CN113643047A - 虚拟现实控制策略的推荐方法、装置、设备及存储介质 - Google Patents
虚拟现实控制策略的推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113643047A CN113643047A CN202110944715.2A CN202110944715A CN113643047A CN 113643047 A CN113643047 A CN 113643047A CN 202110944715 A CN202110944715 A CN 202110944715A CN 113643047 A CN113643047 A CN 113643047A
- Authority
- CN
- China
- Prior art keywords
- data
- virtual reality
- control strategy
- emotion classification
- reality control
- 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
- 238000011217 control strategy Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008451 emotion Effects 0.000 claims abstract description 135
- 238000004458 analytical method Methods 0.000 claims abstract description 109
- 239000013598 vector Substances 0.000 claims abstract description 97
- 238000004891 communication Methods 0.000 claims abstract description 86
- 230000006399 behavior Effects 0.000 claims description 127
- 230000008909 emotion recognition Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000007547 defect Effects 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 206010013954 Dysphoria Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001544 dysphoric effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Economics (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及人工智能技术领域,揭示了一种虚拟现实控制策略的推荐方法、装置、设备及存储介质,其中方法包括:对虚拟空间行为数据得到行为热点解析结果;根据音频数据得到情绪分类预测结果;根据音频数据得到沟通目标关联关键词集合;根据第i‑1时刻的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合得到第i时刻的专注度向量;根据虚拟现实控制策略库和第i时刻的专注度向量得到虚拟现实控制策略推荐结果。实现了自动化对虚拟空间的动态监测的数据和画像数据分别进行实时的专注度向量预测及虚拟现实控制策略推荐,避免了只通过传统的语音沟通客户片面描述的状态、情况来进行虚拟空间控制的弊端。
Description
技术领域
本申请涉及到人工智能技术领域,特别是涉及到一种虚拟现实控制策略的推荐方法、装置、设备及存储介质。
背景技术
在采用虚拟现实技术进行客服服务时,多以固定的非交互式场景为主,比如,通过多张鱼眼图导入虚拟现实引擎,生成统一链接,以达到邀请客户体验虚拟空间的目的。在客户体验虚拟空间时,没有对客户的虚拟现实交互数据进行有效地分析以及无法提供客户服务辅助,导致虚拟空间的表现形式单一,客户服务人员只能通过传统的语音沟通来获取客户片面描述的状态、情况,缺乏对客户状态的全面了解,导致难以调整客户服务的状态,降低了客户服务的效果。
发明内容
本申请的主要目的为提供一种虚拟现实控制策略的推荐方法、装置、设备及存储介质,旨在解决现有技术采用固定的非交互式场景为主的虚拟空间技术进行客户服务,没有对客户的虚拟现实交互数据进行有效地分析以及无法提供客户服务辅助,导致虚拟空间的表现形式单一,客户服务人员只能通过传统的语音沟通来获取客户片面描述的状态、情况,缺乏对客户状态的全面了解,导致难以调整客户服务的状态,降低了客户服务的效果的技术问题。
为了实现上述发明目的,本申请提出一种虚拟现实控制策略的推荐方法,所述方法包括:
获取目标虚拟空间中的目标客户在第i时刻的虚拟空间行为数据及音频数据;
对所述虚拟空间行为数据进行行为热点解析,得到行为热点解析结果;
根据所述音频数据进行情绪分类预测,得到情绪分类预测结果;
根据所述音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合;
获取所述目标客户的画像数据和在第i-1时刻的专注度向量;
根据所述第i-1时刻的所述专注度向量、所述画像数据、所述行为热点解析结果、所述情绪分类预测结果和所述沟通目标关联关键词集合进行专注度预测,得到所述第i时刻的所述专注度向量;
获取虚拟现实控制策略库,根据所述虚拟现实控制策略库和所述第i时刻的所述专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
进一步的,所述获取目标虚拟空间中的目标客户在第i时刻的虚拟空间行为数据及音频数据的步骤之前,还包括:
获取虚拟空间生成请求,所述虚拟空间生成请求携带有虚拟要素配置数据和全景图像配置数据;
获取全景图像库,通过虚拟现实引擎,根据所述全景图像库和所述全景图像配置数据进行三维建模,得到三维模型;
获取虚拟要素数据库,通过所述虚拟现实引擎,根据所述虚拟要素数据库、所述虚拟要素配置数据和所述三维模型进行虚拟空间生成,得到所述目标虚拟空间。
进一步的,所述根据所述音频数据进行情绪分类预测,得到情绪分类预测结果的步骤,包括:
对所述音频数据进行语调解析,得到语调解析结果;
对所述语调解析结果进行语速解析,得到语速解析结果;
获取预设情绪识别模型;
将所述语调解析结果和所述语速解析结果输入所述预设情绪识别模型进行情绪分类概率预测,得到情绪分类概率预测结果;
根据所述情绪分类概率预测结果进行情绪分类确定,得到所述情绪分类预测结果。
进一步的,所述将所述语调解析结果和所述语速解析结果输入所述预设情绪识别模型进行情绪分类概率预测,得到情绪分类概率预测结果的步骤,包括:
将所述语调解析结果和所述语速解析结果输入所述预设情绪识别模型进行情绪分类概率预测,得到语音情绪分类概率预测结果;
获取所述目标客户在所述第i时刻的视频数据;
对所述视频数据进行每帧图像的解析,得到视频图像集合;
获取人脸标定模型,采用所述人脸标定模型,分别针对所述视频图像集合中的每张图像进行脸部标定,得到脸部标定结果集合;
根据所述脸部标定结果集合进行脸部情绪分类预测,得到脸部情绪分类概率预测结果;
根据所述语音情绪分类概率预测结果和所述脸部情绪分类概率预测结果进行加权求和,得到所述情绪分类概率预测结果。
进一步的,所述根据所述音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合的步骤,包括:
对所述音频数据进行语音转换文本,得到目标文本数据;
获取实体识别模型,采用所述实体识别模型,对所述目标文本数据进行实体识别,得到实体集合;
获取预设沟通目标关联关键词列表;
根据所述预设沟通目标关联关键词列表和所述实体集合进行交集关键词的查找,得到所述沟通目标关联关键词集合。
进一步的,所述获取所述目标客户的画像数据和在第i-1时刻的专注度向量的步骤之前,还包括:
获取所述目标客户的历史音视频数据;
根据所述历史音视频数据分别进行语音转换文本及意图识别,得到产品意图识别结果;
获取所述目标客户的客户属性数据、网页浏览行为数据、偏好数据和消费行为数据;
根据所述产品意图识别结果、所述客户属性数据、所述网页浏览行为数据、所述偏好数据和所述消费行为数据进行画像生成,得到所述目标客户的所述画像数据。
进一步的,所述根据所述虚拟现实控制策略库和所述第i时刻的所述专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果的步骤,包括:
获取第1时刻到所述第i-1时刻的所述专注度向量;
根据所述第1时刻到所述第i-1时刻的所述专注度向量、所述第i时刻的所述专注度向量生成专注度曲线;
根据所述专注度曲线进行各个时刻的切线获取,得到切线集合;
分别对所述切线集合中的每条切线进行斜率计算,得到目标斜率集合;
根据所述目标斜率集合和所述虚拟现实控制策略库进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
本申请还提出了一种虚拟现实控制策略的推荐装置,所述装置包括:
第一数据获取模块,用于获取目标虚拟空间中的目标客户在第i时刻的虚拟空间行为数据及音频数据;
行为热点解析结果确定模块,用于对所述虚拟空间行为数据进行行为热点解析,得到行为热点解析结果;
情绪分类预测结果确定模块,用于根据所述音频数据进行情绪分类预测,得到情绪分类预测结果;
沟通目标关联关键词集合确定模块,用于根据所述音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合;
第二数据获取模块,用于获取所述目标客户的画像数据和在第i-1时刻的专注度向量;
专注度向量确定模块,用于根据所述第i-1时刻的所述专注度向量、所述画像数据、所述行为热点解析结果、所述情绪分类预测结果和所述沟通目标关联关键词集合进行专注度预测,得到所述第i时刻的所述专注度向量;
虚拟现实控制策略推荐结果确定模块,用于获取虚拟现实控制策略库,根据所述虚拟现实控制策略库和所述第i时刻的所述专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
本申请还提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的虚拟现实控制策略的推荐方法、装置、设备及存储介质,其中方法通过首先对所述虚拟空间行为数据进行行为热点解析,得到行为热点解析结果,其次根据所述音频数据进行情绪分类预测,得到情绪分类预测结果,根据所述音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合,然后根据所述第i-1时刻的所述专注度向量、所述画像数据、所述行为热点解析结果、所述情绪分类预测结果和所述沟通目标关联关键词集合进行专注度预测,得到所述第i时刻的所述专注度向量,最后根据所述虚拟现实控制策略库和所述第i时刻的所述专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果,实现了自动化对虚拟空间的动态监测的数据和画像数据分别进行实时的专注度向量预测及虚拟现实控制策略推荐,通过虚拟现实控制策略推荐结果提供客户服务辅助,从而为客户服务人员提供了实时的虚拟现实控制策略的指引,避免了只通过传统的语音沟通客户片面描述的状态、情况来进行虚拟空间控制的弊端,通过获取目标客户在虚拟空间中的行为、情绪等,可以更精准获得目标客户对虚拟空间的态度,以推荐合适的虚拟空间控制策略,指示服务人员进行虚拟空间的调整,丰富了虚拟空间的表现形式,以提高客户对虚拟空间的关注度,提高了客户服务的效果。
附图说明
图1为本申请一实施例的虚拟现实控制策略的推荐方法的流程示意图;
图2为本申请一实施例的虚拟现实控制策略的推荐装置的结构示意框图;
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请实施例中提供一种虚拟现实控制策略的推荐方法,方法包括:
S1:获取目标虚拟空间中的目标客户在第i时刻的虚拟空间行为数据及音频数据;
S2:对虚拟空间行为数据进行行为热点解析,得到行为热点解析结果;
S3:根据音频数据进行情绪分类预测,得到情绪分类预测结果;
S4:根据音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合;
S5:获取目标客户的画像数据和在第i-1时刻的专注度向量;
S6:根据第i-1时刻的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合进行专注度预测,得到第i时刻的专注度向量;
S7:获取虚拟现实控制策略库,根据虚拟现实控制策略库和第i时刻的专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
本实施例通过首先对虚拟空间行为数据进行行为热点解析,得到行为热点解析结果,其次根据音频数据进行情绪分类预测,得到情绪分类预测结果,根据音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合,然后根据第i-1时刻的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合进行专注度预测,得到第i时刻的专注度向量,最后根据虚拟现实控制策略库和第i时刻的专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果,实现了自动化对虚拟空间的动态监测的数据和画像数据分别进行实时的专注度向量预测及虚拟现实控制策略推荐,通过虚拟现实控制策略推荐结果提供客户服务辅助,从而为客户服务人员提供了实时的虚拟现实控制策略的指引,避免了只通过传统的语音沟通客户片面描述的状态、情况来进行虚拟空间控制的弊端,通过获取目标客户在虚拟空间中的行为、情绪等,可以更精准获得目标客户对虚拟空间的态度,以推荐合适的虚拟空间控制策略,指示服务人员进行虚拟空间的调整,丰富了虚拟空间的表现形式,以提高客户对虚拟空间的关注度,提高了客户服务的效果。
客户服务人员包括但不限于:业务人员、售前服务人员、售后服务人员。
对于S1,获取目标虚拟空间中的目标客户在第i时刻的虚拟空间行为数据和在第i时刻的音频数据。
目标客户,也就是当前正在位于目标虚拟空间的客户。
目标虚拟空间,也就是采用虚拟现实技术生成的虚拟空间。
虚拟空间行为数据,是目标客户在目标虚拟空间中的行为数据,比如,目标客户在目标虚拟空间中的虚拟场景C1,采用视角S1查看了位置W1的虚拟要素Y1。虚拟空间行为数据包括:虚拟场景标识、虚拟要素标识、虚拟要素位置和查看视角数据。虚拟场景标识可以是虚拟场景名称、虚拟场景ID等唯一标识一个虚拟场景的数据。虚拟场景包括但不限于:虚拟客厅、虚拟办公室。虚拟要素标识可以是虚拟要素名称、虚拟要素ID等唯一标识一个虚拟要素的数据。虚拟要素包括但不限于:虚拟看板、虚拟视频播放设备、虚拟家具。
音频数据,数字化的声音数据。
对于S2,获取预设行为解析模型,将虚拟空间行为数据输入预设行为解析模型分别进行加权计算及查看重点解析,将查看重点解析得到数据作为行为热点解析结果。
行为热点解析结果,反映出目标客户在第i时刻在目标虚拟空间中的行为特征。行为热点解析结果包括:虚拟要素标识、查看目标,虚拟要素标识是目标客户在第i时刻在目标虚拟空间中查看的虚拟要素的标识,查看目标是目标客户在第i时刻在目标虚拟空间中查看虚拟要素标识对应的虚拟要素的目标。查看目标包括但不限于:重点查看、无重点查看。
预设行为解析模型,是基于多因子模型训练得到的模型。其中,将多因子模型作为第一初始模式;获取多个第一训练样本,第一训练样本包括:第一样本数据、行为热点解析标定数据;采用多个第一训练样本对第一初始模式进行查看重点的行为解析预测训练,将训练结束的第一初始模式作为预设行为解析模型。可以理解的是,预设行为解析模型,也就是将虚拟空间行为数据中的每种行为数据作为一个因子,然后筛选出有效因子。第一样本数据是根据观察对象的虚拟空间行为数据提取得到的样本数据。行为热点解析标定数据是对第一样本数据的查看重点标定的准确数据。
多因子模型,又称为结构化风险因子模型,利用目标客户的一组共同行为因子和一个仅与该目标客户有关的特质行为因子解释目标客户的行为热点(也就是查看重点),并利用共同行为因子和特质行为因子的波动来解释行为热点的波动。结构化多因子风险模型的优势在于,通过识别重要的行为因子,可以降低问题的规模。
对于S3,根据音频数据进行语调解析,根据语调解析结果进行情绪分类预测,将情绪分类预测得到的数据作为情绪分类预测结果。
情绪分类预测结果包括:非常愉悦、轻度烦躁、非常烦躁中的任一种。
对于S4,对音频数据进行语音转换文本,对转换得到的文本进行实体识别,根据识别的实体进行目标客户的沟通目标关联关键词提取,将提取得到的各个沟通目标关联关键词作为沟通目标关联关键词集合。
沟通目标关联关键词,是与在虚拟空间中进行客户服务的目标关联的关键词。沟通目标关联关键词包括但不限于:产品标识、需求产品类型、存在购买异议的关键词。需求产品类型,是想要购买的产品的产品类型。存在购买异议的关键词,是指存在购买异议的关键词。比如,购买异议关键词包括:买不起、再考虑下、安不安全中的任一个,在此举例不做具体限定。
对于S5,可以获取用户输入的目标客户的画像数据和在第i-1时刻的专注度向量,也可以从数据库中获取目标客户的画像数据和在第i-1时刻的专注度向量,还可以从第三方应用系统中获取目标客户的画像数据和在第i-1时刻的专注度向量。
画像数据包括但不限于:性别、年龄、家庭情况、产品购买情况。
专注度向量,是一个多维向量,用于描述目标客户对产品的关注度指数和对沟通的关注度指数。关注度指数,体现质量的衡量指标。
对于S6,将第i-1时刻的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合输入预设专注度模型进行专注度预测,将专注度预测得到的数据作为第i时刻的专注度向量。
预设专注度模型是基于多因子模型训练得到的模型。其中,将多因子模型作为第二初始模式;获取多个第二训练样本,第二训练样本包括:第二样本数据、专注度标定数据;采用多个第一训练样本对第一初始模式进行查看重点的行为解析预测训练,将训练结束的第一初始模式作为预设专注度模型。可以理解的是,预设行为解析模型,也就是将虚拟空间行为数据中的每种行为数据作为一个因子,然后筛选出有效因子。第二样本数据是根据观察对象的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合提取得到的样本数据。专注度标定数据,是对第二样本数据的专注度标定的准确数据。
对于S7,可以获取虚拟现实控制策略库,也可以从数据库中获取虚拟现实控制策略库,还可以从第三方应用系统中获取虚拟现实控制策略库。
虚拟现实控制策略库包括:关注度指数集合、虚拟现实控制策略,每个关注度指数集合对应一个虚拟现实控制策略。关注度指数集合中包括一个或多个关注度指数。
其中,将第i时刻的专注度向量在虚拟现实控制策略库的各个关注度指数集合中进行匹配,将在虚拟现实控制策略库中匹配到的关注度指数集合对应的虚拟现实控制策略作为虚拟现实控制策略推荐结果。
虚拟现实控制策略包括但不限于:启动漫游点和视角同步的控制策略、单视角同步的控制策略、单漫游点同步的控制策略。
其中,虚拟现实控制策略推荐结果用于客户服务人员对目标虚拟空间进行控制,从而为客户服务人员提供了实时的虚拟现实控制策略的指引,避免了只通过传统的语音沟通获取客户片面描述的状态、情况,来进行虚拟空间控制的弊端,通过获取目标客户在虚拟空间中的行为、情绪等,可以更精准获得目标客户对虚拟空间的态度,以推荐合适的虚拟空间控制策略,指示服务人员进行虚拟空间的调整,丰富了虚拟空间的表现形式,以提高客户对虚拟空间的关注度,有利于提高客户服务的效果。
在一个实施例中,上述获取目标虚拟空间中的目标客户在第i时刻的虚拟空间行为数据及音频数据的步骤之前,还包括:
S11:获取虚拟空间生成请求,虚拟空间生成请求携带有虚拟要素配置数据和全景图像配置数据;
S12:获取全景图像库,通过虚拟现实引擎,根据全景图像库和全景图像配置数据进行三维建模,得到三维模型;
S13:获取虚拟要素数据库,通过虚拟现实引擎,根据虚拟要素数据库、虚拟要素配置数据和三维模型进行虚拟空间生成,得到目标虚拟空间。
本实施例实现了根据虚拟要素配置数据和全景图像配置数据进行虚拟空间生成,从而生成了个性化的虚拟空间,使目标虚拟空间符合客户服务的需求,有利于提高客户服务的效果。
对于S11,可以获取用户输入的虚拟空间生成请求,也可以获取第三方应用系统输入的虚拟空间生成请求,还可以是实现本申请的程序根据预测条件触发的虚拟空间生成请求。比如,预测条件是按预设时间间隔进行虚拟空间生成。
虚拟空间生成请求,是生成虚拟空间的请求。
虚拟要素配置数据包括:虚拟场景标识、虚拟要素标识和虚拟要素位置。虚拟要素位置是虚拟要素的位置数据。
全景图像配置数据包括:虚拟场景标识、全景图像标识和全景图像位置。全景图像标识可以是全景图像ID、全景图像名称等唯一标识一个全景图像的数据。位置是全景图像的位置数据。全景图像,是符合人的双眼正常有效视角(大约水平90度,垂直70度)或包括双眼余光视角(大约水平180度,垂直90度)以上,乃至360度完整场景范围拍摄的图像。
对于S12,可以获取用户输入的鱼眼图像集合,也可以从数据库中获取鱼眼图像集合,还可以从第三方应用系统中获取鱼眼图像集合;根据鱼眼图像集合进行全景图像生成,得到全景图像库。鱼眼图像集合中包括一张或多张鱼眼图像。鱼眼图像,视场角接近180度甚至大于180度的镜头拍摄得到的图像。
其中,采用虚拟现实引擎和三维建模技术,根据全景图像配置数据从全景图像库中获取全景图像,根据获取的各个全景图像进行三维建模,将三维建模得到的模型作为三维模型,从而构建了多点位漫游式的虚拟空间底层框架。
对于S13,可以获取用户输入的虚拟要素数据库,也可以从数据库中获取虚拟要素数据库,还可以从第三方应用系统中获取虚拟要素数据库。虚拟要素数据库包括:虚拟要素标识、虚拟要素,每个虚拟要素标识对应一个虚拟要素。
通过虚拟现实引擎,根据虚拟要素数据库、虚拟要素配置数据和三维模型进行虚拟空间生成,将生成的虚拟空间作为目标虚拟空间,从而生成了个性化的虚拟空间。
在一个实施例中,上述根据音频数据进行情绪分类预测,得到情绪分类预测结果的步骤,包括:
S31:对音频数据进行语调解析,得到语调解析结果;
S32:对语调解析结果进行语速解析,得到语速解析结果;
S33:获取预设情绪识别模型;
S34:将语调解析结果和语速解析结果输入预设情绪识别模型进行情绪分类概率预测,得到情绪分类概率预测结果;
S35:根据情绪分类概率预测结果进行情绪分类确定,得到情绪分类预测结果。
本实施例实现了根据音频数据进行情绪分类预测,从而从音频角度进行了情绪分析,为进行实时的专注度向量预测提供了基础。
对于S31,采用预设语调解析模型,对音频数据进行语调的解析,得到语调解析结果。
预设语调解析模型,是基于神经网络训练得到的模型。
语调,也就是说话的腔调,就是一句话里快慢轻重的配置和变化。
对于S32,根据预设语速解析模型,对语调解析结果进行语速的解析,得到语速解析结果。
预设语速解析模型,是基于神经网络训练得到的模型。
语速,即文字或人类表达意义的语言符号在单位时间内所呈现的词汇速度。
对于S33,可以从数据库中获取预设情绪识别模型,也可以从第三方应用系统中获取预设情绪识别模型。
预设情绪识别模型,是基于卷积神经网络训练得到的模型。
对于S34,将语调解析结果和语速解析结果输入预设情绪识别模型进行情绪分类概率预测,将情绪分类概率预测得到的概率数据作为情绪分类概率预测结果。
情绪分类概率预测结果,是一个向量,每个向量元素代表一个情绪标签对应的概率。
对于S35,从情绪分类概率预测结果中获取最大值,将最大值对应的情绪标签作为情绪分类预测结果。
在一个实施例中,上述将语调解析结果和语速解析结果输入预设情绪识别模型进行情绪分类概率预测,得到情绪分类概率预测结果的步骤,包括:
S341:将语调解析结果和语速解析结果输入预设情绪识别模型进行情绪分类概率预测,得到语音情绪分类概率预测结果;
S342:获取目标客户在第i时刻的视频数据;
S343:对视频数据进行每帧图像的解析,得到视频图像集合;
S344:获取人脸标定模型,采用人脸标定模型,分别针对视频图像集合中的每张图像进行脸部标定,得到脸部标定结果集合;
S345:根据脸部标定结果集合进行脸部情绪分类预测,得到脸部情绪分类概率预测结果;
S346:根据语音情绪分类概率预测结果和脸部情绪分类概率预测结果进行加权求和,得到情绪分类概率预测结果。
本实施例实现了将语调解析结果和语速解析结果输入预设情绪识别模型进行情绪分类概率预测,然后根据视频数据进行脸部情绪分类预测,最后根据语音情绪分类概率预测结果和脸部情绪分类概率预测结果进行加权求和,从而实现了采用脸部情绪分类概率预测结果对语音情绪分类概率预测结果进行辅助修正,提高了确定的情绪分类概率预测结果的准确性。
对于S341,将语调解析结果和语速解析结果输入预设情绪识别模型进行情绪分类概率预测,将情绪分类概率预测得到的概率数据作为语音情绪分类概率预测结果。
对于S342,获取目标虚拟空间的目标客户在第i时刻的视频数据。
视频数据,是目标客户的脸部或全身的视频数据。可以理解的是,第i时刻的视频数据是第i-1时刻到第i时刻的视频数据,其中,不包括第i-1时刻的视频数据,包括第i时刻的视频数据。
对于S343,对视频数据对应的视频流进行每帧图像的提取,将提取得到的各个图像作为视频图像集合。
对于S344,采用人脸标定模型,分别针对视频图像集合中的每张图像进行脸部的特征点的相对空间位置的标定,得到脸部标定结果集合,也就是说,脸部标定结果集合中每个脸部标定结果对应视频图像集合中的一张图像。
脸部的特征点包括但不限于:眼睛、鼻子、嘴。
采用人脸标定模型,分别针对视频图像集合中的每张图像进行脸部的特征点的相对空间位置的标定的具体实现方法在此不做赘述。
对于S345,采用脸部情绪分类预测模型,对脸部标定结果集合进行脸部情绪分类预测,将脸部情绪分类预测得到的数据作为脸部情绪分类概率预测结果。
脸部情绪分类预测模型,是基于卷积神经网络训练得到的模型。
脸部情绪分类概率预测结果是一个向量,每个向量元素代表一个脸部情绪标签对应的概率。
对于S346,根据语音情绪分类概率预测结果和脸部情绪分类概率预测结果进行加权求和,将加权求和得到的概率数据作为情绪分类概率预测结果。
在一个实施例中,上述根据音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合的步骤,包括:
S41:对音频数据进行语音转换文本,得到目标文本数据;
S42:获取实体识别模型,采用实体识别模型,对目标文本数据进行实体识别,得到实体集合;
S43:获取预设沟通目标关联关键词列表;
S44:根据预设沟通目标关联关键词列表和实体集合进行交集关键词的查找,得到沟通目标关联关键词集合。
本实施例实现了根据音频数据进行沟通目标关联关键词提取,从而为进行实时的专注度向量预测提供了基础。
对于S41,基于ASR(自动语音识别技术)技术,对音频数据进行语音转换文本,将语音转换得到的文本作为目标文本数据。
对于S42,采用实体识别模型,对目标文本数据进行实体的识别,将识别得到是所有实体作为实体集合。
实体,是三元组中的实体,对客观个体的抽象,一个人、一部电影、一句话都可以看作是一个实体。
对于S43,获取用户输入的沟通主题;根据沟通主题从数据库中获取预设沟通目标关联关键词列表。
比如,沟通主题是针对保险产品A进行展业沟通,在此举例不做具体限定。
对于S44,分别采用预设沟通目标关联关键词列表中每个沟通目标关联关键词在实体集合中进行查找,将在实体集合中查找到的各个实体作为沟通目标关联关键词集合。
在一个实施例中,上述获取目标客户的画像数据和在第i-1时刻的专注度向量的步骤之前,还包括:
S51:获取目标客户的历史音视频数据;
S52:根据历史音视频数据分别进行语音转换文本及意图识别,得到产品意图识别结果;
S53:获取目标客户的客户属性数据、网页浏览行为数据、偏好数据和消费行为数据;
S54:根据产品意图识别结果、客户属性数据、网页浏览行为数据、偏好数据和消费行为数据进行画像生成,得到目标客户的画像数据。
本实施例实现了根据产品意图识别结果、客户属性数据、网页浏览行为数据、偏好数据和消费行为数据进行画像生成,从而为进行准确的专注度预测提供了基础。
对于S51,可以从数据库中获取目标客户的历史音视频数据,也可以从第三方应用系统中获取目标客户的历史音视频数据。
历史音视频数据,是第i时刻以前的音视频数据。音视频数据中包括语音和视频。
对于S52,根据历史音视频数据分别进行语音转换文本,采用实体识别模型,采用意图识别模型,对语音转换得到的文本进行意图识别,将意图识别得到的数据作为产品意图识别结果。
意图识别模型可以从现有技术中选择可以识别文本中的意图的模型。
对于S53,可以从数据库中获取目标客户的客户属性数据、网页浏览行为数据、偏好数据和消费行为数据,也可以从第三方应用系统中获取目标客户的客户属性数据、网页浏览行为数据、偏好数据和消费行为数据。
客户属性数据包括通用属性和特征属性,通用属性包括基础属性、经济属性、文化属性、社群属性、硬件属性、软件属性八类,特征属性是能够对设计产生最多价值的属性,需要加以深入分析、提炼设计启发。
网页浏览行为数据,是浏览网页的行为数据。
偏好数据,是用户在考量商品和服务的时候所做出的理性的具有倾向性的选择,是用户认知、心理感受及理性的经济学权衡的综合结果。
消费行为数据,是购买商品或服务的行为数据。
对于S54,根据产品意图识别结果、客户属性数据、网页浏览行为数据、偏好数据和消费行为数据进行画像生成的详细不做在此不做赘述。
在一个实施例中,上述根据虚拟现实控制策略库和第i时刻的专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果的步骤,包括:
S71:获取第1时刻到第i-1时刻的专注度向量;
S72:根据第1时刻到第i-1时刻的专注度向量、第i时刻的专注度向量生成专注度曲线;
S73:根据专注度曲线进行各个时刻的切线获取,得到切线集合;
S74:分别对切线集合中的每条切线进行斜率计算,得到目标斜率集合;
S75:根据目标斜率集合和虚拟现实控制策略库进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
本实施例实现了先将专注度向量生成专注度曲线,然后根据专注度曲线计算各个时刻的切线,根据切线的斜率和虚拟现实控制策略库进行虚拟现实控制策略的推荐,通过虚拟现实控制策略推荐结果提供客户服务辅助,从而为客户服务人员提供了实时的虚拟现实控制策略的指引,避免了只通过传统的语音沟通客户片面描述的状态、情况来进行虚拟空间控制的弊端,通过获取目标客户在虚拟空间中的行为、情绪等,可以更精准获得目标客户对虚拟空间的态度,以推荐合适的虚拟空间控制策略,指示服务人员进行虚拟空间的调整,丰富了虚拟空间的表现形式,以提高客户对虚拟空间的关注度,提高了客户服务的效果。
对于S71,可以从数据库中获取第1时刻到第i-1时刻的专注度向量,也可以从第三方应用系统中获取第1时刻到第i-1时刻的专注度向量。
第1时刻到第i-1时刻的专注度向量,总共包括i-1个专注度向量。
对于S72,将时刻作为x轴,将专注度向量作为y轴,根据第1时刻到第i-1时刻的专注度向量、第i时刻的专注度向量生成专注度曲线。
对于S73,从专注度曲线中进行各个时刻的切线获取,将获取的各个切线作为切线集合,也就是说,切线集合中的切线的数量与专注度曲线中时刻的数量相同。
对于S74,分别对切线集合中的每条切线进行斜率计算,将每条切线的斜率作为目标斜率,将所有目标斜率作为目标斜率集合。
对于S75,虚拟现实控制策略库包括:斜率集合、虚拟现实控制策略,每个斜率集合对应一个虚拟现实控制策略。
其中,将目标斜率集合在虚拟现实控制策略库的各个斜率集合中进行匹配,将在虚拟现实控制策略库中匹配到的斜率集合对应的虚拟现实控制策略作为虚拟现实控制策略推荐结果。
参照图2,本申请还提出了一种虚拟现实控制策略的推荐装置,装置包括:
第一数据获取模块100,用于获取目标虚拟空间中的目标客户在第i时刻的虚拟空间行为数据及音频数据;
行为热点解析结果确定模块200,用于对虚拟空间行为数据进行行为热点解析,得到行为热点解析结果;
情绪分类预测结果确定模块300,用于根据音频数据进行情绪分类预测,得到情绪分类预测结果;
沟通目标关联关键词集合确定模块400,用于根据音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合;
第二数据获取模块500,用于获取目标客户的画像数据和在第i-1时刻的专注度向量;
专注度向量确定模块600,用于根据第i-1时刻的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合进行专注度预测,得到第i时刻的专注度向量;
虚拟现实控制策略推荐结果确定模块700,用于获取虚拟现实控制策略库,根据虚拟现实控制策略库和第i时刻的专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
本实施例通过首先对虚拟空间行为数据进行行为热点解析,得到行为热点解析结果,其次根据音频数据进行情绪分类预测,得到情绪分类预测结果,根据音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合,然后根据第i-1时刻的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合进行专注度预测,得到第i时刻的专注度向量,最后根据虚拟现实控制策略库和第i时刻的专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果,实现了自动化对虚拟空间的动态监测的数据和画像数据分别进行实时的专注度向量预测及虚拟现实控制策略推荐,通过虚拟现实控制策略推荐结果提供客户服务辅助,从而为客户服务人员提供了实时的虚拟现实控制策略的指引,避免了只通过传统的语音沟通客户片面描述的状态、情况来进行虚拟空间控制的弊端,通过获取目标客户在虚拟空间中的行为、情绪等,可以更精准获得目标客户对虚拟空间的态度,以推荐合适的虚拟空间控制策略,指示服务人员进行虚拟空间的调整,丰富了虚拟空间的表现形式,以提高客户对虚拟空间的关注度,提高了客户服务的效果。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存虚拟现实控制策略的推荐方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种虚拟现实控制策略的推荐方法。虚拟现实控制策略的推荐方法,包括:对虚拟空间行为数据进行行为热点解析,得到行为热点解析结果;根据音频数据进行情绪分类预测,得到情绪分类预测结果;根据音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合;获取目标客户的画像数据和在第i-1时刻的专注度向量;根据第i-1时刻的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合进行专注度预测,得到第i时刻的专注度向量;获取虚拟现实控制策略库,根据虚拟现实控制策略库和第i时刻的专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
本实施例通过首先对虚拟空间行为数据进行行为热点解析,得到行为热点解析结果,其次根据音频数据进行情绪分类预测,得到情绪分类预测结果,根据音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合,然后根据第i-1时刻的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合进行专注度预测,得到第i时刻的专注度向量,最后根据虚拟现实控制策略库和第i时刻的专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果,实现了自动化对虚拟空间的动态监测的数据和画像数据分别进行实时的专注度向量预测及虚拟现实控制策略推荐,通过虚拟现实控制策略推荐结果提供客户服务辅助,从而为客户服务人员提供了实时的虚拟现实控制策略的指引,避免了只通过传统的语音沟通客户片面描述的状态、情况来进行虚拟空间控制的弊端,通过获取目标客户在虚拟空间中的行为、情绪等,可以更精准获得目标客户对虚拟空间的态度,以推荐合适的虚拟空间控制策略,指示服务人员进行虚拟空间的调整,丰富了虚拟空间的表现形式,以提高客户对虚拟空间的关注度,提高了客户服务的效果。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种虚拟现实控制策略的推荐方法,包括步骤:对虚拟空间行为数据进行行为热点解析,得到行为热点解析结果;根据音频数据进行情绪分类预测,得到情绪分类预测结果;根据音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合;获取目标客户的画像数据和在第i-1时刻的专注度向量;根据第i-1时刻的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合进行专注度预测,得到第i时刻的专注度向量;获取虚拟现实控制策略库,根据虚拟现实控制策略库和第i时刻的专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
上述执行的虚拟现实控制策略的推荐方法,通过首先对虚拟空间行为数据进行行为热点解析,得到行为热点解析结果,其次根据音频数据进行情绪分类预测,得到情绪分类预测结果,根据音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合,然后根据第i-1时刻的专注度向量、画像数据、行为热点解析结果、情绪分类预测结果和沟通目标关联关键词集合进行专注度预测,得到第i时刻的专注度向量,最后根据虚拟现实控制策略库和第i时刻的专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果,实现了自动化对虚拟空间的动态监测的数据和画像数据分别进行实时的专注度向量预测及虚拟现实控制策略推荐,通过虚拟现实控制策略推荐结果提供客户服务辅助,从而为客户服务人员提供了实时的虚拟现实控制策略的指引,避免了只通过传统的语音沟通客户片面描述的状态、情况来进行虚拟空间控制的弊端,通过获取目标客户在虚拟空间中的行为、情绪等,可以更精准获得目标客户对虚拟空间的态度,以推荐合适的虚拟空间控制策略,指示服务人员进行虚拟空间的调整,丰富了虚拟空间的表现形式,以提高客户对虚拟空间的关注度,提高了客户服务的效果。
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,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种虚拟现实控制策略的推荐方法,其特征在于,所述方法包括:
获取目标虚拟空间中的目标客户在第i时刻的虚拟空间行为数据及音频数据;
对所述虚拟空间行为数据进行行为热点解析,得到行为热点解析结果;
根据所述音频数据进行情绪分类预测,得到情绪分类预测结果;
根据所述音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合;
获取所述目标客户的画像数据和在第i-1时刻的专注度向量;
根据所述第i-1时刻的所述专注度向量、所述画像数据、所述行为热点解析结果、所述情绪分类预测结果和所述沟通目标关联关键词集合进行专注度预测,得到所述第i时刻的所述专注度向量;
获取虚拟现实控制策略库,根据所述虚拟现实控制策略库和所述第i时刻的所述专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
2.根据权利要求1所述的虚拟现实控制策略的推荐方法,其特征在于,所述获取目标虚拟空间中的目标客户在第i时刻的虚拟空间行为数据及音频数据的步骤之前,还包括:
获取虚拟空间生成请求,所述虚拟空间生成请求携带有虚拟要素配置数据和全景图像配置数据;
获取全景图像库,通过虚拟现实引擎,根据所述全景图像库和所述全景图像配置数据进行三维建模,得到三维模型;
获取虚拟要素数据库,通过所述虚拟现实引擎,根据所述虚拟要素数据库、所述虚拟要素配置数据和所述三维模型进行虚拟空间生成,得到所述目标虚拟空间。
3.根据权利要求1所述的虚拟现实控制策略的推荐方法,其特征在于,所述根据所述音频数据进行情绪分类预测,得到情绪分类预测结果的步骤,包括:
对所述音频数据进行语调解析,得到语调解析结果;
对所述语调解析结果进行语速解析,得到语速解析结果;
获取预设情绪识别模型;
将所述语调解析结果和所述语速解析结果输入所述预设情绪识别模型进行情绪分类概率预测,得到情绪分类概率预测结果;
根据所述情绪分类概率预测结果进行情绪分类确定,得到所述情绪分类预测结果。
4.根据权利要求3所述的虚拟现实控制策略的推荐方法,其特征在于,所述将所述语调解析结果和所述语速解析结果输入所述预设情绪识别模型进行情绪分类概率预测,得到情绪分类概率预测结果的步骤,包括:
将所述语调解析结果和所述语速解析结果输入所述预设情绪识别模型进行情绪分类概率预测,得到语音情绪分类概率预测结果;
获取所述目标客户在所述第i时刻的视频数据;
对所述视频数据进行每帧图像的解析,得到视频图像集合;
获取人脸标定模型,采用所述人脸标定模型,分别针对所述视频图像集合中的每张图像进行脸部标定,得到脸部标定结果集合;
根据所述脸部标定结果集合进行脸部情绪分类预测,得到脸部情绪分类概率预测结果;
根据所述语音情绪分类概率预测结果和所述脸部情绪分类概率预测结果进行加权求和,得到所述情绪分类概率预测结果。
5.根据权利要求1所述的虚拟现实控制策略的推荐方法,其特征在于,所述根据所述音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合的步骤,包括:
对所述音频数据进行语音转换文本,得到目标文本数据;
获取实体识别模型,采用所述实体识别模型,对所述目标文本数据进行实体识别,得到实体集合;
获取预设沟通目标关联关键词列表;
根据所述预设沟通目标关联关键词列表和所述实体集合进行交集关键词的查找,得到所述沟通目标关联关键词集合。
6.根据权利要求1所述的虚拟现实控制策略的推荐方法,其特征在于,所述获取所述目标客户的画像数据和在第i-1时刻的专注度向量的步骤之前,还包括:
获取所述目标客户的历史音视频数据;
根据所述历史音视频数据分别进行语音转换文本及意图识别,得到产品意图识别结果;
获取所述目标客户的客户属性数据、网页浏览行为数据、偏好数据和消费行为数据;
根据所述产品意图识别结果、所述客户属性数据、所述网页浏览行为数据、所述偏好数据和所述消费行为数据进行画像生成,得到所述目标客户的所述画像数据。
7.根据权利要求1所述的虚拟现实控制策略的推荐方法,其特征在于,所述根据所述虚拟现实控制策略库和所述第i时刻的所述专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果的步骤,包括:
获取第1时刻到所述第i-1时刻的所述专注度向量;
根据所述第1时刻到所述第i-1时刻的所述专注度向量、所述第i时刻的所述专注度向量生成专注度曲线;
根据所述专注度曲线进行各个时刻的切线获取,得到切线集合;
分别对所述切线集合中的每条切线进行斜率计算,得到目标斜率集合;
根据所述目标斜率集合和所述虚拟现实控制策略库进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
8.一种虚拟现实控制策略的推荐装置,其特征在于,所述装置包括:
第一数据获取模块,用于获取目标虚拟空间中的目标客户在第i时刻的虚拟空间行为数据及音频数据;
行为热点解析结果确定模块,用于对所述虚拟空间行为数据进行行为热点解析,得到行为热点解析结果;
情绪分类预测结果确定模块,用于根据所述音频数据进行情绪分类预测,得到情绪分类预测结果;
沟通目标关联关键词集合确定模块,用于根据所述音频数据进行沟通目标关联关键词提取,得到沟通目标关联关键词集合;
第二数据获取模块,用于获取所述目标客户的画像数据和在第i-1时刻的专注度向量;
专注度向量确定模块,用于根据所述第i-1时刻的所述专注度向量、所述画像数据、所述行为热点解析结果、所述情绪分类预测结果和所述沟通目标关联关键词集合进行专注度预测,得到所述第i时刻的所述专注度向量;
虚拟现实控制策略推荐结果确定模块,用于获取虚拟现实控制策略库,根据所述虚拟现实控制策略库和所述第i时刻的所述专注度向量进行虚拟现实控制策略的推荐,得到虚拟现实控制策略推荐结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110944715.2A CN113643047B (zh) | 2021-08-17 | 2021-08-17 | 虚拟现实控制策略的推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110944715.2A CN113643047B (zh) | 2021-08-17 | 2021-08-17 | 虚拟现实控制策略的推荐方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113643047A true CN113643047A (zh) | 2021-11-12 |
CN113643047B CN113643047B (zh) | 2024-05-10 |
Family
ID=78422425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110944715.2A Active CN113643047B (zh) | 2021-08-17 | 2021-08-17 | 虚拟现实控制策略的推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113643047B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399821A (zh) * | 2022-01-13 | 2022-04-26 | 中国平安人寿保险股份有限公司 | 策略推荐方法、装置、存储介质 |
CN114666307A (zh) * | 2022-04-25 | 2022-06-24 | 中国平安人寿保险股份有限公司 | 会议互动方法、会议互动装置、设备及存储介质 |
CN116704012A (zh) * | 2023-06-13 | 2023-09-05 | 北京万物镜像数据服务有限公司 | 一种目标元素空间热度的确定方法、装置及设备 |
TWI831287B (zh) * | 2022-07-12 | 2024-02-01 | 財團法人商業發展研究院 | 目標客群消費偏好行為觀察系統及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816441A (zh) * | 2018-12-29 | 2019-05-28 | 江苏云天励飞技术有限公司 | 策略推送方法、系统及相关装置 |
US20190187782A1 (en) * | 2016-11-02 | 2019-06-20 | Huizhou Tcl Mobile Communication Co., Ltd | Method of implementing virtual reality system, and virtual reality device |
US20200228859A1 (en) * | 2019-01-14 | 2020-07-16 | Amtran Technology Co., Ltd. | Video recommending system and video recommending method |
CN111428175A (zh) * | 2020-03-04 | 2020-07-17 | 中国平安人寿保险股份有限公司 | 基于微表情识别的在线课程推荐方法及相关设备 |
WO2020238023A1 (zh) * | 2019-05-24 | 2020-12-03 | 平安科技(深圳)有限公司 | 信息推荐方法、装置、终端及存储介质 |
-
2021
- 2021-08-17 CN CN202110944715.2A patent/CN113643047B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190187782A1 (en) * | 2016-11-02 | 2019-06-20 | Huizhou Tcl Mobile Communication Co., Ltd | Method of implementing virtual reality system, and virtual reality device |
CN109816441A (zh) * | 2018-12-29 | 2019-05-28 | 江苏云天励飞技术有限公司 | 策略推送方法、系统及相关装置 |
US20200228859A1 (en) * | 2019-01-14 | 2020-07-16 | Amtran Technology Co., Ltd. | Video recommending system and video recommending method |
WO2020238023A1 (zh) * | 2019-05-24 | 2020-12-03 | 平安科技(深圳)有限公司 | 信息推荐方法、装置、终端及存储介质 |
CN111428175A (zh) * | 2020-03-04 | 2020-07-17 | 中国平安人寿保险股份有限公司 | 基于微表情识别的在线课程推荐方法及相关设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399821A (zh) * | 2022-01-13 | 2022-04-26 | 中国平安人寿保险股份有限公司 | 策略推荐方法、装置、存储介质 |
CN114399821B (zh) * | 2022-01-13 | 2024-04-26 | 中国平安人寿保险股份有限公司 | 策略推荐方法、装置、存储介质 |
CN114666307A (zh) * | 2022-04-25 | 2022-06-24 | 中国平安人寿保险股份有限公司 | 会议互动方法、会议互动装置、设备及存储介质 |
CN114666307B (zh) * | 2022-04-25 | 2023-08-25 | 中国平安人寿保险股份有限公司 | 会议互动方法、会议互动装置、设备及存储介质 |
TWI831287B (zh) * | 2022-07-12 | 2024-02-01 | 財團法人商業發展研究院 | 目標客群消費偏好行為觀察系統及方法 |
CN116704012A (zh) * | 2023-06-13 | 2023-09-05 | 北京万物镜像数据服务有限公司 | 一种目标元素空间热度的确定方法、装置及设备 |
CN116704012B (zh) * | 2023-06-13 | 2023-12-22 | 北京万物镜像数据服务有限公司 | 一种目标元素空间热度的确定方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113643047B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113643047B (zh) | 虚拟现实控制策略的推荐方法、装置、设备及存储介质 | |
EP3477519B1 (en) | Identity authentication method, terminal device, and computer-readable storage medium | |
US10706873B2 (en) | Real-time speaker state analytics platform | |
CN109547814B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
WO2022161298A1 (zh) | 信息生成方法、装置、设备、存储介质及程序产品 | |
CN112330685B (zh) | 图像分割模型训练、图像分割方法、装置及电子设备 | |
CN106503236A (zh) | 基于人工智能的问题分类方法以及装置 | |
CN110147729A (zh) | 用户情绪识别方法、装置、计算机设备及存储介质 | |
CN109088999B (zh) | 一种播放回铃音的方法、装置及计算机可读存储介质 | |
US10592733B1 (en) | Computer-implemented systems and methods for evaluating speech dialog system engagement via video | |
CN106663210B (zh) | 基于感受的多媒体处理 | |
WO2022159729A1 (en) | Machine learning for video analysis and feedback | |
CN109460891A (zh) | 基于满意度评价的数据处理方法、装置和计算机设备 | |
CN108511066A (zh) | 信息生成方法和装置 | |
CN113643046B (zh) | 适用于虚拟现实的共情策略推荐方法、装置、设备及介质 | |
CN111223476A (zh) | 语音特征向量的提取方法、装置、计算机设备和存储介质 | |
CN113488200A (zh) | 智能问诊的方法、装置、计算机设备及存储介质 | |
CN111126233A (zh) | 基于距离值的通话通道构建方法、装置和计算机设备 | |
CN113034044A (zh) | 基于人工智能的面试方法、装置、设备及介质 | |
CN112053205A (zh) | 通过机器人情绪识别的产品推荐方法及装置 | |
KR102075506B1 (ko) | 화상 기반의 전문가 매칭 플랫폼 제공 시스템 | |
Chen et al. | A theory-driven deep learning method for voice chat–based customer response prediction | |
CN114639175A (zh) | 考试作弊行为预测方法、装置、设备及存储介质 | |
CN113590798A (zh) | 对话意图识别、用于识别对话意图的模型的训练方法 | |
CN113641835A (zh) | 多媒体资源推荐方法、装置、电子设备及介质 |
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 |