CN116108272A - 一种话题的智能推荐方法、装置、设备及介质 - Google Patents

Abstract

本申请涉及数据挖掘技术领域，具体涉及一种话题的智能推荐方法、装置、设备及介质，用于解决传统话题推荐方式存在着用户回应率低下的问题。该方法：基于目标用户的用户信息和话题筛选条件，得到与该目标用户进行沟通使用的各话题类别，并基于各话题类别、话题库和预设的各话题类别重要度，得到各话题类别包含的每个话题内容对应的预测分数，再对各话题内容对应的预测分数进行排序，得到与目标用户进行沟通的目标话题内容，其中话题库包括各话题类别包含的各话题内容、预测分数确定规则，预测分数越大表征话题内容回应率越高；这样，采用目标话题内容进行沟通可以有效吸引目标用户，提高了用户回应率。

Description

一种话题的智能推荐方法、装置、设备及介质

技术领域

本申请涉及数据挖掘技术领域，具体涉及一种话题的智能推荐方法、装置、设备及介质。

背景技术

在一些应用场景中，一个服务提供者可能为众多用户提供咨询、代理等服务。由于服务的用户众多，往往会出现服务提供者焦虑于如何选择沟通话题，或在与用户进行沟通过程中使用的话题不能准确命中该用户的关注点的现象，导致本次沟通未能达到预期效果，如维护关系或推荐产品等。

然而，相关技术下，针对话题推荐方式，通常是通过聊天机器人和智能问答等方式，与用户进行直接沟通。由于上述方式通常以生日提醒等话题与批量用户进行沟通，这样，往往得不到用户很好的回应，不能有效吸引客户，因此，存在着用户回应率低下的问题。

发明内容

本申请实施例提供一种话题的智能推荐方法、装置、设备及介质，用于提高话题的用户回应率。

第一方面，本申请实施例提供的一种话题的智能推荐方法，包括：

基于目标用户的用户信息和话题筛选条件，得到与所述目标用户进行沟通使用的各话题类别，其中所述用户信息包括所述目标用户的虚拟资源信息、各个提醒信息和行为信息中的部分或全部；

基于所述各话题类别、话题库和预设的各话题类别重要度，得到所述各话题类别包含的每个话题内容对应的预测分数，其中所述话题库包括各话题类别包含的各话题内容、预测分数确定规则，所述预测分数越大表征话题内容回应率越高；

对各话题内容对应的预测分数进行排序，得到与所述目标用户进行沟通的目标话题内容。

在一种可能的实施例中，在所述基于目标用户的用户信息和话题筛选条件，得到与所述目标用户进行沟通使用的各话题类别之前，还包括：

在确定满足预设条件后，基于所述预设条件，从用户数据库中筛选出至少一个所述目标用户，其中所述预设条件包括周期筛选条件、到期提醒条件和虚拟资源变动条件中的部分或全部；或，

响应筛选用户指令，基于所述筛选用户指令包含的服务标识信息，从用户数据库中筛选出与所述服务标识信息存在关联的至少一个所述目标用户，其中所述服务标识信息是为所述目标用户提供服务的服务提供者的标识信息。

在一种可能的实施例中，所述话题筛选条件包括如下条件中的部分或全部：

所述目标用户的任一虚拟资源信息的到期时间距当前时间不足第一阈值；

所述目标用户的虚拟资源信息对应的虚拟资源不小于资源阈值；

所述目标用户的任一提醒信息的提醒时间距所述当前时间不足第二阈值。

在一种可能的实施例中，所述基于所述各话题类别、话题库和预设的各话题类别重要度，得到所述各话题类别包含的每个话题内容对应的预测分数，包括：

基于所述各话题类别，从所述话题库包括的各话题类别中，确定所述各话题类别包含的各话题内容；

获取所述各话题内容对应的被引用次数及用户回应次数；

基于所述预测分数确定规则、预设的各话题类别重要度，以及所述各话题内容对应的被引用次数及用户回应次数，得到所述各话题类别包含的每个话题内容对应的预测分数。

在一种可能的实施例中，所述对各话题内容对应的预测分数进行排序，得到与所述目标用户进行沟通的目标话题内容，包括：

按照预测分数从大到小的顺序，以及预设排序优化规则，对所述各话题对应的预测分数进行排序，其中所述预设排序优化规则包括话题类别置顶规则和/或话题内容优先级配置规则；

将排序信息在第一位的话题内容作为与所述目标用户进行沟通的目标话题内容。

在一种可能的实施例中，在所述得到与所述目标用户进行沟通的目标话题内容之后，还包括：

输出所述目标话题内容所属的话题类别，以及与所述目标话题内容对应的用户信息。

第二方面，本申请实施例提供的一种话题的智能推荐装置，包括：

话题类别确定模块，用于基于目标用户的用户信息和话题筛选条件，得到与所述目标用户进行沟通使用的各话题类别，其中所述用户信息包括所述目标用户的虚拟资源信息、各个提醒信息和行为信息中的部分或全部；

分数预测模块，用于基于所述各话题类别、话题库和预设的各话题类别重要度，得到所述各话题类别包含的每个话题内容对应的预测分数，其中所述话题库包括各话题类别包含的各话题内容、预测分数确定规则，所述预测分数越大表征话题内容回应率越高；

排序模块，用于对各话题内容对应的预测分数进行排序，得到与所述目标用户进行沟通的目标话题内容。

在一种可能的实施例中，在所述基于目标用户的用户信息和话题筛选条件，得到与所述目标用户进行沟通使用的各话题类别之前，所述话题类别确定模块还用于：

在确定满足预设条件后，基于所述预设条件，从用户数据库中筛选出至少一个所述目标用户，其中所述预设条件包括周期筛选条件、到期提醒条件和虚拟资源变动条件中的部分或全部；或，

响应筛选用户指令，基于所述筛选用户指令包含的服务标识信息，从用户数据库中筛选出与所述服务标识信息存在关联的至少一个所述目标用户，其中所述服务标识信息是为所述目标用户提供服务的服务提供者的标识信息。

在一种可能的实施例中，所述话题筛选条件包括如下条件中的部分或全部：

所述目标用户的任一虚拟资源信息的到期时间距当前时间不足第一阈值；

所述目标用户的虚拟资源信息对应的虚拟资源不小于资源阈值；

所述目标用户的任一提醒信息的提醒时间距所述当前时间不足第二阈值。

在一种可能的实施例中，所述分数预测模块具体用于：

基于所述各话题类别，从所述话题库包括的各话题类别中，确定所述各话题类别包含的各话题内容；

获取所述各话题内容对应的被引用次数及用户回应次数；

基于所述预测分数确定规则、预设的各话题类别重要度，以及所述各话题内容对应的被引用次数及用户回应次数，得到所述各话题类别包含的每个话题内容对应的预测分数。

在一种可能的实施例中，所述排序模块具体用于：

按照预测分数从大到小的顺序，以及预设排序优化规则，对所述各话题对应的预测分数进行排序，其中所述预设排序优化规则包括话题类别置顶规则和/或话题内容优先级配置规则；

将排序信息在第一位的话题内容作为与所述目标用户进行沟通的目标话题内容。

在一种可能的实施例中，在所述得到与所述目标用户进行沟通的目标话题内容之后，所述排序模块还用于：

输出所述目标话题内容所属的话题类别，以及与所述目标话题内容对应的用户信息。

第三方面，本申请提供一种电子设备，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行第一方面中任一项所述的方法包括的步骤。

第四方面，本申请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程序，所述计算机程序包括程序指令，所述程序指令当被计算机执行时，使所述计算机执行第一方面中任一项所述的方法。

第五方面，本申请提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行第一方面中任一项所述的方法。

本申请实施例具备如下有益效果：

通过话题筛选条件，可以得到可以与目标用户进行沟通使用的各话题类别，然后，基于话题库包括的各话题类别、各话题类别包含的各个话题内容，以及预测分数确定规则和各话题类别重要度，可以得到与目标用户进行沟通使用的各话题类别包含的各话题内容的预测分数，其中，该预测分数越大表征话题内容的用户回应率越高，然后，对各话题内容对应的预测分数进行排序，可以得到与目标用户进行沟通的目标话题内容；这样，由于在得到目标话题内容过程中，综合考虑了话题库包括的各话题类型和各话题内容，以及各话题类别重要度等进行话题内容预测，因此，目标话题内容更加贴合目标用户的关注点，基于该目标话题内容与目标用户进行沟通，可以有效吸引目标用户，从而提高了用户回应率。

附图说明

图1为本申请实施例提供的一种应用场景示意图；

图2为本申请实施例提供的一种话题的智能推荐方法的流程图；

图3为本申请实施例提供的一种预测分数的确定方法的流程图；

图4为本申请实施例提供的一种对预测分数进行排序的方法的流程图；

图5为本申请实施例提供的一种话题的智能推荐装置的结构图；

图6为本申请实施例提供的一种电子设备的结构图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明白，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以按不同于此处的顺序执行所示出或描述的步骤。

本申请的说明书和权利要求书及上述附图中的术语“第一”和“第二”是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请中的“多个”可以表示至少两个，例如可以是两个、三个或者更多个，本申请实施例不做限制。

本申请技术方案中，对数据的采集、传播、使用等，均符合国家相关法律法规要求。

在介绍本申请实施例所提供的一种话题的智能推荐方法之前，为了便于理解，下面首先对本申请实施例的技术背景进行详细介绍。

在一些应用场景中，一个服务提供者可能需为众多用户提供咨询、代理等服务。由于服务的用户众多、业务繁忙，若与某一用户有段时间未进行沟通，那么，该服务提供者往往会焦虑于如何选择与该用户进行沟通的话题，或在与用户进行沟通过程中使用的话题不能准确命中该用户的关注点的现象，导致本次沟通未能达到预期效果，如维护关系或推荐产品等，甚至造成业务流失等。

然而，相关技术下，针对话题推荐方式，通常是通过聊天机器人和智能问答等方式，与用户进行直接沟通。由于上述方式通常以生日提醒等话题与批量用户进行沟通，这样，往往得不到用户很好的回应，不能有效吸引客户，因此，存在着用户回应率低下的问题。

为此，本申请提供一种话题的智能推荐方法，其中，基于目标用户的用户信息和话题筛选条件，得到与目标用户进行沟通使用的各话题类别，其中，用户信息包括目标用户的虚拟资源信息、各个提醒信息和行为信息中的部分或全部；然后，基于各话题类别、话题库和预设的各话题类别重要度预测分数确定规则，得到各话题类别包含的每个话题内容对应的预测分数，对各话题内容对应的预测分数进行排序，得到与目标用户进行沟通的目标话题内容，其中，话题库包括各话题类别包含的各话题内容、预测分数确定规则，预测分数越大表征话题内容回应率越高；这样，综合考虑了话题库包括的各话题类型和各话题内容，以及各话题类别重要度等进行话题内容预测，使得得到的目标话题内容更加贴合目标用户的关注点，从而有效吸引目标用户，进而提高了用户回应率。

下面对本申请实施例的技术方案能够适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时，可以根据实际需要灵活地应用本申请实施例提供的技术方案。

参阅图1，其为本申请实施例提供的话题的智能推荐方法的应用场景示意图。该应用场景包括多个终端设备101(包括终端设备101-1、终端设备101-2、……终端设备101-n)、服务器102。其中，终端设备101、服务器102之间通过无线或有线网络连接，终端设备101包括但不限于桌面计算机、移动电话、移动电脑、平板电脑等电子设备。服务器102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。

服务提供者通过终端设备101触发筛选用户指令至服务器102，其中，筛选用户指令包括服务标识信息，服务标识信息是为目标用户提供服务的服务提供者的标识信息；服务器102响应该筛选用户指令，基于该筛选用户指令包含的服务标识信息，从用户数据库中筛选出与服务标识信息存在关联的至少一个目标用户；然后，基于目标用户的用户信息和话题筛选条件，得到与该目标用户进行沟通使用的各话题类别，以及，基于各话题类别、话题库和预设的各话题类别重要度，得到各话题类别包含的每个话题内容对应的预测分数，然后，再对各话题内容对应的预测分数进行排序，得到与目标用户进行沟通的目标话题内容，其中，用户信息包括目标用户的虚拟资源信息、各个提醒信息和行为信息中的部分或全部；话题库包括各话题类别包含的各话题内容、预测分数确定规则，预测分数越大表征话题内容回应率越高。服务器102将该目标话题内容发送至终端设备101，以使终端设备101基于目标话题内容与目标用户进行沟通。

一些可行的实施例中，服务器102还可以一并将目标话题内容所属的话题类别，以及与目标话题内容对应的用户信息发送至终端设备101，以便提示服务提供者给出目标话题内容的推荐理由及目标用户近期的需关注内容。

当然，本申请实施例提供的方法并不限用于图1所示的应用场景中，还可以用于其它可能的应用场景，本申请实施例并不进行限制。对于图1所示的应用场景的各个设备所能实现的功能将在后续的方法实施例中一并进行描述，在此先不过多赘述。

为进一步说明本申请实施例提供的技术方案，下面将结合附图，对本申请实施例提供的技术方案进行详细说明。应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，并且在不冲突的情况下，本申请实施例及实施例中的特征可以相互组合。

参考图2，本申请实施例提供的一种话题的智能推荐方法，包括以下步骤：

S201、基于目标用户的用户信息和话题筛选条件，得到与目标用户进行沟通使用的各话题类别，其中，用户信息包括目标用户的虚拟资源信息、各个提醒信息和行为信息中的部分或全部；

S202、基于各话题类别、话题库和预设的各话题类别重要度，得到各话题类别包含的每个话题内容对应的预测分数，其中，话题库包括各话题类别包含的各话题内容、预测分数确定规则，预测分数越大表征话题内容回应率越高；

S203、对各话题内容对应的预测分数进行排序，得到与目标用户进行沟通的目标话题内容。

本申请实施例中，在执行步骤S201之前，构建话题库，话题库包括多个话题类别。以维护关系为目的进行沟通为例。话题库包括的多个话题类别，以及每个话题类别包含的多个话题内容。

具体实施中，上述话题类别可以有三大类，如关怀类话题、资源激励类话题和回访类话题；每个话题类别大类还包含多个话题类别小类，如关怀类话题包括特定日期祝福类话题、最近提醒类话题、虚拟资源提醒/兑换类话题、最近一次通知类话题等；资源激励类话题包括XX资源激励类话题、YY资源激励类话题等；回访类话题包括资源配置方案沟通类话题、XX资源物料类话题、用户回访类话题等。每个话题类别小类还包含多个话题内容，如特定日期祝福类话题包括话题内容1——“节日快乐”，话题内容2——“XX节日快乐”，话题内容3——“在特殊的日子，祝您身体健康、节日快乐”等。

本申请实施例中，在介绍完话题库后，在执行步骤S201之前，可以具体通过如下方式确定目标用户：

方式一，在确定满足预设条件后，基于该预设条件，从用户数据库中筛选出至少一个目标用户，其中，该预设条件包括周期筛选条件、到期提醒条件和虚拟资源变动条件中的部分或全部。

方式二，响应筛选用户指令，基于筛选用户指令包含的服务标识信息，从用户数据库中筛选出与服务标识信息存在关联的至少一个目标用户，其中，服务标识信息是为目标用户提供服务的服务提供者的标识信息。

鉴于上述方式一和方式可知，目标用户可以通过上述两个维度确定。具体实施中，对应方式一，可以由服务器自动对用户数据库中的用户进行筛选，以确定目标用户；对应方式二，可以是在服务提供者欲向自身服务的用户进行定向沟通时，通过终端设备向服务器触发筛选用户指令，从而使服务器对用户数据库中与该服务提供者关联的多个用户进行筛选，以确定目标用户。

涉及步骤S201，本申请实施例中，在确定目标用户后，执行步骤S201，基于话题筛选条件，从目标用户的用户信息中查询是否涉及满足话题筛选条件的话题类别，从而得到与目标用户进行沟通可以使用的各话题类别，其中，上述用户信息包括目标用户的虚拟资源信息、各个提醒信息和行为信息中的部分或全部。例如，上述目标用户的各个提醒信息是否涉及关怀类话题(如到期提醒类话题)，上述目标用户的虚拟资源信息是否涉及回访类话题(如资源配置方案沟通类话题)等。

其中，本申请实施例中，上述话题筛选条件可以包含但不限于如下条件：

条件一，目标用户的任一虚拟资源信息的到期时间距当前时间不足第一阈值；

条件二，目标用户的虚拟资源信息对应的虚拟资源不小于资源阈值；

条件三，目标用户的任一提醒信息的提醒时间距当前时间不足第二阈值。

例如，针对条件一，假设目标用户的用户信息满足条件一，且第一阈值为3天。那么，在执行步骤S201时，基于目标用户的用户信息和话题筛选条件，确定目标用户的虚拟资信息A三天后到期，则得到与目标用户进行沟通使用的一个话题类别，即最近提醒类话题。换句话说，在与目标用户进行沟通时可以与目标用户针对虚拟资源信息A三天后到期来展开话题，然后，循序渐进与目标用户进行更为深入的话题等。

涉及步骤S202，本申请实施例中，在执行步骤S202时，参阅图3所示，可以具体通过执行如下步骤来得到各话题类别包含的每个话题内容对应的预测分数，其中，上述各话题类别是与目标用户进行沟通使用的各个话题类别：

步骤S2021、基于各话题类别，从话题库包括的各话题类别中，确定各话题类别包含的各话题内容；

步骤S2022、获取各话题内容对应的被引用次数及用户回应次数；

步骤S2023、基于预测分数确定规则、预设的各话题类别重要度，以及上述各话题内容对应的被引用次数及用户回应次数，得到各话题类别包含的每个话题内容对应的预测分数。

涉及S2022，本申请实施例中，服务器可以预先部署用于统计用户的行为信息的小插件，并将统计结果存储到预设的数据库中，如用户数据库等；那么，在执行步骤S2022时，可以从上述预设的数据库中获取各话题内容对应的被引用次数及用户回应次数，其中，该被引用次数及用户回应次数包括该目标用户的上述各话题内容所属话题类别对应的被引用次数及用户回应次数、用户数据库内所有用户的上述各话题内容对应的被引用次数及用户回应次数，以及用户数据库内所有用户的上述各话题内容所属话题类别对应的被引用次数及用户回应次数中的部分或全部。

在一些可行的实施例中，在执行步骤S2022时，服务器可以具体执行如下操作，得到各话题内容对应的被引用次数及用户回应次数：

操作一，基于用户信息，得到各话题内容所属话题类别对应的第一被引用次数及用户回应次数；和/或。

操作二，基于用户数据库包含的所有用户的用户信息，得到各话题内容对应的第二被引用次数及用户回应次数；和/或，

操作三，基于用户数据库包含的所有用户的用户信息，得到各话题内容所属话题类别对应的第三被应用次数及用户回应次数。

涉及步骤S2023，本申请实施例中，服务器可以预先响应针对各话题类别重要度的配置操作，以便于在执行步骤S2023时，基于预设的各话题类别重要度进行话题的智能推荐，这样，可以更加贴合于服务提供者的预期目的，更好地为服务提供者进行话题推荐。

在一些实施例中，仍涉及步骤S2023，上述预测分数确定规则可以用如下公式来表示：

其中，y₁为任一话题内容的预测分数；td为时间指标，为当前话题内容对应的话题指标发生时间与当前时间的差值的绝对值；i为各话题类别重要度指标，取值可以在0-1之间；r为用户数据库包含的所有用户的该话题内容的用户回应次数；c为用户数据库包含的所有用户的该话题内容的被引用次数；tr为用户数据库包含的所有用户的该话题内容所属话题类别的用户回应次数；tc为用户数据库包含的所有用户的该话题内容所述话题类别的被引用次数；utr为目标用户的该话题内容所属话题类别的用户回应次数；ut为目标用户的该话题内容所属话题类别的被引用次数；{a₁，a₂，a₃，a₄，a₅，a₆，b}为话题指标权重数组，表征上述各话题指标对应的权重值。

本申请实施例中，上述{a₁，a₂，a₃，a₄，a₅，a₆，b}可以基于实际情况进行具体限定。

一些可行的实施例中，可以采用模型确定{a₁，a₂，a₃，a₄，a₅，a₆，b}中每个参数的具体数值(即最优值)。具体实施中，收集沟通样本集，其中，该沟通样本集包括多个沟通样本，若沟通样本是有回应样本，则该沟通样本为正样本，若沟通样本是无回应样本，则该沟通样本为负样本。然后，将回应率作为模型优化目标，并针对a₁，a₂，a₃，a₄，a₅，a₆，b构建损失函数，例如，极大似然函数、交叉熵损失函数等。本申请实施例中，可以通过如下公式来表示上述损失函数：

其中，y为沟通样本集中任一沟通样本的真实分数，即正样本为1，负样本为0；td、i、r、tr、tc、utr、ut与上述预测分数确定规则类似，在此不再赘述，{a₁，a₂，a₃，a₄，a₅，a₆，b}为待确定最优值的话题指标权重数组，{a₁，a₂，a₃，a₄，a₅，a₆，b}中每个参数的初始值为预设值。

在准确好沟通样本集和上述损失函数后，基于沟通样本集和上述预测分数确定规则，对损失函数进行多轮迭代运算，直至得到的总损失值最小为止，将该总损失值最小时{a₁，a₂，a₃，a₄，a₅，a₆，b}中每个参数的具体数值，作为上述最优值，即作为实际应用中，上述预测分数确定规则中的{a₁，a₂，a₃，a₄，a₅，a₆，b}。具体实施中，在一轮迭代运算过程中，针对沟通样本集包括的每个沟通样本，采用上述预测分数确定规则得到各自对应的预测分数，然后，利用上述损失函数得到每个沟通样本的损失值，将沟通样本集包括的每个沟通样本的损失值执行求和取均值操作，得到该沟通样本集对应的总损失值，并基于总损失值，更新{a₁，a₂，a₃，a₄，a₅，a₆，b}中每个参数的具体数值，将更新后的{a₁，a₂，a₃，a₄，a₅，a₆，b}代入下轮迭代运算使用的预测分数确定规则中。

涉及步骤S203，本申请实施例中，参阅图4所示，具体通过执行如下步骤，得到与目标用户进行沟通的目标话题内容：

步骤S2031、按照预测分数从大到小的顺序，以及预设排序优化规则，对上述各话题对应的预测分数进行排序，其中，预设排序优化规则包括话题类别置顶规则和/或话题内容优先级配置规则；

步骤S2032、将排序信息在第一位的话题内容作为与目标用户进行沟通的目标话题内容。

涉及步骤S2031，服务提供者可以预先设置话题类别置顶规则和/或话题内容优先级配置规则，这样，服务器在执行本申请实施例提供的话题的智能推荐方法时，可以结合服务提供者的日常工作习惯，具有针对性地进行话题推荐，从而以更好地贴合实际应用场景，进而提高用户回应率。

涉及步骤S2032，在得到与目标用户进行沟通的目标话题内容之后，还可以输出该目标话题内容所属的话题类别，以及与目标话题内容对应的用户信息；以便于提示服务提供者服务器选择出该目标话题内容的推荐理由，以及目标用户近期的需关注内容。

在一些可行的实施例中，在执行步骤S2022时，可以针对不同沟通渠道分别获取各话题内容对应的被应用次数及用户回应次数，从而在执行步骤S2031～步骤S2032时，可以分不同沟通渠道进行分别排序，从而得到针对不同沟通渠道的目标话题内容，这样，可以更大限度地提升话题推荐的准确率，进一步提高用户回应率。

基于同一发明构思，本申请实施例提供一种话题的智能推荐装置，请参照图5，该装置包括：

话题类别确定模块501，用于基于目标用户的用户信息和话题筛选条件，得到与所述目标用户进行沟通使用的各话题类别，其中所述用户信息包括所述目标用户的虚拟资源信息、各个提醒信息和行为信息中的部分或全部；

分数预测模块502，用于基于所述各话题类别、话题库和预设的各话题类别重要度，得到所述各话题类别包含的每个话题内容对应的预测分数，其中所述话题库包括各话题类别包含的各话题内容、预测分数确定规则，所述预测分数越大表征话题内容回应率越高；

排序模块503，用于对各话题内容对应的预测分数进行排序，得到与所述目标用户进行沟通的目标话题内容。

在一种可能的实施例中，在所述基于目标用户的用户信息和话题筛选条件，得到与所述目标用户进行沟通使用的各话题类别之前，所述话题类别确定模块501还用于：

在确定满足预设条件后，基于所述预设条件，从用户数据库中筛选出至少一个所述目标用户，其中所述预设条件包括周期筛选条件、到期提醒条件和虚拟资源变动条件中的部分或全部；或，

响应筛选用户指令，基于所述筛选用户指令包含的服务标识信息，从用户数据库中筛选出与所述服务标识信息存在关联的至少一个所述目标用户，其中所述服务标识信息是为所述目标用户提供服务的服务提供者的标识信息。

在一种可能的实施例中，所述话题筛选条件包括如下条件中的部分或全部：

所述目标用户的任一虚拟资源信息的到期时间距当前时间不足第一阈值；

所述目标用户的虚拟资源信息对应的虚拟资源不小于资源阈值；

所述目标用户的任一提醒信息的提醒时间距所述当前时间不足第二阈值。

在一种可能的实施例中，所述分数预测模块502具体用于：

基于所述各话题类别，从所述话题库包括的各话题类别中，确定所述各话题类别包含的各话题内容；

获取所述各话题内容对应的被引用次数及用户回应次数；

基于所述预测分数确定规则、预设的各话题类别重要度，以及所述各话题内容对应的被引用次数及用户回应次数，得到所述各话题类别包含的每个话题内容对应的预测分数。

在一种可能的实施例中，所述排序模块503具体用于：

按照预测分数从大到小的顺序，以及预设排序优化规则，对所述各话题对应的预测分数进行排序，其中所述预设排序优化规则包括话题类别置顶规则和/或话题内容优先级配置规则；

将排序信息在第一位的话题内容作为与所述目标用户进行沟通的目标话题内容。

在一种可能的实施例中，在所述得到与所述目标用户进行沟通的目标话题内容之后，所述排序模块503还用于：

输出所述目标话题内容所属的话题类别，以及与所述目标话题内容对应的用户信息。

基于同一发明构思，本申请实施例提供一种电子设备，该设备可以实现前文论述的话题的智能推荐装置的功能，请参照图6，该设备包括一个或多个处理器601和存储器602，

处理器601，可以包括一个或多个中央处理单元(central processing unit，CPU)或者为数字处理单元等等。处理器601，用于调用存储器602中存储的计算机程序时实现上述话题的智能推荐方法。

存储器602，用于存储处理器601执行的计算机程序。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统，以及运行即时通讯功能所需的程序等；存储数据区可存储各种即时通讯信息和操作指令集等。

存储器602可以是易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器602也可以是非易失性存储器(non-volatilememory)，例如只读存储器，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)、或者存储器602是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器602可以是上述存储器的组合。

本申请实施例中不限定上述处理器601和存储器602之间的具体连接介质。本申请实施例在图6中以处理器601和存储器602之间通过总线603连接，总线603在图6中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。总线603可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

基于同一发明构思，本申请实施例提供一种计算机可读存储介质，计算机程序产品包括：计算机程序代码，当计算机程序代码在计算机上运行时，使得计算机执行如前文论述任一的话题的智能推荐方法。由于上述计算机可读存储介质解决问题的原理与话题的智能推荐方法相似，因此上述计算机可读存储介质的实施可以参见方法的实施，重复之处不再赘述。

基于同一发明构思，本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括：计算机程序代码，当该计算机程序代码在计算机上运行时，使得计算机执行如前文论述任一的话题的智能推荐方法。由于上述计算机程序产品解决问题的原理与话题的智能推荐方法相似，因此上述计算机程序产品的实施可以参见方法的实施，重复之处不再赘述。所述程序产品可以采用一个或多个可读介质的任意组合。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图中的一个流程或多个流程和/或方框图中的一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列用户操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图中的一个流程或多个流程和/或方框图中的一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (15)

1.一种话题的智能推荐方法，其特征在于，包括：

基于目标用户的用户信息和话题筛选条件，得到与所述目标用户进行沟通使用的各话题类别，其中所述用户信息包括所述目标用户的虚拟资源信息、各个提醒信息和行为信息中的部分或全部；

基于所述各话题类别、话题库和预设的各话题类别重要度，得到所述各话题类别包含的每个话题内容对应的预测分数，其中所述话题库包括各话题类别包含的各话题内容、预测分数确定规则，所述预测分数越大表征话题内容回应率越高；

对各话题内容对应的预测分数进行排序，得到与所述目标用户进行沟通的目标话题内容。

2.如权利要求1所述的方法，其特征在于，在所述基于目标用户的用户信息和话题筛选条件，得到与所述目标用户进行沟通使用的各话题类别之前，还包括：

在确定满足预设条件后，基于所述预设条件，从用户数据库中筛选出至少一个所述目标用户，其中所述预设条件包括周期筛选条件、到期提醒条件和虚拟资源变动条件中的部分或全部；或，

响应筛选用户指令，基于所述筛选用户指令包含的服务标识信息，从用户数据库中筛选出与所述服务标识信息存在关联的至少一个所述目标用户，其中所述服务标识信息是为所述目标用户提供服务的服务提供者的标识信息。

3.如权利要求1所述的方法，其特征在于，所述话题筛选条件包括如下条件中的部分或全部：

所述目标用户的任一虚拟资源信息的到期时间距当前时间不足第一阈值；

所述目标用户的虚拟资源信息对应的虚拟资源不小于资源阈值；

所述目标用户的任一提醒信息的提醒时间距所述当前时间不足第二阈值。

4.如权利要求1-3任一项所述的方法，其特征在于，所述基于所述各话题类别、话题库和预设的各话题类别重要度，得到所述各话题类别包含的每个话题内容对应的预测分数，包括：

基于所述各话题类别，从所述话题库包括的各话题类别中，确定所述各话题类别包含的各话题内容；

获取所述各话题内容对应的被引用次数及用户回应次数；

基于所述预测分数确定规则、预设的各话题类别重要度，以及所述各话题内容对应的被引用次数及用户回应次数，得到所述各话题类别包含的每个话题内容对应的预测分数。

5.如权利要求4所述的方法，其特征在于，所述对各话题内容对应的预测分数进行排序，得到与所述目标用户进行沟通的目标话题内容，包括：

按照预测分数从大到小的顺序，以及预设排序优化规则，对所述各话题对应的预测分数进行排序，其中所述预设排序优化规则包括话题类别置顶规则和/或话题内容优先级配置规则；

将排序信息在第一位的话题内容作为与所述目标用户进行沟通的目标话题内容。

6.如权利要求5所述的方法，其特征在于，在所述得到与所述目标用户进行沟通的目标话题内容之后，还包括：

输出所述目标话题内容所属的话题类别，以及与所述目标话题内容对应的用户信息。

7.一种话题的智能推荐装置，其特征在于，包括：

话题类别确定模块，用于基于目标用户的用户信息和话题筛选条件，得到与所述目标用户进行沟通使用的各话题类别，其中所述用户信息包括所述目标用户的虚拟资源信息、各个提醒信息和行为信息中的部分或全部；

分数预测模块，用于基于所述各话题类别、话题库和预设的各话题类别重要度，得到所述各话题类别包含的每个话题内容对应的预测分数，其中所述话题库包括各话题类别包含的各话题内容、预测分数确定规则，所述预测分数越大表征话题内容回应率越高；

排序模块，用于对各话题内容对应的预测分数进行排序，得到与所述目标用户进行沟通的目标话题内容。

8.如权利要求7所述的装置，其特征在于，在所述基于目标用户的用户信息和话题筛选条件，得到与所述目标用户进行沟通使用的各话题类别之前，所述话题类别确定模块还用于：

在确定满足预设条件后，基于所述预设条件，从用户数据库中筛选出至少一个所述目标用户，其中所述预设条件包括周期筛选条件、到期提醒条件和虚拟资源变动条件中的部分或全部；或，

响应筛选用户指令，基于所述筛选用户指令包含的服务标识信息，从用户数据库中筛选出与所述服务标识信息存在关联的至少一个所述目标用户，其中所述服务标识信息是为所述目标用户提供服务的服务提供者的标识信息。

9.如权利要求7所述的装置，其特征在于，所述话题筛选条件包括如下条件中的部分或全部：

所述目标用户的任一虚拟资源信息的到期时间距当前时间不足第一阈值；

所述目标用户的虚拟资源信息对应的虚拟资源不小于资源阈值；

所述目标用户的任一提醒信息的提醒时间距所述当前时间不足第二阈值。

10.如权利要求7-9任一项所述的装置，其特征在于，所述分数预测模块具体用于：

基于所述各话题类别，从所述话题库包括的各话题类别中，确定所述各话题类别包含的各话题内容；

获取所述各话题内容对应的被引用次数及用户回应次数；

基于所述预测分数确定规则、预设的各话题类别重要度，以及所述各话题内容对应的被引用次数及用户回应次数，得到所述各话题类别包含的每个话题内容对应的预测分数。

11.如权利要求10所述的装置，其特征在于，所述排序模块具体用于：

按照预测分数从大到小的顺序，以及预设排序优化规则，对所述各话题对应的预测分数进行排序，其中所述预设排序优化规则包括话题类别置顶规则和/或话题内容优先级配置规则；

将排序信息在第一位的话题内容作为与所述目标用户进行沟通的目标话题内容。

12.如权利要求11所述的装置，其特征在于，在所述得到与所述目标用户进行沟通的目标话题内容之后，所述排序模块还用于：

输出所述目标话题内容所属的话题类别，以及与所述目标话题内容对应的用户信息。

13.一种电子设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行权利要求1-6中任一项所述的方法包括的步骤。

14.一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，所述计算机程序包括程序指令，所述程序指令当被计算机执行时，使所述计算机执行如权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，其特征在于，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述如权利要求1-6中任一项所述的方法。

Images