CN110781998A - 一种基于人工智能的推荐处理方法及装置 - Google Patents

Abstract

本发明提供一种基于人工智能的推荐处理方法，装置、电子设备及存储介质，方法包括：响应于在第一客户端接收到生成推荐列表操作，向服务器发送生成推荐列表请求，以使服务器发送推荐列表中位于第一排序位置的推荐选项至第一客户端和至少一个第二客户端；响应于第一客户端中接收到对应推荐选项的选择结果，发送选择结果至服务器，以使服务器根据选择结果更新投票状态，并发送投票状态至第一客户端和第二客户端；响应于第一客户端中接收到基于投票状态以及推荐选项的决策结果，发送决策结果至服务器，以使服务器将决策结果发送至第一客户端和第二客户端，这样，能够对较优的推荐内容进行实时投票，获得实时决策结果。

Description

一种基于人工智能的推荐处理方法及装置

技术领域

本发明涉及人工智能的智能推荐技术，尤其涉及一种基于人工智能的推荐处理方法、装置、电子设备及存储介质。

背景技术

人工智能(AI，Artificial Intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。

人工智能技术在推荐领域中的得到日益重要的应用。例如，随着互联网技术的日益发展，终端设备(例如智能手机)能够支持安装多种类型的客户端，当用户在使用客户端的同时，用户之间经常需要针对于特定问题进行团队决策，从而需要脱离出客户端进行单独的投票过程。

相关技术中，如果需要在一个客户端的使用过程中进行针对于特定问题的团队决策，需要单独对推荐选项来进行投票，并且无法实现实时决策。

发明内容

本发明实施例提供一种基于人工智能的推荐处理方法、装置、电子设备及存储介质，能够对推荐内容的实时投票的决策结果进行精确和及时推荐。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种基于人工智能的推荐处理方法，包括：

响应于在第一客户端中接收到生成推荐列表的操作，向服务器发送生成推荐列表请求，以使所述服务器发送在所述推荐列表中位于第一排序位置的推荐选项至所述第一客户端以及至少一个第二客户端；

响应于在所述第一客户端中接收到对应于所述推荐选项的选择结果，发送所述选择结果至所述服务器，以使所述服务器根据所述选择结果更新所述投票状态，并发送所述投票状态至所述第一客户端以及所述第二客户端；

响应于在所述第一客户端中接收到基于所述投票状态以及所述推荐选项的决策结果，发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端。

本发明实施例提供一种基于人工智能的推荐处理装置，包括：

推荐列表请求模块，用于响应于在第一客户端中接收到生成推荐列表的操作，向服务器发送生成推荐列表请求，以使所述服务器发送在所述推荐列表中位于第一排序位置的推荐选项至所述第一客户端以及至少一个第二客户端；

选择结果发送模块，用于响应于在所述第一客户端中接收到对应于所述推荐选项的选择结果，发送所述选择结果至所述服务器，以使所述服务器根据所述选择结果更新所述投票状态，并发送所述投票状态至所述第一客户端以及所述第二客户端；

决策结果发送模块，用于响应于在所述第一客户端中接收到基于所述投票状态以及所述推荐选项的决策结果，发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端。

在上述方案中，所述装置还包括：

推荐发起模块，用于响应于在所述第一客户端中接收到发起推荐的操作，向所述服务器发送对应于所述第一客户端的用户信息以及发起推荐请求，以使所述服务器生成所述推荐的标识信息并向所述第一客户端发送所述标识信息；

推荐分享模块，用于响应于在所述第一客户端中接收到分享操作，向所述第二客户端发送所述推荐标识，以使所述第二客户端向所述服务器发送所述推荐标识以及对应于所述第二客户端的用户信息。

在上述方案中，所述选择结果发送模块，还用于：

发送所述推荐标识、对应于所述第一客户端的用户信息以及所述选择结果至所述服务器，以使所述服务器记录所述选择结果，并根据所述选择结果更新所述投票状态。

在上述方案中，所述选择结果发送模块，还用于：

响应于在所述第一客户端的显示界面中接收到所述推荐选项，监听所述第一客户端中针对所述推荐选项的选择结果；

当监听时间超过选择时间阈值时，发送放弃指令至所述服务器，所述放弃指令表征所述客户端对所述推荐选项的选择结果为放弃选择。

在上述方案中，所述决策结果发送模块，还用于：

发送所述推荐标识、对应于所述第一客户端的用户信息、所述推荐选项以及所述决策结果至所述服务器，以使所述服务器生成投票结果数据以及所述决策结果，并发送所述投票结果数据以及所述决策结果至所述第一客户端以及所述第二客户端。

在上述方案中，所述决策结果发送模块，还用于：

当所述决策结果为切换所述推荐选项时，发送所述推荐标识、对应于所述第一客户端的用户信息、所述推荐选项以及所述决策结果至所述服务器，以使所述服务器发送所述推荐列表中位于下一排序位置的推荐选项至所述第一客户端以及所述第二客户端。

在上述方案中，所述决策结果发送模块，还用于：

响应于在所述第一客户端中接收到所述投票状态，且所述投票状态表征所述第一客户端以及所述第二客户端均发送所述选择结果至所述服务器，监听所述第一客户端中针对所述推荐选项的决策结果；

当监听时间超过决策时间阈值时，向所述服务器发送切换指令，以使所述服务器发送在所述推荐列表中位于下一排序位置的推荐选项至所述第一客户端以及所述第二客户端。

在上述方案中，所述装置还包括：

历史推荐决策模块，用于：

响应于在所述第一客户端中接收到查看推荐历史数据的操作，发送对应于所述推荐标识的查看推荐历史数据的请求至所述服务器；

接收所述服务器发送的对应于所述推荐标识的历史推荐选项、以及分别对应于所述历史推荐选项的投票结果数据；

响应于在所述第一客户端中接收到对于所述历史推荐选项的决策结果，发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端。

在上述方案中，所述决策结果发送模块还用于：

响应于在所述第一客户端中接收到所述投票状态，且所述投票状态表征所述第一客户端以及所述第二客户端均发送所述选择结果至所述服务器，发送获取决策结果请求至所述服务器，

以使所述服务器根据决策策略生成对应于所述推荐选项的决策结果，并发送所述决策结果至所述第一客户端以及所述第二客户端。

本发明实施例提供一种推荐处理电子设备，包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现本发明实施例提供的基于人工智能的推荐处理方法。

本发明实施例提供一种存储介质，存储有可执行指令，用于引起处理器执行时，实现本发明实施例提供的基于人工智能的推荐处理方法。

本发明实施例具有以下有益效果：

针对当前最优的推荐内容进行投票，根据客户端的投票结果，客户端能够实现实时决策，并且所有参与客户端均能够实时获得投票结果以及决策结果，能够对推荐内容的实时投票的决策结果进行精确和及时推荐。

附图说明

图1是本发明实施例提供的基于人工智能的推荐处理方法的系统架构的可选结构示意图；

图2是本发明实施例提供的推荐处理设备的可选结构示意图；

图3A-3B是本发明实施例提供的基于人工智能的推荐处理方法的可选流程示意图；

图4是本发明实施例提供的基于人工智能的推荐处理方法的应用场景一的流程示意图；

图5是本发明实施例提供的基于人工智能的推荐处理方法的应用场景二的流程示意图；

图6是本发明实施例提供的基于人工智能的推荐处理方法的应用场景三的流程示意图；

图7是本发明实施例提供的基于人工智能的推荐处理方法的应用场景四的流程示意图；

图8是本发明实施例提供的基于人工智能的推荐处理方法的应用场景五的流程示意图；

图9是本发明实施例提供的基于人工智能的推荐处理方法的应用场景六的流程示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本发明实施例能够以除了在这里图示或描述的以外的顺序实施。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。

对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。

1)推荐选项：推荐选项是服务器根据用户数据生成的投票目标，以使客户端能够针对于投票目标进行投票并实现决策。

2)决策结果：对应于每一次投票过程所得到的最终的结果，例如是否接受当前的推荐选项等。

在相关技术中，根据用户主观或者客观信息，可以为用户提供多个推荐内容，但仅是将推荐简单排序后的推荐内容进行罗列，在涉及到投票的相关技术中，仅会对团队的投票结果进行展示，并没有针对于投票任务的决策功能，在涉及到倒计时的相关技术中，倒计时是独立进行的，难以和用户的其它行为同时进行。

为了满足用户对最优的推荐内容进行投票并且做出决策的需求，本发明实施例提供了一种基于人工智能的推荐处理方法、装置、电子设备及存储介质，能够解决相关技术中用户无法对推荐内容进行实时决策的技术问题。

下面说明本发明实施例提供的电子设备的示例性应用，本发明实施例提供的电子设备可以实施为笔记本电脑，平板电脑，台式计算机，机顶盒，移动设备(例如，移动电话，便携式音乐播放器，个人数字助理，专用消息设备，便携式游戏设备)等各种类型的用户终端，也可以实施为服务器。下面，将结合说明电子设备实施为终端时在推荐处理系统中的示例性应用。

参见图1，图1是本发明实施例提供的推荐处理系统100的一个可选的架构示意图，终端设备400-1和终端设备400-2通过网络300连接服务器200，网络300可以是广域网或者局域网，又或者是二者的组合。

推荐处理系统100包括终端设备400-1、终端设备400-2、服务器200，终端设备400-1向服务器发送生成推荐列表请求，服务器200对推荐选项进行排序生成推荐列表，并发送在推荐列表中位于第一排序位置的推荐选项至终端设备400-1中的客户端410-1以及终端设备400-2中的客户端410-2，终端设备400-1发送选择结果至服务器，以使服务器200根据选择结果更新终端设备中的投票状态，并发送投票状态至终端设备400-1以及终端设备400-2，终端设备400-1发送决策结果至服务器，以使服务器将决策结果发送至终端设备400-1以及终端设备400-2。在推荐处理系统中，服务器200将用户数据发送至推荐系统从而对推荐选项进行排序生成推荐列表作为投票决策的候选集。

参见图2，图2是本发明实施例提供的终端设备400(例如，可以是图1所示的终端设备400-1和终端设备400-2)的结构示意图，图2所示的终端400包括：至少一个处理器410、存储器450、至少一个网络接口420和用户接口430。终端400中的各个组件通过总线系统440耦合在一起。可理解，总线系统440用于实现这些组件之间的连接通信。总线系统440除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图2中将各种总线都标为总线系统440。

处理器410可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。

用户接口430包括使得能够呈现媒体内容的一个或多个输出装置431，包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口430还包括一个或多个输入装置432，包括有助于用户输入的用户接口部件，比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。

存储器450可以是可移除的，不可移除的或其组合。示例性的硬件设备包括固态存储器，硬盘驱动器，光盘驱动器等。存储器450可选地包括在物理位置上远离处理器410的一个或多个存储设备。

存储器450包括易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM，Read Only Me mory)，易失性存储器可以是随机存取存储器(RAM，Random Access Memor y)。本发明实施例描述的存储器450旨在包括任意适合类型的存储器。

在一些实施例中，存储器450能够存储数据以支持各种操作，这些数据的示例包括程序、模块和数据结构或者其子集或超集，下面示例性说明。

操作系统451，包括用于处理各种基本系统服务和执行硬件相关任务的系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；

网络通信模块452，用于经由一个或多个(有线或无线)网络接口420到达其他计算设备，示例性的网络接口420包括：蓝牙、无线相容性认证(WiFi)、和通用串行总线(USB，Universal Serial Bus)等；

呈现模块453，用于经由一个或多个与用户接口430相关联的输出装置431(例如，显示屏、扬声器等)使得能够呈现信息(例如，用于操作外围设备和显示内容和信息的用户接口)；

输入处理模块454，用于对一个或多个来自一个或多个输入装置432之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。

在一些实施例中，本发明实施例提供的推荐处理装置可以采用软件方式实现，图2示出了存储在存储器450中的推荐处理装置455，包括：推荐列表请求模块4551、选择结果发送模块4552、决策结果发送模块4553、推荐发起模块4554、推荐分享模块4555以及历史推荐决策模块4556，其可以是程序和插件等形式的软件，并可以嵌入各种客户端中，这些模块是逻辑上的，因此根据所实现的功能可以进行任意的组合或进一步拆分，将在下文中具体说明各个模块的功能。

在另一些实施例中，本发明实施例提供的装置可以采用硬件方式实现，作为示例，本发明实施例提供的装置可以是采用硬件译码处理器形式的处理器，其被编程以执行本发明实施例提供的。。方法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC，Application Specific Inte grated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex ProgrammableLogic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)或其他电子元件。

参见图3A，图3A是本发明实施例提供的基于人工智能的推荐处理方法的一个可选的流程示意图，将结合图3A示出的步骤进行说明，下述方法的步骤可以在上述任意类型的电子设备(例如终端或服务器)上实现。

下面以电子设备为终端为例说明本发明实施例的基于人工智能的推荐处理方法，第一客户端和第二客户端为安装在不同终端上的客户端，不同的客户端对应于不同的用户登录账号。

在步骤101中，响应于在第一客户端中接收到生成推荐列表的操作，向服务器发送生成推荐列表请求。

在步骤102中，服务器对推荐选项进行排序以形成推荐列表。

在一些实施例中，当在第一客户端中接收到生成推荐列表的操作时，向服务器发送对应于第一客户端的用户登录账号的用户数据，服务器基于用户数据进行推荐，对推荐结果进行精确排序，并将排序结果保存在服务器内。用户数据可以为用户的兴趣点、用户所在的地理位置等等。在不同的应用场景下，存在不同的推荐模式，例如，距离优先的推荐模式、兴趣点优先的推荐模式以及价格优先的推荐模式等等。例如，当用户希望获得关于餐厅的推荐时，推荐模式为距离优先时，服务器会会获取用户的地理位置，从而获取用户所在地理位置附近的餐厅，进而生成对应于用户与餐厅之间的距离的餐厅推荐列表，这里的餐厅推荐列表是经过排序生成的，服务器将距离排序中的最优推荐选项放在第一排序位置，这里的最优推荐选项是距离用户最近的餐厅。

在步骤103中，发送在推荐列表中位于第一排序位置的推荐选项至第一客户端以及至少一个第二客户端。

在一些实施例中，服务器将推荐列表中位于第一排序位置的推荐选项发送至第一客户端以及至少一个第二客户端，第一客户端对应的用户账号为推荐投票发起人，第二客户端对应的用户账号为推荐投票参与人，第一客户端和第二客户端均对位于第一排序位置的推荐选项进行投票。

在步骤104中，响应于在第一客户端中接收到对应于推荐选项的选择结果，发送选择结果至服务器。

在一些实施例中，在服务器将在推荐列表中位于第一排序位置的推荐选项至第一客户端以及至少一个第二客户端后，在第一客户端和第二客户端的显示界面会显示当前的推荐选项以及对当前推荐选项的投票界面，响应于在第一客户端中接收到对应于推荐选项的选择结果，发送选择结果至服务器，这里在第二客户端中也会接收到对应于推荐选项的选择结果，并且，第二客户端也会将接收到的选择结果发送到服务器。这里的选择结果可以表征客户端对应的用户账号是否同意当前的推荐选项，选择结果可以分为喜欢、不喜欢以及弃权，或者接受、不接受以及弃权。

在步骤105中，服务器根据选择结果更新投票状态。

在步骤106中，服务器发送投票状态至第一客户端以及第二客户端。

在一些实施例中，服务器接收到来自于客户端的选择结果，不同的客户端将各自选择结果发送给服务器的时间戳可以是相同的，也可以是不同的，每次服务器接收到对于推荐选项的选择结果时，会记录当前的选择结果，并将当前的选择结果以及对应选择结果的用户信息更新到投票状态，并将投票状态发送给第一客户端和第二客户端以使第一客户端和第二客户端的显示界面上显示更新后的投票状态。

在步骤107中，响应于在第一客户端中接收到基于投票状态和推荐选项的决策结果，发送决策结果至服务器。

在步骤108中，服务器将决策结果发送至第一客户端以及第二客户端。

在一些实施例中，在第一客户端接收到投票状态后，响应于在第一客户端中接收到对应于推荐选项的决策结果，发送决策结果至服务器，对推荐选项的决策结果可以为接受推荐选项作为最后的决策结果，也可以为切换推荐选项，对下一顺位的推荐选项进行投票。在第一客户端将决策结果发送至服务器之后，服务器将最后的决策结果发送至第一客户端和第二客户端，以使第一客户端对应的用户登录账号以及第二客户端对应的用户登录账号均知晓最后的决策结果，从而推荐投票发起人和推荐投票参与人均能够知晓最后的决策结果。

参见图3B，基于图3A，在步骤101中响应于在第一客户端中接收到生成推荐列表的操作，向服务器发送生成推荐列表请求之前，还可以执行步骤

在步骤109中，响应于在第一客户端中接收到发起推荐的操作，向服务器发送对应于第一客户端的用户信息以及发起推荐请求。

在步骤110中，服务器生成推荐的标识信息，并向所述第一客户端发送所述标识信息。

在步骤111中，响应于在第一客户端中接收到分享操作，向第二客户端发送推荐标识。

在步骤112中，第二客户端处于向服务器发送推荐标识以及对应于第二客户端的用户信息。

在一些实施例中，当第一客户端接收到发起推荐的操作时，第一客户端向服务器发送对应于第一客户端的用户信息以及发起推荐请求，服务器生成推荐的标识信息，这里的标识信息用于唯一标识整个推荐处理过程，响应于在第一客户端中接收到分享操作，第一客户端向第二客户端发送推荐标识，这里的第二客户端可以是多个，通过第一客户端向第二客户端发送推荐标识，使第二客户端通过推荐标识进入当前创建的推荐处理过程，这里的推荐标识可以为二维码或者是网页链接等等，即第二客户端处于推荐的前端运行状态，第二客户端向服务器发送推荐标识以及对应于第二客户端的用户信息。

在一些实施例中，接收推荐标识的客户端可以是不具备投票功能的客户端，当第一客户端接收到发起推荐的操作时，第一客户端向服务器发送对应于第一客户端的用户信息以及发起推荐请求，服务器生成推荐的标识信息，这里的标识信息用于唯一标识整个推荐处理过程，响应于在第一客户端中接收到分享操作，第一客户端向第三客户端发送推荐标识，这里的第三客户端可以是不具备投票功能的任意客户端，通过第一客户端向第三客户端发送的推荐标识，界面将从第三客户端跳转到第二客户端的当前创建的推荐处理过程，这里的推荐标识可以为二维码或者是网页链接等等，即第二客户端处于推荐的前端运行状态，第二客户端向服务器发送推荐标识以及对应于第二客户端的用户信息。

步骤104-105中，发送选择结果至服务器，服务器根据选择结果更新投票状态，具体可以通过如下步骤实现。

第一客户端发送推荐标识、对应于第一客户端的用户信息以及选择结果至服务器，以使服务器记录选择结果，并根据选择结果更新投票状态。

在一些实施例中，第一客户端发送推荐标识、对应于第一客户端的用户信息以及第一客户端的选择结果到服务器，服务器记录第一客户端对应的用户登录账号对当前推荐选项的选择结果，选择分为喜欢当前推荐选项、不喜欢当前推荐选项以及放弃选择，服务器根据所记录的信息更新投票状态，将更新后的投票状态发送给第一客户端以及至少一个第二客户端，以使第一客户端对应的推荐投票发起者与推荐投票过程中的参与者可以获得最新的投票状态，投票状态的更新基于各个客户端返回选择结果进行，只有当服务器接收到客户端发送的选择结果时，服务器才会对应的更新投票状态。

步骤104中响应于在第一客户端中接收到基于投票状态和推荐选项的选择结果，发送选择结果至服务器具体可以通过如下步骤实现。

响应于在第一客户端的显示界面中接收到推荐选项，监听第一客户端中针对推荐选项的选择结果；当监听时间超过选择时间阈值时，发送放弃指令至服务器，放弃指令表征客户端对推荐选项的选择结果为放弃选择。

在一些实施例中，通过定时器的倒数计时监听第一客户端中针对推荐选项的选择结果，当监听时间超过选择时间阈值时，例如，这里的选择时间阈值可以为30秒或者3分钟等等，监听的起始时刻是在第一客户端的显示界面中接收到推荐选项，从在第一客户端的显示界面中接收到推荐选项开始进行倒数计时，对第一客户端中针对推荐选项的选择结果进行监听，监听时间超过选择时间阈值时，表征第一客户端没有收到针对于当前推荐选项的选择结果，则意味着针对于当前推荐选项的选择结果为放弃选择，即弃权。这里，弃权也是选择结果中的一种，当在第一客户端中接收到对应于推荐选项的选择结果为弃权时，将选择结果为弃权发送至服务器。

步骤107-108中发送决策结果至服务器，以使服务器将决策结果发送至第一客户端以及第二客户端具体可以通过如下步骤实现。

发送推荐标识、对应于第一客户端的用户信息、推荐选项以及决策结果至服务器，以使服务器生成投票结果数据以及决策结果，并发送投票结果数据以及决策结果至第一客户端以及第二客户端。

在一些实施例中，第一客户端发送推荐标识、对应于第一客户端的用户信息、推荐选项以及决策结果至服务器，以使服务器生成投票结果数据以及决策结果，并发送投票结果数据以及决策结果至第一客户端以及第二客户端。这里，发送推荐标识至服务器的目的在于使服务器将决策结果、被决策的推荐选项、发起的推荐以及进行决策的用户登录账号之间建立绑定关系，在服务器建立这样的绑定关系之后，生成最终的投票结果数据以及决策结果，并将最终的投票结果数据以及决策结果返回给第一客户端以及第二客户端，从而推荐投票的发起者和推荐投票的参与者均能获得最终的统一决策结果。

在步骤107-108中发送决策结果至服务器，以使服务器将决策结果发送至第一客户端以及第二客户端具体可以通过如下步骤实现。

当决策结果为切换推荐选项时，发送推荐标识、对应于第一客户端的用户信息、推荐选项以及决策结果至服务器，以使服务器发送在推荐列表中位于下一排序位置的推荐选项至第一客户端以及第二客户端。

在一些实施例中，当决策结果为切换推荐选项时，第一客户端发送推荐标识、对应于第一客户端的用户信息、推荐选项以及切换推荐选项的决策结果至服务器，以使服务器生成投票结果数据以及切换推荐选项的决策结果，并发送投票结果数据以及切换推荐选项的决策结果至第一客户端以及第二客户端。这里，发送推荐标识至服务器的目的在于使服务器将决策结果、被决策的推荐选项、发起的推荐以及进行决策的用户登录账号之间建立绑定关系，在服务器建立这样的绑定关系之后，生成最终的投票结果数据以及决策结果，并将最终的投票结果数据以及决策结果返回给第一客户端以及第二客户端，从而推荐投票的发起者和推荐投票的参与者均能获得最终的统一决策结果。

在步骤107-108中发送决策结果至服务器，以使服务器将决策结果发送至第一客户端以及第二客户端具体可以通过如下步骤实现。

响应于在第一客户端中接收到投票状态，且投票状态表征第一客户端以及第二客户端均发送选择结果至服务器，监听第一客户端中针对推荐选项的决策结果；当监听时间超过决策时间阈值时，向服务器发送切换指令，以使服务器发送在推荐列表中位于下一排序位置的推荐选项至第一客户端以及第二客户端。

在一些实施例中，当第一客户端中接收到投票状态，且投票状态表征第一客户端以及第二客户端均发送选择结果至服务器时，即当所有的客户端均完成针对于推荐选项的选择结果时，监听第一客户端中针对推荐选项的决策结果，当监听时间超过决策时间阈值时，由第一客户端向服务器发送切换指令，服务器将在推荐列表中位于下一排序位置的推荐选项至第一客户端以及第二客户端以使第一客户端和第二客户端开始进行针对于下一个推荐选项的投票。这里的决策时间阈值可以是30秒或者是3分钟等等，设定决策时间阈值相当于在决策机制中设定倒计时功能，当第一客户端在一定时间内没有收到决策结果时，即表征第一客户端对当前推荐选项进行切换。

在服务器发送在推荐列表中位于下一排序位置的推荐选项至第一客户端以及第二客户端之后，还可以执行以下步骤。

响应于在第一客户端中接收到查看推荐历史数据的操作，发送对应于推荐标识的查看推荐历史数据的请求至服务器；接收服务器发送的对应于推荐标识的历史推荐选项、以及分别对应于历史推荐选项的投票结果数据；响应于在第一客户端中接收到对于历史推荐选项的决策结果，发送决策结果至服务器，以使服务器将决策结果发送至第一客户端以及第二客户端。

在一些实施例中，在服务器发送在推荐列表中位于下一排序位置的推荐选项至第一客户端以及第二客户端之后，第一客户端还可以选择查看推荐历史数据，发送对应于推荐标识的查看推荐历史数据的请求至服务器，以使服务器将同一推荐中之前的推荐选项的投票结果作为推荐历史数据返回给第一客户端；第一客户端根据接收到的历史推荐数据，发送决策结果至服务器，以使服务器将决策结果发送至第一客户端以及第二客户端。

在步骤107-108中发送决策结果至服务器，以使服务器将决策结果发送至第一客户端以及第二客户端具体可以通过如下步骤实现。

响应于在第一客户端中接收到投票状态，且投票状态表征第一客户端以及第二客户端均发送选择结果至服务器，发送获取决策结果请求至服务器，以使服务器根据决策策略生成对应于推荐选项的决策结果，并发送决策结果至第一客户端以及第二客户端。

在一些实施例中，服务器内设置有自动决策体系，服务器将会根据历史决策数据来设置决策策略，例如，根据后台历史数据显示，有90％的第一客户端会在所有客户端中选择“喜欢”的用户数目占比超过占比阈值时，推荐发起客户端会选择“接受”该推荐选项，或有90％的第一客户端会在所有客户端内选择“不喜欢推荐选项”的用户数目占比超过占比阈值时，第一客户端会选择“切换推荐选项”，则服务器将据此生成决策策略，当选择喜欢的客户端数目占比超过占比阈值，服务器会生成“接受推荐选项”的决策结果，并将决策结果返回给第一客户端和第二客户端，当第一客户端发送获取决策结果的请求至服务器时，服务器才会响应于该请求，生成决策结果并发送生成的决策结果到第一客户端以及第二客户端。

下面，将说明本发明实施例在实际的应用场景中的示例性应用。

本发明实施例中的场景适用于任何为多人提供推荐并由多人同时进行决策的场景或产品。

通过推荐发起客户端生成推荐之后，系统后台根据多客户端的主观信息以及客观信息生成推荐选项并对推荐选项进行排序，优先将排名第一的最优推荐展示给推荐发起客户端以及推荐参与客户端，这里的推荐发起客户端为第一客户端，系统后台为服务器，推荐参与客户端为第二客户端。推荐发起客户端和推荐参与客户端可对是否喜欢推荐选项进行选择，通过选择“喜欢”或选择“不喜欢”，客户端的选择结果会在各自显示界面中实时地进行展示，即可展示出选择“喜欢”的是哪些用户，选择“不喜欢”的是哪些用户。

根据服务器返回的各个客户端的投票状态，推荐发起客户端可选择是否接受当前推荐选项，若推荐发起客户端的决策结果是接受当前推荐选项，此推荐选项将成为团队最终的决策结果，若推荐发起客户端不接受当前推荐选项，即选择切换当前推荐选项，系统后台服务器将对之前排序中排名第二的推荐选项进行展示，以使推荐发起客户端和推荐参与客户端重新对是否喜欢推荐选项进行投票选择，除了推荐发起客户端能够进行主动决策外，后台服务器内仍然设置有自动决策体系，系统后台服务器将会根据历史决策数据来设置决策策略，例如，根据后台历史数据显示，有90％的推荐发起客户端会在客户端团队内选择“喜欢”的用户数目占比超过占比阈值时，推荐发起客户端会选择“接受”该推荐选项，或有90％的推荐发起客户端会在客户端团队内选择“不喜欢推荐选项”的用户数目占比超过占比阈值时，推荐发起客户端会选择“切换推荐选项”，则系统后台服务器将据此生成自动决策体系，当选择喜欢的用户数目占比超过占比阈值，后台服务器会生成自动接受/切换该推荐选项的决策结果，并将决策结果返回给各个客户端。每次生成推荐选项列表之后，在推荐发起客户端以及推荐参与客户端选择是否喜欢推荐选项时都会伴随着三分钟的倒计时，倒计时结束时，当服务器还没有接收到客户端针对于推荐选项的投票选择时，服务器将为客户端自动切换排序下一位的推荐选项。推荐发起客户端选择查看“推荐历史数据”时，推荐发起客户端可查看历史推荐内容及对应于历史推荐选项的投票结果，推荐发起客户端通过选择接受历史推荐内容中的推荐选项，则可将历史推荐内容中的推荐选项作为团队的最终决策结果。

本发明实施例的应用场景的硬件环境由前端和后台部分组成，前端部分运行于可以进行人机交互的、具有联网功能的各类移动、桌面设备上。如智能手机、智能手表、计算机等。后台部分可以运行于提供互联网访问服务的计算机上，前端部分可以通过互联网和后台部分建立起连接，互相收发消息以向用户提供服务。技术框架采用三层结构：底层数据库、中间层以及顶层前端，底层数据库负责数据的存储、查询等，中间层负责前端和数据库的消息处理、根据消息内容对数据库进行检索，向前端返回数据等功能，顶层前端负责与用户进行交互，将用户的操作转化为消息发送给中间层进行处理。

下面，通过六个使用场景流程介绍来描述本发明方案的实现逻辑，其中三个客户端包括一个推荐发起客户端和两个对推荐选项进行投票的推荐参与客户端，在图4-图9中，发起人前端即为推荐发起客户端，对应于第一客户端，用户A前端和用户B前端即为推荐参与客户端，对应于第二客户端。

参见图4，图4是本发明实施例提供的基于人工智能的推荐处理方法的应用场景一的流程示意图，场景一为客户端进入应用并发起推荐流程，推荐发起客户端和参与投票的推荐参与客户端有着不同的进入推荐应用的方式，参与投票的推荐参与客户端通过推荐发起客户端创建并分享的推荐标识加入此次推荐，推荐标识在前端的展示可以有多种形式，如二维码、网页链接等。

参见图5，图5是本发明实施例提供的基于人工智能的推荐处理方法的应用场景二的流程示意图，场景二为推荐发起客户端通过发送“生成推荐”请求，后台通过用户数据进行推荐，并对推荐过程中的排序结果进行保留，首先向客户端返回排序结果中最优的选项进行展示，并在前端启动定时器进行计时。基于用户数据的推荐可以有多种类别，比如根据距离生成的推荐列表，推荐可以是基于参与推荐活动的所有用户的位置而做出的活动兴趣点的推荐，用户数据可以包括用户的兴趣点、地理位置、推荐实用的时间，这里的推荐排序需要考虑到多种应用场景，其可以设置成为用户选择的，比如距离优先、兴趣点优先、价格优先等。

场景一发生在场景二之前，场景一描述的是推荐发起客户端进入推荐的方式(此时推荐中尚且没有需要决策的推荐内容)：推荐发起客户端分享推荐标识，参与投票的推荐参与客户端是通过分享的推荐标识来加入此次推荐。场景二描述的是推荐发起客户端发起“生成推荐”的请求，后台会生成推荐列表，这些内容需要推荐发起客户端与推荐参与客户端共同经过后续的实时票决系统来进行选择。

参见图6，图6是本发明实施例提供的基于人工智能的推荐处理方法的应用场景三的流程示意图，场景三为荐发起客户端以及推荐参与客户端选择“喜欢/不喜欢”当前推荐选项，客户端收到当前最优的推荐选项后，荐发起客户端以及推荐参与客户端开始进行投票，后台服务器会保存推荐发起客户端以及推荐参与客户端的投票结果，并将当前的投票状态返回给前端进行展示。

参见图7，图7是本发明实施例提供的基于人工智能的推荐处理方法的应用场景四的流程示意图，场景四为推荐发起客户端选择“接受推荐选项”。推荐发起客户端选择“接受推荐选项”后，后台结束投票流程，并对当前的投票结果数据返回给前端进行展示。这里的接受包括两种情况，一种是对当前正在投票的推荐选项选择“接受”，一种是对推荐历史中的某推荐选项选择“接受”，两种情况在后台的实现逻辑相同。

参见图8，图8是本发明实施例提供的基于人工智能的推荐处理方法的应用场景五的流程示意图，场景五为推荐发起客户端选择“切换推荐选项”或推荐发起客户端的定时器超时，若推荐发起客户端对当前的推荐选项不满意，可以选择“切换推荐选项”，以更换推荐选项，或者推荐发起客户端的定时器超时，也需要更换推荐选项，在以上两种情况下，后台均会从推荐列表中选择下一个推荐选项返回给前端，重新进行投票。在进行推荐选项的决策过程中，推荐参与客户端的定时器只做时间展示用，不用于触发切换推荐选项。

参见图9，图9是本发明实施例提供的基于人工智能的推荐处理方法的应用场景六的流程示意图，场景六为推荐发起客户端选择查看“推荐历史”，推荐发起客户端选择查看“推荐历史”后，后台会将此次推荐的历史推荐选项以及对应的投票结果返回给前端进行展示，推荐发起客户端可以在这些推荐选项中进行选择。

在本发明实施例的应用场景下，根据多个客户端提供的主客观信息，由后台提供一个最优的推荐选项，所有客户端可在三分钟的倒计时内选择是否喜欢该推荐选项，客户端的选择结果能够实时地进行显示，仅推荐发起客户端能够选择接受当前推荐选项或选择切换当前推荐选项，如果推荐发起客户端在倒计时的三分钟内未进行操作，则后台自动切换到下一个推荐选项。

推荐发起客户端选择接受当前推荐选项，则确定其为最终的团队决策结果，当推荐发起客户端选择切换到下一个推荐选项之后，后台根据客户端提供的客观信息提供第二优先级的推荐选项，所有客户端可在三分钟的倒计时内选择是否喜欢该推荐选项，推荐发起客户端重新选择是否接受推荐选项作为决策结果。

推荐发起客户端可查看历史推荐内容及投票情况，并可以选择某个历史推荐选项为最终的团队决策结果，同时系统也可以设置自动决策策略，能够根据用户投票情况做出自动决策。

根据本发明实施例，在每次推荐过程中，将最适合多个客户端的最优推荐选项返回给客户端进行展示，融合了投票、实时决策与倒计时等功能，推荐发起客户端在倒计时内根据投票结果进行决策，从而用户能够据此快速决策得到最终的决策结果。

下面继续说明本发明实施例提供的基于人工智能的推荐处理装置455的实施为软件模块的示例性结构，在一些实施例中，如图2所示，存储在存储器450的推荐处理装置455中的软件模块可以包括：

推荐列表请求模块4551，用于响应于在第一客户端中接收到生成推荐列表的操作，向服务器发送生成推荐列表请求，以使所述服务器对推荐选项进行排序以形成所述推荐列表，并发送在所述推荐列表中位于第一排序位置的推荐选项至所述第一客户端以及至少一个第二客户端；

选择结果发送模块4552，用于响应于在所述第一客户端中接收到对应于所述推荐选项的选择结果，发送所述选择结果至所述服务器，以使所述服务器根据所述选择结果更新所述投票状态，并发送所述投票状态至所述第一客户端以及所述第二客户端；

决策结果发送模块4553，用于响应于在所述第一客户端中接收到对应于所述推荐选项的决策结果，发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端。

在一些实施例中，装置455还包括：

推荐发起模块4554，用于响应于在第一客户端中接收到发起推荐的操作，向服务器发送对应于第一客户端的用户信息以及发起推荐请求，以使服务器生成推荐的标识信息；

推荐分享模块4555，用于响应于在第一客户端中接收到分享操作，向第二客户端发送推荐标识，以使第二客户端向服务器发送推荐标识以及对应于第二客户端的用户信息。

在一些实施例中，选择结果发送模块4552，还用于：

发送推荐标识、对应于第一客户端的用户信息以及选择结果至服务器，以使服务器记录选择结果，并根据选择结果更新投票状态。

在一些实施例中，选择结果发送模块4552，还用于：

响应于在第一客户端的显示界面中接收到推荐选项，监听第一客户端中针对推荐选项的选择结果；

当监听时间超过选择时间阈值时，发送放弃指令至服务器，放弃指令表征客户端对推荐选项的选择结果为放弃选择。

在一些实施例中，决策结果发送模块4553，还用于：

发送推荐标识、对应于第一客户端的用户信息、推荐选项以及决策结果至服务器，以使服务器生成投票结果数据以及决策结果，并发送投票结果数据以及决策结果至第一客户端以及第二客户端。

在一些实施例中，决策结果发送模块4553，还用于：

当决策结果为切换推荐选项时，发送推荐标识、对应于第一客户端的用户信息、推荐选项以及决策结果至服务器，以使

服务器发送在推荐列表中位于下一排序位置的推荐选项至第一客户端以及第二客户端。

在一些实施例中，决策结果发送模块4553，还用于：

响应于在第一客户端中接收到投票状态，且投票状态表征第一客户端以及第二客户端均发送选择结果至服务器，监听第一客户端中针对推荐选项的决策结果；

当监听时间超过决策时间阈值时，向服务器发送切换指令，以使服务器发送在推荐列表中位于下一排序位置的推荐选项至第一客户端以及第二客户端。

在一些实施例中，装置455还包括：

历史推荐决策模块4556，用于：

响应于在第一客户端中接收到查看推荐历史数据的操作，发送对应于推荐标识的查看推荐历史数据的请求至服务器；

接收服务器发送的对应于推荐标识的历史推荐选项、以及分别对应于历史推荐选项的投票结果数据；

响应于在第一客户端中接收到对于历史推荐选项的决策结果，发送决策结果至服务器，以使服务器将决策结果发送至第一客户端以及第二客户端。

在一些实施例中，决策结果发送模块4553还用于：

响应于在第一客户端中接收到投票状态，且投票状态表征第一客户端以及第二客户端均发送选择结果至服务器，发送获取决策结果请求至服务器，

以使服务器根据决策策略生成对应于推荐选项的决策结果，并发送决策结果至第一客户端以及第二客户端。

本发明实施例提供一种基于人工智能的推荐处理电子设备，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现本发明实施例提供的基于人工智能的推荐处理方法，例如，如图3A-3B示出的基于人工智能的推荐处理方法。

本发明实施例提供一种存储有可执行指令的存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本发明实施例提供的基于人工智能的推荐处理方法，例如，如图3A-3B示出的基于人工智能的推荐处理方法。

在一些实施例中，存储介质可以是FRAM、ROM、PROM、EPROM、EE PROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。

在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。

作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(HTML，Hyper TextMarkup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。

作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

综上所述，通过本发明实施例，将推荐内容进行排序从而仅针对当前最优的推荐内容进行投票，根据客户端的投票结果，客户端能够实现实时决策，并且所有参与客户端均能够实时获得投票结果以及决策结果。

以上所述，仅为本发明的实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。

Claims (10)

1.一种基于人工智能的推荐处理方法，其特征在于，所述方法包括：

响应于在第一客户端中接收到生成推荐列表的操作，向服务器发送生成推荐列表请求，以使

所述服务器发送在推荐列表中位于第一排序位置的推荐选项至所述第一客户端以及至少一个第二客户端；

响应于在所述第一客户端中接收到对应于所述推荐选项的选择结果，发送所述选择结果至所述服务器，以使所述服务器根据所述选择结果更新所述投票状态，并发送所述投票状态至所述第一客户端以及所述第二客户端；

响应于在所述第一客户端中接收到基于所述投票状态以及所述推荐选项的决策结果，发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

响应于在所述第一客户端中接收到发起推荐的操作，向所述服务器发送对应于所述第一客户端的用户信息以及发起推荐请求，以使所述服务器生成所述推荐的标识信息并向所述第一客户端发送所述标识信息；

响应于在所述第一客户端中接收到分享操作，向所述第二客户端发送所述推荐标识，以使所述第二客户端向所述服务器发送所述推荐标识以及对应于所述第二客户端的用户信息。

3.根据权利要求1所述的方法，其特征在于，所述发送所述选择结果至所述服务器，以使所述服务器根据所述选择结果更新所述投票状态，包括：

发送所述推荐标识、对应于所述第一客户端的用户信息以及所述选择结果至所述服务器，以使

所述服务器记录所述选择结果，并根据所述选择结果更新所述投票状态。

4.根据权利要求1所述的方法，其特征在于，所述响应于在所述第一客户端中接收到对应于所述推荐选项的选择结果，发送所述选择结果至所述服务器，包括：

响应于在所述第一客户端的显示界面中接收到所述推荐选项，监听所述第一客户端中针对所述推荐选项的选择结果；

当监听时间超过选择时间阈值时，发送放弃指令至所述服务器，所述放弃指令表征所述客户端对所述推荐选项的选择结果为放弃选择。

5.根据权利要求1所述的方法，其特征在于，所述发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端，包括：

发送所述推荐标识、对应于所述第一客户端的用户信息、所述推荐选项以及所述决策结果至所述服务器，以使

所述服务器生成投票结果数据以及所述决策结果，并发送所述投票结果数据以及所述决策结果至所述第一客户端以及所述第二客户端。

6.根据权利要求1所述的方法，其特征在于，所述发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端，包括：

当所述决策结果为切换所述推荐选项时，发送所述推荐标识、对应于所述第一客户端的用户信息、所述推荐选项以及所述决策结果至所述服务器，以使

所述服务器发送所述推荐列表中位于下一排序位置的推荐选项至所述第一客户端以及所述第二客户端。

7.根据权利要求1所述的方法，其特征在于，所述发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端，包括：

响应于在所述第一客户端中接收到所述投票状态，且所述投票状态表征所述第一客户端以及所述第二客户端均发送所述选择结果至所述服务器，监听所述第一客户端中针对所述推荐选项的决策结果；

当监听时间超过决策时间阈值时，向所述服务器发送切换指令，以使所述服务器发送在所述推荐列表中位于下一排序位置的推荐选项至所述第一客户端以及所述第二客户端。

8.根据权利要求6-7任一项所述的方法，其特征在于，所述方法还包括：

响应于在所述第一客户端中接收到查看推荐历史数据的操作，发送对应于所述推荐标识的查看推荐历史数据的请求至所述服务器；

接收所述服务器发送的对应于所述推荐标识的历史推荐选项、以及分别对应于所述历史推荐选项的投票结果数据；

响应于在所述第一客户端中接收到对于所述历史推荐选项的决策结果，发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端。

9.根据权利要求1所述的方法，其特征在于，所述发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端，包括：

响应于在所述第一客户端中接收到所述投票状态，且所述投票状态表征所述第一客户端以及所述第二客户端均发送所述选择结果至所述服务器，发送获取决策结果请求至所述服务器，

以使所述服务器根据决策策略生成对应于所述推荐选项的决策结果，并发送所述决策结果至所述第一客户端以及所述第二客户端。

10.一种基于人工智能的推荐处理装置，其特征在于，所述装置包括：

推荐列表请求模块，用于响应于在第一客户端中接收到生成推荐列表的操作，向服务器发送生成推荐列表请求，以使

所述服务器发送在所述推荐列表中位于第一排序位置的推荐选项至所述第一客户端以及至少一个第二客户端；

选择结果发送模块，用于响应于在所述第一客户端中接收到对应于所述推荐选项的选择结果，发送所述选择结果至所述服务器，以使所述服务器根据所述选择结果更新所述投票状态，并发送所述投票状态至所述第一客户端以及所述第二客户端；

决策结果发送模块，用于响应于在所述第一客户端中接收到基于所述投票状态以及所述推荐选项的决策结果，发送所述决策结果至所述服务器，以使所述服务器将所述决策结果发送至所述第一客户端以及所述第二客户端。

Images