述根据所述数据信息,确定所述待推荐用户适用的资源类型的步骤,包括:
根据所述待推荐用户所属的地区,确定所述地区的贫富指数;
根据所述贫富指数及所述待推荐用户的年龄,确定所述待推荐用户所处的人生阶段;
根据确定的人生阶段以及预设的人生阶段与资源类型的对应关系,确定所述待推荐用户适用的资源类型。
4.如权利要求1至3任意一项所述的基于语音识别的资源信息推荐方法,其特征在于,所述资源类型为消费型资源;
相应地,所述获取待推荐用户的数据信息的步骤之前,还包括如下步骤:
建立遗传算法模型,其中,所述遗传算法模型的适应度函数为:
Mi为资源使用期望转换值,Ti为资源使用有效期限,Ni为资源获取转换值,Xi为资源获取数量,i=1,2,……,n,其中i为预设的资源编号,Rm为资源使用期望转换值的权值,Rt为资源使用有效期限的权值,Ri为风险保障的权值,Rmf为资源获取转换值的权值,I(x)为资源使用实际转换值。
5.如权利要求1至3任意一项所述的基于语音识别的资源信息推荐方法,其特征在于,所述资源类型为返还型资源;
相应地,所述获取待推荐用户的数据信息的步骤之前,还包括如下步骤:
建立遗传算法模型,其中,所述遗传算法模型的适应度函数为:
其中,M'i为资源使用期望转换值,Ti'为资源使用有效期限,Ni'为资源获取转换值,Xi'为资源获取数量,i=1,2,……,n,其中i为预设的资源编号,Rm'为资源使用期望转换值的权值,Rt'为资源使用有效期限的权值,Ri'为风险保障的权值,Rmf'为资源获取转换值的权值,I'(x)为资源使用实际转换值,Rs'为资源返还概率。
6.如权利要求5所述的基于语音识别的资源信息推荐方法,其特征在于,所述数据信息包括待推荐用户的饮食习惯以及当前健康指数;
相应地,所述根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数的步骤之后,所述方法还包括如下步骤:
根据待推荐用户的饮食习惯、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值;
根据寿命预测值,确定各资源名称的所述资源返还概率。
7.如权利要求6所述的基于语音识别的资源信息推荐方法,其特征在于,所述数据信息还包括待推荐用户的反应速度;
所述根据待推荐用户的饮食习惯、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值的步骤,包括:
根据待推荐用户的饮食习惯、反应速度、当前健康指数以及预设的寿命预测模型,确定所述待推荐用户的寿命预测值。
8.一种基于语音识别的资源信息推荐装置,其特征在于,包括:
获取模块,用于获取待推荐用户的音频片段,并根据所述音频片段分析所述待推荐用户的数据信息;
确定模块,用于根据所述数据信息,确定所述待推荐用户适用的资源类型;
选择模块,用于根据所述资源类型,确定与所述资源类型对应的各资源名称、以及与所述资源类型对应的适应度函数;
更新模块,用于根据确定的适应度函数,更新预设的遗传算法模型;
计算模块,用于将所述各资源名称作为所述遗传算法模型的输入参数并运行所述遗传算法模型,得到待推荐资源名称;
推荐模块,用于将所述待推荐资源名称对应的资源信息发送至待推荐用户。
9.一种终端,其特征在于,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于语音识别的资源信息推荐程序,所述基于语音识别的资源信息推荐程序配置为实现如权利要求1至7中任一项所述的基于语音识别的资源信息推荐方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有基于语音识别的资源信息推荐程序,所述基于语音识别的资源信息推荐程序被处理器执行时实现如权利要求1至7任一项所述的基于语音识别的资源信息推荐方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910532919.8A CN110379427A (zh) | 2019-06-19 | 2019-06-19 | 基于语音识别的资源信息推荐方法、装置、终端及介质 |
PCT/CN2019/120891 WO2020253109A1 (zh) | 2019-06-19 | 2019-11-26 | 基于语音识别的资源信息推荐方法、装置、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910532919.8A CN110379427A (zh) | 2019-06-19 | 2019-06-19 | 基于语音识别的资源信息推荐方法、装置、终端及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110379427A true CN110379427A (zh) | 2019-10-25 |
Family
ID=68249312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910532919.8A Pending CN110379427A (zh) | 2019-06-19 | 2019-06-19 | 基于语音识别的资源信息推荐方法、装置、终端及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110379427A (zh) |
WO (1) | WO2020253109A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992928A (zh) * | 2019-11-26 | 2020-04-10 | 维沃移动通信有限公司 | 音频处理方法及终端设备 |
WO2020253354A1 (zh) * | 2019-06-19 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 基于遗传算法的资源信息推荐方法、装置、终端及介质 |
WO2020253109A1 (zh) * | 2019-06-19 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 基于语音识别的资源信息推荐方法、装置、终端及介质 |
CN113516533A (zh) * | 2021-06-24 | 2021-10-19 | 平安科技(深圳)有限公司 | 基于改进bert模型的产品推荐方法、装置、设备及介质 |
CN114117236A (zh) * | 2021-12-07 | 2022-03-01 | 广州道然信息科技有限公司 | 基于智能终端的用户交互方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1991976A (zh) * | 2005-12-31 | 2007-07-04 | 潘建强 | 基于音素的语音识别方法与系统 |
US20110161119A1 (en) * | 2009-12-24 | 2011-06-30 | The Travelers Companies, Inc. | Risk assessment and control, insurance premium determinations, and other applications using busyness |
CN105096938A (zh) * | 2015-06-30 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 一种用于获取用户的用户特征信息的方法和装置 |
CN108959618A (zh) * | 2018-07-18 | 2018-12-07 | 北京欣欣苹果网络科技有限公司 | 互联网信息收集及处理方法和装置 |
CN109300054A (zh) * | 2018-11-27 | 2019-02-01 | 泰康保险集团股份有限公司 | 保险产品推荐方法、装置、服务器及存储介质 |
CN109559221A (zh) * | 2018-11-20 | 2019-04-02 | 中国银行股份有限公司 | 基于用户数据的催收方法、装置和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665369A (zh) * | 2018-03-30 | 2018-10-16 | 北京有保无险科技有限公司 | 一种基于用户的保险评估方法和系统 |
CN110390047A (zh) * | 2019-06-19 | 2019-10-29 | 深圳壹账通智能科技有限公司 | 基于遗传算法的资源信息推荐方法、装置、终端及介质 |
CN110379427A (zh) * | 2019-06-19 | 2019-10-25 | 深圳壹账通智能科技有限公司 | 基于语音识别的资源信息推荐方法、装置、终端及介质 |
-
2019
- 2019-06-19 CN CN201910532919.8A patent/CN110379427A/zh active Pending
- 2019-11-26 WO PCT/CN2019/120891 patent/WO2020253109A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1991976A (zh) * | 2005-12-31 | 2007-07-04 | 潘建强 | 基于音素的语音识别方法与系统 |
US20110161119A1 (en) * | 2009-12-24 | 2011-06-30 | The Travelers Companies, Inc. | Risk assessment and control, insurance premium determinations, and other applications using busyness |
CN105096938A (zh) * | 2015-06-30 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 一种用于获取用户的用户特征信息的方法和装置 |
CN108959618A (zh) * | 2018-07-18 | 2018-12-07 | 北京欣欣苹果网络科技有限公司 | 互联网信息收集及处理方法和装置 |
CN109559221A (zh) * | 2018-11-20 | 2019-04-02 | 中国银行股份有限公司 | 基于用户数据的催收方法、装置和存储介质 |
CN109300054A (zh) * | 2018-11-27 | 2019-02-01 | 泰康保险集团股份有限公司 | 保险产品推荐方法、装置、服务器及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020253354A1 (zh) * | 2019-06-19 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 基于遗传算法的资源信息推荐方法、装置、终端及介质 |
WO2020253109A1 (zh) * | 2019-06-19 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 基于语音识别的资源信息推荐方法、装置、终端及介质 |
CN110992928A (zh) * | 2019-11-26 | 2020-04-10 | 维沃移动通信有限公司 | 音频处理方法及终端设备 |
CN113516533A (zh) * | 2021-06-24 | 2021-10-19 | 平安科技(深圳)有限公司 | 基于改进bert模型的产品推荐方法、装置、设备及介质 |
CN114117236A (zh) * | 2021-12-07 | 2022-03-01 | 广州道然信息科技有限公司 | 基于智能终端的用户交互方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020253109A1 (zh) | 2020-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110379427A (zh) | 基于语音识别的资源信息推荐方法、装置、终端及介质 | |
CN108846520B (zh) | 贷款逾期预测方法、装置以及计算机可读存储介质 | |
CN109783632B (zh) | 客服信息推送方法、装置、计算机设备及存储介质 | |
CN111177569B (zh) | 基于人工智能的推荐处理方法、装置及设备 | |
US20200250511A1 (en) | Artist comprehensive ability evaluation and cultivation assistant system based on artificial intelligence | |
CN110070391B (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
CN112270196B (zh) | 实体关系的识别方法、装置及电子设备 | |
CN108363790A (zh) | 用于对评论进行评估的方法、装置、设备和存储介质 | |
CN109271493A (zh) | 一种语言文本处理方法、装置和存储介质 | |
CN107943847A (zh) | 企业关系提取方法、装置及存储介质 | |
CN109376844A (zh) | 基于云平台和模型推荐的神经网络自动训练方法和装置 | |
CN110276067B (zh) | 文本意图确定方法以及装置 | |
CN107123057A (zh) | 用户推荐方法及装置 | |
CN110413988A (zh) | 文本信息匹配度量的方法、装置、服务器及存储介质 | |
CN114822855B (zh) | 基于ftrl模型的认知训练任务推送方法、系统及构建方法 | |
CN110390047A (zh) | 基于遗传算法的资源信息推荐方法、装置、终端及介质 | |
CN111784040B (zh) | 政策模拟分析的优化方法、装置及计算机设备 | |
CN112328909B (zh) | 信息推荐方法、装置、计算机设备及介质 | |
US11514815B1 (en) | System, method, and device for generating flight training scheme oriented to individual difference | |
CN113742492A (zh) | 保险方案生成方法、装置、电子设备及存储介质 | |
EP2613275B1 (en) | Search device, search method, search program, and computer-readable memory medium for recording search program | |
CN114519508A (zh) | 基于时序深度学习和法律文书信息的信用风险评估方法 | |
CN112489628B (zh) | 语音数据选择方法、装置、电子设备及存储介质 | |
CN108629381A (zh) | 基于大数据的人群筛选方法及终端设备 | |
CN117520503A (zh) | 基于llm模型的金融客服对话生成方法、装置、设备及介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191025 |