CN112417310B - 建立智能服务索引以及推荐智能服务的方法 - Google Patents

Abstract

本发明提供一种建立智能服务索引的方法，应用于服务器端，包括：根据用户的标识信息，分别获取所述用户在社交应用的多个社交功能中所产生的行为数据；根据所述社交功能与所述行为数据之间的对应关系，建立用户数据集；获取多个智能服务的属性数据，并根据所述智能服务与所述属性数据之间的对应关系，建立服务数据集；分别计算所述用户数据集中多个行为数据与所述服务数据集中多个属性数据之间的语义相似度，并根据语义相似度的计算结果，建立包含多个社交功能以及与其匹配的智能服务的智能服务索引。本发明还提供一种推荐智能服务的方法，应用于服务器端和终端，其能够根据预先建立的智能服务索引实现智能服务的推荐，从而提升推荐效率及准确性。

Description

建立智能服务索引以及推荐智能服务的方法

【技术领域】

本发明涉及信息处理技术领域，尤其涉及一种建立智能服务索引以及推荐智能服务的方法、设备和计算机存储介质。

【背景技术】

随着移动应用技术的快速发展，移动应用中所封装的功能也越来越丰富。而一些能够自动辨识用户需求并能够满足其需求的智能服务，例如chatbot(聊天机器人)服务，用户使用的越来越频繁。但当智能服务扩张到一定量级时，用户需要从大量的智能服务中去找到其所需要的智能服务，因此查询效率较低，用户的使用成本较高。

【发明内容】

有鉴于此，本发明提供了一种建立智能服务索引以及推荐智能服务的方法、设备和计算机存储介质，能够降低用户的使用成本，提升智能服务的查询效率以及查询准确性。

本发明为解决技术问题所采用的技术方案是提供一种建立智能服务索引的方法，应用于与社交应用对应的服务器端，所述方法包括：根据用户的标识信息，分别获取所述用户在社交应用的多个社交功能中所产生的行为数据；根据所述社交功能与所述行为数据之间的对应关系，建立用户数据集；获取多个智能服务的属性数据，并根据所述智能服务与所述属性数据之间的对应关系，建立服务数据集；分别计算所述用户数据集中多个行为数据与所述服务数据集中多个属性数据之间的语义相似度，并根据语义相似度的计算结果，建立包含多个社交功能以及与其匹配的智能服务的智能服务索引。

本发明为解决技术问题所采用的技术方案是提供一种推荐智能服务的方法，应用于与社交应用对应的服务器端，所述方法包括：接收由终端发送的社交功能的标识信息；确定智能服务索引中与所述社交功能的标识信息相匹配的智能服务将所确定的智能服务作为推荐结果发送至终端；其中，所述智能服务索引是预先建立的。

本发明为解决技术问题所采用的技术方案是提供一种推荐智能服务的方法，应用于终端，所述方法包括：当获取到用户触发推荐智能服务的操作时，将用户当前使用的社交功能的标识信息发送至服务器端；获取服务器端发送的推荐结果，并将所获取的推荐结果向用户进行展示。

相比于现有技术中只提供了通过智能服务的名称进行字符串匹配的方式进行智能服务的发现，本发明根据用户的行为数据以及智能服务的属性数据，建立能够根据用户所使用的社交功能向用户进行智能服务推荐的智能服务索引，从而降低用户的使用成本，提升智能服务的查询效率以及查询准确性。

【附图说明】

图1为本发明一实施例提供的在服务器端执行的建立智能服务索引的方法流程图；

图2为本发明一实施例提供的在服务器端执行的推荐智能服务的方法流程图；

图3为本发明一实施例提供的在终端执行的推荐智能服务的方法流程图；

图4为本发明一实施例提供的计算机系统/服务器的框图。

【具体实施方式】

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

图1为本发明一实施例提供的在服务器端执行的建立智能服务索引的方法流程图，如图1中所示，所述方法包括：

在101中，根据用户的标识信息，分别获取所述用户在社交应用的多个社交功能中所产生的行为数据。

在本步骤中，服务器端根据用户的标识信息，分别获取当前用户在相应的社交应用的多个社交功能中所产生的行为数据。其中，本步骤所获取的行为数据为记录有当前用户在使用该社交应用的不同社交功能时，例如进行聊天、点击、浏览或者发布信息等主观行为的数据。

可以理解的是，本发明中的服务器端与某个社交应用相对应，即不同的服务器端对应于不同的社交应用。举例来说，若本步骤中的服务器端为对应于社交应用A的服务器端，则本步骤根据用户的标识信息，所获取的便是用户在社交应用A的多个社交功能中所产生的行为数据。

在本步骤中，服务器端可以通过日志文件来获取用户的行为数据，该日志文件中记录有在不同社交功能中所采集到的用户的行为数据。

另外，用户的标识信息可以为用户的ID、昵称或者UID等信息，其用于标识用户的身份。而本步骤中用户的标识信息可以为用户通过终端发送至服务器端的，也可以为服务器端通过其所存储的用户注册信息来自行获取的。本发明对获取用户的标识信息的方式不进行限定。

所述服务器端可以包括支持网络连接从而提供各种网络服务的硬件设备或软件。当服务器端包括硬件时，其可以实现成多个网络设备组成的分布式设备群，也可以实现成单个网络设备，如实现成分布式服务器或单个服务器。当服务器端包括软件时，可以安装在上述所列举的网络设备中。这时，作为软件，其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

所述终端可以是能够通过网络访问所述服务器端的各种电子装置，其可以实现为硬件设备或软件。当终端包括硬件时，其可包括但不限于智能手机、平板电脑、电子书阅读器、智能穿戴设备、膝上型便携计算机和台式计算机等等。当终端包括软件时，可以安装在上述各种硬件中，并可以实现为单个或多个软件模块。

在102中，根据所述社交功能与所述行为数据之间的对应关系，建立用户数据集。

在本步骤中，根据社交应用中多个社交功能与步骤101中所获取的行为数据之间的对应关系，建立用户数据集。其中，所建立的用户数据集中包含多个社交功能的标识信息及其对应的行为数据。也就是说，本步骤按照社交功能的不同对所获取的行为数据进行分组存储，从而得到用户数据集。

具体地，本步骤在根据社交功能与行为数据之间的对应关系建立用户数据集时，可以采用以下方式：分别标注多个社交功能的标识信息；根据多个社交功能的标识信息，将与多个社交功能对应的行为数据分别进行存储，从而建立得到用户数据集。

其中，本步骤在分别标注多个社交功能的标识信息时，可以分别对多个社交功能进行编号，从而将社交功能的编号作为社交功能的标识信息；也可以直接将多个社交功能的名称标注为多个社交功能的标识信息。

举例来说，若社交应用A中有“私聊”、“群聊”以及“朋友圈”这3个社交功能，则服务器端可以首先将三个社交功能分别编号为F1、F2以及F3，然后由服务器端将在“私聊”中产生的行为数据为D1存储在F1下，将在“群聊”中产生的行为数据D2存储在F2下，将在“朋友圈”中产生的行为数据D2存储在F3下，则本步骤所建立的用户数据集可以为{F1：D1}、{F2：D2}以及{F3：D3}。

另外，本步骤在根据社交功能与行为数据之间的对应关系建立用户数据集之后，还可以包括以下内容：对用户数据集中的行为数据进行特征提取，将提取结果作为各行为数据所对应的特征数据；分别利用所得到的特征数据替换用户数据集中相对应的行为数据。本步骤通过对用户的行为数据进行特征提取，使得提取得到的特征数据能够更加准确地反映用户在不同的社交功能中的社交行为特点。

举例来说，若所建立的用户数据集为{F1：D1}、{F2：D2}以及{F3：D3}，分别对用户数据集中的行为数据D1、D2以及D3进行特征提取，若提取得到的特征数据分别为T1、T2以及T3，则本步骤最终所构建的用户数据集为{F1：T1}、{F2：T2}以及{F3：T3}。

在103中，获取多个智能服务的属性数据，并根据所述智能服务与所述属性数据之间的对应关系，建立服务数据集。

在本步骤中，服务器端首先获取多个智能服务的属性数据，然后根据多个智能服务与所获取的多个智能服务的属性数据之间的对应关系，建立服务数据集。其中，所建立的服务数据集中包含多个智能服务的标识信息及其对应的属性数据。也就是说，本步骤按照智能服务的不同将所获取的属性数据进行分组存储，从而得到服务数据集。

可以理解的是，智能服务为能够自动辨识用户需求并能够满足其需求的服务。优选地，本发明中所涉及到的智能服务为聊天机器人服务。

具体地，本步骤中所获取的多个智能服务的属性数据包括多个智能服务的功能名称、功能描述以及所属类别等数据。上述智能服务的属性数据，会由多个智能服务在接入服务端进行上线时同时提交。

另外，本步骤在根据智能服务与智能服务的属性数据之间的对应关系建立服务数据集时，可以采用以下方式：分别标注多个智能服务的标识信息；根据多个智能服务的标识信息，将与多个智能服务对应的属性数据分别进行存储，从而建立得到服务数据集。

其中，本步骤在分别标注多个智能服务的标识信息时，可以分别对多个智能服务进行编号，从而将智能服务的编号作为智能服务的标识信息；也可以直接将多个智能服务的名称标注为多个智能服务的标识信息。

举例来说，若当前接入服务器端的智能服务分别有“天气智能服务”、“新闻智能服务”以及“理财智能服务”，则服务器端可以首先将这3个智能服务分别编号为bot1、bot2以及bot3，然后由服务器端将“天气智能服务”的属性数据为D4存储在bot1下，将“新闻智能服务”的属性数据D5存储在bot2下，将“理财智能服务”的属性数据D6存储在bot3下，则本步骤所建立的服务数据集可以为{bot1：D4}、{bot2：D5}以及{bot3：D6}。

在104中，分别计算所述用户数据集中多个行为数据与所述服务数据集中多个属性数据之间的语义相似度，并根据语义相似度的计算结果，建立包含多个社交功能以及与其匹配的智能服务的智能服务索引。

在本步骤中，根据步骤102所建立的用户数据集以及步骤103所建立的服务数据集，分别计算用户数据集中多个行为数据与服务数据集中多个属性数据之间的语义相似度，并根据语义相似度的计算结果，建立包含多个社交功能以及与其匹配的智能服务的智能服务索引。其中，本步骤使用通用的计算方法来计算行为数据与属性数据之间的语义相似度。通过本步骤所建立的该智能服务索引，能够获取与每个社交功能最匹配的智能服务。

其中，本步骤在根据语义相似度的计算结果，建立包含多个社交功能以及与其匹配的智能服务的智能服务索引时，可以采用以下方式：确定行为数据以及属性数据之间语义相似度的计算结果是否超过预设阈值，若是，则将该属性数据对应的智能服务确定为与该行为数据对应的社交功能相匹配的智能服务，否则不将该属性数据对应的智能服务确定为与该行为数据对应的社交功能相匹配的智能服务。

举例来说，若用户数据集为{F1：D1}、{F2：D2}以及{F3：D3}，若服务数据集为{bot1：D4}、{bot2：D5}以及{bot3：D6}，若计算D1与D4之间的语义相似度小于预设阈值，则不将智能服务bot1作为与社交功能F1匹配的智能服务，若计算D1与D5之间的语义相似度大于预设阈值，则将智能服务bot2作为与社交功能F1匹配的智能服务。

另外，本步骤在根据语义相似度的计算结果，建立包含多个社交功能以及与其匹配的智能服务的智能服务索引时，还可以采用以下方式：分别获取用户数据集中同一个行为数据与服务数据集中多个属性数据之间的语义相似度；按照从大到小的顺序将语义相似度的计算结果进行排序，并将排在前N位的属性数据对应的智能服务确定为与该行为数据对应的社交功能相匹配的智能服务，其中N为大于等于1的正整数。

举例来说，若用户数据集为{F1：D1}、{F2：D2}以及{F3：D3}，若服务数据集为{bot1：D4}、{bot2：D5}以及{bot3：D6}，若分别计算D1与D4、D5以及D6得到的语义相似度为0.4、0.2以及0.6，若N为2，则将bot1以及bot3作为与社交功能F1相匹配的智能服务。

可以理解的是，若步骤102进行了对用户行为数据的特征提取，则本步骤在分别计算用户数据集中多个行为数据与服务数据集中多个属性数据之间的语义相似度时，便分别计算用户数据集中多个特征数据与服务数据集中多个属性数据之间的语义相似度。

通过上述步骤，服务器最终得到包含有多个社交应用以及与其匹配的智能服务的智能服务索引，通过该智能服务索引，能够得到与每个社交功能相匹配的智能服务。举例来说，本步骤所得到的智能服务索引可以为{F1：bot1，bot2；F2：bot1，bot3；F3：bot2，bot3}，即表明与社交功能F1对应的智能服务为bot1和bot2，与社交功能F2对应的智能服务为bot1和bot3，与社交功能F3对应的智能服务为bot2和bot3。

图2为本发明一实施例提供的在服务器端执行的推荐智能服务的方法流程图，如图2中所示：

在201中，接收由终端发送的社交功能的标识信息。

在本步骤中，服务器端接收由终端发送的社交功能的标识信息，所接收的社交功能的标识信息用于表明当前用户正在使用的社交应用的社交功能。

另外，本步骤中的服务器端还能够进一步接收由终端所发送的用户的输入信息，例如用户当前在终端设备的社交功能中所输入的字符串。

在202中，确定预先建立的智能服务索引中与所述社交功能的标识信息相匹配的智能服务。

在本步骤中，利用预先建立的智能服务索引，确定与步骤201中所接收到的社交功能的标识信息相匹配的智能服务，从而将所确定的智能服务作为推荐结果发送至终端。

可以理解的是，若步骤201还获取了用户的输入信息，则本步骤在确定预先建立的智能服务索引中与社交功能的标识信息相匹配的智能服务之后，还可以进一步包括：获取与所确定的智能服务对应的属性数据，例如可以通过所建立的服务数据集进行获取；计算输入信息与所确定的智能服务对应的属性数据之间的语义相似度；根据语义相似度的计算结果对所确定的智能服务进行筛选，将筛选得到的智能服务作为推荐结果。

其中，本步骤在根据语义相似度的计算结果对所确定的智能服务进行筛选时，可以将语义相似度的计算结果大于预设阈值的智能服务作为推荐结果；也可以按照从大到小的顺序对语义相似度的计算结果进行排序，并将排在前M位的智能服务作为推荐结果，其中M为大于等于1的正整数。

在203中，将所确定的智能服务作为推荐结果发送至终端。

在本步骤中，将步骤202所确定的智能服务作为推荐结果发送至终端，以用于终端将所确定的智能服务向用户进行展示，从而便于用户从中选择更为合适的智能服务进行使用。

而为了能够使用户清楚多个智能服务的作用，本步骤还可以进一步将作为推荐结果的智能服务对应的属性数据一同发送至终端，从而更加有利于用户进行选择。

图3为本发明一实施例提供的在终端执行的推荐智能服务的方法流程图，如图3中所示：

在301中，当获取到用户触发推荐智能服务的操作时，将用户当前使用的社交功能的标识信息发送至服务器端。

在本步骤中，若获取用户触发推荐智能服务的操作时，首先获取用户当前使用的社交功能的标识信息，例如获取用户当前使用的社交功能的名称或者编号，然后将所获取的社交功能的标识信息发送至服务器端。

其中，用户触发推荐智能服务的操作可以为用户输入特殊字符，例如用户输入@或者/字符；也可以为用户点击触发推荐智能服务的功能按钮；还可以为用户发出触发推荐智能服务的语音指令。本发明对此不进行限定。

另外，本步骤还可以进一步获取用户在使用社交功能时所输入的输入信息，并将所获取的输入信息一同发送至服务器端。

在302中，获取服务器端发送的推荐结果，并将所获取的推荐结果向用户进行展示。

在本步骤中，获取服务器端发送的推荐结果，并将所获取的推荐结果向用户进行展示。用户基于在终端上所展示的推荐结果进行选择，从而得到适合用户当前社交功能的智能服务。

可以理解的是，若服务器端还同时发送了多个推荐结果所对应的属性数据，例如智能服务的功能描述，则终端还会将各推荐结果的属性数据一同进行展示，从而更加有利于用户的选择。

本步骤在将推荐结果向用户进行展示之后，根据用户从多个推荐结果中的选择，确定用户所要使用的智能服务，从而由终端向服务器端发送请求，以开启该智能服务向用户提供相应的服务。

若本步骤从服务器端仅接收到1个推荐结果，则本步骤无需将该推荐结果向用户进行展示，直接向服务器端发送请求开启该智能服务的功能，从而向用户提供相应的服务。

图4示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图4显示的计算机系统/服务器012仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于：一个或者多个处理器或者处理单元016，系统存储器028，连接不同系统组件(包括系统存储器028和处理单元016)的总线018。

总线018表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器028可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统034可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块042的程序/实用工具040，可以存储在例如存储器028中，这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。

计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信，在本发明中，计算机系统/服务器012与外部雷达设备进行通信，还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信，和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且，计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白，尽管图3中未示出，可以结合计算机系统/服务器012使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元016通过运行存储在系统存储器028中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的方法流程。

上述的计算机程序可以设置于计算机存储介质中，即该计算机存储介质被编码有计算机程序，该程序在被一个或多个计算机执行时，使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。例如，被上述一个或多个处理器执行本发明实施例所提供的方法流程。

随着时间、技术的发展，介质含义越来越广泛，计算机程序的传播途径不再受限于有形介质，还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

利用本发明所提供的技术方案，根据用户的行为数据以及智能服务的属性数据，建立能够根据用户所使用的社交功能向用户进行智能服务推荐的智能服务索引，进而根据所建立的该智能服务索引实现向用户进行智能服务推荐的目的，从而降低了用户的使用成本，提升了智能服务的查询效率以及查询准确性。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，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，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

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，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、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较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (18)

1.一种建立智能服务索引的方法，应用于与社交应用对应的服务器端，其特征在于，所述方法包括：

根据用户的标识信息，分别获取所述用户在社交应用的多个社交功能中所产生的行为数据；

根据所述社交功能与所述行为数据之间的对应关系，建立用户数据集；

获取多个智能服务的属性数据，并根据所述智能服务与所述属性数据之间的对应关系，建立服务数据集；

分别计算所述用户数据集中多个行为数据与所述服务数据集中多个属性数据之间的语义相似度，并根据语义相似度的计算结果，建立包含多个社交功能以及与其匹配的智能服务的智能服务索引。

2.根据权利要求1所述的方法，其特征在于，所述根据所述社交功能与所述行为数据之间的对应关系，建立用户数据集包括：

分别标注多个社交功能的标识信息；

根据所述多个社交功能的标识信息，将与多个社交功能对应的行为数据分别进行存储，从而建立得到用户数据集。

3.根据权利要求1所述的方法，其特征在于，所述根据所述社交功能与所述行为数据之间的对应关系，建立用户数据集之后，还包括：

对所述用户数据集中的多个行为数据进行特征提取，将提取结果作为多个行为数据对应的特征数据；

分别利用所得到的特征数据替换用户数据集中相对应的行为数据。

4.根据权利要求1所述的方法，其特征在于，所述根据所述智能服务与所述属性数据之间的对应关系，建立服务数据集包括：

分别标注多个智能服务的标识信息；

根据所述多个智能服务的标识信息，将与多个智能服务对应的属性数据分别进行存储，从而建立得到服务数据集。

5.根据权利要求1所述的方法，其特征在于，所述根据语义相似度的计算结果，建立包含多个社交功能以及与其匹配的智能服务的智能服务索引包括：

确定所述行为数据以及属性数据之间的语义相似度的计算结果是否超过预设阈值；

若是，则将该属性数据对应的智能服务确定为与该行为数据对应的社交功能匹配的智能服务，否则不将该属性数据对应的智能服务确定为与该行为数据对应的社交功能匹配的智能服务。

6.根据权利要求1所述的方法，其特征在于，所述根据语义相似度的计算结果，建立包含多个社交功能以及与其匹配的智能服务的智能服务索引包括：

分别获取所述用户数据集中同一个行为数据与所述服务数据集中多个属性数据之间的语义相似度；

按照从大到小的顺序将语义相似度的计算结果进行排序，并将排在前N位的属性数据对应的智能服务确定为与该行为数据对应的社交功能匹配的智能服务，其中N为大于等于1的正整数。

7.根据权利要求3所述的方法，其特征在于，所述分别计算所述用户数据集中多个行为数据与所述服务数据集中多个属性数据之间的语义相似度包括：

分别计算所述用户数据集中多个特征数据与所述服务数据集中多个属性数据之间的语义相似度。

8.一种推荐智能服务的方法，应用于与社交应用对应的服务器端，其特征在于，所述方法包括：

接收由终端发送的社交功能的标识信息；

确定智能服务索引中与所述社交功能的标识信息相匹配的智能服务；

将所确定的智能服务作为推荐结果发送至终端；

其中，所述智能服务索引是根据权利要求1～7中任一项预先建立的。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

接收由终端发送的用户的输入信息。

10.根据权利要求9所述的方法，其特征在于，在确定智能服务索引中与所述社交功能的标识信息相匹配的智能服务之后，还包括：

获取与所确定的智能服务对应的属性数据；

计算所述输入信息与所确定的智能服务对应的属性数据之间的语义相似度；

根据语义相似度的计算结果，对所确定的智能服务进行筛选，将筛选得到的智能服务作为推荐结果。

11.根据权利要求10所述的方法，其特征在于，所述根据语义相似度的计算结果，对所确定的智能服务进行筛选包括：

将语义相似度的计算结果大于预设阈值的智能服务作为推荐结果；或者

按照从大到小的顺序对语义相似度的计算结果进行排序，并将排在前M位的语义相似度的计算结果所对应的智能服务作为推荐结果，其中M为大于等于1的正整数。

12.根据权利要求8所述的方法，其特征在于，所述方法还包括：

将作为推荐结果的智能服务对应的属性数据发送至终端。

13.一种推荐智能服务的方法，应用于终端，其特征在于，所述方法包括：

当获取到用户触发推荐智能服务的操作时，将用户当前使用的社交功能的标识信息发送至服务器端；

获取服务器端发送的推荐结果，并将所获取的推荐结果向用户进行展示；

其中，服务器端执行上述权利要求8～12中任一项所述的方法。

14.根据权利要求13所述的方法，其特征在于，所述方法还包括：

获取用户的输入信息，并将所获取的输入信息发送至服务器端。

15.根据权利要求13所述的方法，其特征在于，在将所获取的推荐结果向用户进行展示之后，还包括：

根据用户的选择，确定用户所要使用的智能服务；

向服务器端发送请求，以开启该智能服务向用户提供相应的服务。

16.根据权利要求13所述的方法，其特征在于，所述方法还包括：

若从服务器端仅接收到1个推荐结果，则无需向用户进行展示，直接向服务器端发送请求，以开启该智能服务向用户提供相应的服务。

17.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-16中任一所述的方法。

18.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-16中任一所述的方法。