CN112269867A - 用于推送信息的方法、装置、设备以及存储介质 - Google Patents

Abstract

本申请公开了用于推送信息的方法、装置、设备以及存储介质，涉及人工智能、深度学习技术领域。具体实现方案为：获取目标用户的当前场景信息；基于当前场景信息以及预设的垂类预测模型，预测目标用户的期望垂类；根据期望垂类对应的关键词集合以及目标用户的兴趣度矩阵，确定目标用户对关键词集合中各关键词的兴趣度；基于各兴趣度，生成推荐语音指令；推送推荐语音指令。本实现方式通过向用户推送推荐语音指令不仅能使用户更方便的使用智能语音设备，也能够保证智能语音设备能够很好的执行用户的语音指令。

Description

用于推送信息的方法、装置、设备以及存储介质

技术领域

本申请涉及计算机技术领域，具体涉及人工智能、深度学习技术领域，尤其涉及用于推送信息的方法、装置、设备以及存储介质。

背景技术

智能语音设备可以接收用户的语音指令，并分析出用户的意图，然后执行响应的指令。智能语音设备可以包括车载中控机、智能手机、智能音箱等，这些设备大大方便了人们的生活。在当前的技术条件下，智能语音设备可以正确指令的语音指令有一定局限性，需要引导用户学习使用智能语音设备可支持的垂类和内容。现有的语音交互方法中，用户并不能直接通过屏幕或语音播报了解到全部的可交互元素。

发明内容

提供了一种用于推送信息的方法、装置、设备以及存储介质。

根据第一方面，提供了一种用于推送信息的方法，包括：获取目标用户的当前场景信息；基于当前场景信息以及预设的垂类预测模型，预测目标用户的期望垂类；根据期望垂类对应的关键词集合以及目标用户的兴趣度矩阵，确定目标用户对关键词集合中各关键词的兴趣度；基于各兴趣度，生成推荐语音指令；推送推荐语音指令。

根据第二方面，提供了一种用于推送信息的装置，包括：第一获取单元，被配置成获取目标用户的当前场景信息；垂类预测单元，被配置成基于当前场景信息以及预设的垂类预测模型，预测目标用户的期望垂类；兴趣度确定单元，被配置成根据期望垂类对应的关键词集合以及目标用户的兴趣度矩阵，确定目标用户对关键词集合中各关键词的兴趣度；指令生成单元，被配置成基于各兴趣度，生成推荐语音指令；指令推送单元，被配置成推送推荐语音指令。

根据第三方面，提供了一种用于推送信息的电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面所描述的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，上述计算机指令用于使计算机执行如第一方面所描述的方法。

根据本申请的技术解决了现有的智能语音设备不能很好的向用户展示全部可交互元素的技术问题，通过向用户推送推荐语音指令不仅能使用户更方便的使用智能语音设备，也能够保证智能语音设备能够很好的执行用户的语音指令。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于推送信息的方法的一个实施例的流程图；

图3是根据本申请的用于推送信息的方法的一个应用场景的示意图；

图4是根据本申请的用于推送信息的方法的另一个实施例的流程图；

图5是根据本申请的用于推送信息的装置的一个实施例的结构示意图；

图6是用来实现本申请实施例的用于推送信息的方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于推送信息的方法或用于推送信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括智能终端设备101、102、103，网络104和服务器105。网络104用以在智能终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用智能终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。智能终端设备101、102、103上可以安装有各种通讯客户端应用，例如语音识别类应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

智能终端设备101、102、103可以是硬件，也可以是软件。当智能终端设备101、102、103为硬件时，可以是具有语音识别功能的各种电子设备，包括但不限于智能手机、智能音箱、智能机器人等等。当智能终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对智能终端设备101、102、103获取到的语音进行处理的后台服务器。后台服务器可以对语音等数据进行分析等处理，并将处理结果(例如推荐语音指令)反馈给智能终端设备101、102、103。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于推送信息的方法可以由智能终端设备101、102、103执行，也可以由服务器105执行。相应地，用于推送信息的装置可以设置于智能终端设备101、102、103中，也可以设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于推送信息的方法的一个实施例的流程200。本实施例的用于推送信息的方法，包括以下步骤：

步骤201，获取目标用户的当前场景信息。

本实施例中，用于推送信息的方法的执行主体(例如图1所示的智能终端设备101、102、103或服务器105)可以通过多种方式获取目标用户的当前场景。目标用户可以是使用智能终端设备的用户。当前场景信息可以包括：时间、天气、地理位置、客户端状态(是否播放多媒体、是否正在导航、已开机的时长等等)、车型、车速、档位、油量等，有些带视觉传感的设备还能获得用户驾车时的表情状态(如是否疲劳)。

步骤202，基于当前场景信息以及预设的垂类预测模型，预测目标用户的期望垂类。

执行主体在获取到当前场景信息后，可以结合预设的垂类预测模型，预测目标用户的期望垂类。这里，垂类预测模型用于表征场景信息与垂类的对应关系。执行主体可以将当前场景信息输入上述垂类预测模型，得到的输出即为预测的目标用户的期望垂类。垂类预测模型可以是基于训练得到的神经网络。期望垂类用于表示目标用户将要使用的垂类。垂类可以理解为某个领域。在这里，垂类可以是智能终端设备所提供的功能中对应的垂类，例如可以包括地图导航、影音播放、电子票务等等。每个垂类可以对应一个关键词集合，每个关键词集合可以包括多个关键词。例如影音播放包括关键词：电影、电视剧、综艺等等。

步骤203，根据期望垂类对应的关键词集合以及目标用户的兴趣度矩阵，确定目标用户对关键词集合中各关键词的兴趣度。

执行主体在确定目标用户的期望垂类后，可以确定期望垂类对应的关键词集合。然后，根据上述关键词集合与目标用户的兴趣度矩阵，确定目标用户对关键词集合中各关键词的兴趣度。这里，兴趣度矩阵可以包括多个参数，执行主体将关键词集合中的各个关键词依次代入上述兴趣度矩阵，就可以得到与输入的关键词对应的兴趣度。

步骤204，基于各兴趣度，生成推荐语音指令。

执行主体可以基于各关键词的兴趣度，生成推荐语音指令。具体的，执行主体可以选取兴趣度最高的关键词，根据该关键词生成推荐语音指令。或者，执行主体可以选取兴趣度由大到小排序中前N个关键词，分别生成多个推荐语音指令。举例来说，兴趣度最高的关键词为“歌曲”，则生成的推荐语音指令可以为“播放最近播放的歌曲”。

步骤205，推送推荐语音指令。

执行主体可以将生成的推荐语音指令推送给用户。这样，用户可以很好的了解智能终端设备能够提供的服务，同时，推送的语音指令比较符合用户的兴趣。

继续参见图3，其示出了根据本申请的用于推送信息的方法的一个应用场景的示意图。在图3的应用场景中，智能音箱301首先获取用户的当前场景信息。当前场景信息为包括：时间(周六上午9点)，地点(家)。将当前场景信息输入垂类预测模型，预测用户的期望垂类为“影音播放”。同时，智能音箱301的垂类“影音播放”对应的关键词包括“歌曲”“电影”“电视剧”“综艺”等等。将各关键词输入用户的兴趣度矩阵，得到歌曲的兴趣度为0.3，电影的兴趣度为0.1，电视剧的兴趣度为0.6，综艺的兴趣度为0.4。则智能音箱生成推荐语音指令包括“观看上次观看的电视剧”、“热播综艺”等等。将上述推荐语音指令显示在智能音箱301的显示屏上，用户可以通过点击上述推荐语音指令实现对智能音箱301的控制。

本申请的上述实施例提供的用于推送信息的方法，通过获取当前场景信息，并结合垂类预测模型预测用户的期望垂类。然后根据用户的兴趣度矩阵确定期望垂类对应的关键词集合中各关键词的兴趣度。最终基于兴趣度生成推荐语音指令。本实施例的方法，通过向用户推送推荐语音指令不仅能使用户更方便的使用智能语音设备，也能够保证智能语音设备能够很好的执行用户的语音指令。

继续参见图4，其示出了根据本申请的用于推送信息的方法的另一个实施例的流程400。如图4所示，本实施例的方法可以包括以下步骤：

步骤401，获取目标用户的当前场景信息和画像数据。

本实施例中，执行主体除了获取目标用户的当前场景信息外，还可以获取目标用户的画像数据。这里，画像数据可以包括用户自身的一些信息，如年龄、性别、职业、学历等。

步骤402，根据当前场景信息、画像数据以及垂类预测模型，预测目标用户的期望垂类。

执行主体可以将当前场景信息、画像数据输入上述垂类预测模型，输出即为预测得到的目标用户的期望垂类。这里，垂类预测模型可以表征场景信息、画像数据与垂类的对应关系。

步骤403，根据期望垂类对应的关键词集合以及目标用户的兴趣度矩阵，确定目标用户对关键词集合中各关键词的兴趣度。

步骤404，根据各兴趣度，从关键词集合中确定出目标关键词。

本实施例中，执行主体在确定各关键词的兴趣度后，可以根据各兴趣度，从关键词集合中确定出目标关键词。具体的，执行主体将兴趣度最高的关键词作为目标关键词。或者将兴趣度大于预设阈值的关键词作为目标关键词。

在确定出目标关键词后，执行主体可以根据目标关键词，生成推荐语音指令。例如，执行主体可以生成一个包含目标关键词的语音指令，将上述语音指令作为推荐语音指令。

在一些具体的应用中，执行主体可以继续执行步骤405来生成推荐语音指令。

步骤405，获取目标用户的历史语音指令集合。

执行主体还可以获取目标用户的历史语音指令集合。这里，历史语音指令集合包括目标用户针对智能终端设备使用过的语音指令。上述历史语音指令中可以包括关键词，例如语音指令“播放歌曲虫儿飞”，那么其中的“虫儿飞”即为关键词。

执行主体在获取到历史语音指令集合后，可以对历史语音指令集合进行句式分析，确定出用户所使用过的句式，将其加入句式库。然后，将目标关键词代入上述句式库，就可以得到推荐语音指令。

在一些具体的应用中，执行主体可以继续执行步骤406来生成推荐语音指令。

步骤406，从历史语音指令集合中确定出与期望垂类匹配的至少一个目标历史语音指令。

执行主体可以从历史语音指令集合中确定出与期望垂类匹配的至少一个目标历史语音指令。具体的，执行主体可以分析各历史语音指令对应的垂类。然后将所对应的垂类与期望垂类相同的历史语音指令作为与期望垂类匹配的历史语音指令，从而得到至少一个目标历史语音指令。

步骤407，利用目标关键词替换至少一个目标历史语音指令中的关键词，得到推荐语音指令。

然后，执行主体可以利用目标关键词替换至少一个目标历史语音指令中的关键词，得到推荐语音指令。例如，关键词为“后来”，历史语音指令为“播放歌曲虫儿飞”，则得到的推荐语音指令为“播放歌曲后来”。

步骤408，获取目标用户针对推荐语音指令的反馈信息；根据反馈信息，优化垂类预测模型。

本实施例中，执行主体还可以获取目标用户针对推荐语音指令的反馈信息。上述反馈信息可以包括正向反馈信息和负向反馈信息。正向反馈信息表示用户认可上述推荐语音指令。负向反馈信息用户不认可上述推荐语音指令。执行主体还可以根据上述反馈信息，优化垂类预测模型。具体的，执行主体可以根据负向反馈信息生成负向训练样本，根据正向反馈信息生成正向训练样本，然后利用得到的负向训练样本和正向训练样本再次训练上述垂类预测模型。

在本实施例的一些可选的实现方式中，上述反馈信息可以包括用户修改的语音指令。这样，执行主体可以对上述修改的语音指令进行分析，确定其对应的垂类。将当前场景信息作为输入，将对应的垂类作为期望输出，再次训练上述垂类预测模型。

在本实施例的一些可选的实现方式中，上述垂类预测模型可以通过图4中未示出的以下步骤训练得到：获取训练样本集合，训练样本包括使用场景以及语音指令对应的垂类；将训练样本中的使用场景作为输入，将与所输入的使用场景对应的垂类作为期望输出，训练得到垂类预测模型。

本实现方式中，执行主体可以首先获取训练样本集合。训练样本集合中的训练样本包括使用场景以及语音指令对应的垂类。然后，执行主体可以将训练样本中的使用场景作为输入，将与所输入的使用场景对应的垂类作为期望输出，训练得到垂类预测模型。

需要说明的是，训练垂类预测模型的执行主体可以与本实施例的用于推送信息的方法的执行主体相同，也可以不同。当不同时，训练垂类预测模型的执行主体可以将训练好的垂类预测模型发送给本实施例的用于推送信息的方法的执行主体。

本申请的上述实施例提供的用于推送信息的方法，可以根据当前场景信息以及用户的画像数据生成最终的推荐语音指令，从而使得生成的推荐语音指令更符合用户的兴趣。同时，还可以利用用户的历史语音指令生成推荐语音指令，使得推荐语音指令更符合用户的使用习惯。并且，还可以利用用户的反馈信息优化垂类预测模型，使得垂类预测模型预测的垂类更准确。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于推送信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于推送信息的装置500包括：第一获取单元501、垂类预测单元502、兴趣度确定单元503、指令生成单元504和指令推送单元505。

第一获取单元501，被配置成获取目标用户的当前场景信息。

垂类预测单元502，被配置成基于当前场景信息以及预设的垂类预测模型，预测目标用户的期望垂类。

兴趣度确定单元503，被配置成根据期望垂类对应的关键词集合以及目标用户的兴趣度矩阵，确定目标用户对关键词集合中各关键词的兴趣度。

指令生成单元504，被配置成基于各兴趣度，生成推荐语音指令。

指令推送单元505，被配置成推送推荐语音指令。

在本实施例的一些可选的实现方式中，装置500还可以进一步包括图5中未示出的第二获取单元，被配置成获取目标用户的画像数据。相应的，垂类预测单元502可以进一步被配置成：根据当前场景信息、画像数据以及垂类预测模型，预测目标用户的期望垂类。

在本实施例的一些可选的实现方式中，指令生成单元504可以进一步被配置成：根据各兴趣度，从关键词集合中确定出目标关键词；根据目标关键词，生成推荐语音指令。

在本实施例的一些可选的实现方式中，指令生成单元504可以进一步被配置成：获取目标用户的历史语音指令集合；根据历史语音指令集合以及目标关键词，生成推荐语音指令。

在本实施例的一些可选的实现方式中，指令生成单元504可以进一步被配置成：从历史语音指令集合中确定出与期望垂类匹配的至少一个目标历史语音指令；利用目标关键词替换至少一个目标历史语音指令中的关键词，得到推荐语音指令。

在本实施例的一些可选的实现方式中，装置500还可以进一步包括图5中未示出的模型优化单元，被配置成：获取目标用户针对推荐语音指令的反馈信息；根据反馈信息，优化垂类预测模型。

在本实施例的一些可选的实现方式中，装置500还可以进一步包括图5中未示出的模型训练单元，被配置成通过以下步骤训练得到垂类预测模型：获取训练样本集合，训练样本包括使用场景以及语音指令对应的垂类；将训练样本中的使用场景作为输入，将与所输入的使用场景对应的垂类作为期望输出，训练得到垂类预测模型。

应当理解，用于推送信息的装置500中记载的单元501至单元505分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于推送信息的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图6所示，是根据本申请实施例的执行用于推送信息的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的执行用于推送信息的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的执行用于推送信息的方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的执行用于推送信息的方法对应的程序指令/模块(例如，附图5所示的第一获取单元501、垂类预测单元502、兴趣度确定单元503、指令生成单元504和指令推送单元505)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的执行用于推送信息的方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据执行用于推送信息的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至执行用于推送信息的电子设备。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。

执行用于推送信息的方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与执行用于推送信息的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过向用户推送推荐语音指令不仅能使用户更方便的使用智能语音设备，也能够保证智能语音设备能够很好的执行用户的语音指令。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (16)

1.一种用于推送信息的方法，包括：

获取目标用户的当前场景信息；

基于所述当前场景信息以及预设的垂类预测模型，预测所述目标用户的期望垂类；

根据所述期望垂类对应的关键词集合以及所述目标用户的兴趣度矩阵，确定所述目标用户对所述关键词集合中各关键词的兴趣度；

基于各兴趣度，生成推荐语音指令；

推送所述推荐语音指令。

2.根据权利要求1所述的方法，其中，所述方法还包括：

获取所述目标用户的画像数据；

所述基于所述当前场景信息以及预设的垂类预测模型，预测所述目标用户的期望垂类，包括：

根据所述当前场景信息、所述画像数据以及所述垂类预测模型，预测所述目标用户的期望垂类。

3.根据权利要求1所述的方法，其中，所述基于各兴趣度，生成推荐语音指令，包括：

根据各兴趣度，从所述关键词集合中确定出目标关键词；

根据所述目标关键词，生成所述推荐语音指令。

4.根据权利要求3所述的方法，其中，所述根据所述目标关键词，生成所述推荐语音指令，包括：

获取所述目标用户的历史语音指令集合；

根据所述历史语音指令集合以及所述目标关键词，生成所述推荐语音指令。

5.根据权利要求4所述的方法，其中，所述根据所述历史语音指令集合以及所述目标关键词，生成所述推荐语音指令，包括：

从所述历史语音指令集合中确定出与所述期望垂类匹配的至少一个目标历史语音指令；

利用所述目标关键词替换所述至少一个目标历史语音指令中的关键词，得到所述推荐语音指令。

6.根据权利要求1所述的方法，其中，所述方法还包括：

获取所述目标用户针对所述推荐语音指令的反馈信息；

根据所述反馈信息，优化所述垂类预测模型。

7.根据权利要求1所述的方法，其中，所述垂类预测模型通过以下步骤训练得到：

获取训练样本集合，所述训练样本包括使用场景以及语音指令对应的垂类；

将所述训练样本中的使用场景作为输入，将与所输入的使用场景对应的垂类作为期望输出，训练得到所述垂类预测模型。

8.一种用于推送信息的装置，包括：

第一获取单元，被配置成获取目标用户的当前场景信息；

垂类预测单元，被配置成基于所述当前场景信息以及预设的垂类预测模型，预测所述目标用户的期望垂类；

兴趣度确定单元，被配置成根据所述期望垂类对应的关键词集合以及所述目标用户的兴趣度矩阵，确定所述目标用户对所述关键词集合中各关键词的兴趣度；

指令生成单元，被配置成基于各兴趣度，生成推荐语音指令；

指令推送单元，被配置成推送所述推荐语音指令。

9.根据权利要求8所述的装置，其中，所述装置还包括：

第二获取单元，被配置成获取所述目标用户的画像数据；

所述垂类预测单元进一步被配置成：

根据所述当前场景信息、所述画像数据以及所述垂类预测模型，预测所述目标用户的期望垂类。

10.根据权利要求8所述的装置，其中，所述指令生成单元进一步被配置成：

根据各兴趣度，从所述关键词集合中确定出目标关键词；

根据所述目标关键词，生成所述推荐语音指令。

11.根据权利要求10所述的装置，其中，所述指令生成单元进一步被配置成：

获取所述目标用户的历史语音指令集合；

根据所述历史语音指令集合以及所述目标关键词，生成所述推荐语音指令。

12.根据权利要求11所述的装置，其中，所述指令生成单元进一步被配置成：

从所述历史语音指令集合中确定出与所述期望垂类匹配的至少一个目标历史语音指令；

利用所述目标关键词替换所述至少一个目标历史语音指令中的关键词，得到所述推荐语音指令。

13.根据权利要求8所述的装置，其中，所述装置还包括模型优化单元，被配置成：

获取所述目标用户针对所述推荐语音指令的反馈信息；

根据所述反馈信息，优化所述垂类预测模型。

14.根据权利要求8所述的装置，其中，所述装置还包括模型训练单元，被配置成通过以下步骤训练得到所述垂类预测模型：

获取训练样本集合，所述训练样本包括使用场景以及语音指令对应的垂类；

将所述训练样本中的使用场景作为输入，将与所输入的使用场景对应的垂类作为期望输出，训练得到所述垂类预测模型。

15.一种用于推送信息的电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。

Images