CN112328813B - 基于ai的推荐信息生成方法、装置及计算机设备 - Google Patents

Abstract

本发明公开了基于AI的推荐信息生成方法、装置、计算机设备及存储介质，涉及人工智能技术，包括根据第一类型用户画像在本地的语音语料库筛选对应的第一语音数据并发送至第一类型用户端；若检测到对应发送的用户头部图像，将用户头部图像进行化处理，得到当前用户海报图像；若接收到目标用户信息和推荐信息类型集，获取已存储的与目标用户信息相对应的目标用户画像，根据目标用户画像获取与目标用户信息对应的关键词集合；根据关键词集合和推荐信息类型集在本地内容库中获取对应的推荐子信息集，将推荐子信息集填充至调用的数据容器中，以得到待推荐信息数据，实现了向第一类型用户端和第二类型用户端将均可推荐信息，而且推荐内容分更加精准。

Description

基于AI的推荐信息生成方法、装置及计算机设备

技术领域

本发明涉及人工智能的模型部署技术领域，尤其涉及一种基于AI的推荐信息生成方法、装置、计算机设备及存储介质。

背景技术

目前，智能客服得到了越来越广泛的应用。例如在金融领域，各银行或是保险公司的公众号或是官方网站上均部署了智能客服(如保险领域智能客服、银行领域智能客服)，用户可以通过与智能客服进行互动从而获取其所需信息。具体是当用户通过添加并关注智能客服对应的公众号或好友后，用户可以通过文字或语音的方式与智能客服进行沟通以获取信息。但是现有的智能客服是面向企业客户提供各种咨询服务，企业的全职或兼职工作人员无法通过智能客服获取专业相关性更强的推荐信息，也无法与智能客服及企业客户对应组成群组以方便智能客服推送消息。

发明内容

本发明实施例提供了一种基于AI的推荐信息生成方法、装置、计算机设备及存储介质，旨在解决现有技术中智能客服是面向企业客户提供各种咨询服务，企业的全职或兼职工作人员无法通过智能客服获取专业相关性更强的推荐信息的问题。

第一方面，本发明实施例提供了一种基于AI的推荐信息生成方法，其包括：

若接收到第一类型用户联系指令，获取第一类型用户端对应的第一类型用户画像；

根据所述第一类型用户画像在本地的语音语料库筛选对应的第一语音数据，将所述第一语音数据发送至第一类型用户端；

若检测到第一类型用户端根据所述第一语音数据对应发送的用户头部图像，将所述用户头部图像依次进行人脸检测、人像分割和人像优化处理，得到当前用户海报图像；

若接收到目标用户信息和推荐信息类型集，获取本地已存储的与所述目标用户信息相对应的目标用户画像，根据所述目标用户画像获取与所述目标用户信息对应的关键词集合；

根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的推荐子信息集，将所述推荐子信息集填充至调用的数据容器中，以得到待推荐信息数据，将所述待推荐信息数据发送至与所述目标用户信息相对应的第二类型用户端；

若检测到与所述待推荐信息数据对应的触发指令，将引导信息发送至第二类型用户端；以及

接收所述第二类型用户端根据所述引导信息发送的引导反馈信息，将所述引导反馈消息进行存储。

第二方面，本发明实施例提供了一种基于AI的推荐信息生成装置，其包括：

第一画像获取单元，用于若接收到第一类型用户联系指令，获取第一类型用户端对应的第一类型用户画像；

第一语音数据生成单元，用于根据所述第一类型用户画像在本地的语音语料库筛选对应的第一语音数据，将所述第一语音数据发送至第一类型用户端；

当前海报生成单元，用于若检测到第一类型用户端根据所述第一语音数据对应发送的用户头部图像，将所述用户头部图像依次进行人脸检测、人像分割和人像优化处理，得到当前用户海报图像；

关键词集合获取单元，用于若接收到目标用户信息和推荐信息类型集，获取本地已存储的与所述目标用户信息相对应的目标用户画像，根据所述目标用户画像获取与所述目标用户信息对应的关键词集合；

待推荐信息发送单元，用于根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的推荐子信息集，将所述推荐子信息集填充至调用的数据容器中，以得到待推荐信息数据，将所述待推荐信息数据发送至与所述目标用户信息相对应的第二类型用户端；

引导信息发送单元，用于若检测到与所述待推荐信息数据对应的触发指令，将引导信息发送至第二类型用户端；以及

引导反馈信息存储单元，用于接收所述第二类型用户端根据所述引导信息发送的引导反馈信息，将所述引导反馈消息进行存储。

第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的基于AI的推荐信息生成方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于AI的推荐信息生成方法。

本发明实施例提供了一种基于AI的推荐信息生成方法、装置、计算机设备及存储介质，不仅可以基于用户上传的用户头部图像生成当前用户海报图像，而且可以基于第一类型用户端的使用者选定的推荐信息类型及目标用户对应生成待推荐信息数据，将所述待推荐信息数据发送至与所述目标用户信息相对应的第二类型用户端以及第一类型用户端，不仅是向第二类型用户端推荐信息，而且也向第一类型用户端推荐信息，推荐内容分更加精准。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于AI的推荐信息生成方法的应用场景示意图；

图2为本发明实施例提供的基于AI的推荐信息生成方法的流程示意图；

图3为本发明实施例提供的基于AI的推荐信息生成装置的示意性框图；

图4为本发明实施例提供的计算机设备的示意性框图。

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做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。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1和图2，图1为本发明实施例提供的基于AI的推荐信息生成方法的应用场景示意图；图2为本发明实施例提供的基于AI的推荐信息生成方法的流程示意图，该基于AI的推荐信息生成方法应用于服务器中，该方法通过安装于服务器中的应用软件进行执行。

如图2所示，该方法包括步骤S110～S170。

S110、若接收到第一类型用户联系指令，获取第一类型用户端对应的第一类型用户画像。

在本实施例中，为了更清楚的理解本申请的技术方案，下面对所涉及的终端进行详细介绍。本申请是在服务器的角度描述技术方案。

第一是第一类型用户端，其是企业人员所使用的智能终端(如智能手机、平板电脑等)，企业人员通过在第一类型用户端登录用户账号后，可与服务器建立连接，并可从服务器获取各种信息服务，第一类型用户端的使用者可与第二类型用户端的使用者进行一些信息推荐、群组聊天、视频会议等。

第二是第二类型用户端，其是企业客户使用的智能终端(也是如智能手机、平板电脑等)，其可与服务器建立连接，并可从服务器获取各种推荐信息，其使用者也可与第一类型用户端的使用者进行群组聊天、视频会议等。

第三是服务器，其中部署有智能客服，其可接收第一类型用户端的用户头部图像生成专属的当前用户海报图像，还可获取第二类型用户端的认知等级或当前阅读内容主题类型后向其推送相应的内容，也可将第一类型用户端与第二类型用户端通讯互联以进行在线视频会议。

其中，若第一类型用户端对应的使用者是企业兼职人员时，其可能是之前全职人员所转变的兼职人员，为了更好的通过服务器向其提供各种信息服务，此时可以先在服务器本地根据该企业兼职人员的历史数据(如销售数据、员工级别数据、员工在职企业活动数据等)，以及基于历史数据进行关键词提取及标签转换之后，得到与该企业兼职人员对应的第一类型用户画像。

S120、根据所述第一类型用户画像在本地的语音语料库筛选对应的第一语音数据，将所述第一语音数据发送至第一类型用户端。

在本实施例中，当已知了第一类型用户端对应的第一类型用户画像后，由于服务器本地存储有多种类型的语音数据，每一类型的语音数据针对一大类型的用户进行语音交。例如所述第一类型用户画像对应的标签是工作年限超5年和专业技能熟练，则可以在语音预料库中筛选与这两个标签有映射关系的目标语音数据。之后将目标语音数据作为第一语音数据发送至第一类型用户端。

其中，所述第一语音数据中包括多条子语音数据，每一条子语音数据对应一句话。所述第一语音数据发送至第一类型用户端较佳的是全文发送，当第一类型用户端的使用者(也就是企业兼职人员在被招募成功之前的状态)在收听了所述第一语音数据被引导招募后，可以与服务器对应的智能客服进一步进行在线文字或语音的沟通，从而引导实现自动招募过程。由于所述第一语音数据是基于所述第一类型用户画像对应筛选得到，故推送的第一语音数据更加精准。

在一实施例中，步骤S120之后还包括：

若检测到第一类型用户端对应的同意加群指令，与所述第一类型用户端对应的第一用户虚拟角色组成初始社群群组。

在本实施例中，为了使服务器中的智能客服更加方便的向第一类型用户端发送推荐信息，可以由智能客服对应的虚拟角色以及所述第一类型用户端对应的第一用户虚拟角色组成初始社群群组。这样，智能客服能够定时的筛选信息发送至该初始社群群组，第一类型用户端的使用者点击初始社群群组中的信息即可直观查看并转发至其他终端。

S130、若检测到第一类型用户端根据所述第一语音数据对应发送的用户头部图像，将所述用户头部图像依次进行人脸检测、人像分割和人像优化处理，得到当前用户海报图像。

在本实施例中，当第一类型用户端的使用者接收到所述第一语音数据而与服务器对应的智能客服进行沟通之后，在第一类型用户端的使用者可以通过第一类型用户端的拍照摄像功能拍摄自身头部照片后上传至服务器，也即将用户头部图像发送至服务器。

为了对所述用户头部图像进行优化处理，可以依次进行人脸检测、人像分割和人像优化处理，得到当前用户海报图像。

其中，可以通过调用预先训练的MTCNN人脸检测模型(即多任务卷积神经网络模型)，将所述用户头部图像中的背景区域与头像区域进行划分，从而定位到用户头部图像中的头像区域。

之后，由于已通过人脸检测定位到用户头部图像中的头像区域，此时即可通过人像分割将用户头部图像中的头像区域从图中抠出，相当于删除了用户头部图像中背景区域且只保留了头像区域。

最后，通过调用服务器中存储的opencv中的双边滤波模型对头像区域进行美颜处理后，得到美颜后用户头部图像。之后还可以调用服务器中本地存储的海报模板，并将美颜后用户头部图像的图层置于海报模板的图层之上，即得到当前用户海报图像。通过这一方式，实现了用户海报的自动获取，避免了用户人工操作处理，提高了获取效率。

S140、若接收到目标用户信息和推荐信息类型集，获取本地已存储的与所述目标用户信息相对应的目标用户画像，根据所述目标用户画像获取与所述目标用户信息对应的关键词集合。

在本实施例中，第一类型用户端为了向第二类型用户端推荐信息时，第一类型用户端的使用者通过其用户账号登录服务器中对应的智能客服系统时，在该智能客服系统的UI界面(即用户交互界面)上展示的用户清单中选定用户(可能是只选定一个用户，或者是选定多个用户)，将所选的用户作为目标用户(也即第二类型用户端的使用者)，获取各目标用户分别对应的目标用户信息。其中，所述目标用户信息包括用户姓名、用户手机号码等。在用户清单中所选定的目标用户，则是之后需发送推荐信息的目标用户。

完成了目标用户的选定之后，还需要选定推荐信息类型，例如可以从图片、文章、视频这几种类型中选定任意一种或多种，这样在服务器的信息推荐系统中即可按照选定的推荐信息类型推荐内容数据至目标用户。

为了更精准的向目标用户推送内容数据，此时可以先在服务器的本地存储的用户数据库中，获取与所述目标用户信息相对应的目标用户画像。

由于所述目标用户信息中包括用户姓名和用户手机号码，故根据所述目标用户信息可以确定唯一用户及其对应的目标用户画像。目标用户画像是基于实际应用场景(如针对产品A的消费者所得到的用户画像)而抽取出来的强相关性用户标签，这些用户标签可以理解为多个关键词，这样即可根据用户画像获取对应的由用户标签组成的关键词集合。

在一实施例中，步骤S140包括：

获取所述目标用户画像中包括的初始关键词集合，从所述初始关键词集合中筛选性别标签、年龄标签、地区标签、收入标签及用户行为标签分别对应的标签值，以组成与所述目标用户信息对应的关键词集合。

在本实施例中，由于目标用户画像中包括的用户标签对应的关键词较多，不一定每一项用户标签都是第一类型用户端的使用者所需要的核心关键词，此时可以调用服务器中预先配置的核心标签筛选策略，以实现从所述初始关键词集合中筛选性别标签、年龄标签、地区标签、收入标签及用户行为标签分别对应的标签值，由上述标签值集合组成一个关键词集合。例如由男士、中年、深圳、中等收入、关注国际热门新闻这5个标签值组成关键词集合。

S150、根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的推荐子信息集，将所述推荐子信息集填充至调用的数据容器中，以得到待推荐信息数据，将所述待推荐信息数据发送至与所述目标用户信息相对应的第二类型用户端。

在本实施例中，当获取了目标用户信息对应的关键词集合后，由于之前也设定了推荐信息类型集，此时可以在服务器的本地内容库中根据所述关键词集合和所述推荐信息类型集筛选获取对应的推荐子信息集。

例如，在服务器的本地内容库(可以理解为数据中台)中可以划分为3大类型的内容库：一是图片库；二是文章库；三是视频库。如果用户A设置的推荐信息类型中包括图片和文章，则以所述关键词集合分别在图片库中和文章库中筛选获取对应的推荐子信息，从而组成推荐子信息集。

其中，所述推荐子信息集中包括的信息类型个数与所述推荐信息类型集中推荐信息类型个数相同，而且所述推荐子信息集中包括的信息类型与所述推荐信息类型集中推荐信息类型相同。

例如，以由男士、中年、深圳、中等收入、关注国际热门新闻这5个标签值组成关键词集合，及用户A设置的推荐信息类型中包括图片和文章为例来说明，以男士、中年、深圳、中等收入、关注国际热门新闻这5个用户标签为关键词先在图片库中搜索目标图片(这些目标图片都打有标签，若某一目标图片具有的标签与男士、中年、深圳、中等收入、关注国际热门新闻这5个用户标签相同)，则由目标图片组成初始筛选图片推荐集。同样的，以男士、中年、深圳、中等收入、关注国际热门新闻这5个用户标签为关键词先在文章库中搜索目标文章(这些目标文章都打有标签，若某一目标文章具有的标签与男士、中年、深圳、中等收入、关注国际热门新闻这5个用户标签相同)，则由目标文章组成初始筛选文章推荐集。通过这一基于用户画像的内容筛选，可以使得推荐内容更加精准。

在一实施例中，步骤S150中所述根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的推荐子信息集，包括：

以所述关键词集合中各关键词及推荐信息类型集为筛选条件，在本地内容库中获取初始筛选图片推荐集、初始筛选文章推荐集和初始筛选视频推荐集；

获取所述初始筛选图片推荐集中图片点击量值排名未超出预设的排名阈值对应的筛选图片，以组成推荐图片集；

获取所述初始筛选文章推荐集中文章阅读量值排名未超出预设的排名阈值对应的筛选文章，以组成推荐文章集；

获取所述初始筛选视频推荐集中视频播放量值排名未超出预设的排名阈值对应的筛选视频，以组成推荐视频集；

由所述推荐图片集、所述推荐文章集及所述推荐视频集组成推荐子信息集。

在本实施例中，为了更加快速和精准的检索图片集、文章集和视频集，可先以所述关键词集合中各关键词及推荐信息类型集为筛选条件，在本地内容库中获取初始筛选图片推荐集、初始筛选文章推荐集和初始筛选视频推荐集。例如，所述设置的推荐信息类型集包括图片和文章，则初始筛选图片推荐集、初始筛选文章推荐集不为空集，而初始筛选视频推荐集为空集。

为了推荐关注度和事件热点更高的图片、文章和视频至目标用户，此时可以获取所述初始筛选图片推荐集中图片点击量值排名未超出所述排名阈值(所述排名阈值可以设置为3)对应的筛选图片，获取所述初始筛选文章推荐集中文章阅读量值排名未超出所述排名阈值对应的筛选文章，获取所述初始筛选视频推荐集中视频播放量值排名未超出所述排名阈值对应的筛选视频，通过筛选出的推荐图片集、推荐文章集及推荐视频集组成推荐子信息集。通过这一方式，减少了推荐内容的数量，避免太多推荐内容堆叠导致用户查看不方便。

在一实施例中，步骤S150中所述将所述推荐子信息集填充至调用的数据容器中，以得到待推荐信息数据，包括：

预先创建数据为空的空白卡片容器；

获取所述推荐子信息集中所包括的推荐子信息的总个数；

在所述空白卡片容器中创建与所述总个数有相同个数的子卡片区域；

将每一子卡片区域中填充一个推荐子信息，得到当前卡片；

在所述当前卡片中每一子卡片区域均对应自动增加埋点，得到待推荐信息数据。

在本实施例中，由于之前基于用户画像筛选出推荐子信息集，若以零散的内容推送至用户端，用户不方便查看这些推荐子信息集。为了更将集中的将推荐子信息集归集在一个集中区域，可以将所述推荐子信息集填充至调用的数据容器中，通过数据容器作为载体装载上述推荐子信息集。这样将装载有内容数据的数据容器发送至用户端时，用户可以打开该数据容器集中查看服务器本次推送的数据。

为了更好的聚合内容数据，可以选卡片容器作为载体来装载推荐子信息集。卡片，可以理解为服务器提供的一种UI界面上的组件，其可以作为容器方便地展示不同数据元素(如图片、文章、视频)组成的内容。先创建空白卡片容器，之后统计推荐子信息集中所包括的推荐子信息的总个数，这一总个数确定了要将所述空白卡片容器划分为多少个子卡片区域，最后将每一每一子卡片区域中填充一个推荐子信息，得到当前卡片。

为了增加数据采集功能，还需在所述当前卡片中每一子卡片区域均对应自动增加埋点，得到待推荐信息数据。这样当接收到卡片式的待推荐信息数据的用户端，每点击一个子卡片区域产生的行为数据，均会回传至服务器中与该待推荐信息数据对应划分的存储区域。这样服务器中每推送一个待推荐信息数据至用户端，用户端中产生的行为数据回传，形成了一个闭环的数据处理过程。

具体实施时，所述空白卡片容器中还可以多创建一个子卡片区域用于容纳推荐产品信息集，这样形成一个内容推荐和产品推荐的复合功能卡片，用户能获取更多数据内容。

当在服务器中完成了待推荐信息数据的生成后，可以自动转发至与所述目标用户信息相对应的第二类型用户端。第二类型用户端的使用者可以点击该待推荐信息数据方便的查看信息。

S160、若检测到与所述待推荐信息数据对应的触发指令，将引导信息发送至第二类型用户端。

在本实施例中，由于所述待推荐信息数据中设置了多个埋点，可以实时获取第二类型用户端的使用者在查看所述待推荐信息数据中的各个信息时是否满足预设的触发条件(例如累计点击同一视频、文章或图片超过3次时，则满足触发条件)，若满足触发条件则由第二类型用户端产生触发指令并发送至服务器。服务器在检测到与所述待推荐信息数据对应的触发指令，将引导信息发送至第二类型用户端。这样通过发送引导信息的方式，可以有助于用户理解当前信息。

S170、接收所述第二类型用户端根据所述引导信息发送的引导反馈信息，将所述引导反馈消息进行存储。

在本实施例中，第二类型用户端根据所述引导信息对应进行操作后(如点击界面上的确定选项或选择其他设定的选项时)，可以产生与所述所述引导信息对应的引导反馈信息。此时将引导反馈信息发送至服务器，即可记录第二类型用户端的使用者针对引导信息所作出的反馈。

在一实施例中，步骤S170之后还包括：

若检测到第二类型用户端对应的同意加群指令，与所述第一类型用户端对应的第一用户虚拟角色和所述第二类型用户端对应的第二用户虚拟角色组成社群群组；

根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的第一群组推荐子信息集，将所述第一群组推荐子信息集发送至所述社群群组。

在本实施例中，之前步骤S120之后的步骤中是第一类型用户端与服务器组成初始社群群组。为了使服务器中的智能客服更加方便的向第一类型用户端和第二类型用户端同时发送推荐信息，可以由智能客服对应的虚拟角色与所述第一类型用户端对应的第一用户虚拟角色和所述第二类型用户端对应的第二用户虚拟角色组成社群群组。这样，智能客服能够定时的筛选信息发送至该社群群组，第一类型用户端的使用者和第二类型用户端的使用者均可点击社群群组中的信息。

为了更加精准的向第二类型用户端推送信息，此时可以参考如步骤S150中的方式根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的第一群组推荐子信息集，之后将该第一群组推荐子信息集发送至所述社群群组。具体实施时，仍可参考由推荐子信息集生成待推荐信息数据的方式，由该第一群组推荐子信息集生成聚合卡片式的第一群组待推荐信息数据后推送至社群群组。

在一实施例中，所述根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的第一群组推荐子信息集，将所述第一群组推荐子信息集发送至所述社群群组的步骤之后还包括：

根据所述社群群组发送的与所述群组推荐子信息集对应的点击信息集合、用户个人反馈信息及所调用的知识认知得分统计策略，获取与所述第二类型用户端对应的客户标签。

在本实施例中，当第二类型用户端的使用者点击查看了该群组推荐子信息集后，会产生对应的点击信息(例如点击查看某一篇文章或图片，即可增加对某一领域的认知)，而且点击了某一群组推荐子信息后还对应反馈了用户个人反馈信息(如家庭住址、家属姓名，家属电话号码等)，或者是点击了某一群组推荐子信息中的关键网页链接跳转网页后，这些行为数据采集后，结合所调用的知识认知得分统计策略，即可计算获取第二类型用户端对应的用户得分，还能根据该第二类型用户端对应的用户得分对应转化为客户标签。

在一实施例中，步骤S170之后还包括：

根据所述点击信息集合及所述客户标签在本地内容库中筛选获取对应的第二群组推荐子信息集，将所述第二群组推荐子信息集发送至所述社群群组。

在本实施例中，由于第二类型用户端的使用者在不断的查看所述社群群组中第一群组推荐子信息集后，会不断积累知识认知得分，从而更新客户标签，这样为了更加个性化和精准的向第二类型用户端推送信息，可以根据所述点击信息集合及所述客户标签在本地内容库中筛选获取对应的第二群组推荐子信息集，将所述第二群组推荐子信息集发送至所述社群群组。

例如，所述点击信息集合对应的点击频次最高的是意外险知识介绍文章，且客户标签对应是老客户，此时可以根据意外险和老客户这两个用户标签在本地内容库中筛选获取对应的第二群组推荐子信息集，将所述第二群组推荐子信息集发送至所述社群群组。

在一实施例中，步骤S170之后还包括：

若检测到与第二类型用户端对应的在线视频会议邀请请求，与所述第一类型用户端和所述第二类型用户端均建立通讯连接以进行在线视频。

在本实施例中，当第二类型用户端的使用者需要与第一类型用户端的使用者进行在线视频沟通时，此时可以由第二类型用户端的使用者直接在所述社群群组对应的UI界面上点击申请在线视频会议的虚拟按钮，即触发了在线视频会议邀请请求。当服务器检测到了与第二类型用户端对应的在线视频会议邀请请求，与所述第一类型用户端和所述第二类型用户端均建立通讯连接以进行在线视频。这样，通过在线视频会议的方式，便于双方进行沟通。

该方法实现了向第一类型用户端和第二类型用户端将均可推荐信息，而且推荐内容分更加精准。

本发明实施例还提供一种基于AI的推荐信息生成装置，该基于AI的推荐信息生成装置用于执行前述基于AI的推荐信息生成方法的任一实施例。具体地，请参阅图3，图3是本发明实施例提供的基于AI的推荐信息生成装置的示意性框图。该基于AI的推荐信息生成装置100可以配置于服务器中。

如图3所示，基于AI的推荐信息生成装置100包括：第一画像获取单元110、第一语音数据生成单元120、当前海报生成单元130、关键词集合获取单元140、待推荐信息发送单元150、引导信息发送单元160、引导反馈信息存储单元170。

第一画像获取单元110，若接收到第一类型用户联系指令，获取第一类型用户端对应的第一类型用户画像。

在本实施例中，若第一类型用户端对应的使用者是企业兼职人员时，其可能是之前全职人员所转变的兼职人员，为了更好的通过服务器向其提供各种信息服务，此时可以先在服务器本地根据该企业兼职人员的历史数据(如销售数据、员工级别数据、员工在职企业活动数据等)，以及基于历史数据进行关键词提取及标签转换之后，得到与该企业兼职人员对应的第一类型用户画像。

第一语音数据生成单元120，用于根据所述第一类型用户画像在本地的语音语料库筛选对应的第一语音数据，将所述第一语音数据发送至第一类型用户端。

在本实施例中，当已知了第一类型用户端对应的第一类型用户画像后，由于服务器本地存储有多种类型的语音数据，每一类型的语音数据针对一大类型的用户进行语音交。例如所述第一类型用户画像对应的标签是工作年限超5年和专业技能熟练，则可以在语音预料库中筛选与这两个标签有映射关系的目标语音数据。之后将目标语音数据作为第一语音数据发送至第一类型用户端。

其中，所述第一语音数据中包括多条子语音数据，每一条子语音数据对应一句话。所述第一语音数据发送至第一类型用户端较佳的是全文发送，当第一类型用户端的使用者(也就是企业兼职人员在被招募成功之前的状态)在收听了所述第一语音数据被引导招募后，可以与服务器对应的智能客服进一步进行在线文字或语音的沟通，从而引导实现自动招募过程。由于所述第一语音数据是基于所述第一类型用户画像对应筛选得到，故推送的第一语音数据更加精准。

在一实施例中，基于AI的推荐信息生成装置100还包括：

初始社群群组生成单元，用于若检测到第一类型用户端对应的同意加群指令，与所述第一类型用户端对应的第一用户虚拟角色组成初始社群群组。

在本实施例中，为了使服务器中的智能客服更加方便的向第一类型用户端发送推荐信息，可以由智能客服对应的虚拟角色以及所述第一类型用户端对应的第一用户虚拟角色组成初始社群群组。这样，智能客服能够定时的筛选信息发送至该初始社群群组，第一类型用户端的使用者点击初始社群群组中的信息即可直观查看并转发至其他终端。

当前海报生成单元130，用于若检测到第一类型用户端根据所述第一语音数据对应发送的用户头部图像，将所述用户头部图像依次进行人脸检测、人像分割和人像优化处理，得到当前用户海报图像。

在本实施例中，当第一类型用户端的使用者接收到所述第一语音数据而与服务器对应的智能客服进行沟通之后，在第一类型用户端的使用者可以通过第一类型用户端的拍照摄像功能拍摄自身头部照片后上传至服务器，也即将用户头部图像发送至服务器。

为了对所述用户头部图像进行优化处理，可以依次进行人脸检测、人像分割和人像优化处理，得到当前用户海报图像。

其中，可以通过调用预先训练的MTCNN人脸检测模型(即多任务卷积神经网络模型)，将所述用户头部图像中的背景区域与头像区域进行划分，从而定位到用户头部图像中的头像区域。

之后，由于已通过人脸检测定位到用户头部图像中的头像区域，此时即可通过人像分割将用户头部图像中的头像区域从图中抠出，相当于删除了用户头部图像中背景区域且只保留了头像区域。

最后，通过调用服务器中存储的opencv中的双边滤波模型对头像区域进行美颜处理后，得到美颜后用户头部图像。之后还可以调用服务器中本地存储的海报模板，并将美颜后用户头部图像的图层置于海报模板的图层之上，即得到当前用户海报图像。通过这一方式，实现了用户海报的自动获取，避免了用户人工操作处理，提高了获取效率。

关键词集合获取单元140，用于若接收到目标用户信息和推荐信息类型集，获取本地已存储的与所述目标用户信息相对应的目标用户画像，根据所述目标用户画像获取与所述目标用户信息对应的关键词集合。

在本实施例中，第一类型用户端为了向第二类型用户端推荐信息时，第一类型用户端的使用者通过其用户账号登录服务器中对应的智能客服系统时，在该智能客服系统的UI界面(即用户交互界面)上展示的用户清单中选定用户(可能是只选定一个用户，或者是选定多个用户)，将所选的用户作为目标用户(也即第二类型用户端的使用者)，获取各目标用户分别对应的目标用户信息。其中，所述目标用户信息包括用户姓名、用户手机号码等。在用户清单中所选定的目标用户，则是之后需发送推荐信息的目标用户。

完成了目标用户的选定之后，还需要选定推荐信息类型，例如可以从图片、文章、视频这几种类型中选定任意一种或多种，这样在服务器的信息推荐系统中即可按照选定的推荐信息类型推荐内容数据至目标用户。

为了更精准的向目标用户推送内容数据，此时可以先在服务器的本地存储的用户数据库中，获取与所述目标用户信息相对应的目标用户画像。

由于所述目标用户信息中包括用户姓名和用户手机号码，故根据所述目标用户信息可以确定唯一用户及其对应的目标用户画像。目标用户画像是基于实际应用场景(如针对产品A的消费者所得到的用户画像)而抽取出来的强相关性用户标签，这些用户标签可以理解为多个关键词，这样即可根据用户画像获取对应的由用户标签组成的关键词集合。

在一实施例中，关键词集合获取单元140还用于：

获取所述目标用户画像中包括的初始关键词集合，从所述初始关键词集合中筛选性别标签、年龄标签、地区标签、收入标签及用户行为标签分别对应的标签值，以组成与所述目标用户信息对应的关键词集合。

在本实施例中，由于目标用户画像中包括的用户标签对应的关键词较多，不一定每一项用户标签都是第一类型用户端的使用者所需要的核心关键词，此时可以调用服务器中预先配置的核心标签筛选策略，以实现从所述初始关键词集合中筛选性别标签、年龄标签、地区标签、收入标签及用户行为标签分别对应的标签值，由上述标签值集合组成一个关键词集合。例如由男士、中年、深圳、中等收入、关注国际热门新闻这5个标签值组成关键词集合。

待推荐信息发送单元150，用于根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的推荐子信息集，将所述推荐子信息集填充至调用的数据容器中，以得到待推荐信息数据，将所述待推荐信息数据发送至与所述目标用户信息相对应的第二类型用户端。

在本实施例中，当获取了目标用户信息对应的关键词集合后，由于之前也设定了推荐信息类型集，此时可以在服务器的本地内容库中根据所述关键词集合和所述推荐信息类型集筛选获取对应的推荐子信息集。

例如，在服务器的本地内容库(可以理解为数据中台)中可以划分为3大类型的内容库：一是图片库；二是文章库；三是视频库。如果用户A设置的推荐信息类型中包括图片和文章，则以所述关键词集合分别在图片库中和文章库中筛选获取对应的推荐子信息，从而组成推荐子信息集。

其中，所述推荐子信息集中包括的信息类型个数与所述推荐信息类型集中推荐信息类型个数相同，而且所述推荐子信息集中包括的信息类型与所述推荐信息类型集中推荐信息类型相同。

例如，以由男士、中年、深圳、中等收入、关注国际热门新闻这5个标签值组成关键词集合，及用户A设置的推荐信息类型中包括图片和文章为例来说明，以男士、中年、深圳、中等收入、关注国际热门新闻这5个用户标签为关键词先在图片库中搜索目标图片(这些目标图片都打有标签，若某一目标图片具有的标签与男士、中年、深圳、中等收入、关注国际热门新闻这5个用户标签相同)，则由目标图片组成初始筛选图片推荐集。同样的，以男士、中年、深圳、中等收入、关注国际热门新闻这5个用户标签为关键词先在文章库中搜索目标文章(这些目标文章都打有标签，若某一目标文章具有的标签与男士、中年、深圳、中等收入、关注国际热门新闻这5个用户标签相同)，则由目标文章组成初始筛选文章推荐集。通过这一基于用户画像的内容筛选，可以使得推荐内容更加精准。

在一实施例中，待推荐信息发送单元150包括：

初筛单元，用于以所述关键词集合中各关键词及推荐信息类型集为筛选条件，在本地内容库中获取初始筛选图片推荐集、初始筛选文章推荐集和初始筛选视频推荐集；

推荐图片集获取单元，用于获取所述初始筛选图片推荐集中图片点击量值排名未超出预设的排名阈值对应的筛选图片，以组成推荐图片集；

推荐文章集获取单元，用于获取所述初始筛选文章推荐集中文章阅读量值排名未超出预设的排名阈值对应的筛选文章，以组成推荐文章集；

推荐视频集获取单元，用于获取所述初始筛选视频推荐集中视频播放量值排名未超出预设的排名阈值对应的筛选视频，以组成推荐视频集；

推荐子信息集获取单元，用于由所述推荐图片集、所述推荐文章集及所述推荐视频集组成推荐子信息集。

在本实施例中，为了更加快速和精准的检索图片集、文章集和视频集，可先以所述关键词集合中各关键词及推荐信息类型集为筛选条件，在本地内容库中获取初始筛选图片推荐集、初始筛选文章推荐集和初始筛选视频推荐集。例如，所述设置的推荐信息类型集包括图片和文章，则初始筛选图片推荐集、初始筛选文章推荐集不为空集，而初始筛选视频推荐集为空集。

为了推荐关注度和事件热点更高的图片、文章和视频至目标用户，此时可以获取所述初始筛选图片推荐集中图片点击量值排名未超出所述排名阈值(所述排名阈值可以设置为3)对应的筛选图片，获取所述初始筛选文章推荐集中文章阅读量值排名未超出所述排名阈值对应的筛选文章，获取所述初始筛选视频推荐集中视频播放量值排名未超出所述排名阈值对应的筛选视频，通过筛选出的推荐图片集、推荐文章集及推荐视频集组成推荐子信息集。通过这一方式，减少了推荐内容的数量，避免太多推荐内容堆叠导致用户查看不方便。

在一实施例中，待推荐信息发送单元150包括：

空白卡片创建单元，用于预先创建数据为空的空白卡片容器；

子信息个数统计单元，用于获取所述推荐子信息集中所包括的推荐子信息的总个数；

子卡片区域创建单元，用于在所述空白卡片容器中创建与所述总个数有相同个数的子卡片区域；

当前卡片获取单元，用于将每一子卡片区域中填充一个推荐子信息，得到当前卡片；

埋点增加单元，用于在所述当前卡片中每一子卡片区域均对应自动增加埋点，得到待推荐信息数据。

在本实施例中，由于之前基于用户画像筛选出推荐子信息集，若以零散的内容推送至用户端，用户不方便查看这些推荐子信息集。为了更将集中的将推荐子信息集归集在一个集中区域，可以将所述推荐子信息集填充至调用的数据容器中，通过数据容器作为载体装载上述推荐子信息集。这样将装载有内容数据的数据容器发送至用户端时，用户可以打开该数据容器集中查看服务器本次推送的数据。

为了更好的聚合内容数据，可以选卡片容器作为载体来装载推荐子信息集。卡片，可以理解为服务器提供的一种UI界面上的组件，其可以作为容器方便地展示不同数据元素(如图片、文章、视频)组成的内容。先创建空白卡片容器，之后统计推荐子信息集中所包括的推荐子信息的总个数，这一总个数确定了要将所述空白卡片容器划分为多少个子卡片区域，最后将每一每一子卡片区域中填充一个推荐子信息，得到当前卡片。

为了增加数据采集功能，还需在所述当前卡片中每一子卡片区域均对应自动增加埋点，得到待推荐信息数据。这样当接收到卡片式的待推荐信息数据的用户端，每点击一个子卡片区域产生的行为数据，均会回传至服务器中与该待推荐信息数据对应划分的存储区域。这样服务器中每推送一个待推荐信息数据至用户端，用户端中产生的行为数据回传，形成了一个闭环的数据处理过程。

具体实施时，所述空白卡片容器中还可以多创建一个子卡片区域用于容纳推荐产品信息集，这样形成一个内容推荐和产品推荐的复合功能卡片，用户能获取更多数据内容。

当在服务器中完成了待推荐信息数据的生成后，可以自动转发至与所述目标用户信息相对应的第二类型用户端。第二类型用户端的使用者可以点击该待推荐信息数据方便的查看信息。

引导信息发送单元160，用于若检测到与所述待推荐信息数据对应的触发指令，将引导信息发送至第二类型用户端。

在本实施例中，由于所述待推荐信息数据中设置了多个埋点，可以实时获取第二类型用户端的使用者在查看所述待推荐信息数据中的各个信息时是否满足预设的触发条件(例如累计点击同一视频、文章或图片超过3次时，则满足触发条件)，若满足触发条件则由第二类型用户端产生触发指令并发送至服务器。服务器在检测到与所述待推荐信息数据对应的触发指令，将引导信息发送至第二类型用户端。这样通过发送引导信息的方式，可以有助于用户理解当前信息。

引导反馈信息存储单元170，用于接收所述第二类型用户端根据所述引导信息发送的引导反馈信息，将所述引导反馈消息进行存储。

在本实施例中，第二类型用户端根据所述引导信息对应进行操作后(如点击界面上的确定选项或选择其他设定的选项时)，可以产生与所述所述引导信息对应的引导反馈信息。此时将引导反馈信息发送至服务器，即可记录第二类型用户端的使用者针对引导信息所作出的反馈。

在一实施例中，基于AI的推荐信息生成装置100还包括：

社群群组组成单元，用于若检测到第二类型用户端对应的同意加群指令，与所述第一类型用户端对应的第一用户虚拟角色和所述第二类型用户端对应的第二用户虚拟角色组成社群群组；

第一群组推荐子信息集发送单元，用于根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的第一群组推荐子信息集，将所述第一群组推荐子信息集发送至所述社群群组。

在本实施例中，之前是第一类型用户端与服务器组成初始社群群组。为了使服务器中的智能客服更加方便的向第一类型用户端和第二类型用户端同时发送推荐信息，可以由智能客服对应的虚拟角色与所述第一类型用户端对应的第一用户虚拟角色和所述第二类型用户端对应的第二用户虚拟角色组成社群群组。这样，智能客服能够定时的筛选信息发送至该社群群组，第一类型用户端的使用者和第二类型用户端的使用者均可点击社群群组中的信息。

为了更加精准的向第二类型用户端推送信息，此时可以参考如步骤S150中的方式根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的第一群组推荐子信息集，之后将该第一群组推荐子信息集发送至所述社群群组。具体实施时，仍可参考由推荐子信息集生成待推荐信息数据的方式，由该第一群组推荐子信息集生成聚合卡片式的第一群组待推荐信息数据后推送至社群群组。

在一实施例中，基于AI的推荐信息生成装置100还包括：

客户标签更新单元，用于根据所述社群群组发送的与所述群组推荐子信息集对应的点击信息集合、用户个人反馈信息及所调用的知识认知得分统计策略，获取与所述第二类型用户端对应的客户标签。

在本实施例中，当第二类型用户端的使用者点击查看了该群组推荐子信息集后，会产生对应的点击信息(例如点击查看某一篇文章或图片，即可增加对某一领域的认知)，而且点击了某一群组推荐子信息后还对应反馈了用户个人反馈信息(如家庭住址、家属姓名，家属电话号码等)，或者是点击了某一群组推荐子信息中的关键网页链接跳转网页后，这些行为数据采集后，结合所调用的知识认知得分统计策略，即可计算获取第二类型用户端对应的用户得分，还能根据该第二类型用户端对应的用户得分对应转化为客户标签。

在一实施例中，基于AI的推荐信息生成装置100还包括：

第二群组推荐子信息集发送单元，用于根据所述点击信息集合及所述客户标签在本地内容库中筛选获取对应的第二群组推荐子信息集，将所述第二群组推荐子信息集发送至所述社群群组。

在本实施例中，由于第二类型用户端的使用者在不断的查看所述社群群组中第一群组推荐子信息集后，会不断积累知识认知得分，从而更新客户标签，这样为了更加个性化和精准的向第二类型用户端推送信息，可以根据所述点击信息集合及所述客户标签在本地内容库中筛选获取对应的第二群组推荐子信息集，将所述第二群组推荐子信息集发送至所述社群群组。

例如，所述点击信息集合对应的点击频次最高的是意外险知识介绍文章，且客户标签对应是老客户，此时可以根据意外险和老客户这两个用户标签在本地内容库中筛选获取对应的第二群组推荐子信息集，将所述第二群组推荐子信息集发送至所述社群群组。

在一实施例中，基于AI的推荐信息生成装置100还包括：

视频连接单元，用于若检测到与第二类型用户端对应的在线视频会议邀请请求，与所述第一类型用户端和所述第二类型用户端均建立通讯连接以进行在线视频。

在本实施例中，当第二类型用户端的使用者需要与第一类型用户端的使用者进行在线视频沟通时，此时可以由第二类型用户端的使用者直接在所述社群群组对应的UI界面上点击申请在线视频会议的虚拟按钮，即触发了在线视频会议邀请请求。当服务器检测到了与第二类型用户端对应的在线视频会议邀请请求，与所述第一类型用户端和所述第二类型用户端均建立通讯连接以进行在线视频。这样，通过在线视频会议的方式，便于双方进行沟通。

该装置实现了向第一类型用户端和第二类型用户端将均可推荐信息，而且推荐内容分更加精准。

上述基于AI的推荐信息生成装置可以实现为计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。

请参阅图4，图4是本发明实施例提供的计算机设备的示意性框图。该计算机设备500是服务器，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。

参阅图4，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。

该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行基于AI的推荐信息生成方法。

该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。

该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行基于AI的推荐信息生成方法。

该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图4中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现本发明实施例公开的基于AI的推荐信息生成方法。

本领域技术人员可以理解，图4中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图4所示实施例一致，在此不再赘述。

应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)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该处理器也可以是任何常规的处理器等。

在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本发明实施例公开的基于AI的推荐信息生成方法。

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，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，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。另外，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、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述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发明实施例方案的目的。

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，也可以是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。

所述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，可以存储在一个存储介质中。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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种基于AI的推荐信息生成方法，其特征在于，包括：

若接收到第一类型用户联系指令，获取第一类型用户端对应的第一类型用户画像；

根据所述第一类型用户画像在本地的语音语料库筛选对应的第一语音数据，将所述第一语音数据发送至第一类型用户端；

若检测到第一类型用户端根据所述第一语音数据对应发送的用户头部图像，将所述用户头部图像依次进行人脸检测、人像分割和人像优化处理，得到当前用户海报图像；

若接收到目标用户信息和推荐信息类型集，获取本地已存储的与所述目标用户信息相对应的目标用户画像，根据所述目标用户画像获取与所述目标用户信息对应的关键词集合；

根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的推荐子信息集，将所述推荐子信息集填充至调用的数据容器中，以得到待推荐信息数据，将所述待推荐信息数据发送至与所述目标用户信息相对应的第二类型用户端，以所述关键词集合中各关键词及推荐信息类型集为筛选条件，在本地内容库中获取初始筛选图片推荐集、初始筛选文章推荐集和初始筛选视频推荐集；获取所述初始筛选图片推荐集中图片点击量值排名未超出预设的排名阈值对应的筛选图片，以组成推荐图片集；获取所述初始筛选文章推荐集中文章阅读量值排名未超出预设的排名阈值对应的筛选文章，以组成推荐文章集；获取所述初始筛选视频推荐集中视频播放量值排名未超出预设的排名阈值对应的筛选视频，以组成推荐视频集；由所述推荐图片集、所述推荐文章集及所述推荐视频集组成推荐子信息集；

若检测到与所述待推荐信息数据对应的触发指令，将引导信息发送至第二类型用户端；以及

接收所述第二类型用户端根据所述引导信息发送的引导反馈信息，将所述引导反馈消息进行存储。

2.根据权利要求1所述的基于AI的推荐信息生成方法，其特征在于，还包括：

若检测到第二类型用户端对应的同意加群指令，与所述第一类型用户端对应的第一用户虚拟角色和所述第二类型用户端对应的第二用户虚拟角色组成社群群组；

根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的第一群组推荐子信息集，将所述第一群组推荐子信息集发送至所述社群群组。

3.根据权利要求2所述的基于AI的推荐信息生成方法，其特征在于，还包括：

根据所述社群群组发送的与所述群组推荐子信息集对应的点击信息集合、用户个人反馈信息及所调用的知识认知得分统计策略，获取与所述第二类型用户端对应的客户标签。

4.根据权利要求3所述的基于AI的推荐信息生成方法，其特征在于，还包括：

根据所述点击信息集合及所述客户标签在本地内容库中筛选获取对应的第二群组推荐子信息集，将所述第二群组推荐子信息集发送至所述社群群组。

5.根据权利要求1所述的基于AI的推荐信息生成方法，其特征在于，还包括：

若检测到与第二类型用户端对应的在线视频会议邀请请求，与所述第一类型用户端和所述第二类型用户端均建立通讯连接以进行在线视频。

6.根据权利要求1所述的基于AI的推荐信息生成方法，其特征在于，所述将所述推荐子信息集填充至调用的数据容器中，以得到待推荐信息数据，包括：

预先创建数据为空的空白卡片容器；

获取所述推荐子信息集中所包括的推荐子信息的总个数；

在所述空白卡片容器中创建与所述总个数有相同个数的子卡片区域；

将每一子卡片区域中填充一个推荐子信息，得到当前卡片；

在所述当前卡片中每一子卡片区域均对应自动增加埋点，得到待推荐信息数据。

7.一种基于AI的推荐信息生成装置，其特征在于，包括：

第一画像获取单元，用于若接收到第一类型用户联系指令，获取第一类型用户端对应的第一类型用户画像；

第一语音数据生成单元，用于根据所述第一类型用户画像在本地的语音语料库筛选对应的第一语音数据，将所述第一语音数据发送至第一类型用户端；

当前海报生成单元，用于若检测到第一类型用户端根据所述第一语音数据对应发送的用户头部图像，将所述用户头部图像依次进行人脸检测、人像分割和人像优化处理，得到当前用户海报图像；

关键词集合获取单元，用于若接收到目标用户信息和推荐信息类型集，获取本地已存储的与所述目标用户信息相对应的目标用户画像，根据所述目标用户画像获取与所述目标用户信息对应的关键词集合；

待推荐信息发送单元，用于根据所述关键词集合和所述推荐信息类型集在本地内容库中筛选获取对应的推荐子信息集，将所述推荐子信息集填充至调用的数据容器中，以得到待推荐信息数据，将所述待推荐信息数据发送至与所述目标用户信息相对应的第二类型用户端；

引导信息发送单元，用于若检测到与所述待推荐信息数据对应的触发指令，将引导信息发送至第二类型用户端；以及

引导反馈信息存储单元，用于接收所述第二类型用户端根据所述引导信息发送的引导反馈信息，将所述引导反馈消息进行存储；

所述待推荐信息发送单元还用于以所述关键词集合中各关键词及推荐信息类型集为筛选条件，在本地内容库中获取初始筛选图片推荐集、初始筛选文章推荐集和初始筛选视频推荐集；获取所述初始筛选图片推荐集中图片点击量值排名未超出预设的排名阈值对应的筛选图片，以组成推荐图片集；获取所述初始筛选文章推荐集中文章阅读量值排名未超出预设的排名阈值对应的筛选文章，以组成推荐文章集；获取所述初始筛选视频推荐集中视频播放量值排名未超出预设的排名阈值对应的筛选视频，以组成推荐视频集；由所述推荐图片集、所述推荐文章集及所述推荐视频集组成推荐子信息集。

8.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，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6中任一项所述的基于AI的推荐信息生成方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至6任一项所述的基于AI的推荐信息生成方法。