CN112035624A - 文本推荐方法和装置及存储介质 - Google Patents

文本推荐方法和装置及存储介质 Download PDF

Info

Publication number
CN112035624A
CN112035624A CN202010956280.9A CN202010956280A CN112035624A CN 112035624 A CN112035624 A CN 112035624A CN 202010956280 A CN202010956280 A CN 202010956280A CN 112035624 A CN112035624 A CN 112035624A
Authority
CN
China
Prior art keywords
commodity
target
template text
information
operation record
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
Application number
CN202010956280.9A
Other languages
English (en)
Inventor
王岩
梁志婷
张明洋
徐浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Minglue Artificial Intelligence Group Co Ltd
Original Assignee
Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Minglue Artificial Intelligence Group Co Ltd filed Critical Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority to CN202010956280.9A priority Critical patent/CN112035624A/zh
Publication of CN112035624A publication Critical patent/CN112035624A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3329Natural language query formulation or dialogue systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/334Query execution
    • G06F16/3343Query execution using phonetics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/335Filtering based on additional data, e.g. user or group profiles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367Ontology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Item recommendations

Abstract

本发明公开了一种文本推荐方法和装置及存储介质。其中,该方法包括:获取第一对象使用的客户端当前上传的目标语音;识别目标语音所指示的目标商品信息;根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合;在查找到第二对象对应的商品操作记录的情况下,根据商品操作记录在目标模板文本集合中确定出目标模板文本,其中,商品操作记录为第二对象在目标时间段内对商品执行操作生成的历史操作记录;发送目标商品信息以及目标模板文本至客户端,以在客户端上提示第一对象按照目标模板文本向第二对象推荐目标商品。本发明解决了文本推荐的准确性较低的技术问题。

Description

文本推荐方法和装置及存储介质
技术领域
本发明涉及计算机领域,具体而言,涉及一种文本推荐方法和装置及存储介质。
背景技术
近年来销售行业发展迅猛,但在销售场景下,仍需依赖口口相传的销售经验、经验主义洞察消费者需求和异议点、个人总结商品客观特征等手段,以提高销售成功率,或者,即使有成品的文本推荐话术,但灵活性较差,无法针对不同用户以及不同商品提出最契合的推荐文本。因此,存在文本推荐的准确性较低的问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种文本推荐方法和装置及存储介质,以至少解决文本推荐的准确性较低的技术问题。
根据本发明实施例的一个方面,提供了一种文本推荐方法,包括:获取第一对象使用的客户端当前上传的目标语音,其中,上述目标语音为上述客户端采集的第二对象的语音;识别上述目标语音所指示的目标商品信息,其中,上述目标商品信息中携带有上述第二对象请求获取的目标商品;根据预先建立的第一映射关系,确定与上述目标商品对应的目标模板文本集合,其中,上述目标模板文本集合中包括多个模板文本,上述模板文本中记录有用于推荐上述目标商品的文本信息,上述第一映射关系用于指示商品与用于推荐上述商品的模板文本集合之间的对应关系;在查找到上述第二对象对应的商品操作记录的情况下,根据上述商品操作记录在上述目标模板文本集合中确定出目标模板文本,其中,上述商品操作记录为上述第二对象在目标时间段内对上述商品执行操作生成的历史操作记录;发送上述目标商品信息以及上述目标模板文本至上述客户端,以在上述客户端上提示上述第一对象按照上述目标模板文本向上述第二对象推荐上述目标商品。
作为一种可选的实施例,上述在查找到上述第二对象对应的商品操作记录的情况下,根据上述商品操作记录在上述目标模板文本集合中确定出目标模板文本,包括以下至少之一:在查找到上述第二对象的第一商品操作记录的情况下,根据上述第一商品操作记录,在上述目标模板文本集合中确定第一模板文本,并将上述第一模板文本作为上述目标模板文本,其中,上述第一商品操作记录用于指示在上述第二对象在获取上述目标商品或与上述目标商品的商品类型一致的商品的过程中,上述第二对象提交的第一反馈信息,上述第一反馈信息用于表示上述第二对象对上述目标商品或与上述目标商品的商品类型一致的商品的历史评价;在记录有上述第二对象的第二商品操作记录的情况下,根据上述第二商品操作记录,在上述目标模板文本集合中确定第二模板文本,并将上述第二模板文本作为上述目标模板文本,其中,上述第二商品操作记录用于指示在向上述第二对象使用上述目标模板文本集合中的各个模板文本推荐上述商品的过程中,上述第二对象提交的第二反馈信息,上述第二反馈信息用于表示上述第二对象对上述目标模板文本集合中的各个模板文本的历史评价;在记录有上述第二对象的第三商品操作记录的情况下,根据上述第三商品操作记录,在上述目标模板文本集合中确定第三模板文本,并将上述第三模板文本作为上述目标模板文本,其中,上述第三商品操作记录用于指示在向上述第二对象推荐上述商品过程中提出的第三反馈信息,上述第三反馈信息用于指示上述第二对象对上述商品的历史评价。
作为一种可选的实施例,上述发送上述目标商品信息以及上述目标模板文本至上述客户端,包括:向上述客户端发送与上述目标商品信息对应的第一知识图谱,其中,上述第一知识图谱用于表示上述目标商品的静态属性信息以及上述目标商品的推荐信息;向上述客户端发送与上述目标模板文本对应的第二知识图谱,其中,上述第二知识图谱用于表示上述目标模板文本;向上述客户端发送第三知识图谱,其中,上述第三知识图谱用于表示上述第一知识图谱以及上述第二知识图谱之间的关系。
作为一种可选的实施例,上述根据预先建立的第一映射关系,确定与上述目标商品对应的目标模板文本集合,包括:在上述目标商品的库存量大于等于第一预设阈值的情况下,确定与上述目标商品对应的第一模板文本集合,并将上述第一模板文本集合作为上述目标模板文本集合;在上述目标商品的库存量小于上述第一预设阈值的情况下,获取与上述目标商品信息的相似度大于等于第二预设阈值的类似商品信息,其中,上述类似商品信息中携带有与上述目标商品的相似度大于等于第上述二预设阈值的类似商品;在上述类似商品的库存量大于等于上述第一预设阈值的情况下,确定与上述类似商品对应的第二模板文本集合,并将上述第二模板文本集合作为上述目标模板文本集合。
作为一种可选的实施例,上述获取与上述目标商品信息的相似度大于等于第二预设阈值的类似商品信息,包括以下至少之一:获取与上述目标商品信息中携带的商品外形信息的相似度大于等于上述第二预设阈值的第一类似商品信息,其中,上述类似商品信息包括上述第一类似商品信息;获取与上述目标商品信息中携带的商品用途信息的相似度大于等于上述第二预设阈值的第二类似商品信息,其中,上述类似商品信息包括上述第二类似商品信息;获取与上述目标商品信息中携带的商品标签信息的相似度大于等于上述第二预设阈值的第三类似商品信息,其中,上述类似商品信息包括上述第三类似商品信息。
作为一种可选的实施例,上述识别上述目标语音所指示的目标商品信息包括:获取上述目标语音中的目标关键字,其中,上述目标关键字用于表示上述第二对象的操作需求;确定与上述目标关键字对应的上述目标商品信息。
作为一种可选的实施例,上述确定与上述目标关键字对应的上述目标商品信息包括:将上述目标关键字输入第一神经网络模型,其中,上述第一神经网络模型为利用多个第一样本消费数据进行训练后得到的神经网络模型,上述第一神经网络模型用于指示关键字与上述商品之间的第二映射关系,上述第一样本消费数据中记录有样本关键字,以及与上述样本关键字对应的第一操作,上述第一操作用于指示获取上述商品;获取上述第一神经网络模型的第一输出结果,其中,上述第一输出结果中携带有上述目标商品信息。
作为一种可选的实施例,上述根据预先建立的第一映射关系,确定与上述目标商品对应的目标模板文本集合包括:将上述目标商品信息输入第二神经网络模型,其中,上述第二神经网络模型为利用多个第二样本消费数据进行训练后得到的神经网络模型,上述第二神经网络模型用于指示上述商品与全部模板文本之间的上述第一映射关系,上述第二样本消费数据记录有样本模板文本,以及与上述样本模板文本对应的第二操作,上述第二操作用于指示获取上述商品;获取上述第二神经网络模型的第二输出结果,其中,上述第二输出结果中携带有上述目标模板文本集合。
根据本发明实施例的另一方面,还提供了一种文本推荐装置,包括:获取单元,用于获取目标触控屏上产生的一组误触控信号;处理单元,用于根据上述一组误触控信号对应的触控位置与第一侦测区域的区域边缘之间的位置关系,对上述第一侦测区域进行调整判别处理,得到调整判别结果,其中,上述第一侦测区域为上述目标触控屏上的侦测区域,上述第一侦测区域用于识别在上述目标触控屏上产生的误触控信号;调整单元,用于在上述调整判别结果表示调整上述第一侦测区域的情况下,调整上述第一侦测区域的大小和/或位置。
作为一种可选的实施例,获取单元,用于获取第一对象使用的客户端当前上传的目标语音,其中,上述目标语音为上述客户端采集的第二对象的语音;识别单元,用于识别上述目标语音所指示的目标商品信息,其中,上述目标商品信息中携带有上述第二对象请求获取的目标商品;第一确定单元,用于根据预先建立的第一映射关系,确定与上述目标商品对应的目标模板文本集合,其中,上述目标模板文本集合中包括多个模板文本,上述模板文本中记录有用于推荐上述目标商品的文本信息,上述第一映射关系用于指示商品与用于推荐上述商品的模板文本集合之间的对应关系;第二确定单元,用于在查找到上述第二对象对应的商品操作记录的情况下,根据上述商品操作记录在上述目标模板文本集合中确定出目标模板文本,其中,上述商品操作记录为上述第二对象在目标时间段内对上述商品执行操作生成的历史操作记录;发送单元,用于发送上述目标商品信息以及上述目标模板文本至上述客户端,以在上述客户端上提示上述第一对象按照上述目标模板文本向上述第二对象推荐上述目标商品。
作为一种可选的实施例,上述第二确定单元,包括以下至少之一:第一确定模块,用于在查找到上述第二对象的第一商品操作记录的情况下,根据上述第一商品操作记录,在上述目标模板文本集合中确定第一模板文本,并将上述第一模板文本作为上述目标模板文本,其中,上述第一商品操作记录用于指示在上述第二对象在获取上述目标商品或与上述目标商品的商品类型一致的商品的过程中,上述第二对象提交的第一反馈信息,上述第一反馈信息用于表示上述第二对象对上述目标商品或与上述目标商品的商品类型一致的商品的历史评价;第二确定模块,用于在记录有上述第二对象的第二商品操作记录的情况下,根据上述第二商品操作记录,在上述目标模板文本集合中确定第二模板文本,并将上述第二模板文本作为上述目标模板文本,其中,上述第二商品操作记录用于指示在向上述第二对象使用上述目标模板文本集合中的各个模板文本推荐上述商品的过程中,上述第二对象提交的第二反馈信息,上述第二反馈信息用于表示上述第二对象对上述目标模板文本集合中的各个模板文本的历史评价;第三确定模块,用于在记录有上述第二对象的第三商品操作记录的情况下,根据上述第三商品操作记录,在上述目标模板文本集合中确定第三模板文本,并将上述第三模板文本作为上述目标模板文本,其中,上述第三商品操作记录用于指示在向上述第二对象推荐上述商品过程中提出的第三反馈信息,上述第三反馈信息用于指示上述第二对象对上述商品的历史评价。
作为一种可选的实施例,上述发送单元,包括:第一发送模块,用于向上述客户端发送与上述目标商品信息对应的第一知识图谱,其中,上述第一知识图谱用于表示上述目标商品的静态属性信息以及上述目标商品的推荐信息;第二发送模块,用于向上述客户端发送与上述目标模板文本对应的第二知识图谱,其中,上述第二知识图谱用于表示上述目标模板文本;第三发送模块,用于向上述客户端发送第三知识图谱,其中,上述第三知识图谱用于表示上述第一知识图谱以及上述第二知识图谱之间的关系。
作为一种可选的实施例,上述第一确定单元,包括:第四确定模块,用于在上述目标商品的库存量大于等于第一预设阈值的情况下,确定与上述目标商品对应的第一模板文本集合,并将上述第一模板文本集合作为上述目标模板文本集合;第一获取模块,用于在上述目标商品的库存量小于上述第一预设阈值的情况下,获取与上述目标商品信息的相似度大于等于第二预设阈值的类似商品信息,其中,上述类似商品信息中携带有与上述目标商品的相似度大于等于第上述二预设阈值的类似商品;第五确定模块,用于在上述类似商品的库存量大于等于上述第一预设阈值的情况下,确定与上述类似商品对应的第二模板文本集合,并将上述第二模板文本集合作为上述目标模板文本集合。
作为一种可选的实施例,上述第一获取模块,包括以下至少之一:第一获取子模块,用于获取与上述目标商品信息中携带的商品外形信息的相似度大于等于上述第二预设阈值的第一类似商品信息,其中,上述类似商品信息包括上述第一类似商品信息;第二获取子模块,用于获取与上述目标商品信息中携带的商品用途信息的相似度大于等于上述第二预设阈值的第二类似商品信息,其中,上述类似商品信息包括上述第二类似商品信息;第三获取子模块,用于获取与上述目标商品信息中携带的商品标签信息的相似度大于等于上述第二预设阈值的第三类似商品信息,其中,上述类似商品信息包括上述第三类似商品信息。
作为一种可选的实施例,上述获取单元包括:第二获取模块,用于获取上述目标语音中的目标关键字,其中,上述目标关键字用于表示上述第二对象的操作需求;第六确定模块,用于确定与上述目标关键字对应的上述目标商品信息。
作为一种可选的实施例,上述第六确定模块包括:第一输入子模块,用于将上述目标关键字输入第一神经网络模型,其中,上述第一神经网络模型为利用多个第一样本消费数据进行训练后得到的神经网络模型,上述第一神经网络模型用于指示关键字与上述商品之间的第二映射关系,上述第一样本消费数据中记录有样本关键字,以及与上述样本关键字对应的第一操作,上述第一操作用于指示获取上述商品;第四获取子模块,用于获取上述第一神经网络模型的第一输出结果,其中,上述第一输出结果中携带有上述目标商品信息。
作为一种可选的实施例,上述第一确定单元包括:第二输入子模块,用于将上述目标商品信息输入第二神经网络模型,其中,上述第二神经网络模型为利用多个第二样本消费数据进行训练后得到的神经网络模型,上述第二神经网络模型用于指示上述商品与全部模板文本之间的上述第一映射关系,上述第二样本消费数据记录有样本模板文本,以及与上述样本模板文本对应的第二操作,上述第二操作用于指示获取上述商品;第五获取子模块,用于获取上述第二神经网络模型的第二输出结果,其中,上述第二输出结果中携带有上述目标模板文本集合。
根据本发明实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述文本推荐方法。
根据本发明实施例的又一方面,还提供了一种电子装置,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,其中,上述处理器通过计算机程序执行上述的文本推荐方法。
在本发明实施例中,获取第一对象使用的客户端当前上传的目标语音,其中,上述目标语音为上述客户端采集的第二对象的语音;识别上述目标语音所指示的目标商品信息,其中,上述目标商品信息中携带有上述第二对象请求获取的目标商品;根据预先建立的第一映射关系,确定与上述目标商品对应的目标模板文本集合,其中,上述目标模板文本集合中包括多个模板文本,上述模板文本中记录有用于推荐上述目标商品的文本信息,上述第一映射关系用于指示商品与用于推荐上述商品的模板文本集合之间的对应关系;在查找到上述第二对象对应的商品操作记录的情况下,根据上述商品操作记录在上述目标模板文本集合中确定出目标模板文本,其中,上述商品操作记录为上述第二对象在目标时间段内对上述商品执行操作生成的历史操作记录;发送上述目标商品信息以及上述目标模板文本至上述客户端,以在上述客户端上提示上述第一对象按照上述目标模板文本向上述第二对象推荐上述目标商品,通过预先建立的消费方、商品方、销售方三方之间的映射关系,并利用上述映射关系以实现用于商品推荐的文本模板的方式,进而达到了提高模板文本和待推荐商品的契合度的目的,从而实现了提高文本推荐的准确性的技术效果,进而解决了文本推荐的准确性较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的文本推荐方法的流程图的示意图;
图2是根据本发明实施例的一种可选的文本推荐方法的示意图;
图3是根据本发明实施例的一种可选的文本推荐方法的示意图;
图4是根据本发明实施例的另一种可选的文本推荐方法的示意图;
图5是根据本发明实施例的另一种可选的文本推荐方法的示意图;
图6是根据本发明实施例的另一种可选的文本推荐方法的示意图;
图7是根据本发明实施例的另一种可选的文本推荐方法的示意图;
图8是根据本发明实施例的另一种可选的文本推荐方法的示意图;
图9是根据本发明实施例的一种可选的文本推荐装置的示意图;
图10是根据本发明实施例的一种可选的电子装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
可选地,作为一种可选的实施方式,如图1所示,文本推荐方法包括:
S102,获取第一对象使用的客户端当前上传的目标语音,其中,目标语音为客户端采集的第二对象的语音;
S104,识别目标语音所指示的目标商品信息,其中,目标商品信息中携带有第二对象请求获取的目标商品;
S106,根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合,其中,目标模板文本集合中包括多个模板文本,模板文本中记录有用于推荐目标商品的文本信息,第一映射关系用于指示商品与用于推荐商品的模板文本集合之间的对应关系;
S108,在查找到第二对象对应的商品操作记录的情况下,根据商品操作记录在目标模板文本集合中确定出目标模板文本,其中,商品操作记录为第二对象在目标时间段内对商品执行操作生成的历史操作记录;
S110,发送目标商品信息以及目标模板文本至客户端,以在客户端上提示第一对象按照目标模板文本向第二对象推荐目标商品。
可选的,文本推荐方法可以但不限于应用在销售场景下,可以但不限用于为销售人员提供销售文本模板,用于为销售人员提供参考话术,以提高销售的成功率。客户端可以但不限于为应用程序,应用程序可以但不限于安装在手机、电脑,或如智能眼镜、智能耳机等便携式智能设备上。目标语音可以但不限于为当前用户的语音数据。目标商品可以但不限于通过交换货币的方式获取的不同类型的实体物品,例如衣服、帽子、鞋子等,还可以但不限于为虚拟物品,例如虚拟账号、虚拟货币等。目标商品信息可以但不限于包括以下至少之一:商品名称、商品类型、商品价格、商品优惠信息等。模板文本可以但不限用于推荐商品的文本信息,例如以模板文本中的话术执行商品的推荐。商品操作记录可以但不限用于记录对商品的操作,其中,操作可以但不限于为对商品执行的购买、评价、加入购物城、退款等。
需要说明的是,获取第一对象使用的客户端当前上传的目标语音,其中,目标语音为客户端采集的第二对象的语音;识别目标语音所指示的目标商品信息,其中,目标商品信息中携带有第二对象请求获取的目标商品;根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合,其中,目标模板文本集合中包括多个模板文本,模板文本中记录有用于推荐目标商品的文本信息,第一映射关系用于指示商品与用于推荐商品的模板文本集合之间的对应关系;在查找到第二对象对应的商品操作记录的情况下,根据商品操作记录在目标模板文本集合中确定出目标模板文本,其中,商品操作记录为第二对象在目标时间段内对商品执行操作生成的历史操作记录;发送目标商品信息以及目标模板文本至客户端,以在客户端上提示第一对象按照目标模板文本向第二对象推荐目标商品。可选的,第一对象可以但不限于销售者,第二对象可以但不限于为消费者。
进一步举例说明,可选的例如图2所示,包括处于同一场景(例如商店等场景)下的第一对象202、第二对象204,其中,第一对象202为向第二对象204推荐上述场景下的商品的人员,第一对象202配置有智能设备206(客户端);
进一步,可选的例如第一对象202通过智能设备206,获取交谈过程中第二对象204的语音数据,并根据获取的语音数据确定第二对象204的(购买)需求,并基于上述需求确定与之匹配的目标商品信息208,例如,确定第二对象204的需求为商品A,则获取商品A相关的商品信息;
再者,可选的例如根据目标商品信息208的相关信息(例如商品名称等)确定包含有多个文本模板(例如文本模板A、文本模板B、文本模板C等)的目标模板文本集合210,再根据目标商品信息208的相关信息(例如商品操作记录等)在目标模板文本集合210中确定与第二对象204的需求最为契合的文本模板,例如确定文本模板B为目标模板文本212,并将确定好的目标模板文版212传回智能设备206,以供第一对象202参考,进而提高向第二对象204的推荐成功率。
通过本申请提供的实施例,获取第一对象使用的客户端当前上传的目标语音,其中,目标语音为客户端采集的第二对象的语音;识别目标语音所指示的目标商品信息,其中,目标商品信息中携带有第二对象请求获取的目标商品;根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合,其中,目标模板文本集合中包括多个模板文本,模板文本中记录有用于推荐目标商品的文本信息,第一映射关系用于指示商品与用于推荐商品的模板文本集合之间的对应关系;在查找到第二对象对应的商品操作记录的情况下,根据商品操作记录在目标模板文本集合中确定出目标模板文本,其中,商品操作记录为第二对象在目标时间段内对商品执行操作生成的历史操作记录;发送目标商品信息以及目标模板文本至客户端,以在客户端上提示第一对象按照目标模板文本向第二对象推荐目标商品,通过预先建立的消费方、商品方、销售方三方之间的映射关系,并利用上述映射关系以实现用于商品推荐的文本模板的方式,进而达到了提高模板文本和待推荐商品的契合度的目的,从而实现了提高文本推荐的准确性的技术效果。
作为一种可选的方案,在查找到第二对象对应的商品操作记录的情况下,根据商品操作记录在目标模板文本集合中确定出目标模板文本,包括以下至少之一:
S1,在查找到第二对象的第一商品操作记录的情况下,根据第一商品操作记录,在目标模板文本集合中确定第一模板文本,并将第一模板文本作为目标模板文本,其中,第一商品操作记录用于指示在第二对象在获取目标商品或与目标商品的商品类型一致的商品的过程中,第二对象提交的第一反馈信息,第一反馈信息用于表示第二对象对目标商品或与目标商品的商品类型一致的商品的历史评价;
S2,在记录有第二对象的第二商品操作记录的情况下,根据第二商品操作记录,在目标模板文本集合中确定第二模板文本,并将第二模板文本作为目标模板文本,其中,第二商品操作记录用于指示在向第二对象使用目标模板文本集合中的各个模板文本推荐商品的过程中,第二对象提交的第二反馈信息,第二反馈信息用于表示第二对象对目标模板文本集合中的各个模板文本的历史评价;
S3,在记录有第二对象的第三商品操作记录的情况下,根据第三商品操作记录,在目标模板文本集合中确定第三模板文本,并将第三模板文本作为目标模板文本,其中,第三商品操作记录用于指示在向第二对象推荐商品过程中提出的第三反馈信息,第三反馈信息用于指示第二对象对商品的历史评价。
需要说明的是,在查找到第二对象的第一商品操作记录的情况下,根据第一商品操作记录,在目标模板文本集合中确定第一模板文本,并将第一模板文本作为目标模板文本,其中,第一商品操作记录用于指示在第二对象在获取目标商品或与目标商品的商品类型一致的商品的过程中,第二对象提交的第一反馈信息,第一反馈信息用于表示第二对象对目标商品或与目标商品的商品类型一致的商品的历史评价;在记录有第二对象的第二商品操作记录的情况下,根据第二商品操作记录,在目标模板文本集合中确定第二模板文本,并将第二模板文本作为目标模板文本,其中,第二商品操作记录用于指示在向第二对象使用目标模板文本集合中的各个模板文本推荐商品的过程中,第二对象提交的第二反馈信息,第二反馈信息用于表示第二对象对目标模板文本集合中的各个模板文本的历史评价;在记录有第二对象的第三商品操作记录的情况下,根据第三商品操作记录,在目标模板文本集合中确定第三模板文本,并将第三模板文本作为目标模板文本,其中,第三商品操作记录用于指示在向第二对象推荐商品过程中提出的第三反馈信息,第三反馈信息用于指示第二对象对商品的历史评价。
进一步举例说明,可选的例如图3所示,包括第一商品302,以及与第一商品302的类型同为目标商品类型304的其他商品;
进一步,在查找到第二对象的第一商品操作记录的情况下,根据第一商品操作记录,在目标模板文本集合中确定第一模板文本,其中,第一商品操作记录中记录有第二对象对第一商品302以及目标商品类型304中其他商品的操作记录,例如购买记录、评价记录等;
或者,在记录有第二对象的第二商品操作记录的情况下,根据第二商品操作记录,在目标模板文本集合中确定第二模板文本,其中,第二商品操作记录中记录的并不是对第一商品302以及目标商品类型304中其他商品的操作记录,而是以第二对象为被执行主体,记录各种文本模板对第二对象的成功率或者反馈效果,例如文本模板A对第二对象的成功率最高,成功率可以但不限于为推荐(购买、添加购物车、参考等)成功率;
或者,在记录有第三对象的第三商品操作记录的情况下,根据第三商品操作记录,在目标模板文本集合中确定第三模板文本,其中,第三商品操作记录中记录的并不是对第一商品302以及目标商品类型304中其他商品的操作记录,而是以第二对象为执行主体,记录预设时间段内第二对象的操作记录,例如购买记录、评价记录、退款记录等。
通过本申请提供的实施例,在查找到第二对象的第一商品操作记录的情况下,根据第一商品操作记录,在目标模板文本集合中确定第一模板文本,并将第一模板文本作为目标模板文本,其中,第一商品操作记录用于指示在第二对象在获取目标商品或与目标商品的商品类型一致的商品的过程中,第二对象提交的第一反馈信息,第一反馈信息用于表示第二对象对目标商品或与目标商品的商品类型一致的商品的历史评价;在记录有第二对象的第二商品操作记录的情况下,根据第二商品操作记录,在目标模板文本集合中确定第二模板文本,并将第二模板文本作为目标模板文本,其中,第二商品操作记录用于指示在向第二对象使用目标模板文本集合中的各个模板文本推荐商品的过程中,第二对象提交的第二反馈信息,第二反馈信息用于表示第二对象对目标模板文本集合中的各个模板文本的历史评价;在记录有第二对象的第三商品操作记录的情况下,根据第三商品操作记录,在目标模板文本集合中确定第三模板文本,并将第三模板文本作为目标模板文本,其中,第三商品操作记录用于指示在向第二对象推荐商品过程中提出的第三反馈信息,第三反馈信息用于指示第二对象对商品的历史评价,达到了提高模板文本与对象自身属性的契合度的目的,实现了提高应用模板文本实现商品推荐的成功率的效果。
作为一种可选的方案,发送目标商品信息以及目标模板文本至客户端,包括:
S1,向客户端发送与目标商品信息对应的第一知识图谱,其中,第一知识图谱用于表示目标商品的静态属性信息以及目标商品的推荐信息;
S2,向客户端发送与目标模板文本对应的第二知识图谱,其中,第二知识图谱用于表示目标模板文本;
S3,向客户端发送第三知识图谱,其中,第三知识图谱用于表示第一知识图谱以及第二知识图谱之间的关系。
可选的,知识图谱可以但不限于为一种展示知识结构关系的可视化表现方式,可用于数据关联关系分析、推理等方面,在搜索引擎、公共安全、金融保险等领域已有广泛的应用。
需要说明的是,向客户端发送与目标商品信息对应的第一知识图谱,其中,第一知识图谱用于表示目标商品的静态属性信息以及目标商品的推荐信息;向客户端发送与目标模板文本对应的第二知识图谱,其中,第二知识图谱用于表示目标模板文本;向客户端发送第三知识图谱,其中,第三知识图谱用于表示第一知识图谱以及第二知识图谱之间的关系。可选的,知识图谱可以但不限于包括以下至少之一:销售知识图谱、消费者知识图谱、商品知识图谱,其中,销售知识图谱,包括销售在推荐商品时的一些话术知识,如商品材质安全环保、质量可靠等主观描述性话术知识;消费者知识图谱,包括消费者需求、异议、常见问题等的知识描述;商品知识图谱包括,商品的静态属性和卖点特征,如商品的材质、规格、颜色等知识描述。
进一步举例说明,可选的例如图4所示,包括第一知识图谱402,其中,第一知识图谱402用于介绍商品A的相关信息,包括静态信息以及推荐信息,具体内容静态信息包括如颜色:黑白相间、用途:上衣、标签:秋季、毛衣、潮流,推荐信息包括:某明星同款穿戴。
通过本申请提供的实施例,向客户端发送与目标商品信息对应的第一知识图谱,其中,第一知识图谱用于表示目标商品的静态属性信息以及目标商品的推荐信息;向客户端发送与目标模板文本对应的第二知识图谱,其中,第二知识图谱用于表示目标模板文本;向客户端发送第三知识图谱,其中,第三知识图谱用于表示第一知识图谱以及第二知识图谱之间的关系,通过借助知识图谱的方式,达到了文本推荐的形式更直观的目的,实现了提高文本推荐的直观性的效果。
作为一种可选的方案,根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合,包括:
S1,在目标商品的库存量大于等于第一预设阈值的情况下,确定与目标商品对应的第一模板文本集合,并将第一模板文本集合作为目标模板文本集合;
S2,在目标商品的库存量小于第一预设阈值的情况下,获取与目标商品信息的相似度大于等于第二预设阈值的类似商品信息,其中,类似商品信息中携带有与目标商品的相似度大于等于第二预设阈值的类似商品;
S3,在类似商品的库存量大于等于第一预设阈值的情况下,确定与类似商品对应的第二模板文本集合,并将第二模板文本集合作为目标模板文本集合。
需要说明的是,在目标商品的库存量大于等于第一预设阈值的情况下,确定与目标商品对应的第一模板文本集合,并将第一模板文本集合作为目标模板文本集合;在目标商品的库存量小于第一预设阈值的情况下,获取与目标商品信息的相似度大于等于第二预设阈值的类似商品信息,其中,类似商品信息中携带有与目标商品的相似度大于等于第二预设阈值的类似商品;在类似商品的库存量大于等于第一预设阈值的情况下,确定与类似商品对应的第二模板文本集合,并将第二模板文本集合作为目标模板文本集合。
进一步举例说明,可选的例如在推荐商品给用户的场景下,若获取到用户的最佳需求为商品A,但同时获知商品A的库存较少,进而导致现有库存不满足用户的当前需求,则可为用户推荐其他相关度较高的商品,以杜绝让用户认为商家无法满足其需求的负面产生;
进一步举例说明,可选的例如在,推荐商品给用户的场景下,若获取到用户的最佳需求为商品A,但同时获知商品A的库存较少,而与商品A相似度较高的商品B却有较多的库存,那么基于商家清库存的考虑,可选的,向用户先推荐商品B,以达到维系商品库存与成交量的平衡。
通过本申请提供的实施例,在目标商品的库存量大于等于第一预设阈值的情况下,确定与目标商品对应的第一模板文本集合,并将第一模板文本集合作为目标模板文本集合;在目标商品的库存量小于第一预设阈值的情况下,获取与目标商品信息的相似度大于等于第二预设阈值的类似商品信息,其中,类似商品信息中携带有与目标商品的相似度大于等于第二预设阈值的类似商品;在类似商品的库存量大于等于第一预设阈值的情况下,确定与类似商品对应的第二模板文本集合,并将第二模板文本集合作为目标模板文本集合,达到了根据库存量合理完成商品的推荐的目的,实现了提高商品的推荐合理性的效果。
作为一种可选的方案,获取与目标商品信息的相似度大于等于第二预设阈值的类似商品信息,包括以下至少之一:
S1,获取与目标商品信息中携带的商品外形信息的相似度大于等于第二预设阈值的第一类似商品信息,其中,类似商品信息包括第一类似商品信息;
S2,获取与目标商品信息中携带的商品用途信息的相似度大于等于第二预设阈值的第二类似商品信息,其中,类似商品信息包括第二类似商品信息;
S3,获取与目标商品信息中携带的商品标签信息的相似度大于等于第二预设阈值的第三类似商品信息,其中,类似商品信息包括第三类似商品信息。
需要说明的是,获取与目标商品信息中携带的商品外形信息的相似度大于等于第二预设阈值的第一类似商品信息,其中,类似商品信息包括第一类似商品信息;获取与目标商品信息中携带的商品用途信息的相似度大于等于第二预设阈值的第二类似商品信息,其中,类似商品信息包括第二类似商品信息;获取与目标商品信息中携带的商品标签信息的相似度大于等于第二预设阈值的第三类似商品信息,其中,类似商品信息包括第三类似商品信息。
进一步举例说明,可选的例如,商品A与商品B同属洗发水类,且功效都为去屑止痒,则可确定二者的相似度较高,或者根据二者的价格差值、销量差值等数据,基于不同权重,计算二者的相似度,此处可灵活应用,不做限定。
通过本申请提供的实施例,获取与目标商品信息中携带的商品外形信息的相似度大于等于第二预设阈值的第一类似商品信息,其中,类似商品信息包括第一类似商品信息;获取与目标商品信息中携带的商品用途信息的相似度大于等于第二预设阈值的第二类似商品信息,其中,类似商品信息包括第二类似商品信息;获取与目标商品信息中携带的商品标签信息的相似度大于等于第二预设阈值的第三类似商品信息,其中,类似商品信息包括第三类似商品信息,达到了细化相似度的计算方式,以推荐相似度最高的商品的目的,实现了提高相似商品推荐的准确性的效果。
作为一种可选的方案,识别目标语音所指示的目标商品信息包括:
S1,获取目标语音中的目标关键字,其中,目标关键字用于表示第二对象的操作需求;
S2,确定与目标关键字对应的目标商品信息。
需要说明的是,获取目标语音中的目标关键字,其中,目标关键字用于表示第二对象的操作需求;确定与目标关键字对应的目标商品信息。
进一步举例说明,可选的例如,在于当前用户(第二对象)的交流过程中,获取并识别到当前用户的语音数据中的关键字“手表”与数据库中的商品信息相匹配,则根据上述关键字确定当前用户的操作需求,进而根据操作需求,以确定目标商品信息,例如手表的相关商品信息等。
通过本申请提供的实施例,获取目标语音中的目标关键字,其中,目标关键字用于表示第二对象的操作需求;确定与目标关键字对应的目标商品信息,达到了根据语音快速获取当前用户操作需求,以快速获取与操作需求相对应的待推荐商品信息的目的,实现了待推荐的商品信息的获取效率的效果。
作为一种可选的方案,确定与目标关键字对应的目标商品信息包括:
S1,将目标关键字输入第一神经网络模型,其中,第一神经网络模型为利用多个第一样本消费数据进行训练后得到的神经网络模型,第一神经网络模型用于指示关键字与商品之间的第二映射关系,第一样本消费数据中记录有样本关键字,以及与样本关键字对应的第一操作,第一操作用于指示获取商品;
S2,获取第一神经网络模型的第一输出结果,其中,第一输出结果中携带有目标商品信息。
可选的,神经网络模型可以但不限于由大量的、简单的处理单元广泛地互相连接而形成的复杂网络系统,此处的神经网络模型可以但不限用于获取消费者输出的语音关键字与商品相关度的映射关系。
需要说明的是,将目标关键字输入第一神经网络模型,其中,第一神经网络模型为利用多个第一样本消费数据进行训练后得到的神经网络模型,第一神经网络模型用于指示关键字与商品之间的第二映射关系,第一样本消费数据中记录有样本关键字,以及与样本关键字对应的第一操作,第一操作用于指示获取商品;获取第一神经网络模型的第一输出结果,其中,第一输出结果中携带有目标商品信息。
进一步举例说明,可选的例如,训练好的第一神经网络,可以做到在销售人员与消费者进行交流过程中,在消费者并未明确表达己方的购买意向(操作需求)时,即可通过获取到的消费者的语音片段,以确定消费者的购买意向,第一神经网络模型的训练效果越好,消费者的购买意向的确定准确性越高。
通过本申请提供的实施例,将目标关键字输入第一神经网络模型,其中,第一神经网络模型为利用多个第一样本消费数据进行训练后得到的神经网络模型,第一神经网络模型用于指示关键字与商品之间的第二映射关系,第一样本消费数据中记录有样本关键字,以及与样本关键字对应的第一操作,第一操作用于指示获取商品;获取第一神经网络模型的第一输出结果,其中,第一输出结果中携带有目标商品信息,达到了快速便捷地确定用户的操作需求的目的,实现了提高确定用户的操作需求的效率的效果。
作为一种可选的方案,根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合包括:
S1,将目标商品信息输入第二神经网络模型,其中,第二神经网络模型为利用多个第二样本消费数据进行训练后得到的神经网络模型,第二神经网络模型用于指示商品与全部模板文本之间的第一映射关系,第二样本消费数据记录有样本模板文本,以及与样本模板文本对应的第二操作,第二操作用于指示获取商品;
S2,获取第二神经网络模型的第二输出结果,其中,第二输出结果中携带有目标模板文本集合。
可选的,神经网络模型可以但不限于由大量的、简单的处理单元广泛地互相连接而形成的复杂网络系统,此处的神经网络模型可以但不限用于挖掘隐含知识,通过分析销售知识图谱、消费者知识图谱和商品知识图谱,推理出消费者对不同商品的消费意愿强度、商品在不同用户群体中的反馈、用户对商品的建议和需求等。
需要说明的是,将目标商品信息输入第二神经网络模型,其中,第二神经网络模型为利用多个第二样本消费数据进行训练后得到的神经网络模型,第二神经网络模型用于指示商品与全部模板文本之间的第一映射关系,第二样本消费数据记录有样本模板文本,以及与样本模板文本对应的第二操作,第二操作用于指示获取商品;获取第二神经网络模型的第二输出结果,其中,第二输出结果中携带有目标模板文本集合。
进一步举例说明,可选的例如,训练好的第二神经网络,可以做到在销售人员与消费者进行交流过程中,基于消费者的操作需求,为其提供效率最高的文本推荐模板,或者说推荐话术,以提高销售质量、效率,在一定程度上也可以提高消费者的消费体验,第二神经网络模型的训练效果越好,推荐成功率越高。
通过本申请提供的实施例,将目标商品信息输入第二神经网络模型,其中,第二神经网络模型为利用多个第二样本消费数据进行训练后得到的神经网络模型,第二神经网络模型用于指示商品与全部模板文本之间的第一映射关系,第二样本消费数据记录有样本模板文本,以及与样本模板文本对应的第二操作,第二操作用于指示获取商品;获取第二神经网络模型的第二输出结果,其中,第二输出结果中携带有目标模板文本集合,达到了快速便捷地确定针对当前用户的最佳文本推荐模型的的目的,实现了提高文本推荐效率的效果。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面,还提供了一种用于实施上述文本推荐方法的文本推荐装置。如图5所示,该装置包括:
获取单元502,用于获取第一对象使用的客户端当前上传的目标语音,其中,目标语音为客户端采集的第二对象的语音;
识别单元504于识别目标语音所指示的目标商品信息,其中,目标商品信息中携带有第二对象请求获取的目标商品;
第一确定单元506,用于根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合,其中,目标模板文本集合中包括多个模板文本,模板文本中记录有用于推荐目标商品的文本信息,第一映射关系用于指示商品与用于推荐商品的模板文本集合之间的对应关系;
第二确定单元508,用于在查找到第二对象对应的商品操作记录的情况下,根据商品操作记录在目标模板文本集合中确定出目标模板文本,其中,商品操作记录为第二对象在目标时间段内对商品执行操作生成的历史操作记录;
发送单元510,用于发送目标商品信息以及目标模板文本至客户端,以在客户端上提示第一对象按照目标模板文本向第二对象推荐目标商品。
可选的,文本推荐装置可以但不限于应用在销售场景下,可以但不限用于为销售人员提供销售文本模板,用于为销售人员提供参考话术,以提高销售的成功率。客户端可以但不限于为应用程序,应用程序可以但不限于安装在手机、电脑,或如智能眼镜、智能耳机等便携式智能设备上。目标语音可以但不限于为当前用户的语音数据。目标商品可以但不限于通过交换货币的方式获取的不同类型的实体物品,例如衣服、帽子、鞋子等,还可以但不限于为虚拟物品,例如虚拟账号、虚拟货币等。目标商品信息可以但不限于包括以下至少之一:商品名称、商品类型、商品价格、商品优惠信息等。模板文本可以但不限用于推荐商品的文本信息,例如以模板文本中的话术执行商品的推荐。商品操作记录可以但不限用于记录对商品的操作,其中,操作可以但不限于为对商品执行的购买、评价、加入购物城、退款等。
需要说明的是,获取第一对象使用的客户端当前上传的目标语音,其中,目标语音为客户端采集的第二对象的语音;识别目标语音所指示的目标商品信息,其中,目标商品信息中携带有第二对象请求获取的目标商品;根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合,其中,目标模板文本集合中包括多个模板文本,模板文本中记录有用于推荐目标商品的文本信息,第一映射关系用于指示商品与用于推荐商品的模板文本集合之间的对应关系;在查找到第二对象对应的商品操作记录的情况下,根据商品操作记录在目标模板文本集合中确定出目标模板文本,其中,商品操作记录为第二对象在目标时间段内对商品执行操作生成的历史操作记录;发送目标商品信息以及目标模板文本至客户端,以在客户端上提示第一对象按照目标模板文本向第二对象推荐目标商品。可选的,第一对象可以但不限于销售者,第二对象可以但不限于为消费者。
进一步举例说明,可选的例如图2所示,包括处于同一场景(例如商店等场景)下的第一对象202、第二对象204,其中,第一对象202为向第二对象204推荐上述场景下的商品的人员,第一对象202配置有智能设备206(客户端);
进一步,可选的例如第一对象202通过智能设备206,获取交谈过程中第二对象204的语音数据,并根据获取的语音数据确定第二对象204的(购买)需求,并基于上述需求确定与之匹配的目标商品信息208,例如,确定第二对象204的需求为商品A,则获取商品A相关的商品信息;
再者,可选的例如根据目标商品信息208的相关信息(例如商品名称等)确定包含有多个文本模板(例如文本模板A、文本模板B、文本模板C等)的目标模板文本集合210,再根据目标商品信息208的相关信息(例如商品操作记录等)在目标模板文本集合210中确定与第二对象204的需求最为契合的文本模板,例如确定文本模板B为目标模板文本212,并将确定好的目标模板文版212传回智能设备206,以供第一对象202参考,进而提高向第二对象204的推荐成功率。
通过本申请提供的实施例,获取第一对象使用的客户端当前上传的目标语音,其中,目标语音为客户端采集的第二对象的语音;识别目标语音所指示的目标商品信息,其中,目标商品信息中携带有第二对象请求获取的目标商品;根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合,其中,目标模板文本集合中包括多个模板文本,模板文本中记录有用于推荐目标商品的文本信息,第一映射关系用于指示商品与用于推荐商品的模板文本集合之间的对应关系;在查找到第二对象对应的商品操作记录的情况下,根据商品操作记录在目标模板文本集合中确定出目标模板文本,其中,商品操作记录为第二对象在目标时间段内对商品执行操作生成的历史操作记录;发送目标商品信息以及目标模板文本至客户端,以在客户端上提示第一对象按照目标模板文本向第二对象推荐目标商品,通过预先建立的消费方、商品方、销售方三方之间的映射关系,并利用上述映射关系以实现用于商品推荐的文本模板的方式,进而达到了提高模板文本和待推荐商品的契合度的目的,从而实现了提高文本推荐的准确性的技术效果。
作为一种可选的方案,第二确定单元508,包括以下至少之一:
第一确定模块,用于在查找到第二对象的第一商品操作记录的情况下,根据第一商品操作记录,在目标模板文本集合中确定第一模板文本,并将第一模板文本作为目标模板文本,其中,第一商品操作记录用于指示在第二对象在获取目标商品或与目标商品的商品类型一致的商品的过程中,第二对象提交的第一反馈信息,第一反馈信息用于表示第二对象对目标商品或与目标商品的商品类型一致的商品的历史评价;
第二确定模块,用于在记录有第二对象的第二商品操作记录的情况下,根据第二商品操作记录,在目标模板文本集合中确定第二模板文本,并将第二模板文本作为目标模板文本,其中,第二商品操作记录用于指示在向第二对象使用目标模板文本集合中的各个模板文本推荐商品的过程中,第二对象提交的第二反馈信息,第二反馈信息用于表示第二对象对目标模板文本集合中的各个模板文本的历史评价;
第三确定模块,用于在记录有第二对象的第三商品操作记录的情况下,根据第三商品操作记录,在目标模板文本集合中确定第三模板文本,并将第三模板文本作为目标模板文本,其中,第三商品操作记录用于指示在向第二对象推荐商品过程中提出的第三反馈信息,第三反馈信息用于指示第二对象对商品的历史评价。
需要说明的是,在查找到第二对象的第一商品操作记录的情况下,根据第一商品操作记录,在目标模板文本集合中确定第一模板文本,并将第一模板文本作为目标模板文本,其中,第一商品操作记录用于指示在第二对象在获取目标商品或与目标商品的商品类型一致的商品的过程中,第二对象提交的第一反馈信息,第一反馈信息用于表示第二对象对目标商品或与目标商品的商品类型一致的商品的历史评价;在记录有第二对象的第二商品操作记录的情况下,根据第二商品操作记录,在目标模板文本集合中确定第二模板文本,并将第二模板文本作为目标模板文本,其中,第二商品操作记录用于指示在向第二对象使用目标模板文本集合中的各个模板文本推荐商品的过程中,第二对象提交的第二反馈信息,第二反馈信息用于表示第二对象对目标模板文本集合中的各个模板文本的历史评价;在记录有第二对象的第三商品操作记录的情况下,根据第三商品操作记录,在目标模板文本集合中确定第三模板文本,并将第三模板文本作为目标模板文本,其中,第三商品操作记录用于指示在向第二对象推荐商品过程中提出的第三反馈信息,第三反馈信息用于指示第二对象对商品的历史评价。
进一步举例说明,可选的例如图3所示,包括第一商品302,以及与第一商品302的类型同为目标商品类型304的其他商品;
进一步,在查找到第二对象的第一商品操作记录的情况下,根据第一商品操作记录,在目标模板文本集合中确定第一模板文本,其中,第一商品操作记录中记录有第二对象对第一商品302以及目标商品类型304中其他商品的操作记录,例如购买记录、评价记录等;
或者,在记录有第二对象的第二商品操作记录的情况下,根据第二商品操作记录,在目标模板文本集合中确定第二模板文本,其中,第二商品操作记录中记录的并不是对第一商品302以及目标商品类型304中其他商品的操作记录,而是以第二对象为被执行主体,记录各种文本模板对第二对象的成功率或者反馈效果,例如文本模板A对第二对象的成功率最高,成功率可以但不限于为推荐(购买、添加购物车、参考等)成功率;
或者,在记录有第三对象的第三商品操作记录的情况下,根据第三商品操作记录,在目标模板文本集合中确定第三模板文本,其中,第三商品操作记录中记录的并不是对第一商品302以及目标商品类型304中其他商品的操作记录,而是以第二对象为执行主体,记录预设时间段内第二对象的操作记录,例如购买记录、评价记录、退款记录等。
通过本申请提供的实施例,在查找到第二对象的第一商品操作记录的情况下,根据第一商品操作记录,在目标模板文本集合中确定第一模板文本,并将第一模板文本作为目标模板文本,其中,第一商品操作记录用于指示在第二对象在获取目标商品或与目标商品的商品类型一致的商品的过程中,第二对象提交的第一反馈信息,第一反馈信息用于表示第二对象对目标商品或与目标商品的商品类型一致的商品的历史评价;在记录有第二对象的第二商品操作记录的情况下,根据第二商品操作记录,在目标模板文本集合中确定第二模板文本,并将第二模板文本作为目标模板文本,其中,第二商品操作记录用于指示在向第二对象使用目标模板文本集合中的各个模板文本推荐商品的过程中,第二对象提交的第二反馈信息,第二反馈信息用于表示第二对象对目标模板文本集合中的各个模板文本的历史评价;在记录有第二对象的第三商品操作记录的情况下,根据第三商品操作记录,在目标模板文本集合中确定第三模板文本,并将第三模板文本作为目标模板文本,其中,第三商品操作记录用于指示在向第二对象推荐商品过程中提出的第三反馈信息,第三反馈信息用于指示第二对象对商品的历史评价,达到了提高模板文本与对象自身属性的契合度的目的,实现了提高应用模板文本实现商品推荐的成功率的效果。
作为一种可选的方案,如图6所示,发送单元510,包括:
第一发送模块602,用于向客户端发送与目标商品信息对应的第一知识图谱,其中,第一知识图谱用于表示目标商品的静态属性信息以及目标商品的推荐信息;
第二发送模块604,用于向客户端发送与目标模板文本对应的第二知识图谱,其中,第二知识图谱用于表示目标模板文本;
第三发送模块606,用于向客户端发送第三知识图谱,其中,第三知识图谱用于表示第一知识图谱以及第二知识图谱之间的关系。
可选的,知识图谱可以但不限于为一种展示知识结构关系的可视化表现方式,可用于数据关联关系分析、推理等方面,在搜索引擎、公共安全、金融保险等领域已有广泛的应用。
需要说明的是,向客户端发送与目标商品信息对应的第一知识图谱,其中,第一知识图谱用于表示目标商品的静态属性信息以及目标商品的推荐信息;向客户端发送与目标模板文本对应的第二知识图谱,其中,第二知识图谱用于表示目标模板文本;向客户端发送第三知识图谱,其中,第三知识图谱用于表示第一知识图谱以及第二知识图谱之间的关系。可选的,知识图谱可以但不限于包括以下至少之一:销售知识图谱、消费者知识图谱、商品知识图谱,其中,销售知识图谱,包括销售在推荐商品时的一些话术知识,如商品材质安全环保、质量可靠等主观描述性话术知识;消费者知识图谱,包括消费者需求、异议、常见问题等的知识描述;商品知识图谱包括,商品的静态属性和卖点特征,如商品的材质、规格、颜色等知识描述。
进一步举例说明,可选的例如图4所示,包括第一知识图谱402,其中,第一知识图谱402用于介绍商品A的相关信息,包括静态信息以及推荐信息,具体内容静态信息包括如颜色:黑白相间、用途:上衣、标签:秋季、毛衣、潮流,推荐信息包括:某明星同款穿戴。
通过本申请提供的实施例,向客户端发送与目标商品信息对应的第一知识图谱,其中,第一知识图谱用于表示目标商品的静态属性信息以及目标商品的推荐信息;向客户端发送与目标模板文本对应的第二知识图谱,其中,第二知识图谱用于表示目标模板文本;向客户端发送第三知识图谱,其中,第三知识图谱用于表示第一知识图谱以及第二知识图谱之间的关系,通过借助知识图谱的方式,达到了文本推荐的形式更直观的目的,实现了提高文本推荐的直观性的效果。
作为一种可选的方案,如图7所示,第一确定单元506,包括:
第四确定模块702,用于在目标商品的库存量大于等于第一预设阈值的情况下,确定与目标商品对应的第一模板文本集合,并将第一模板文本集合作为目标模板文本集合;
第一获取模块704,用于在目标商品的库存量小于第一预设阈值的情况下,获取与目标商品信息的相似度大于等于第二预设阈值的类似商品信息,其中,类似商品信息中携带有与目标商品的相似度大于等于第二预设阈值的类似商品;
第五确定模块706,用于在类似商品的库存量大于等于第一预设阈值的情况下,确定与类似商品对应的第二模板文本集合,并将第二模板文本集合作为目标模板文本集合。
需要说明的是,在目标商品的库存量大于等于第一预设阈值的情况下,确定与目标商品对应的第一模板文本集合,并将第一模板文本集合作为目标模板文本集合;在目标商品的库存量小于第一预设阈值的情况下,获取与目标商品信息的相似度大于等于第二预设阈值的类似商品信息,其中,类似商品信息中携带有与目标商品的相似度大于等于第二预设阈值的类似商品;在类似商品的库存量大于等于第一预设阈值的情况下,确定与类似商品对应的第二模板文本集合,并将第二模板文本集合作为目标模板文本集合。
进一步举例说明,可选的例如在推荐商品给用户的场景下,若获取到用户的最佳需求为商品A,但同时获知商品A的库存较少,进而导致现有库存不满足用户的当前需求,则可为用户推荐其他相关度较高的商品,以杜绝让用户认为商家无法满足其需求的负面产生;
进一步举例说明,可选的例如在,推荐商品给用户的场景下,若获取到用户的最佳需求为商品A,但同时获知商品A的库存较少,而与商品A相似度较高的商品B却有较多的库存,那么基于商家清库存的考虑,可选的,向用户先推荐商品B,以达到维系商品库存与成交量的平衡。
通过本申请提供的实施例,在目标商品的库存量大于等于第一预设阈值的情况下,确定与目标商品对应的第一模板文本集合,并将第一模板文本集合作为目标模板文本集合;在目标商品的库存量小于第一预设阈值的情况下,获取与目标商品信息的相似度大于等于第二预设阈值的类似商品信息,其中,类似商品信息中携带有与目标商品的相似度大于等于第二预设阈值的类似商品;在类似商品的库存量大于等于第一预设阈值的情况下,确定与类似商品对应的第二模板文本集合,并将第二模板文本集合作为目标模板文本集合,达到了根据库存量合理完成商品的推荐的目的,实现了提高商品的推荐合理性的效果。
作为一种可选的方案,第一获取模块704,包括以下至少之一:
第一获取子模块,用于获取与目标商品信息中携带的商品外形信息的相似度大于等于第二预设阈值的第一类似商品信息,其中,类似商品信息包括第一类似商品信息;
第二获取子模块,用于获取与目标商品信息中携带的商品用途信息的相似度大于等于第二预设阈值的第二类似商品信息,其中,类似商品信息包括第二类似商品信息;
第三获取子模块,用于获取与目标商品信息中携带的商品标签信息的相似度大于等于第二预设阈值的第三类似商品信息,其中,类似商品信息包括第三类似商品信息。
需要说明的是,获取与目标商品信息中携带的商品外形信息的相似度大于等于第二预设阈值的第一类似商品信息,其中,类似商品信息包括第一类似商品信息;获取与目标商品信息中携带的商品用途信息的相似度大于等于第二预设阈值的第二类似商品信息,其中,类似商品信息包括第二类似商品信息;获取与目标商品信息中携带的商品标签信息的相似度大于等于第二预设阈值的第三类似商品信息,其中,类似商品信息包括第三类似商品信息。
进一步举例说明,可选的例如,商品A与商品B同属洗发水类,且功效都为去屑止痒,则可确定二者的相似度较高,或者根据二者的价格差值、销量差值等数据,基于不同权重,计算二者的相似度,此处可灵活应用,不做限定。
通过本申请提供的实施例,获取与目标商品信息中携带的商品外形信息的相似度大于等于第二预设阈值的第一类似商品信息,其中,类似商品信息包括第一类似商品信息;获取与目标商品信息中携带的商品用途信息的相似度大于等于第二预设阈值的第二类似商品信息,其中,类似商品信息包括第二类似商品信息;获取与目标商品信息中携带的商品标签信息的相似度大于等于第二预设阈值的第三类似商品信息,其中,类似商品信息包括第三类似商品信息,达到了细化相似度的计算方式,以推荐相似度最高的商品的目的,实现了提高相似商品推荐的准确性的效果。
作为一种可选的方案,如图8所示,获取单元502包括:
第二获取模块802,用于获取目标语音中的目标关键字,其中,目标关键字用于表示第二对象的操作需求;
第六确定模块804,用于确定与目标关键字对应的目标商品信息。
需要说明的是,获取目标语音中的目标关键字,其中,目标关键字用于表示第二对象的操作需求;确定与目标关键字对应的目标商品信息。
进一步举例说明,可选的例如,在于当前用户(第二对象)的交流过程中,获取并识别到当前用户的语音数据中的关键字“手表”与数据库中的商品信息相匹配,则根据上述关键字确定当前用户的操作需求,进而根据操作需求,以确定目标商品信息,例如手表的相关商品信息等。
通过本申请提供的实施例,获取目标语音中的目标关键字,其中,目标关键字用于表示第二对象的操作需求;确定与目标关键字对应的目标商品信息,达到了根据语音快速获取当前用户操作需求,以快速获取与操作需求相对应的待推荐商品信息的目的,实现了待推荐的商品信息的获取效率的效果。
作为一种可选的方案,第六确定模块804包括:
第一输入子模块,用于将目标关键字输入第一神经网络模型,其中,第一神经网络模型为利用多个第一样本消费数据进行训练后得到的神经网络模型,第一神经网络模型用于指示关键字与商品之间的第二映射关系,第一样本消费数据中记录有样本关键字,以及与样本关键字对应的第一操作,第一操作用于指示获取商品;
第四获取子模块,用于获取第一神经网络模型的第一输出结果,其中,第一输出结果中携带有目标商品信息。
作为一种可选的方案,如图9所示,第一确定单元506包括:
第二输入子模块902,用于将目标商品信息输入第二神经网络模型,其中,第二神经网络模型为利用多个第二样本消费数据进行训练后得到的神经网络模型,第二神经网络模型用于指示商品与全部模板文本之间的第一映射关系,第二样本消费数据记录有样本模板文本,以及与样本模板文本对应的第二操作,第二操作用于指示获取商品;
第五获取子模块904,用于获取第二神经网络模型的第二输出结果,其中,第二输出结果中携带有目标模板文本集合。
可选的,神经网络模型可以但不限于由大量的、简单的处理单元广泛地互相连接而形成的复杂网络系统,此处的神经网络模型可以但不限用于获取消费者输出的语音关键字与商品相关度的映射关系。
需要说明的是,将目标关键字输入第一神经网络模型,其中,第一神经网络模型为利用多个第一样本消费数据进行训练后得到的神经网络模型,第一神经网络模型用于指示关键字与商品之间的第二映射关系,第一样本消费数据中记录有样本关键字,以及与样本关键字对应的第一操作,第一操作用于指示获取商品;获取第一神经网络模型的第一输出结果,其中,第一输出结果中携带有目标商品信息。
进一步举例说明,可选的例如,训练好的第一神经网络,可以做到在销售人员与消费者进行交流过程中,在消费者并未明确表达己方的购买意向(操作需求)时,即可通过获取到的消费者的语音片段,以确定消费者的购买意向,第一神经网络模型的训练效果越好,消费者的购买意向的确定准确性越高。
通过本申请提供的实施例,将目标关键字输入第一神经网络模型,其中,第一神经网络模型为利用多个第一样本消费数据进行训练后得到的神经网络模型,第一神经网络模型用于指示关键字与商品之间的第二映射关系,第一样本消费数据中记录有样本关键字,以及与样本关键字对应的第一操作,第一操作用于指示获取商品;获取第一神经网络模型的第一输出结果,其中,第一输出结果中携带有目标商品信息,达到了快速便捷地确定用户的操作需求的目的,实现了提高确定用户的操作需求的效率的效果。
根据本发明实施例的又一个方面,还提供了一种用于实施上述文本推荐方法的电子装置,如图10所示,该电子装置包括存储器1002和处理器1004,该存储器1002中存储有计算机程序,该处理器1004被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取第一对象使用的客户端当前上传的目标语音,其中,目标语音为客户端采集的第二对象的语音;
S2,识别目标语音所指示的目标商品信息,其中,目标商品信息中携带有第二对象请求获取的目标商品;
S3,根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合,其中,目标模板文本集合中包括多个模板文本,模板文本中记录有用于推荐目标商品的文本信息,第一映射关系用于指示商品与用于推荐商品的模板文本集合之间的对应关系;
S4,在查找到第二对象对应的商品操作记录的情况下,根据商品操作记录在目标模板文本集合中确定出目标模板文本,其中,商品操作记录为第二对象在目标时间段内对商品执行操作生成的历史操作记录;
S5,发送目标商品信息以及目标模板文本至客户端,以在客户端上提示第一对象按照目标模板文本向第二对象推荐目标商品。
可选地,本领域普通技术人员可以理解,图10所示的结构仅为示意,电子装置也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图10其并不对上述电子装置的结构造成限定。例如,电子装置还可包括比图10中所示更多或者更少的组件(如网络接口等),或者具有与图10所示不同的配置。
其中,存储器1002可用于存储软件程序以及模块,如本发明实施例中的文本推荐方法和装置对应的程序指令/模块,处理器1004通过运行存储在存储器1002内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的文本推荐方法。存储器1002可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器1002可进一步包括相对于处理器1004远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器1002具体可以但不限于用于存储目标语音、目标商品信息、目标模板文本集合、商品操作记录以及目标模板文本等信息。作为一种示例,如图10所示,上述存储器1002中可以但不限于包括上述文本推荐装置中的获取单元502、识别单元504、第一确定单元506、第二确定单元508及发送单元510。此外,还可以包括但不限于上述文本推荐装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置1006用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置1006包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置1006为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子装置还包括:显示器1008,用于显示上述目标语音、目标商品信息、目标模板文本集合、商品操作记录以及目标模板文本等信息;和连接总线1010,用于连接上述电子装置中的各个模块部件。
根据本发明的实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取第一对象使用的客户端当前上传的目标语音,其中,目标语音为客户端采集的第二对象的语音;
S2,识别目标语音所指示的目标商品信息,其中,目标商品信息中携带有第二对象请求获取的目标商品;
S3,根据预先建立的第一映射关系,确定与目标商品对应的目标模板文本集合,其中,目标模板文本集合中包括多个模板文本,模板文本中记录有用于推荐目标商品的文本信息,第一映射关系用于指示商品与用于推荐商品的模板文本集合之间的对应关系;
S4,在查找到第二对象对应的商品操作记录的情况下,根据商品操作记录在目标模板文本集合中确定出目标模板文本,其中,商品操作记录为第二对象在目标时间段内对商品执行操作生成的历史操作记录;
S5,发送目标商品信息以及目标模板文本至客户端,以在客户端上提示第一对象按照目标模板文本向第二对象推荐目标商品。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
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。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。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或者该技术方案的全部或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存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (15)

1.一种文本推荐方法,其特征在于,包括:
获取第一对象使用的客户端当前上传的目标语音,其中,所述目标语音为所述客户端采集的第二对象的语音;
识别所述目标语音所指示的目标商品信息,其中,所述目标商品信息中携带有所述第二对象请求获取的目标商品;
根据预先建立的第一映射关系,确定与所述目标商品对应的目标模板文本集合,其中,所述目标模板文本集合中包括多个模板文本,所述模板文本中记录有用于推荐所述目标商品的文本信息,所述第一映射关系用于指示商品与用于推荐所述商品的模板文本集合之间的对应关系;
在查找到所述第二对象对应的商品操作记录的情况下,根据所述商品操作记录在所述目标模板文本集合中确定出目标模板文本,其中,所述商品操作记录为所述第二对象在目标时间段内对所述商品执行操作生成的历史操作记录;
发送所述目标商品信息以及所述目标模板文本至所述客户端,以在所述客户端上提示所述第一对象按照所述目标模板文本向所述第二对象推荐所述目标商品。
2.根据权利要求1所述的方法,其特征在于,所述在查找到所述第二对象对应的商品操作记录的情况下,根据所述商品操作记录在所述目标模板文本集合中确定出目标模板文本,包括以下至少之一:
在查找到所述第二对象的第一商品操作记录的情况下,根据所述第一商品操作记录,在所述目标模板文本集合中确定第一模板文本,并将所述第一模板文本作为所述目标模板文本,其中,所述第一商品操作记录用于指示在所述第二对象在获取所述目标商品或与所述目标商品的商品类型一致的商品的过程中,所述第二对象提交的第一反馈信息,所述第一反馈信息用于表示所述第二对象对所述目标商品或与所述目标商品的商品类型一致的商品的历史评价;
在记录有所述第二对象的第二商品操作记录的情况下,根据所述第二商品操作记录,在所述目标模板文本集合中确定第二模板文本,并将所述第二模板文本作为所述目标模板文本,其中,所述第二商品操作记录用于指示在向所述第二对象使用所述目标模板文本集合中的各个模板文本推荐所述商品的过程中,所述第二对象提交的第二反馈信息,所述第二反馈信息用于表示所述第二对象对所述目标模板文本集合中的各个模板文本的历史评价;
在记录有所述第二对象的第三商品操作记录的情况下,根据所述第三商品操作记录,在所述目标模板文本集合中确定第三模板文本,并将所述第三模板文本作为所述目标模板文本,其中,所述第三商品操作记录用于指示在向所述第二对象推荐所述商品过程中提出的第三反馈信息,所述第三反馈信息用于指示所述第二对象对所述商品的历史评价。
3.根据权利要求1所述的方法,其特征在于,所述发送所述目标商品信息以及所述目标模板文本至所述客户端,包括:
向所述客户端发送与所述目标商品信息对应的第一知识图谱,其中,所述第一知识图谱用于表示所述目标商品的静态属性信息以及所述目标商品的推荐信息;
向所述客户端发送与所述目标模板文本对应的第二知识图谱,其中,所述第二知识图谱用于表示所述目标模板文本;
向所述客户端发送第三知识图谱,其中,所述第三知识图谱用于表示所述第一知识图谱以及所述第二知识图谱之间的关系。
4.根据权利要求1所述的方法,其特征在于,所述根据预先建立的第一映射关系,确定与所述目标商品对应的目标模板文本集合,包括:
在所述目标商品的库存量大于等于第一预设阈值的情况下,确定与所述目标商品对应的第一模板文本集合,并将所述第一模板文本集合作为所述目标模板文本集合;
在所述目标商品的库存量小于所述第一预设阈值的情况下,获取与所述目标商品信息的相似度大于等于第二预设阈值的类似商品信息,其中,所述类似商品信息中携带有与所述目标商品的相似度大于等于第所述二预设阈值的类似商品;
在所述类似商品的库存量大于等于所述第一预设阈值的情况下,确定与所述类似商品对应的第二模板文本集合,并将所述第二模板文本集合作为所述目标模板文本集合。
5.根据权利要求4所述的方法,其特征在于,所述获取与所述目标商品信息的相似度大于等于第二预设阈值的类似商品信息,包括以下至少之一:
获取与所述目标商品信息中携带的商品外形信息的相似度大于等于所述第二预设阈值的第一类似商品信息,其中,所述类似商品信息包括所述第一类似商品信息;
获取与所述目标商品信息中携带的商品用途信息的相似度大于等于所述第二预设阈值的第二类似商品信息,其中,所述类似商品信息包括所述第二类似商品信息;
获取与所述目标商品信息中携带的商品标签信息的相似度大于等于所述第二预设阈值的第三类似商品信息,其中,所述类似商品信息包括所述第三类似商品信息。
6.根据权利要求1所述的方法,其特征在于,所述识别所述目标语音所指示的目标商品信息包括:
获取所述目标语音中的目标关键字,其中,所述目标关键字用于表示所述第二对象的操作需求;
确定与所述目标关键字对应的所述目标商品信息。
7.根据权利要求6所述的方法,其特征在于,所述确定与所述目标关键字对应的所述目标商品信息包括:
将所述目标关键字输入第一神经网络模型,其中,所述第一神经网络模型为利用多个第一样本消费数据进行训练后得到的神经网络模型,所述第一神经网络模型用于指示关键字与所述商品之间的第二映射关系,所述第一样本消费数据中记录有样本关键字,以及与所述样本关键字对应的第一操作,所述第一操作用于指示获取所述商品;
获取所述第一神经网络模型的第一输出结果,其中,所述第一输出结果中携带有所述目标商品信息。
8.根据权利要求6所述的方法,其特征在于,所述根据预先建立的第一映射关系,确定与所述目标商品对应的目标模板文本集合包括:
将所述目标商品信息输入第二神经网络模型,其中,所述第二神经网络模型为利用多个第二样本消费数据进行训练后得到的神经网络模型,所述第二神经网络模型用于指示所述商品与全部模板文本之间的所述第一映射关系,所述第二样本消费数据记录有样本模板文本,以及与所述样本模板文本对应的第二操作,所述第二操作用于指示获取所述商品;
获取所述第二神经网络模型的第二输出结果,其中,所述第二输出结果中携带有所述目标模板文本集合。
9.一种文本推荐装置,其特征在于,包括:
获取单元,用于获取第一对象使用的客户端当前上传的目标语音,其中,所述目标语音为所述客户端采集的第二对象的语音;
识别单元,用于识别所述目标语音所指示的目标商品信息,其中,所述目标商品信息中携带有所述第二对象请求获取的目标商品;
第一确定单元,用于根据预先建立的第一映射关系,确定与所述目标商品对应的目标模板文本集合,其中,所述目标模板文本集合中包括多个模板文本,所述模板文本中记录有用于推荐所述目标商品的文本信息,所述第一映射关系用于指示商品与用于推荐所述商品的模板文本集合之间的对应关系;
第二确定单元,用于在查找到所述第二对象对应的商品操作记录的情况下,根据所述商品操作记录在所述目标模板文本集合中确定出目标模板文本,其中,所述商品操作记录为所述第二对象在目标时间段内对所述商品执行操作生成的历史操作记录;
发送单元,用于发送所述目标商品信息以及所述目标模板文本至所述客户端,以在所述客户端上提示所述第一对象按照所述目标模板文本向所述第二对象推荐所述目标商品。
10.根据权利要求9所述的装置,其特征在于,所述第二确定单元,包括以下至少之一:
第一确定模块,用于在查找到所述第二对象的第一商品操作记录的情况下,根据所述第一商品操作记录,在所述目标模板文本集合中确定第一模板文本,并将所述第一模板文本作为所述目标模板文本,其中,所述第一商品操作记录用于指示在所述第二对象在获取所述目标商品或与所述目标商品的商品类型一致的商品的过程中,所述第二对象提交的第一反馈信息,所述第一反馈信息用于表示所述第二对象对所述目标商品或与所述目标商品的商品类型一致的商品的历史评价;
第二确定模块,用于在记录有所述第二对象的第二商品操作记录的情况下,根据所述第二商品操作记录,在所述目标模板文本集合中确定第二模板文本,并将所述第二模板文本作为所述目标模板文本,其中,所述第二商品操作记录用于指示在向所述第二对象使用所述目标模板文本集合中的各个模板文本推荐所述商品的过程中,所述第二对象提交的第二反馈信息,所述第二反馈信息用于表示所述第二对象对所述目标模板文本集合中的各个模板文本的历史评价;
第三确定模块,用于在记录有所述第二对象的第三商品操作记录的情况下,根据所述第三商品操作记录,在所述目标模板文本集合中确定第三模板文本,并将所述第三模板文本作为所述目标模板文本,其中,所述第三商品操作记录用于指示在向所述第二对象推荐所述商品过程中提出的第三反馈信息,所述第三反馈信息用于指示所述第二对象对所述商品的历史评价。
11.根据权利要求9所述的装置,其特征在于,所述发送单元,包括:
第一发送模块,用于向所述客户端发送与所述目标商品信息对应的第一知识图谱,其中,所述第一知识图谱用于表示所述目标商品的静态属性信息以及所述目标商品的推荐信息;
第二发送模块,用于向所述客户端发送与所述目标模板文本对应的第二知识图谱,其中,所述第二知识图谱用于表示所述目标模板文本;
第三发送模块,用于向所述客户端发送第三知识图谱,其中,所述第三知识图谱用于表示所述第一知识图谱以及所述第二知识图谱之间的关系。
12.根据权利要求9所述的装置,其特征在于,所述第一确定单元,包括:
第四确定模块,用于在所述目标商品的库存量大于等于第一预设阈值的情况下,确定与所述目标商品对应的第一模板文本集合,并将所述第一模板文本集合作为所述目标模板文本集合;
第一获取模块,用于在所述目标商品的库存量小于所述第一预设阈值的情况下,获取与所述目标商品信息的相似度大于等于第二预设阈值的类似商品信息,其中,所述类似商品信息中携带有与所述目标商品的相似度大于等于第所述二预设阈值的类似商品;
第五确定模块,用于在所述类似商品的库存量大于等于所述第一预设阈值的情况下,确定与所述类似商品对应的第二模板文本集合,并将所述第二模板文本集合作为所述目标模板文本集合。
13.根据权利要求12所述的装置,其特征在于,所述第一获取模块,包括以下至少之一:
第一获取子模块,用于获取与所述目标商品信息中携带的商品外形信息的相似度大于等于所述第二预设阈值的第一类似商品信息,其中,所述类似商品信息包括所述第一类似商品信息;
第二获取子模块,用于获取与所述目标商品信息中携带的商品用途信息的相似度大于等于所述第二预设阈值的第二类似商品信息,其中,所述类似商品信息包括所述第二类似商品信息;
第三获取子模块,用于获取与所述目标商品信息中携带的商品标签信息的相似度大于等于所述第二预设阈值的第三类似商品信息,其中,所述类似商品信息包括所述第三类似商品信息。
14.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至8任一项中所述的方法。
15.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述权利要求1至8任一项中所述的方法。
CN202010956280.9A 2020-09-11 2020-09-11 文本推荐方法和装置及存储介质 Pending CN112035624A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010956280.9A CN112035624A (zh) 2020-09-11 2020-09-11 文本推荐方法和装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010956280.9A CN112035624A (zh) 2020-09-11 2020-09-11 文本推荐方法和装置及存储介质

Publications (1)

Publication Number Publication Date
CN112035624A true CN112035624A (zh) 2020-12-04

Family

ID=73588998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010956280.9A Pending CN112035624A (zh) 2020-09-11 2020-09-11 文本推荐方法和装置及存储介质

Country Status (1)

Country Link
CN (1) CN112035624A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763134A (zh) * 2021-09-22 2021-12-07 携程旅游信息技术(上海)有限公司 信息推荐方法、系统、设备及存储介质
CN115250365A (zh) * 2021-04-28 2022-10-28 京东科技控股股份有限公司 商品文本的生成方法、装置、计算机设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108243219A (zh) * 2016-12-26 2018-07-03 百度在线网络技术(北京)有限公司 信息推送的方法和装置
CN110163703A (zh) * 2018-02-12 2019-08-23 阿里巴巴集团控股有限公司 一种分类模型建立方法、文案推送方法和服务器
CN110459210A (zh) * 2019-07-30 2019-11-15 平安科技(深圳)有限公司 基于语音分析的问答方法、装置、设备及存储介质
CN110738545A (zh) * 2019-08-30 2020-01-31 深圳壹账通智能科技有限公司 基于用户意向识别的产品推荐方法、装置、计算机设备和存储介质
CN110765273A (zh) * 2019-09-17 2020-02-07 北京三快在线科技有限公司 推荐文案生成方法、装置、电子设备及可读存储介质
CN111159553A (zh) * 2019-12-30 2020-05-15 北京每日优鲜电子商务有限公司 信息推送方法、装置、计算机设备及存储介质
CN111210843A (zh) * 2019-12-31 2020-05-29 秒针信息技术有限公司 话术推荐方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108243219A (zh) * 2016-12-26 2018-07-03 百度在线网络技术(北京)有限公司 信息推送的方法和装置
CN110163703A (zh) * 2018-02-12 2019-08-23 阿里巴巴集团控股有限公司 一种分类模型建立方法、文案推送方法和服务器
CN110459210A (zh) * 2019-07-30 2019-11-15 平安科技(深圳)有限公司 基于语音分析的问答方法、装置、设备及存储介质
CN110738545A (zh) * 2019-08-30 2020-01-31 深圳壹账通智能科技有限公司 基于用户意向识别的产品推荐方法、装置、计算机设备和存储介质
CN110765273A (zh) * 2019-09-17 2020-02-07 北京三快在线科技有限公司 推荐文案生成方法、装置、电子设备及可读存储介质
CN111159553A (zh) * 2019-12-30 2020-05-15 北京每日优鲜电子商务有限公司 信息推送方法、装置、计算机设备及存储介质
CN111210843A (zh) * 2019-12-31 2020-05-29 秒针信息技术有限公司 话术推荐方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115250365A (zh) * 2021-04-28 2022-10-28 京东科技控股股份有限公司 商品文本的生成方法、装置、计算机设备及存储介质
CN113763134A (zh) * 2021-09-22 2021-12-07 携程旅游信息技术(上海)有限公司 信息推荐方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
KR102220273B1 (ko) 상품 추천 방법 및 이를 이용하는 서버
CN108960992A (zh) 一种信息推荐方法以及相关设备
US8718369B1 (en) Techniques for shape-based search of content
US9852477B2 (en) Method and system for social media sales
US20220138831A1 (en) Method of Providing Fashion Item Recommendation Service Using User's Body Type and Purchase History
US20180053234A1 (en) Description information generation and presentation systems, methods, and devices
CN107169806B (zh) 用于确定商品属性对于购买决策的影响度的方法及装置
CN110580649A (zh) 一种商品潜力值的确定方法和装置
US20140214617A1 (en) Pricing intelligence for non-identically identified products
KR102286286B1 (ko) 패션 코디네이션 공유 시스템 및 방법
CN112035624A (zh) 文本推荐方法和装置及存储介质
US20240062267A1 (en) Systems and methods for determining price bands and user price affinity predictions using machine learning architectures and techniques
CN111292168B (zh) 数据处理方法、装置及设备
KR102444498B1 (ko) 이미지 기반 제품 매매 서비스 제공 시스템 및 방법
CN110751537A (zh) 一种基于线上线下的智能营销方法和装置
CN104981829A (zh) 优选图像标识码生成方法、优选图像标识码诊断方法及利用优选图像标识码的信息提供方法
KR20230137861A (ko) 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법 및 장치
CN111967924A (zh) 商品推荐方法、商品推荐装置、计算机设备和介质
KR102378072B1 (ko) 코디네이션 패션 아이템을 추천하는 방법
CN110782325B (zh) 一种会员信息的推荐方法和装置
KR20180092053A (ko) 지능형 쇼핑 관리시스템
CN111192112A (zh) 一种多平台的交互方法和装置
CN113744019A (zh) 一种商品推荐方法、装置、设备及存储介质
CA2899529A1 (en) Pricing intelligence for non-exact matching products
CN117745373A (zh) 产品的推荐方法、系统和电子设备

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