CN112581297A - 基于人工智能的信息推送方法、装置及计算机设备 - Google Patents
基于人工智能的信息推送方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN112581297A CN112581297A CN202011509313.1A CN202011509313A CN112581297A CN 112581297 A CN112581297 A CN 112581297A CN 202011509313 A CN202011509313 A CN 202011509313A CN 112581297 A CN112581297 A CN 112581297A
- Authority
- CN
- China
- Prior art keywords
- information
- user terminal
- customer
- voice information
- voice
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 35
- 238000002372 labelling Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 125000004122 cyclic group Chemical group 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 7
- 230000002452 interceptive effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Databases & Information Systems (AREA)
- Technology Law (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人工智能的信息推送方法、装置及计算机设备,该方法包括:若接收到用户终端发送的请求信息,获取用户终端的场景类型;若为多个客户参与的场景,接收用户终端发送的第一语音信息并获取多个客户中每一客户的客户信息;将每一客户的客户信息输入到风险评级模型中,得到每一客户的评分信息;根据每一客户的评分信息向用户终端推送相匹配的服务信息;若为多个代理人参与的场景,接收用户终端发送的第二语音信息;获取用户终端处发送第二语音信息的用户信息;根据用户信息以及第二语音信息获取向用户终端推送相匹配的服务信息。本发明基于人工智能技术,通过上述方法实现了在多人互动场景下进行智能推送服务,提高了推送的准确率。
Description
技术领域
本发明涉及人工智能技术,尤其涉及一种基于人工智能的信息推送方法、装置及计算机设备。
背景技术
随着计算机技术的飞速发展以及计算机终端的普及,人们越来越多的通过多人交互应用来进行交流活动,而且,人们对于多人交互应用的体验要求也越来越高,现有技术中的多人交互的音视频工具,由于平台性以及大众型,无法在特定领域进行广泛应用,例如,在进行保险销售环节,虽然可以使用大中型app来进行多人互动,但是仍然无法进行智能推送服务,极大的提高了人力成本。
发明内容
本发明实施例提供了一种基于人工智能的信息推送方法、装置及计算机设备,旨在解决现有保险业务中无法进行智能推送服务的问题。
第一方面,本发明实施例提供了一种基于人工智能的信息推送方法,其包括:
若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型;
若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息;
将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息;
根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息;
若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息;
根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息;
根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。
第二方面,本发明实施例提供了一种基于人工智能的信息推送装置,其包括:
第一接收单元,用于若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型;
第二接收单元,用于若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息;
第一输入单元,用于将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息;
第一获取单元,用于根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息;
第三接收单元,用于若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息;
第二获取单元,用于根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息;
第三获取单元,用于根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。
第三方面,本发明实施例又提供了一种计算机设备,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上述第一方面所述的基于人工智能的信息推送方法。
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人工智能的信息推送方法。
本发明实施例提供了一种基于人工智能的信息推送方法、装置及计算机设备,该方法应用于多人交互的AI场景,若接收到用户终端发送的请求信息,获取用户终端的场景类型;若为多个客户参与的场景,接收用户终端发送的第一语音信息并获取多个客户中每一客户的客户信息,将每一客户的客户信息输入到风险评级模型中,得到每一客户的评分信息并每一客户的评分信息向用户终端推送相匹配的服务信息;若为多个代理人参与的场景,接收用户终端发送的第二语音信息并获取用户终端处发送第二语音信息的用户信息,然后根据用户信息以及第二语音信息获取向用户终端推送相匹配的服务信息。通过上述方法实现了在多人互动场景下进行智能推送服务,提高了推送的准确率。
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人工智能的信息推送方法的流程示意图;
图2为本发明实施例提供的基于人工智能的信息推送装置的示意性框图;
图3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,图1为本发明实施例提供的基于人工智能的信息推送方法的流程示意图。本发明实施例的所述的基于人工智能的信息推送方法应用于终端设备中,该方法通过安装于终端设备中的应用软件进行执行。其中,终端设备为具备接入互联网功能的终端设备,例如台式电脑、笔记本电脑、平板电脑或手机等设备。
如图1所示,该方法包括步骤S110~S170。
S110、若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型。
若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型。具体的,所述请求信息为所述用户终端处的代理人进入多人互动场景时在用户终端处输入的指令信息,服务器在接收到所述请求信息后,便可获取所述用户终端当前所处的多人互动场景的类型。在本发明实施例中,所述用户终端的场景类型为多人互动场景类型,所述多人互动场景包括多个客户参与的场景和多个代理人参与的场景,所述用户终端在进入相应的场景前,代理人通过在用户终端的显示页面中点击相应的场景按钮,用户终端便可进入相应的场景。
S120、若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息。
若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息。具体的,所述第一语音信息为所述用户终端处的多个客户中任一客户发送的语音信息,所述第一语音信息中包含有所述用户终端处的多个客户中每一客户的客户信息,通过对所述第一语音信息进行语音识别,便可得到所述每一客户的客户信息。所述每一客户的客户信息包括客户的姓名、电话、工作类别、年收入、年龄以及学历等信息。
在其他发明实施例中,步骤S120包括子步骤S121和S122。
S121、将所述第一语音信息输入到预置的ASR系统中,得到所述第一语音信息的文本集。
将所述第一语音信息输入到预置的ASR系统中,得到所述第一语音信息的文本集。具体的,所述ASR系统用于语音识别并将语音信息转换为文本信息,所述用户终端在采集到所述第一语音信息后,所述ASR系统对所述第一语音信息进行语音识别后,便可将所述第一语音信息转换成所述第一语音信息的文本集。
S122、根据预置的分类识别模型对所述文本集中每条文本进行分类识别,得到所述每一客户的客户信息。
根据预置的分类识别模型对所述文本集中每条文本进行分类识别,得到所述每一客户的客户信息。具体的,所述文本分类识别模型为用于将所述文本集中每条文本进行分类识别,进而从所述每条文本中获取包含所述每一客户的客户信息。在本发明实施例中,通过将所述每条文本输入至预先训练好的卷积神经网络模型中进行特征提取,然后通过预先训练好的循环神经网络模型中进行分类识别,进而得到每条文本中的客户信息。
在其他发明实施例中,步骤S122包括子步骤S1221和S1222。
S1221、根据预设的标注规则对所述文本集中每条文本进行标注,得到标注后的文本集。
根据预设的标注规则对所述文本集中每条文本进行标注,得到标注后的文本集。具体的,所述标注规则为用于对文本进行标注以使得文本中的词语标注有词性标签的规则信息,通过将所述文本集中每条文本的词语进行词性标注,便可使得所述文本集中每一个词语标注有词性标签。
在其他发明实施例中,步骤S1221包括子步骤S12211和S12212。
S12211、将所述文本集中每条文本进行分词处理,得到所述文本集中的词语。
将所述文本集中每条文本进行分词处理,得到所述文本集中的词语。具体的,在对每条文本进行分词处理的过程中,采用所述基于字符串的分词方法中的逆向最大匹配法对每条文本进行分词处理,其分词过程为:设定预置的词典中最长词条所包含的汉字数量为L,从所述中文语句的字符串末尾开始处理。在每一次循环开始时,都取所述字符串最后的L个字作为处理对象,查找所述词典。若所述词典中存在这样的一个L字词,则匹配成功,所述处理对象则被作为一个词被切分;若不成功,则去掉该处理对象的第一个汉字,剩下的字符串作为新的处理对象,再次进行匹配,直到切分成功为止,即完成一轮匹配,切分出一个词,类此循环直至每条文本中的词语全部被切分出来为止。
S12212、对所述每条文本中的词语进行词性标注,得到所述标注后的文本集。
对所述每条文本中的词语进行词性标注,得到所述标注后的文本集。具体的,所述词性标注是指为对所述词语标注一个正确的词性的程序,也即确定所述词语是名词、动词、形容词或者其他词性的过程。所述词性为所述词语的语法属性,是依据词在组合中的语法功能确定的。汉语中的词语的语法属性包括名词、动词、形容词、数词、量词、代词、区别词、副词、介词、连词、助词、叹词、语气词、拟声词共十四类属性。具体的,在对所述每条文本中的词语进行词性标注的过程中首先对所述每条文本进行句法分析以确定所述每条文本中的词语在所述每条文本中的位置关系,根据词语在文本中的位置关系从预设的词性标注集获取词语的词性信息,然后根据BIES标注标准对词语进行标注。
S1222、将所述标注后的文本集输入到预置的卷积循环神经网络模型中进行分类识别,得到所述每一客户的客户信息。
将所述标注后的文本集输入到预置的卷积循环神经网络模型中进行分类识别,得到所述每一客户的客户信息。具体的,所述卷积循环神经网络模型为预先训练好且用于对所述标注后的文本集中每条文本进行分类识别,便可从每条文本中获取相应的客户信息。在本发明实施例中,所述卷积循环神经网络模型由一层卷积神经网络和两层循环神经网络模型组成,卷积层进行特征提取,循环层进行分类识别。
S130、将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息。
将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息。具体的,所述风险评级模型为已经训练好并用于对所述每一客户的投保资质进行评分的模型,通过将所述每一客户的客户信息分别输入到所述风险评级模型中,得到每一客户的评分信息,进而评估出客户大致的投保范围,降低用户的投保风险。所述风险评级模型可以为logistic回归风险评级模型、支持向量机风险评级模型(svm)、极端梯度提升风险评级模型(eXtreme Gradient Boosting,XGBoost)中的任意一种。
S140、根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息。
根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息。在本发明实施例中,所述服务信息为代理人需要向客户推送的险种信息,即所述第一数据库存储有服务客户的险种信息,每一阶段的评分对应不同的险种,通过所述每一客户的评分信息便可从所述第一数据库中获取符合每一客户的险种信息以完成对每一客户进行量身定制的险种并将该险种推送至所述用户终端处。
在其他发明实施例中,步骤S140包括子步骤S141和S142。
S141、若接收到所述多个客户中任一客户发送的提问信息,获取所述提问信息的语义信息。
若接收到所述多个客户中任一客户发送的提问信息,获取所述提问信息的语义信息。在本发明实施例中,采用预先训练好的BERT模型对所述多个客户中任一客户发送的提问信息的文本进行语义识别,便可得到所述提问信息的语义信息。
S142、根据所述语义信息从预设的第二数据库中获取与所述提问信息相匹配的答案信息。
根据所述语义信息从预设的第二数据库中获取与所述提问信息相匹配的答案信息。具体的,所述第二数据库存储有与所述提问信息相匹配的答案信息,通过所述提问信息的语义信息从所述第二数据库中搜索,便可从所述第二数据库中获得与所述提问信息相匹配的答案信息。
S150、若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息。
若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息。具体的,所述多个代理人参与的场景为多个代理人对任一客户进行讲解时的应用场景,所述第二语音信息为多个代理人中任一代理人发送的语音信息,用户终端在进入多个代理人参与的场景后,通过用户终端的语音采集器便可获取任一代理人发送的语音信息。
S160、根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息。
根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息。具体的,用户终端在接收到所述第二语音信息的同时录制当前的视频信息,进而便可获取发送所述第二语音信息的视频图像,通对所述视频图像进行人脸识别,便可得到发送所述第二语音信息的用户信息。
在其他发明实施例中,步骤S160包括子步骤S161、S162和S163。
S161、接收所述用户终端处发送的视频图像。
接收所述用户终端处发送的视频图像。具体的,所述视频图像为发送所述第二语音信息的代理人的视频图像。代理人在发送所述第二语音信息时,终端设备接收到所述第二语音信息后,通过采集含有该代理人的图像视频并从图像视频中获取该代理人的视频图像,然后对该视频图像进行目标识别,进而得到该代理人的身份信息,然后根据代理人的身份信息推送与该代理人相匹配的服务信息。
S162、根据预置的目标检测模型对所述视频图像进行目标检测,得到所述视频图像中的目标图像。
根据预置的目标检测模型对所述视频图像进行目标检测,得到所述视频图像中的目标图像。具体的,所述目标检测模型为用于对所述视频图像进行目标检测识别,以得到发送所述第二语音信息的代理人的图像信息,然后进行特征提取,进而根据该代理人的图像信息识别出该代理人的身份信息。
S163、根据所述目标图像获取所述第二语音信息的用户信息。
根据所述目标图像获取所述第二语音信息的用户信息。在本发明实施例中,采用预先训练好的深度残差神经网络对所述视频图像中代理人的特征信息进行特征提取,进而检测出该代理人的身份信息。
S170、根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。
根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。在本发明实施例中,与所述第二语音信息相匹配的服务信息为根据代理人的身份信息推送与该代理人相匹配并存储在预设的第二数据库中的服务信息,即所述第一数据库存储有服务客户的险种信息,通过所述用户信息以及所述第二语音信息的语义信息便可从所述第二数据库中获取与该代理人相匹配的服务信息。
在其他发明实施例中,步骤S170包括子步骤S171、S172和S173。
S171、将所述第二语音信息输入到所述ASR系统中,得到所述第二语音信息的文本。
S172、将所述第二语音信息的文本输入到预置的语言模型中,得到所述第二语音信息的语义信息。
将所述第二语音信息的文本输入到预置的语言模型中,得到所述第二语音信息的语义信息。具体的,所述语言模型为用于对所述第二语音信息的文本进行语义识别的模型信息,通常所述语言模型为encoder-decoder结构,其中encoder为编码器,decoder为解码器,在本发明实施例中,采用预先训练好的BERT模型对所述第二语音信息的文本进行语义识别,便可得到所述第二语音信息的语义信息。
S173、根据所述用户信息以及所述第二语音信息的语义信息获取多条与所述第二语音信息相匹配的服务信息。
根据所述用户信息以及所述第二语音信息的语义信息获取多条与所述第二语音信息相匹配的服务信息。具体的,若所述用户信息为实习代理人的用户信息,获取当前的定位信息并根据当前的定位信息获取周边的服务信息;若所述用户信息为正式代理人的用户信息,获取当前客户的客户信息,并根据所述客户信息获取与所述客户信息相匹配的服务信息。
在本发明实施例所提供的基于人工智能的信息推送方法中,通过若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型;若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息;将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息;根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息;若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息;根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息;根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。通过上述方法实现了在多人互动场景下进行智能推送服务,提高了推送的准确率。
本发明实施例还提供了一种基于人工智能的信息推送装置100,该装置用于执行前述基于人工智能的信息推送方法的任一实施例。具体地,请参阅图2,图2是本发明实施例提供的基于人工智能的信息推送装置100的示意性框图。
如图2所示,所述的基于人工智能的信息推送装置100,该装置包括第一接收单元110、第二接收单元120、第一输入单元130、第一获取单元140、第三接收单元150、第二获取单元160和第三获取单元170。
第一接收单元110,用于若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型。
第二接收单元120,用于若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息。
在其他发明实施例中,所述第二接收单元120包括:第二输入单元和分类单元。第二输入单元,用于将所述第一语音信息输入到预置的ASR系统中,得到所述第一语音信息的文本集。分类单元,用于根据预置的分类识别模型对所述文本集中每条文本进行分类识别,得到所述每一客户的客户信息。
在其他发明实施例中,所述分类单元包括:第一标注单元和第三输入单元。第一标注单元,用于根据预设的标注规则对所述文本集中每条文本进行标注,得到标注后的文本集;第三输入单元,用于将所述标注后的文本集输入到预置的卷积循环神经网络模型中进行分类识别,得到所述每一客户的客户信息。
在其他发明实施例中,所述第一标注单元包括:分词单元和第二标注单元。分词单元,用于将所述文本集中每条文本进行分词处理,得到所述文本集中的词语;第二标注单元,用于对所述每条文本中的词语进行词性标注,得到所述标注后的文本集。
第一输入单元130,用于将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息。
第一获取单元140,用于根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息。
在其他发明实施例中,所述第一获取单元包括:第四接收单元和第四获取单元。第四接收单元,用于若接收到所述多个客户中任一客户发送的提问信息,获取所述提问信息的语义信息;第四获取单元,用于根据所述语义信息从预设的第二数据库中获取与所述提问信息相匹配的答案信息。
第三接收单元150,用于若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息。
第二获取单元160,用于根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息。
在其他发明实施例中,所述第二获取单元160包括:第五接收单元、检测单元和第五获取单元。第五接收单元,用于接收所述用户终端处发送的视频图像;检测单元,用于根据预置的目标检测模型对所述视频图像进行目标检测,得到所述视频图像中的目标图像;第五获取单元,用于根据所述目标图像获取所述第二语音信息的用户信息。
第三获取单元170,用于根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。
在其他发明实施例中,所述第三获取单元170包括:第四输入单元、第五输入单元和第六获取单元。第四输入单元,用于将所述第二语音信息输入到所述ASR系统中,得到所述第二语音信息的文本;第五输入单元,用于将所述第二语音信息的文本输入到预置的语言模型中,得到所述第二语音信息的语义信息;第六获取单元,用于根据所述用户信息以及所述第二语音信息的语义信息获取多条与所述第二语音信息相匹配的服务信息。
本发明实施例所提供的基于人工智能的信息推送装置100用于执行上述用于若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型;若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息;将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息;根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息;若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息;根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息;根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。
请参阅图3,图3是本发明实施例提供的计算机设备的示意性框图。
参阅图3,该设备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执行基于人工智能的信息推送方法。
该处理器502用于提供计算和控制能力,支撑整个设备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执行基于人工智能的信息推送方法。
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3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设备500的限定,具体的设备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,以实现如下功能:若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型;若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息;将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息;根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息;若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息;根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息;根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。
本领域技术人员可以理解,图3中示出的设备500的实施例并不构成对设备500具体构成的限定,在其他实施例中,设备500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,设备500可以仅包括存储器及处理器502,在这样的实施例中,存储器及处理器502的结构及功能与图3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502、数字信号处理器502(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,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502可以是微处理器502或者该处理器502也可以是任何常规的处理器502等。
在本发明的另一实施例中提供计算机存储介质。该存储介质可以为非易失性的计算机可读存储介质。该存储介质存储有计算机程序5032,其中计算机程序5032被处理器502执行时实现以下步骤:若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型;若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息;将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息;根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息;若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息;根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息;根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。
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设备500(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 (10)
1.一种基于人工智能的信息推送方法,其特征在于,包括以下步骤:
若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型;
若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息;
将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息;
根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息;
若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息;
根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息;
根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。
2.根据权利要求1所述的基于人工智能的信息推送方法,其特征在于,所述根据所述第一语音信息获取所述多个客户中每一客户的客户信息,包括:
将所述第一语音信息输入到预置的ASR系统中,得到所述第一语音信息的文本集;
根据预置的分类识别模型对所述文本集中每条文本进行分类识别,得到所述每一客户的客户信息。
3.根据权利要求2所述的基于人工智能的信息推送方法,其特征在于,所述根据预置的分类识别模型对所述文本集中每条文本进行分类识别,得到所述每一客户的客户信息,包括:
根据预设的标注规则对所述文本集中每条文本进行标注,得到标注后的文本集;
将所述标注后的文本集输入到预置的卷积循环神经网络模型中进行分类识别,得到所述每一客户的客户信息。
4.根据权利要求3所述的基于人工智能的信息推送方法,其特征在于,所述根据预设的标注规则对所述文本集中每条文本进行标注,得到标注后的文本集,包括:
将所述文本集中每条文本进行分词处理,得到所述文本集中的词语;
对所述每条文本中的词语进行词性标注,得到所述标注后的文本集。
5.根据权利要求1所述的基于人工智能的信息推送方法,其特征在于,所述根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息,包括:
若接收到所述多个客户中任一客户发送的提问信息,获取所述提问信息的语义信息;
根据所述语义信息从预设的第二数据库中获取与所述提问信息相匹配的答案信息。
6.根据权利要求1所述的基于人工智能的信息推送方法,其特征在于,所述根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息,包括:
接收所述用户终端处发送的视频图像;
根据预置的目标检测模型对所述视频图像进行目标检测,得到所述视频图像中的目标图像;
根据所述目标图像获取所述第二语音信息的用户信息。
7.根据权利要求2所述的基于人工智能的信息推送方法,其特征在于,所述根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息,包括:
将所述第二语音信息输入到所述ASR系统中,得到所述第二语音信息的文本;
将所述第二语音信息的文本输入到预置的语言模型中,得到所述第二语音信息的语义信息;
根据所述用户信息以及所述第二语音信息的语义信息获取多条与所述第二语音信息相匹配的服务信息。
8.一种基于人工智能的信息推送装置,其特征在于,包括:
第一接收单元,用于若接收到用户终端发送的请求信息,根据所述请求信息获取所述用户终端的场景类型;
第二接收单元,用于若所述场景类型为多个客户参与的场景,接收所述用户终端发送的第一语音信息并根据所述第一语音信息获取所述多个客户中每一客户的客户信息;
第一输入单元,用于将所述每一客户的客户信息输入到预置的风险评级模型中,得到所述每一客户的评分信息;
第一获取单元,用于根据所述每一客户的评分信息从预设的第一数据库中获取与所述每一客户相匹配的服务信息并向所述用户终端推送与所述每一客户相匹配的服务信息;
第三接收单元,用于若所述场景类型为多个代理人参与的场景,接收所述用户终端发送的第二语音信息;
第二获取单元,用于根据所述第二语音信息获取所述用户终端处发送所述第二语音信息的用户信息;
第三获取单元,用于根据所述用户信息以及所述第二语音信息获取与所述第二语音信息相匹配的服务信息并向所述用户终端推送与所述第二语音信息相匹配的服务信息。
9.一种计算机设备,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7中任一项所述的基于人工智能的信息推送方法。
10.一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7任一项所述的基于人工智能的信息推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011509313.1A CN112581297B (zh) | 2020-12-18 | 2020-12-18 | 基于人工智能的信息推送方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011509313.1A CN112581297B (zh) | 2020-12-18 | 2020-12-18 | 基于人工智能的信息推送方法、装置及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581297A true CN112581297A (zh) | 2021-03-30 |
CN112581297B CN112581297B (zh) | 2024-03-12 |
Family
ID=75136164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011509313.1A Active CN112581297B (zh) | 2020-12-18 | 2020-12-18 | 基于人工智能的信息推送方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581297B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115423323A (zh) * | 2022-09-05 | 2022-12-02 | 浙江口碑网络技术有限公司 | 安全管理方法、装置、电子设备及计算机存储介质 |
WO2023029507A1 (zh) * | 2021-08-31 | 2023-03-09 | 康键信息技术(深圳)有限公司 | 基于数据分析的服务分发方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280762A (zh) * | 2018-01-19 | 2018-07-13 | 平安科技(深圳)有限公司 | 客户风险评级方法、服务器及计算机可读存储介质 |
CN109670111A (zh) * | 2018-12-20 | 2019-04-23 | 北京字节跳动网络技术有限公司 | 用于推送信息的方法和装置 |
CN110147445A (zh) * | 2019-04-09 | 2019-08-20 | 平安科技(深圳)有限公司 | 基于文本分类的意图识别方法、装置、设备及存储介质 |
CN110335595A (zh) * | 2019-06-06 | 2019-10-15 | 平安科技(深圳)有限公司 | 基于语音识别的插问对话方法、装置及存储介质 |
US20190324599A1 (en) * | 2018-04-18 | 2019-10-24 | Shiwei Li | Method, apparatus, and electronic device for displaying chat windows |
US20200007684A1 (en) * | 2018-06-29 | 2020-01-02 | Baidu Online Network Technology (Beijing) Co., Ltd. | Voice interaction method and apparatus for customer service |
CN111506805A (zh) * | 2020-03-18 | 2020-08-07 | 威比网络科技(上海)有限公司 | 语言课程信息推送方法、系统、电子设备和存储介质 |
-
2020
- 2020-12-18 CN CN202011509313.1A patent/CN112581297B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280762A (zh) * | 2018-01-19 | 2018-07-13 | 平安科技(深圳)有限公司 | 客户风险评级方法、服务器及计算机可读存储介质 |
US20190324599A1 (en) * | 2018-04-18 | 2019-10-24 | Shiwei Li | Method, apparatus, and electronic device for displaying chat windows |
US20200007684A1 (en) * | 2018-06-29 | 2020-01-02 | Baidu Online Network Technology (Beijing) Co., Ltd. | Voice interaction method and apparatus for customer service |
CN109670111A (zh) * | 2018-12-20 | 2019-04-23 | 北京字节跳动网络技术有限公司 | 用于推送信息的方法和装置 |
CN110147445A (zh) * | 2019-04-09 | 2019-08-20 | 平安科技(深圳)有限公司 | 基于文本分类的意图识别方法、装置、设备及存储介质 |
CN110335595A (zh) * | 2019-06-06 | 2019-10-15 | 平安科技(深圳)有限公司 | 基于语音识别的插问对话方法、装置及存储介质 |
CN111506805A (zh) * | 2020-03-18 | 2020-08-07 | 威比网络科技(上海)有限公司 | 语言课程信息推送方法、系统、电子设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023029507A1 (zh) * | 2021-08-31 | 2023-03-09 | 康键信息技术(深圳)有限公司 | 基于数据分析的服务分发方法、装置、设备及存储介质 |
CN115423323A (zh) * | 2022-09-05 | 2022-12-02 | 浙江口碑网络技术有限公司 | 安全管理方法、装置、电子设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112581297B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108829822B (zh) | 媒体内容的推荐方法和装置、存储介质、电子装置 | |
US9740677B2 (en) | Methods and systems for analyzing communication situation based on dialogue act information | |
CN110020424B (zh) | 合同信息的提取方法、装置和文本信息的提取方法 | |
US20160210279A1 (en) | Methods and systems for analyzing communication situation based on emotion information | |
US20220254507A1 (en) | Knowledge graph-based question answering method, computer device, and medium | |
CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
CN114580382A (zh) | 文本纠错方法以及装置 | |
CN110399473B (zh) | 为用户问题确定答案的方法和装置 | |
CN113821605B (zh) | 一种事件抽取方法 | |
CN110096599B (zh) | 知识图谱的生成方法及装置 | |
CN112668333A (zh) | 命名实体的识别方法和设备、以及计算机可读存储介质 | |
CN112581297B (zh) | 基于人工智能的信息推送方法、装置及计算机设备 | |
CN113158656A (zh) | 讽刺内容识别方法、装置、电子设备以及存储介质 | |
CN113239668B (zh) | 关键词智能提取方法、装置、计算机设备及存储介质 | |
CN117278675A (zh) | 一种基于意图分类的外呼方法、装置、设备及介质 | |
CN111783424A (zh) | 一种文本分句方法和装置 | |
CN114528851B (zh) | 回复语句确定方法、装置、电子设备和存储介质 | |
CN112989003B (zh) | 意图识别方法、装置、处理设备及介质 | |
CN115358817A (zh) | 基于社交数据的智能产品推荐方法、装置、设备及介质 | |
CN114610863A (zh) | 对话文本的推送方法及装置、存储介质、终端 | |
CN110276001B (zh) | 盘点页识别方法、装置、计算设备和介质 | |
CN112597295A (zh) | 摘要提取方法、装置、计算机设备和存储介质 | |
CN112579774A (zh) | 模型训练方法、模型训练装置及终端设备 | |
CN112541357A (zh) | 实体识别方法、装置及智能设备 | |
WO2020026229A2 (en) | Proposition identification in natural language and usage thereof |
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 |