CN113256395B - 基于推荐图网络的产品推荐方法、装置、设备及存储介质 - Google Patents
基于推荐图网络的产品推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113256395B CN113256395B CN202110698947.4A CN202110698947A CN113256395B CN 113256395 B CN113256395 B CN 113256395B CN 202110698947 A CN202110698947 A CN 202110698947A CN 113256395 B CN113256395 B CN 113256395B
- Authority
- CN
- China
- Prior art keywords
- insurance
- node
- graph network
- recommendation
- path
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000006243 chemical reaction Methods 0.000 claims abstract description 41
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 239000003795 chemical substances by application Substances 0.000 description 27
- 230000006854 communication Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- 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
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Technology Law (AREA)
- Bioinformatics & Computational Biology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例属于人工智能领域,涉及基于推荐图网络的产品推荐方法、装置、设备及存储介质,其中方法包括:获取待推荐的保险产品;根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点;再获取起始节点;在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径;根据所述路径输出所述保险产品的推荐引导话术。根据起始节点和目标节点在保险推荐图网络中对应的路径返回保险产品的推荐引导话术,提高了保险代理人在保险推荐过程中话题转换的流畅性,提高了保险推荐的效率。此外,本申请还涉及区块链技术,保险代理人与客户的对话语音可存储于区块链中。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及基于推荐图网络的产品推荐方法、装置、设备及存储介质。
背景技术
在当前的保险产品销售业务当中,主要的销售方式为通过保险代理人向客户推荐保险的方式进行保险的销售。而在保险代理人的业务人员当中,由于不同的保险代理人对于保险业务的熟悉程度不同、文化程度知识水平的不同,不同人的销售技巧口才等存在较大差异而以至于保险推荐销售的成单率也不同。
通常,向客户进行保险销售从一个和保险无关的话题开始,在这个过程当中逐渐将话题转向保险话题,激发客户购买保险的需求,最终实现产品的成交。从一种抽象角度来看,保险销售的过程可以视为了一个话题转换的过程。因此,如何辅助代理人更好地进行保险销售,提供更优质的保险销售话术等成为一个需要解决的问题。
发明内容
本申请实施例的目的在于提出基于推荐图网络的产品推荐方法、装置、设备及存储介质,以解决保险代理人在进行保险推荐时效率、成单率不高的问题。
为了解决上述技术问题,本申请实施例提供一种基于推荐图网络的产品推荐方法,采用了如下所述的技术方案:
获取待推荐的保险产品;
根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图;
获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点;
在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径;
根据所述路径输出所述保险产品的推荐引导话术。
进一步的,在所述根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图的步骤之前还包括:
获取历史保险推荐语料;
根据聚类算法提取所述历史保险推荐语料中的话题;
根据所述历史保险推荐语料,提取相邻话题间的话题转换话术;
根据所述话题的相邻关系将所有话题作为节点、相邻话题之间的话题转换话术作为边,构建保险推荐图网络。
进一步的,所述获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点的步骤之前,还包括:
获取保险代理人与客户的对话语音;
将所述对话语音进行语音到文字的转换,获得对应的文本;
将所述文本输入到预先训练的神经网络模型中进行话题预测,获得所述对话语音对应的话题;
根据所述话题遍历预先构建的保险推荐图网络,确定所述保险推荐图网络中与所述话题对应的节点为起始节点。
进一步的,其特征在于,所述在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径的步骤具体包括:
将所述起始节点设为中心节点;
遍历所述中心节点的相邻节点,当所述中心节点的相邻节点中不包含所述目标节点时,将所述相邻节点设为新的中心节点,遍历所述新的中心节点的相邻节点,直到相邻节点中包含所述目标节点时结束,得到从所述起始节点到所述目标节点的路径。
进一步的,所述预先构建的保险推荐图网络中的边记录有权重,所述从所述起始节点到所述目标节点的路径包含N条,N为大于1的正整数,所述根据所述路径输出所述保险产品的推荐引导话术的步骤具体包括:
根据所述保险推荐图网络中边的权重,分别计算每条所述路径的权重系数;
根据权重系数最大的路径返回所述保险产品的推荐引导话术。
进一步的,所述根据所述路径输出所述保险产品的推荐引导话术的步骤具体包括:
分别计算每条路径包含的节点数;
根据节点数最小的路径返回所述保险产品的推荐引导话术。
进一步的,在所述获取保险代理人与客户的对话语音的步骤之后,还包括:
将所述对话语音保存至区块链中。
为了解决上述技术问题,本申请实施例还提供一种基于推荐图网络的产品推荐装置,采用了如下所述的技术方案:
第一获取模块,用于获取待推荐的保险产品;
检索模块,用于根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图;
第二获取模块,用于获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点;
查询模块,用于在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径;
引导模块,用于根据所述路径输出所述保险产品的推荐引导话术。
进一步的,所述的基于推荐图网络的产品推荐装置,还包括:
第一获取子模块,用于获取历史保险推荐语料;
第一提取子模块,用于根据聚类算法提取所述历史保险推荐语料中的话题;
第二提取子模块,用于根据所述历史保险推荐语料,提取相邻话题间的话题转换话术;
构建模块,用于根据所述话题的相邻关系将所有话题作为节点、相邻话题之间的话题转换话术作为边,构建保险推荐图网络。
进一步的,所述的基于推荐图网络的产品推荐装置,还包括:
第二获取子模块,用于获取保险代理人与客户的对话语音;
第一转换子模块,用于将所述对话语音进行语音到文字的转换,获得对应的文本;
第一预测子模块,用于将所述文本输入到预先训练的神经网络模型中进行话题预测,获得所述对话语音对应的话题;
第一检索子模块,用于根据所述话题遍历预先构建的保险推荐图网络,确定所述保险推荐图网络中与所述话题对应的节点为起始节点。
进一步的,所述查询模块中包括:
第一设定子模块,用于将所述起始节点设为中心节点;
第一遍历子模块,用于遍历所述中心节点的相邻节点,当所述中心节点的相邻节点中不包含所述目标节点时,将所述相邻节点设为新的中心节点,遍历所述新的中心节点的相邻节点,直到相邻节点中包含所述目标节点时结束,得到从所述起始节点到所述目标节点的路径。
进一步的,所述预先构建的保险推荐图网络中的边记录有权重,所述从所述起始节点到所述目标节点的路径包含N条,N为大于1的正整数,所述引导模块中还包括:
第一计算子模块,用于根据所述保险推荐图网络中边的权重,分别计算每条所述路径的权重系数;
第一引导子模块,用于根据权重系数最大的路径返回所述保险产品的推荐引导话术。
进一步的,所述引导模块中还包括:
第二计算子模块,用于分别计算每条路径包含的节点数;
第二引导子模块,用于根据节点数最小的路径返回所述保险产品的推荐引导话术。
进一步的,所述基于推荐图网络的产品推荐装置还包括:
第一存储子模块,用于将所述对话语音保存至区块链中。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,存储器中存储有计算机可读指令,处理器执行计算机可读指令时实现如上述基于推荐图网络的产品推荐方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,计算机可读存储介质上存储有计算机可读指令,计算机可读指令被处理器执行时实现如上述基于推荐图网络的产品推荐方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:通过获取待推荐的保险产品;根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图;再获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点;在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径;根据所述路径输出所述保险产品的推荐引导话术。根据起始节点和目标节点在保险推荐图网络中对应的路径返回保险产品的推荐引导话术,提高了保险代理人在保险推荐过程中话题转换的流畅性,提高了保险推荐的效率。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的基于推荐图网络的产品推荐方法的一个实施例的流程图;
图3是图2中在步骤S202之前一种具体实施方式的流程图;
图4是根据本申请的基于推荐图网络的产品推荐装置的一个实施例的结构示意图;
图5是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备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。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、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。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的基于推荐图网络的产品推荐方法一般由服 务器/终端设备执行,相应地,基于推荐图网络的产品推荐装置一般设置于服务器/终端设 备中。
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基于推荐图网络的产品推荐的一个实施例的流程图。所述的基于推荐图网络的产品推荐方法,包括以下步骤:
步骤S201,获取待推荐的保险产品。
在本实施例中,基于推荐图网络的产品推荐方法运行于其上的电子设备(例如图1所示的服务器/终端设备)可以通过有线连接方式或者无线连接方式获取待推荐的保险产品。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
保险代理人在可交互的页面输入待向客户推荐的保险产品,可以通过在页面上设置输入框通过文字输入,也可以通过语音输入。
步骤S202,根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图。
在本实施例中,根据待推荐的保险产品遍历预先构建的保险推荐图网络,获取保险推荐图网络中与待推荐的保险产品对应的目标节点。预先构建的保险推荐图网络是一个从日常交流话题到保险推荐话题转换的有向图,图中的节点代表话题,边代表对应的话题转换话术。将待推荐的保险产品作为一个话题对应到保险推荐图网络中节点作为目标节点。具体地,保险推荐图网络的构建请参阅图3。
步骤S203,获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点。
在本实施例中,起始节点即当前保险代理人与客户交流的话题。可以通过保险代理人在可交互的界面上输入当前与客户交流的话题来获取保险推荐图网络中与当前话题对应的节点作为起始节点。也可以通过录制当前对话语音,通过人工智能分析当前对话的话题。
步骤S204,在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径。
在本实施例中,保险推荐图网络中,从起始节点到目标节点会存在多条路径,即多种话术方式。而为追求更为高效的产品销售效率,需要从当前话题更快的转换到保险产品推荐话题,体现在保险推荐图网络当中,即为寻找起始节点和目标节点之间的最短路径。因此,我们使用一种广度优先图网络搜索算法。具体步骤为:
将所述起始节点设为中心节点;
遍历所述中心节点的相邻节点,当所述中心节点的相邻节点中不包含所述目标节点时,将所述相邻节点设为新的中心节点,遍历所述新的中心节点的相邻节点,直到相邻节点中包含所述目标节点时结束,得到从所述起始节点到所述目标节点的路径。
从起始节点出发,将起始节点设为中心节点,向外层进行节点搜索,遍历距离中心节点为1的节点,即遍历中心节点的相邻节点,如果未找到目标节点,以距离中心节点为1的节点继续向外搜索距离为1的节点,即将所有的相邻节点分别设为新的中心节点,遍历新的中心节点的相邻节点,直到找到目标节点为止。可以同时存储已经被遍历的节点,在进行一次新的遍历之前,跳过已经被遍历过的节点,可以节省遍历的处理时间。
步骤S205,根据所述路径输出所述保险产品的推荐引导话术。
在本实施例中,从起始节点到目标节点的路径表示如何从当前话题转移到待推荐的保险话题,路径包含节点和边,其中节点表示交流过程中会涉及的话题,边表示如何从路径中一个话题转换到下一个话题的话题转换话术。保险代理人可以根据推荐引导话术进行话题的引导,直至目标话题。
本申请通过保险代理人预设所要推荐的保险产品,即保险推荐图网络的目标节点,而在和客户的对话当中,通过提取当前情境下的话题,确定起始节点,之后通过保险推荐图网络中从起始节点到目标节点的路径所提示的引导话术,辅助保险代理人将闲聊话题不断转移至目标话题节点,最终实现对于保险产品的推荐。
如图3,在本实施例的一些可选的实现方式中,在步骤S202之前,上述电子设备还可以执行以下步骤:
S301,获取历史保险推荐语料;
S302,根据聚类算法提取所述历史保险推荐语料中的话题;
S303,根据所述历史保险推荐语料,提取相邻话题间的话题转换话术;
S304,根据所述话题的相邻关系将所有话题作为节点、相邻话题之间的话题转换话术作为边,构建保险推荐图网络。
在本实施例中,获取历史保险推荐语料,历史保险推荐语料是预测在存储空间的保险代理人与客户之间的对话,这些对话以保险推荐为目的,这些对话以音频的形式或文本的形式保存。当对话以音频形式保存时,通过通用的软件将音频文件中的语音转化为文本,并将文本向量化,文本向量化的方法可以采用one-hot编码,或者词袋模型。通过文本向量化,得到保险代理人与客户之间对话的文本向量,通过聚类算法对得到的文本向量进行聚类,这里采用K-Means算法聚类,对于给定的集合,K-Means算法针对聚类所得簇划分C的平方误差最小,可以表示为:其中μi为划分的簇Ci中各向量的均值,X为给定集合中的向量,在本申请中,为表示保险代理人与客户之间对话的文本向量。通过聚类算法得到的簇即为话题。
得到话题后,解析历史保险推荐语料,具体地,当一段对话中,通过关键词匹配,出现了两个话题关键词且仅出现了两个话题关键词,认为这两个话题为相邻话题,提取这段对话中,保险代理人的话术作为话题转换话术。根据话题的相邻关系将所有话题作为节点、相邻话题之间的话题转换话术作为边,构建保险推荐图网络。
在本实施例的一些可选的实现方式中,在步骤S203之前,上述电子设备还可以执行以下步骤:
获取保险代理人与客户的对话语音;
将所述对话语音进行语音到文字的转换,获得对应的文本;
将所述文本输入到预先训练的神经网络模型中进行话题预测,获得所述对话语音对应的话题;
根据所述话题遍历预先构建的保险推荐图网络,确定所述保险推荐图网络中与所述话题对应的节点为起始节点。
在本实施例中,录制保险代理人与客户交流的对话语音,通过通用的软件将对话语音转换为文本,将文本输入到预先训练的神经网络模型中进行话题预测,获得神经网络模型预测的对话语音对应的话题,根据话题查询保险推荐图网络,确定保险推荐图网络中与话题对应的节点为起始节点。神经网络模型的训练包括:收集训练样本,这里训练样本可以采用前述的历史保险推荐语料,以及通过聚类算法得到的历史保险推荐语料中每一段对话对应的话题,即对每一段对话标注对应的话题,将训练样本输入到神经网络模型,调整神经网络模型中各节点的参数,使神经网络模型输出的预测话题与标注的一致,神经网络模型训练结束。
在本实施例中,首先对对话语音对应的文本进行向量化,得到对话语音对应的文本向量,计算对话语音对应的文本向量与μi的相似度,其中μi为前述的根据聚类算法提取历史保险推荐语料中的话题时,划分的簇Ci中各向量的均值,i=1-k,k为通过聚类算法得到的簇的个数,即话题的个数,取相似度最接近的μi对应的话题为对话语音所属的话题,根据话题遍历预先构建的保险推荐图网络,确定保险推荐图网络中与话题对应的节点为起始节点。
在一些可选的实现方式中,如果预先构建的保险推荐图网络中的边记录有权重,从所述起始节点到所述目标节点的路径包含N条,N为大于1的正整数,上述步骤S205中,上述电子设备可以执行以下步骤:
根据所述保险推荐图网络中边的权重,分别计算每条所述路径的权重系数;
根据权重系数最大的路径返回所述保险产品的推荐引导话术。
在本实施例中,预先构建的保险推荐图网络中,从一个节点到相邻节点的边记录有权重,这里权重的含义可以表示从一个节点跳转到另一个节点的概率,从一个节点跳转到另一个节点的概率可以通过历史保险推荐语料数据来计算,例如,可以统计历史保险推荐语料数据中一个节点跳转某个相邻节点占所有跳转的比例,表示从一个话题转换到另一个话题的可能性,可能性越高,话题转换越自然。当通过遍历保险推荐图网络中查询从所述起始节点到所述目标节点的路径,得到多条路径时,计算每条路径的权重系数,权重系数的计算可以为将该条路径包含的所有边的权重相乘,根据权重系数最大的路径返回保险产品的推荐引导话术。这样,保险代理人进行基于推荐图网络的产品推荐时,话题转换自然,不容易出现很突兀的话题转换。
在一些可选的实现方式中,从所述起始节点到所述目标节点的路径包含N条,N为大于1的正整数,上述步骤S205中,上述电子设备可以执行以下步骤:
分别计算每条路径包含的节点数;
根据节点数最小的路径返回所述保险产品的推荐引导话术。
为了提高交流的效率,希望更快的切入主题,通过计算每条路径包含的节点数,根据节点数最小的路径返回所述保险产品的推荐引导话术。
在一些可选的实现方式中,在所述获取保险代理人与客户的对话语音的步骤之后,还包括:
将所述对话语音保存至区块链中。
需要强调的是,为进一步保证上述对话语音的私密和安全性,上述对话语音还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图4,作为对上述图2所示方法的实现,本申请提供了一种基于推荐图网络的产品推荐装置的一个实施例,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4所示,本实施例所述的基于推荐图网络的产品推荐装置400包括:第一获取模块401、检索模块402、第二获取模块403、查询模块404以及引导模块405。其中:
第一获取模块401,用于获取待推荐的保险产品;
检索模块402,用于根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图;
第二获取模块403,用于获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点;
查询模块404,用于在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径;
引导模块405,用于根据所述路径输出所述保险产品的推荐引导话术。在本实施例中,通过获取待推荐的保险产品;根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图;再获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点;在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径;根据所述路径输出所述保险产品的推荐引导话术。根据起始节点和目标节点在保险推荐图网络中对应的路径返回保险产品的推荐引导话术,提高了保险代理人在保险推荐过程中话题转换的流畅性,提高了保险推荐的效率。
在本实施例的一些可选的实现方式中,所述基于推荐图网络的产品推荐装置,还包括:
第一获取子模块,用于获取历史保险推荐语料;
第一提取子模块,用于根据聚类算法提取所述历史保险推荐语料中的话题;
第二提取子模块,用于根据所述历史保险推荐语料,提取相邻话题间的话题转换话术;
构建模块,用于根据所述话题的相邻关系将所有话题作为节点、相邻话题之间的话题转换话术作为边,构建保险推荐图网络。
在本实施例的一些可选的实现方式中,所述基于推荐图网络的产品推荐装置,还包括:
第二获取子模块,用于获取保险代理人与客户的对话语音;
第一转换子模块,用于将所述对话语音进行语音到文字的转换,获得对应的文本;
第一预测子模块,用于将所述文本输入到预先训练的神经网络模型中进行话题预测,获得所述对话语音对应的话题;
第一检索子模块,用于根据所述话题遍历预先构建的保险推荐图网络,确定所述保险推荐图网络中与所述话题对应的节点为起始节点。
在本实施例的一些可选的实现方式中,所述查询模块包括:
第一设定子模块,用于将所述起始节点设为中心节点;
第一遍历子模块,用于遍历所述中心节点的相邻节点,当所述中心节点的相邻节点中不包含所述目标节点时,将所述相邻节点设为新的中心节点,遍历所述新的中心节点的相邻节点,直到相邻节点中包含所述目标节点时结束,得到从所述起始节点到所述目标节点的路径。
在本实施例的一些可选的实现方式中,所述预先构建的保险推荐图网络中的边记录有权重,所述从所述起始节点到所述目标节点的路径包含N条,N为大于1的正整数,所述引导模块中还包括:
第一计算子模块,用于根据所述保险推荐图网络中边的权重,分别计算每条所述路径的权重系数;
第一引导子模块,用于根据权重系数最大的路径返回所述保险产品的推荐引导话术。
在本实施例的一些可选的实现方式中,所述引导模块中还包括:
第二计算子模块,用于分别计算每条路径包含的节点数;
第二引导子模块,用于根据节点数最小的路径返回所述保险产品的推荐引导话术。
在本实施例的一些可选的实现方式中,所述基于推荐图网络的产品推荐装置还包括:
第一存储子模块,用于将所述对话语音保存至区块链中。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图5,图5为本实施例计算机设备基本结构框图。
所述计算机设备5包括通过系统总线相互通信连接存储器51、处理器52、网络接口53。需要指出的是,图中仅示出了具有组件51-53的计算机设备5,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器51至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器51可以是所述计算机设备5的内部存储单元,例如该计算机设备5的硬盘或内存。在另一些实施例中,所述存储器51也可以是所述计算机设备5的外部存储设备,例如该计算机设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括其外部存储设备。本实施例中,所述存储器51通常用于存储安装于所述计算机设备5的操作系统和各类应用软件,例如基于推荐图网络的产品推荐方法的计算机可读指令等。此外,所述存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器52在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制所述计算机设备5的总体操作。本实施例中,所述处理器52用于运行所述存储器51中存储的计算机可读指令或者处理数据,例如运行所述基于推荐图网络的产品推荐方法的计算机可读指令。
所述网络接口53可包括无线网络接口或有线网络接口,该网络接口53通常用于在所述计算机设备5与其他电子设备之间建立通信连接。
通过获取待推荐的保险产品;根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图;再获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点;在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径;根据所述路径输出所述保险产品的推荐引导话术。根据起始节点和目标节点在保险推荐图网络中对应的路径返回保险产品的推荐引导话术,提高了保险代理人在保险推荐过程中话题转换的流畅性,提高了保险推荐的效率。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的基于推荐图网络的产品推荐方法的步骤。
通过获取待推荐的保险产品;根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图;再获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点;在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径;根据所述路径输出所述保险产品的推荐引导话术。根据起始节点和目标节点在保险推荐图网络中对应的路径返回保险产品的推荐引导话术,提高了保险代理人在保险推荐过程中话题转换的流畅性,提高了保险推荐的效率。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (8)
1.一种基于推荐图网络的产品推荐方法,其特征在于,包括下述步骤:
获取待推荐的保险产品;
根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图;
获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点;
在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径;其中,所述路径包含节点和边,所述节点为当前保险代理人与客户交流的话题,所述边为从所述路径中一个话题转换到下一个话题的话题转换话术;
根据所述路径输出所述保险产品的推荐引导话术;
其中,所述在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径的步骤具体包括:
将所述起始节点设为中心节点;
遍历所述中心节点的相邻节点,当所述中心节点的相邻节点中不包含所述目标节点时,将所述相邻节点设为新的中心节点,遍历所述新的中心节点的相邻节点,直到相邻节点中包含所述目标节点时结束,得到从所述起始节点到所述目标节点的路径;
存储已经被遍历的节点,以在进行一次新的遍历之前,跳过已经被遍历过的节点;
其中,所述预先构建的保险推荐图网络中的边记录有权重,所述从所述起始节点到所述目标节点的路径包含N条,N为大于1的正整数,所述根据所述路径输出所述保险产品的推荐引导话术的步骤具体包括:
根据所述保险推荐图网络中边的权重,分别计算每条所述路径的权重系数;
根据权重系数最大的路径返回所述保险产品的推荐引导话术。
2.根据权利要求1所述的基于推荐图网络的产品推荐方法,其特征在于,在所述根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图的步骤之前还包括:
获取历史保险推荐语料;
根据聚类算法提取所述历史保险推荐语料中的话题;
根据所述历史保险推荐语料,提取相邻话题间的话题转换话术;
根据所述话题的相邻关系将所有话题作为节点、相邻话题之间的话题转换话术作为边,构建保险推荐图网络。
3.根据权利要求1所述的基于推荐图网络的产品推荐方法,其特征在于,所述获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点的步骤之前,还包括:
获取保险代理人与客户的对话语音;
将所述对话语音进行语音到文字的转换,获得对应的文本;
将所述文本输入到预先训练的神经网络模型中进行话题预测,获得所述对话语音对应的话题;
根据所述话题遍历预先构建的保险推荐图网络,确定所述保险推荐图网络中与所述话题对应的节点为起始节点。
4.根据权利要求1所述的基于推荐图网络的产品推荐方法,其特征在于,所述根据所述路径输出所述保险产品的推荐引导话术的步骤具体包括:
分别计算每条路径包含的节点数;
根据节点数最小的路径返回所述保险产品的推荐引导话术。
5.根据权利要求3所述的基于推荐图网络的产品推荐方法,其特征在于,在所述获取保险代理人与客户的对话语音的步骤之后,还包括:
将所述对话语音保存至区块链中。
6.一种基于推荐图网络的产品推荐装置,其特征在于,包括:
第一获取模块,用于获取待推荐的保险产品;
检索模块,用于根据所述待推荐的保险产品遍历预先构建的保险推荐图网络,获取所述保险推荐图网络中与所述待推荐的保险产品对应的目标节点,其中,所述保险推荐图网络是话题转换有向图;
第二获取模块,用于获取起始节点,所述起始节点为当前话题对应到所述保险推荐图网络中的节点;
查询模块,用于在所述保险推荐图网络中查询从所述起始节点到所述目标节点的路径;其中,所述路径包含节点和边,所述节点为当前保险代理人与客户交流的话题,所述边为从所述路径中一个话题转换到下一个话题的话题转换话术;
引导模块,用于根据所述路径输出所述保险产品的推荐引导话术;
其中,所述查询模块包括:第一设定子模块,用于将所述起始节点设为中心节点;第一遍历子模块,用于遍历所述中心节点的相邻节点,当所述中心节点的相邻节点中不包含所述目标节点时,将所述相邻节点设为新的中心节点,遍历所述新的中心节点的相邻节点,直到相邻节点中包含所述目标节点时结束,得到从所述起始节点到所述目标节点的路径;存储已经被遍历的节点,以在进行一次新的遍历之前,跳过已经被遍历过的节点;
其中,所述预先构建的保险推荐图网络中的边记录有权重,所述从所述起始节点到所述目标节点的路径包含N条,N为大于1的正整数,所述引导模块包括:第一计算子模块,用于根据所述保险推荐图网络中边的权重,分别计算每条所述路径的权重系数;第一引导子模块,用于根据权重系数最大的路径返回所述保险产品的推荐引导话术。
7.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至5中任一项所述的基于推荐图网络的产品推荐方法的步骤。
8.一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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至5中任一项所述的基于推荐图网络的产品推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110698947.4A CN113256395B (zh) | 2021-06-23 | 2021-06-23 | 基于推荐图网络的产品推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110698947.4A CN113256395B (zh) | 2021-06-23 | 2021-06-23 | 基于推荐图网络的产品推荐方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113256395A CN113256395A (zh) | 2021-08-13 |
CN113256395B true CN113256395B (zh) | 2023-11-24 |
Family
ID=77189331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110698947.4A Active CN113256395B (zh) | 2021-06-23 | 2021-06-23 | 基于推荐图网络的产品推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256395B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024096828A1 (en) * | 2022-11-03 | 2024-05-10 | Turkiye Garanti Bankasi Anonim Sirketi | A suggestion system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069600A (zh) * | 2019-03-26 | 2019-07-30 | 上海拍拍贷金融信息服务有限公司 | 对话方法及装置、计算机可读存储介质 |
CN110942769A (zh) * | 2018-09-20 | 2020-03-31 | 九阳股份有限公司 | 一种基于有向图的多轮对话应答系统 |
CN111178940A (zh) * | 2019-12-11 | 2020-05-19 | 北京明略软件系统有限公司 | 一种自动生成销售话术图谱的方法和系统 |
CN111930905A (zh) * | 2020-07-13 | 2020-11-13 | 上海明略人工智能(集团)有限公司 | 用于问答训练的方法、装置、系统和计算机可读存储介质 |
CN112740238A (zh) * | 2018-09-28 | 2021-04-30 | 三菱电机株式会社 | 推理装置、推理方法和推理程序 |
-
2021
- 2021-06-23 CN CN202110698947.4A patent/CN113256395B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942769A (zh) * | 2018-09-20 | 2020-03-31 | 九阳股份有限公司 | 一种基于有向图的多轮对话应答系统 |
CN112740238A (zh) * | 2018-09-28 | 2021-04-30 | 三菱电机株式会社 | 推理装置、推理方法和推理程序 |
CN110069600A (zh) * | 2019-03-26 | 2019-07-30 | 上海拍拍贷金融信息服务有限公司 | 对话方法及装置、计算机可读存储介质 |
CN111178940A (zh) * | 2019-12-11 | 2020-05-19 | 北京明略软件系统有限公司 | 一种自动生成销售话术图谱的方法和系统 |
CN111930905A (zh) * | 2020-07-13 | 2020-11-13 | 上海明略人工智能(集团)有限公司 | 用于问答训练的方法、装置、系统和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113256395A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635273B (zh) | 文本关键词提取方法、装置、设备及存储介质 | |
CN111797210A (zh) | 基于用户画像的信息推荐方法、装置、设备及存储介质 | |
CN111241237A (zh) | 一种基于运维业务的智能问答数据处理方法及装置 | |
CN112231569A (zh) | 新闻推荐方法、装置、计算机设备及存储介质 | |
CN112653798A (zh) | 智能客服语音应答方法、装置、计算机设备及存储介质 | |
CN112633973A (zh) | 一种商品推荐方法及其相关设备 | |
CN111078842A (zh) | 查询结果的确定方法、装置、服务器及存储介质 | |
CN114328807A (zh) | 一种文本处理方法、装置、设备及存储介质 | |
CN113220734A (zh) | 课程推荐方法、装置、计算机设备及存储介质 | |
CN114357117A (zh) | 事务信息查询方法、装置、计算机设备及存储介质 | |
CN113887237A (zh) | 多意图文本的槽位预测方法、装置及计算机设备 | |
CN112836521A (zh) | 问答匹配方法、装置、计算机设备及存储介质 | |
CN113505601A (zh) | 一种正负样本对构造方法、装置、计算机设备及存储介质 | |
CN112699213A (zh) | 语音意图识别方法、装置、计算机设备及存储介质 | |
CN113420212A (zh) | 基于深度特征学习的推荐方法、装置、设备及存储介质 | |
CN114358023B (zh) | 智能问答召回方法、装置、计算机设备及存储介质 | |
CN114780709B (zh) | 文本匹配方法、装置及电子设备 | |
CN115438149A (zh) | 一种端到端模型训练方法、装置、计算机设备及存储介质 | |
CN113256395B (zh) | 基于推荐图网络的产品推荐方法、装置、设备及存储介质 | |
CN111737607B (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
CN117312535A (zh) | 基于人工智能的问题数据处理方法、装置、设备及介质 | |
CN112100491A (zh) | 基于用户数据的信息推荐方法、装置、设备及存储介质 | |
CN112182126A (zh) | 用于确定匹配度的模型训练方法、装置、电子设备及可读存储介质 | |
CN112598039A (zh) | 获取nlp分类领域阳性样本方法及相关设备 | |
CN116563034A (zh) | 基于人工智能的购买预测方法、装置、设备及存储介质 |
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 |