CN111523763A - 装修信息推送方法、装置、计算机设备及存储介质 - Google Patents
装修信息推送方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111523763A CN111523763A CN202010209640.9A CN202010209640A CN111523763A CN 111523763 A CN111523763 A CN 111523763A CN 202010209640 A CN202010209640 A CN 202010209640A CN 111523763 A CN111523763 A CN 111523763A
- Authority
- CN
- China
- Prior art keywords
- decoration
- expert
- input information
- user
- unique code
- 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
- 238000005034 decoration Methods 0.000 title claims abstract description 370
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000013598 vector Substances 0.000 claims description 31
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种装修信息推送方法、装置、计算机设备及存储介质,所述方法包括:接收到装修需求指令,获取含有用户唯一码、装修需求输入信息和上一次装修需求输入信息的装修需求信息;将装修需求输入信息和上一次装修需求输入信息输入基于Word2Vec的句子相似度模型,获取预测结果;在预测结果为非相关时,获取用户房屋地点和用户房屋单价;将装修需求输入信息、用户房屋地点和用户房屋单价输入基于BERT的信息推送模型,获取装修专家唯一码;在将装修专家唯一码以及装修专家数据推送至与用户唯一码对应的用户之后,建立用户唯一码与装修专家唯一码的对话。本发明实现了自动地、准确地向业主推送合适的装修专家数据,提升了业主满意度和体验度。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种装修信息推送方法、装置、计算机设备及存储介质。
背景技术
目前,随着人们生活水平的提高,消费者对于房屋装修的需求也越来越多,而大部分需要装修房屋的业主都不具备装修的专业知识,因此需要在提供装修服务的装修平台上进行咨询,而要解答这些问题就必然要求回答这些问题的装修专家具有装修专业知识的全面性,但是由于各个装修专家的技术经验不同,对于业主问题的解答可能会出现不足之处,有时甚至由于装修专家未涉足业主问题的专业领域而提供不了答复,从而降低业主的满意度和体验度;此外,业主可能会分多次咨询同类问题,如果针对该同类问题的答复不一致,会导致业主理解困惑,进一步降低业主的满意度,甚至导致流失业主。
发明内容
本发明提供一种装修信息推送方法、装置、计算机设备及存储介质,实现了通过基于Word2Vec的句子相似度模型预测装修需求输入信息与上一次装修需求输入信息的相关性,以及通过基于BERT的信息推送模型信息推送模型获取装修专家数据,能够自动地、准确地向业主推送合适的解答装修需求输入信息的装修专家数据,提升了业主满意度和体验度。
一种装修信息推送方法,包括:
接收到装修需求指令,获取装修需求信息;所述装修需求信息包括用户唯一码、与所述用户唯一码关联的装修需求输入信息和与所述用户唯一码关联的上一次装修需求输入信息;
将所述装修需求输入信息和所述上一次装修需求输入信息输入基于Word2Vec的句子相似度模型,通过所述句子相似度模型得到所述装修需求输入信息和所述上一次装修需求输入信息的相似度值,获取所述句子相似度模型根据所述相似度值输出的预测结果;所述预测结果包括相关和非相关;
在所述预测结果为非相关时,获取与所述用户唯一码关联的所述用户房屋地点和用户房屋单价;
将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码;
在将所述装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述装修专家唯一码的对话。一种装修信息推送装置,包括:
接收模块,用于接收到装修需求指令,获取装修需求信息;所述装修需求信息包括用户唯一码、与所述用户唯一码关联的装修需求输入信息和与所述用户唯一码关联的上一次装修需求输入信息;
预测模块,用于将所述装修需求输入信息和所述上一次装修需求输入信息输入基于Word2Vec的句子相似度模型,通过所述句子相似度模型得到所述装修需求输入信息和所述上一次装修需求输入信息的相似度值,获取所述句子相似度模型根据所述相似度值输出的预测结果;所述预测结果包括相关和非相关;
判断模块,用于在所述预测结果为非相关时,获取与所述用户唯一码关联的所述用户房屋地点和用户房屋单价;
匹配模块,用于将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码;
获取模块,用于在将所述装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述装修专家唯一码的对话。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述装修信息推送方法的步骤。
一种计算机可读存储介质,所述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装修信息推送方法的步骤。
本发明提供的装修信息推送方法、装置、计算机设备及存储介质,通过接收到装修需求指令,获取装修需求信息;所述装修需求信息包括用户唯一码、与所述用户唯一码关联的装修需求输入信息和与所述用户唯一码关联的上一次装修需求输入信息;将所述装修需求输入信息和所述上一次装修需求输入信息输入基于Word2Vec的句子相似度模型,通过所述句子相似度模型得到所述装修需求输入信息和所述上一次装修需求输入信息的相似度值,获取所述句子相似度模型根据所述相似度值输出的预测结果;所述预测结果包括相关和非相关;在所述预测结果为非相关时,获取与所述用户唯一码关联的所述用户房屋地点和用户房屋单价;将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码;在将所述装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述装修专家唯一码的对话。
本发明实现了通过接收到装修需求指令,获取含有用户唯一码、装修需求输入信息和上一次装修需求输入信息的装修需求信息;将所述装修需求输入信息和所述上一次装修需求输入信息输入基于Word2Vec的句子相似度模型,通过所述句子相似度模型获取所述句子相似度模型根据所述相似度值输出的预测结果;在所述预测结果为非相关时,获取与所述用户唯一码关联的所述用户房屋地点和用户房屋单价;将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码;在将所述装修专家唯一码以及装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述装修专家唯一码的对话,如此,能够自动地、准确地向业主推送合适的解答装修需求输入信息的装修专家数据,提高了效率,减少了运营成本,并提升了业主满意度和体验度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中装修信息推送方法的应用环境示意图;
图2是本发明一实施例中装修信息推送方法的流程图;
图3是本发明一实施例中装修信息推送方法的步骤S10的流程图;
图4是本发明另一实施例中装修信息推送方法的流程图;
图5是本发明一实施例中装修信息推送方法的步骤S20的流程图;
图6是本发明再一实施例中装修信息推送方法的步骤S40的流程图;
图7是本发明一实施例中装修信息推送方法的步骤S403的流程图;
图8是本发明一实施例中装修信息推送方法的步骤S4034的流程图;
图9是本发明一实施例中装修信息推送装置的原理框图;
图10是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的装修信息推送方法,可应用在如图1的应用环境中,其中,客户端(计算机设备)通过网络与服务器进行通信。其中,客户端(计算机设备)包括但不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑、摄像头和便携式可穿戴设备。服务器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。
在一实施例中,如图2所示,提供一种装修信息推送方法,其技术方案主要包括以下步骤S10-S50:
S10,接收到装修需求指令,获取装修需求信息;所述装修需求信息包括用户唯一码、与所述用户唯一码关联的装修需求输入信息和与所述用户唯一码关联的上一次装修需求输入信息。
可理解地,所述装修需求指令为用户对于房屋装修需要提出需求后触发的指令,所述触发方式可以根据需求进行设定,比如在装修应用程序平台界面提供一个可以通过点击、滑动等方式进行触发的触发按键等等,获取所述装修需求信息,其获取方式可以根据需要进行设定,比如获取方式可以为通过所述装修需求指令中获取所述装修需求信息、根据所述装修需求指令中包含的所述装修需求信息的存储路径获取所述装修需求信息等等。
其中,所述装修需求信息包括所述用户唯一码、所述装修需求输入信息和所述上一次装修需求输入信息,所述用户唯一码为用户对应的具有唯一性的标识码,所述用户唯一码的格式可以根据需求进行设定,比如所述用户唯一码可以为身份证号码、或者可以为由字母和数字组成字符串等等,所述装修需求输入信息为用户输入的关于装修方面的需求信息,所述装修需求输入信息与所述用户唯一码关联,即所述装修需求输入信息表明为所述用户唯一码输入的相关需求,所述装修需求输入信息可以根据需求进行输入方式,比如所述装修需求输入信息的输入方式可以为文本输入方式、或者为接收语音后转换成对应的文本的输入方式等等,所述上一次装修需求输入信息为用户在输入所述装修需求输入信息之前最接近的一次输入的关于装修方面的需求信息,而且所述上一次装修需求输入信息与所述用户唯一码关联。
在一实施例中,如图3所示所述步骤S10之前,即所述接收到装修咨询指令,获取装修需求信息之前,包括:
S101,接收到装修服务指令,获取与所述用户唯一码关联的可用服务时长,判断所述可用服务时长是否存在可用时长。
可理解地,接收到装修服务指令,所述装修服务指令为所述装修需求指令之前触发的指令,获取与所述用户唯一码关联的可用服务时长,所述可用服务时长为用户对应的所述用户唯一码享受的被服务的权限的时间长短,所述可用服务时长是否存在可用时长可以根据需求进行设定,例如:所述可用服务时长可以为时间倒计时的时间长度表示,若所述可用服务时长存在不为零的时间值时,则表明所述可用服务时长存在可用时长,若所述可用服务时长为零的时间值时,则表明所述可用服务时长不存在可用时长。
S102,若所述可用服务时长存在可用时长,触发所述装修需求指令。
可理解地,如果所述可用服务时长存在可用时长,则自动触发所述装修需求指令。
S103,若所述可用服务时长不存在可用时长,在所述用户唯一码对应的终端的显示界面弹出与所述用户唯一码对应的权限提示信息。
可理解地,如果所述可用服务时长不存在可用时长,即所述可用服务时长为零,则在所述终端的显示界面弹出所述权限提示信息,所述终端为所述用户唯一码使用的且不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备的设备,所述权限提示信息可以根据需求进行设定,比如所述权限提示信息可以为一串“请申请服务权限”的内容等。
如此,实现了通过用服务时长是否存在可用时长进行用户唯一码的权限管理,避免了处理非法用户输入的信息,减少了服务器的不必要的执行操作,提升了服务器的效率。
S20,将所述装修需求输入信息和所述上一次装修需求输入信息输入基于Word2Vec的句子相似度模型,通过所述句子相似度模型得到所述装修需求输入信息和所述上一次装修需求输入信息的相似度值,获取所述句子相似度模型根据所述相似度值输出的预测结果;所述预测结果包括相关和非相关。
可理解地,所述句子相似度模型为基于Word2Vec模型并且训练完成的神经网络模型,即所述句子相似度模型包含有所述Word2Vec模型的网络结构,所述Word2Vec(word tovector,文本转词向量)模型为一群用来产生词向量的浅而双层的神经网络,所述Word2Vec模型能够将每个词映射出一个向量,并且可以用来表示词与词或者句子与句子之间的关系,通过所述句子相似度模型可以得到所述装修需求输入信息和所述上一次装修需求输入信息的相似度值,所述相似度值为所述装修需求输入信息与所述上一次装修需求输入信息之间的相似程度的衡量指标,所述句子相似度模型可以根据所述相似度值而输出所述预测结果,所述预测结果包括相关和非相关,所述预测结果表明了所述装修需求输入信息和所述上一次装修需求输入信息是否属于相似或者同一类的需求内容。
在一实施例中,如图5所示,所述步骤S20中,即所述通过所述句子相似度模型得到所述装修需求输入信息和所述上一次装修需求输入信息的相似度值,获取所述句子相似度模型根据所述相似度值输出的预测结果,包括:
S201,通过所述句子相似度模型中的Word2Vec模型对所述装修需求输入信息进行分词,得到含有多个第一文本,同时通过所述Word2Vec模型对所述上一次装修需求输入信息进行分词,得到含有多个第二文本。
可理解地,通过所述Word2Vec模型对所述装修需求输入信息进行分词,所述分词为将一个完整的句子拆分成多个能组成词语或者单字的处理方法,被拆分后的词语或者字确定为所述第一文本,例如:所述装修需求输入信息为“厨房门的开门方式怎么选择?”,经过分词得到第一文本为“厨房”、“门”、“的”、“开门”、“方式”、“怎么”和“选择”,同时通过所述Word2Vec模型对所述上一次装修需求输入信息进行分词,得到含有多个第二文本。
S202,通过所述Word2Vec模型对每个所述第一文本进行向量转换,得到每个所述第一文本对应的第一向量,同时通过所述Word2Vec模型对每个所述第二文本进行向量转换,得到每个所述第二文本对应的第二向量。
可理解地,所述向量转换为通过所述Word2Vec模型获取一个词语或者单字对应的向量,通过该向量可以衡量出该词语或者单字的唯一指标,如此,能够将词语或者单字转换成一个可衡量的指标,通过所述Word2Vec模型对所述第一文本进行向量转换,获取所述第一向量,同时通过所述Word2Vec模型对所述第二文本进行向量转换,获取所述第二向量。
S203,获取所有所述第一向量的平均值,并将所有所述第一向量的平均值记录为第一均值,同时获取所有所述第二向量的平均值,并将所有所述第二向量的平均值记录为第二均值。
可理解地,对所有所述第一向量求平均值,得到所述第一均值,同时对所有所述第二向量求平均值,得到所述第二均值。
S204,通过所述Word2Vec模型计算出所述第一均值和所述第二均值的相似度值,将所述第一均值和所述第二均值的相似度值确定为所述装修需求输入信息和所述上一次装修需求输入信息的相似度值。
可理解地,所述相似度值为计算两个向量的夹角余弦值来评估这两个向量的相似度的衡量值,所述夹角余弦值的计算公式为欧几里得点积公式,所述相似值的范围为0到1,将所述第一均值和所述第二均值的相似度值确定为所述装修需求输入信息和所述上一次装修需求输入信息的相似度值。
S205,若所述相似度值大于或者等于预设阈值,确定所述预测结果为相关。
可理解地,所述预设阈值可以根据需求进行设定,比如所述预设阈值为0.85,或者0.75等等,如果所述相似度值大于或者等于所述预设阈值,就确定所述预测结果为相关,即表明所述装修需求输入信息和所述上一次装修需求输入信息属于相似或者同一类的需求内容。
S206,若所述相似度值小于所述预设阈值,确定所述预测结果为非相关。
可理解地,如果所述相似度值小于所述预设阈值,就确定所述预测结果为非相关,即表明所述装修需求输入信息和所述上一次装修需求输入信息不属于相似或者同一类的需求内容。
如此,通过Word2Vec模型可以自动分析出装修需求输入信息和上一次装修需求输入信息是否相似或者同一类的需求内容,解决了用户连续两次或两次以上同类需求后得到不一致的答复,以致用户困惑的问题,从而提升了用户满意度和体验度。
S30,在所述预测结果为非相关时,获取与所述用户唯一码关联的所述用户房屋地点和用户房屋单价。
可理解地,在所述预测结果为非相关时,获取所述用户房屋地点和所述用户房屋单价,所述用户房屋地点为所述用户唯一码关联的需装修的房屋的地点,所述用户房屋地点的维度可以根据需求进行设定,比如所述用户房屋地点的维度可以为市级,也可以为区级等等,所述用户房屋单价为所述用户唯一码关联的需装修的房屋的面积与预估装修总费用相除结果,即房屋的面积除以预估装修总费用,所述预估装修总费用为预估装修房屋需消费的总价。
S40,将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码。
可理解地,所述信息推送模型为含有BERT(Bidirectional EncoderRepresentations from Transformers)模型的网络结构并且训练完成的神经网络模型,所述信息推送模型为根据所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价匹配出与所述装修需求输入信息的匹配值最高的所述装修专家唯一码,所述匹配值为衡量与所述装修需求输入信息的匹配程度的值,所述装修专家唯一码为在装修领域的技术人员对应的唯一的标识码。
在一实施例中,如图6所示,所述步骤S40中,即所述将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码,包括:
S401,获取与所述用户房屋地点匹配的所有所述装修专家唯一码,并将与所述用户房屋地点匹配的所有装修专家唯一码记录为可选专家唯一码。
可理解地,从所有所述装修专家唯一码中筛选出与所述哟农户房屋地点相匹配的所述装修专家唯一码,将筛选之后的所述装修专家唯一码确定为所述可选专家唯一码,所述可选专家唯一码为可供选择的所述装修专家唯一码。
S402,获取与所述可选专家唯一码关联的历史装修单价和专家擅长标签。
可理解地,每个所述装修专家唯一码都与一个所述历史装修单价关联,即一个所述可选专家唯一码与一个所述历史装修单价关联,所述历史装修单价为与其关联的所述装修专家唯一码主导装修过的每个房屋的装修单价的平均值,所述装修单价为与其关联的所述装修专家唯一码主导装修过的每个房屋为的房屋面积与装修总费用相除,每个所述装修专家唯一码可以与多个所述专家擅长标签关联,所述专家擅长标签为该装修专家唯一码对应的专家具备装修领域下的特长方面的标签值,所述专家擅长标签可以根据需求进行设定,比如所述专家擅长标签可以包括天花设计、橱柜设计、洗手间设计等等。
S403,将所述装修需求输入信息、所述用户房屋单价、所有所述可选专家唯一码、所有所述历史装修单价和所有所述专家擅长标签输入所述信息推送模型中的BERT转换模型,通过所述BERT转换模型获取所述装修需求输入信息与所述可选专家唯一码的匹配值。
可理解地,所述信息推送模型包括所述BERT转换模型,所述BERT转换模型的网络结构包含BERT模型的网络结构,所述BERT模型能够将自然语言转换成SQL(StructuredQuery Language,结构化查询语言)语句,所述BERT转换模型为训练完成的神经网络模型,所述BERT转换模型通过对所述装修需求输入信息、所述用户房屋单价、所有所述可选专家唯一码、所有所述历史装修单价和所有所述专家擅长标签进行匹配,输出一个所述装修需求输入信息与所述可选专家唯一码的匹配值,所述匹配值可以根据需求进行设定,优选地,所述匹配值设定为正数格式的数值。
在一实施例中,如图7所示,所述步骤S403中,即所述通过所述BERT转换模型获取所述装修需求输入信息与所述可选专家唯一码的匹配值,包括:
S4031,通过所述BERT转换模型将所有所述可选专家唯一码、所有所述历史装修单价和所有所述专家擅长标签记录为查询表。
可理解地,通过所述BERT转换模型将所有所述可选专家唯一码、所有与所述可选专家唯一码关联的所述历史装修单价和所有与所述可选专家唯一码关联的所述专家擅长标签记录为所述查询表,所述查询表为与所述装修需求输入信息进行匹配的所有所述可选专家唯一码的数据库表。
S4032,通过所述BERT转换模型将所述装修需求输入信息和所述用户房屋单价转换成在所述查询表中进行查询的多个SQL语句。
可理解地,所述BERT转换模型能够将自然语言格式的所述装修需求输入信息和所述用户房屋单价转换成可执行的SQL语句,并且该SQL语句可在所述查询表中进行执行,即将所述装修需求输入信息转换成所述SQL语句中的select部分的语句,将所述用户房屋单价转换成所述SQL语句中的where部分的语句,所述SQL语句包括select部分和where部分。
S4033,通过所述BERT转换模型执行所有所述SQL语句,得到与所述SQL语句对应的查询结果。
可理解地,通过所述BERT转换模型执行每个所述SQL语句,得到每个所述SQL语句对应的所述查询结果,所述查询结果为从所述查询表中筛选之后的所述可选专家唯一码的集合,即所述查询结果包括一个或多个所述可选专家唯一码。
S4034,根据所有所述查询结果,确定所述装修需求输入信息与所述可选专家唯一码的匹配值。
可理解地,确定的方法可以根据需求进行设定,比如根据所有所述查询结果中相同的可选专家唯一码进行统计得到该可选专家唯一码的匹配次数,将匹配次数确定为其匹配值,将剩下的可选专家唯一码的匹配值确定为零。
在一实施例中,如图8所示,所述步骤S4034中,即所述根据所有所述查询结果,确定为所述装修需求输入信息与所述可选专家唯一码的匹配值,包括:
S40341,对所有所述查询结果进行汇总,得到与所述可选专家唯一码对应的匹配次数。
可理解地,所述匹配次数为在所有所述查询结果中相同的所述可选专家唯一码出现的次数。
S40342,将与所述可选专家唯一码对应的匹配次数和预设匹配参数值相乘,得到所述装修需求输入信息与所述可选专家唯一码的匹配值。
可理解地,所述预设匹配参数值可以根据需求进行设置,优选地,所述预设匹配参数值设置为1至10范围的正整数,可以更好体现匹配值之间的差异,所述匹配值说明所述装修需求输入信息与所述可选专家唯一码的匹配程度的衡量值。
如此,通过引入预设匹配参数值的加权得到匹配值,可以更好地体现各个匹配值之间的差异,从而更直观的确定最匹配的可选专家唯一码。
S404,将所有与所述装修需求输入信息的匹配值中最高的所述可选专家唯一码记录为与所述装修需求输入信息的匹配值中最高的装修专家唯一码。
如此,通过引入用户房屋地点的筛选出可选专家唯一码,获取可选专家唯一码关联的历史装修单价和专家擅长标签,并将装修需求输入信息、用户房屋单价、所有可选专家唯一码、所有历史装修单价和所有专家擅长标签输入BERT转换模型,最后通过BERT转换模型得到与所述装修需求输入信息的匹配值中最高的装修专家唯一码,能够准确地匹配出解答装修需求输入信息最合适的装修专家唯一码。
S50,在将所述装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述装修专家唯一码的对话。
可理解地,所述装修专家数据为与所述装修专家唯一码相关的信息,比如从事年限、解答数等等,将所述装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户,即确认完成了装修信息推送,建立所述用户唯一码与所述装修专家唯一码的对话,即创建所述用户唯一码与所述装修专家唯一码的交互式的对话框,在该对话框可以进行对话,对话的形式可以根据需求设定,比如文本对话,语音对话等等。
本发明实现了通过接收到装修需求指令,获取含有用户唯一码、装修需求输入信息和上一次装修需求输入信息的装修需求信息;将所述装修需求输入信息和所述上一次装修需求输入信息输入基于Word2Vec的句子相似度模型,通过所述句子相似度模型获取所述句子相似度模型根据所述相似度值输出的预测结果;在所述预测结果为非相关时,获取与所述用户唯一码关联的所述用户房屋地点和用户房屋单价;将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码;在将所述装修专家唯一码以及装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述装修专家唯一码的对话,如此,能够自动地、准确地向业主推送合适的解答装修需求输入信息的装修专家数据,提高了效率,减少了运营成本,并提升了业主满意度和体验度。
在一实施例中,如图4所示,所述步骤S20之后,即所述获取所述句子相似度模型根据所述相似度值输出的预测结果之后,还包括:
S60,在所述预测结果为相关时,获取与所述上一次装修需求输入信息关联的上一次装修专家唯一码。
可理解地,在所述预测结果为相关时,表明所述装修需求输入信息与所述上一次装修需求输入信息属于同一类或者相似的需求内容,则继续将与所述上一次装修需求输入信息关联的上一次装修专家唯一码作为所述装修需求输入信息对应的装修专家唯一码,所述上一次装修专家唯一码为历史最近的一次装修需求输入信息关联的装修专家唯一码。
S70,在将所述上一次装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述上一次装修专家唯一码的对话。
可理解地,所述装修专家数据为与所述上一次装修专家唯一码相关的信息,比如从事年限、解答数等等,将所述上一次装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户,即确认完成了装修信息推送,建立所述用户唯一码与所述上一次装修专家唯一码的对话,即创建所述用户唯一码与所述上一次装修专家唯一码的交互式的对话框,在该对话框可以进行对话,对话的形式可以根据需求设定,比如文本对话,语音对话等等。
如此,通过预测结果为相关时,自动关联上一次装修专家唯一码,继续保留上一次装修专家唯一码进行解答装修需求输入信息,避免了同类问题的答复不一致,从而解决了业主的理解困惑,提升了业主的满意度和体验度。
在一实施例中,提供一种装修信息推送装置,该装修信息推送装置与上述实施例中装修信息推送方法一一对应。如图9所示,该装修信息推送装置包括接收模块11、预测模块12、判断模块13、匹配模块14和获取模块15。
各功能模块详细说明如下:
接收模块11,用于接收到装修需求指令,获取装修需求信息;所述装修需求信息包括用户唯一码、与所述用户唯一码关联的装修需求输入信息和与所述用户唯一码关联的上一次装修需求输入信息;
预测模块12,用于将所述装修需求输入信息和所述上一次装修需求输入信息输入基于Word2Vec的句子相似度模型,通过所述句子相似度模型得到所述装修需求输入信息和所述上一次装修需求输入信息的相似度值,获取所述句子相似度模型根据所述相似度值输出的预测结果;所述预测结果包括相关和非相关;
判断模块13,用于在所述预测结果为非相关时,获取与所述用户唯一码关联的所述用户房屋地点和用户房屋单价;
匹配模块14,用于将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码;
获取模块15,用于在将所述装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述装修专家唯一码的对话。
关于装修信息推送装置的具体限定可以参见上文中对于装修信息推送方法的限定,在此不再赘述。上述装修信息推送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10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装修信息推送方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中装修信息推送方法。
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上述实施例中装修信息推送方法。
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,本发明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。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、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单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种装修信息推送方法,其特征在于,包括:
接收到装修需求指令,获取装修需求信息;所述装修需求信息包括用户唯一码、与所述用户唯一码关联的装修需求输入信息和与所述用户唯一码关联的上一次装修需求输入信息;
将所述装修需求输入信息和所述上一次装修需求输入信息输入基于Word2Vec的句子相似度模型,通过所述句子相似度模型得到所述装修需求输入信息和所述上一次装修需求输入信息的相似度值,获取所述句子相似度模型根据所述相似度值输出的预测结果;所述预测结果包括相关和非相关;
在所述预测结果为非相关时,获取与所述用户唯一码关联的所述用户房屋地点和用户房屋单价;
将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码;
在将所述装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述装修专家唯一码的对话。
2.如权利要求1所述的装修信息推送方法,其特征在于,所述接收到装修咨询指令,获取装修需求信息之前,包括:
接收到装修服务指令,获取与所述用户唯一码关联的可用服务时长,判断所述可用服务时长是否存在可用时长;
若所述可用服务时长存在可用时长,触发所述装修需求指令;
若所述可用服务时长不存在可用时长,在所述用户唯一码对应的终端的显示界面弹出与所述用户唯一码对应的权限提示信息。
3.如权利要求1所述的装修信息推送方法,其特征在于,所述获取所述句子相似度模型根据所述相似度值输出的预测结果之后,还包括:
在所述预测结果为相关时,获取与所述上一次装修需求输入信息关联的上一次装修专家唯一码;
在将所述上一次装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述上一次装修专家唯一码的对话。
4.如权利要求1所述的装修信息推送方法,其特征在于,所述通过所述句子相似度模型得到所述装修需求输入信息和所述上一次装修需求输入信息的相似度值,获取所述句子相似度模型根据所述相似度值输出的预测结果,包括:
通过所述句子相似度模型中的Word2Vec模型对所述装修需求输入信息进行分词,得到含有多个第一文本,同时通过所述Word2Vec模型对所述上一次装修需求输入信息进行分词,得到含有多个第二文本;
通过所述Word2Vec模型对每个所述第一文本进行向量转换,得到每个所述第一文本对应的第一向量,同时通过所述Word2Vec模型对每个所述第二文本进行向量转换,得到每个所述第二文本对应的第二向量;
获取所有所述第一向量的平均值,并将所有所述第一向量的平均值记录为第一均值,同时获取所有所述第二向量的平均值,并将所有所述第二向量的平均值记录为第二均值;
通过所述Word2Vec模型计算出所述第一均值和所述第二均值的相似度值,将所述第一均值和所述第二均值的相似度值确定为所述装修需求输入信息和所述上一次装修需求输入信息的相似度值;
若所述相似度值大于或者等于预设阈值,确定所述预测结果为相关;
若所述相似度值小于所述预设阈值,确定所述预测结果为非相关。
5.如权利要求1所述的装修信息推送方法,其特征在于,所述将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码,包括:
获取与所述用户房屋地点匹配的所有所述装修专家唯一码,并将与所述用户房屋地点匹配的所有装修专家唯一码记录为可选专家唯一码;
获取与所述可选专家唯一码关联的历史装修单价和专家擅长标签;
将所述装修需求输入信息、所述用户房屋单价、所有所述可选专家唯一码、所有所述历史装修单价和所有所述专家擅长标签输入所述信息推送模型中的BERT转换模型,通过所述BERT转换模型获取所述装修需求输入信息与所述可选专家唯一码的匹配值;
将所有与所述装修需求输入信息的匹配值中最高的所述可选专家唯一码记录为与所述装修需求输入信息的匹配值中最高的装修专家唯一码。
6.如权利要求5所述的装修信息推送方法,其特征在于,所述通过所述BERT转换模型获取所述装修需求输入信息与所述可选专家唯一码的匹配值,包括:
通过所述BERT转换模型将所有所述可选专家唯一码、所有所述历史装修单价和所有所述专家擅长标签记录为查询表;
通过所述BERT转换模型将所述装修需求输入信息和所述用户房屋单价转换成在所述查询表中进行查询的多个SQL语句;
通过所述BERT转换模型执行所有所述SQL语句,得到与所述SQL语句对应的查询结果;
根据所有所述查询结果,确定所述装修需求输入信息与所述可选专家唯一码的匹配值。
7.如权利要求6所述的装修信息推送方法,其特征在于,所述根据所有所述查询结果,确定为所述装修需求输入信息与所述可选专家唯一码的匹配值,包括:
对所有所述查询结果进行汇总,得到与所述可选专家唯一码对应的匹配次数;
将与所述可选专家唯一码对应的匹配次数和预设匹配参数值相乘,得到所述装修需求输入信息与所述可选专家唯一码的匹配值。
8.一种装修信息推送装置,其特征在于,包括:
接收模块,用于接收到装修需求指令,获取装修需求信息;所述装修需求信息包括用户唯一码、与所述用户唯一码关联的装修需求输入信息和与所述用户唯一码关联的上一次装修需求输入信息;
预测模块,用于将所述装修需求输入信息和所述上一次装修需求输入信息输入基于Word2Vec的句子相似度模型,通过所述句子相似度模型得到所述装修需求输入信息和所述上一次装修需求输入信息的相似度值,获取所述句子相似度模型根据所述相似度值输出的预测结果;所述预测结果包括相关和非相关;
判断模块,用于在所述预测结果为非相关时,获取与所述用户唯一码关联的所述用户房屋地点和用户房屋单价;
匹配模块,用于将所述装修需求输入信息、所述用户房屋地点和所述用户房屋单价输入基于BERT的信息推送模型,通过所述信息推送模型获取与所述装修需求输入信息的匹配值中最高的装修专家唯一码;
获取模块,用于在将所述装修专家唯一码以及与其关联的装修专家数据推送至与所述用户唯一码对应的用户之后,建立所述用户唯一码与所述装修专家唯一码的对话。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述装修信息推送方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述装修信息推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010209640.9A CN111523763B (zh) | 2020-03-23 | 2020-03-23 | 装修信息推送方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010209640.9A CN111523763B (zh) | 2020-03-23 | 2020-03-23 | 装修信息推送方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523763A true CN111523763A (zh) | 2020-08-11 |
CN111523763B CN111523763B (zh) | 2023-06-13 |
Family
ID=71900934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010209640.9A Active CN111523763B (zh) | 2020-03-23 | 2020-03-23 | 装修信息推送方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523763B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112559822A (zh) * | 2020-12-23 | 2021-03-26 | 深圳市彬讯科技有限公司 | 项目联系人获取方法、装置、计算机设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902159A (zh) * | 2019-01-29 | 2019-06-18 | 华融融通(北京)科技有限公司 | 一种基于自然语言处理的智能运维语句相似度匹配方法 |
CN110472136A (zh) * | 2019-07-04 | 2019-11-19 | 微民保险代理有限公司 | 查询结果的推送方法、装置、存储介质和计算机设备 |
-
2020
- 2020-03-23 CN CN202010209640.9A patent/CN111523763B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902159A (zh) * | 2019-01-29 | 2019-06-18 | 华融融通(北京)科技有限公司 | 一种基于自然语言处理的智能运维语句相似度匹配方法 |
CN110472136A (zh) * | 2019-07-04 | 2019-11-19 | 微民保险代理有限公司 | 查询结果的推送方法、装置、存储介质和计算机设备 |
Non-Patent Citations (1)
Title |
---|
付聪: "面向问答系统的相似问题识别研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112559822A (zh) * | 2020-12-23 | 2021-03-26 | 深圳市彬讯科技有限公司 | 项目联系人获取方法、装置、计算机设备及存储介质 |
CN112559822B (zh) * | 2020-12-23 | 2024-05-03 | 深圳市彬讯科技有限公司 | 项目联系人获取方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111523763B (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502608B (zh) | 基于知识图谱的人机对话方法及人机对话装置 | |
CN110457431B (zh) | 基于知识图谱的问答方法、装置、计算机设备和存储介质 | |
US11392775B2 (en) | Semantic recognition method, electronic device, and computer-readable storage medium | |
CN110334179B (zh) | 问答处理方法、装置、计算机设备和存储介质 | |
CN111368043A (zh) | 基于人工智能的事件问答方法、装置、设备及存储介质 | |
US20210200948A1 (en) | Corpus cleaning method and corpus entry system | |
CN112328761B (zh) | 一种意图标签设置方法、装置、计算机设备及存储介质 | |
CN110442697B (zh) | 一种人机交互方法、系统、计算机设备和存储介质 | |
CN110674131A (zh) | 财务报表数据处理方法、装置、计算机设备和存储介质 | |
CN111611355A (zh) | 一种对话回复方法、装置、服务器及存储介质 | |
CN109460541B (zh) | 词汇关系标注方法、装置、计算机设备和存储介质 | |
CN111177307A (zh) | 一种基于语义理解相似度阀值配置的测试方案及系统 | |
CN110969261B (zh) | 基于加密算法的模型构建方法及相关设备 | |
CN110472025B (zh) | 会话信息的处理方法、装置、计算机设备和存储介质 | |
CN110597951A (zh) | 文本解析方法、装置、计算机设备和存储介质 | |
CN114253990A (zh) | 数据库查询方法、装置、计算机设备和存储介质 | |
CN113438374B (zh) | 智能外呼处理方法、装置、设备及存储介质 | |
CN111523763B (zh) | 装修信息推送方法、装置、计算机设备及存储介质 | |
CN112860846A (zh) | 问题词汇的推荐方法、装置、计算机设备及存储介质 | |
CN112100491A (zh) | 基于用户数据的信息推荐方法、装置、设备及存储介质 | |
CN115756821A (zh) | 在线任务处理模型训练、任务处理方法及装置 | |
CN114707510A (zh) | 资源推荐信息推送方法、装置、计算机设备及存储介质 | |
CN114218356A (zh) | 基于人工智能的语义识别方法、装置、设备及存储介质 | |
CN113868516A (zh) | 对象推荐方法、装置、电子设备及存储介质 | |
CN110895924B (zh) | 一种文档内容朗读方法、装置、电子设备及可读存储介质 |
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 |