CN117010725A - 一种个性化决策方法、系统以及相关装置 - Google Patents
一种个性化决策方法、系统以及相关装置 Download PDFInfo
- Publication number
- CN117010725A CN117010725A CN202311251620.8A CN202311251620A CN117010725A CN 117010725 A CN117010725 A CN 117010725A CN 202311251620 A CN202311251620 A CN 202311251620A CN 117010725 A CN117010725 A CN 117010725A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- decision
- analysis model
- intelligent analysis
- 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 57
- 230000008447 perception Effects 0.000 claims abstract description 28
- 230000004044 response Effects 0.000 claims description 23
- 230000006399 behavior Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000012790 confirmation Methods 0.000 claims description 9
- 239000013589 supplement Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 description 16
- 230000007613 environmental effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 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
- 238000005286 illumination Methods 0.000 description 3
- 230000000153 supplemental effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 235000005686 eating Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 235000018183 breakfast habits Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 235000012149 noodles Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000021395 porridge Nutrition 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000047 product Substances 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种个性化决策方法、系统以及相关装置,该方法包括:获取用户的个性化信息以及当前场景下的感知信息;其中,所述感知信息至少包括所述当前场景下的环境信息以及所述用户在所述当前场景下的状态信息;至少基于所述感知信息和所述个性化信息,得到与所述用户匹配的提示信息;将所述提示信息输入智能分析模型,得到与所述提示信息匹配的决策方案;将所述决策方案反馈至所述用户。通过上述方式,本申请能够提高决策方案生成的准确性和灵活性。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种个性化决策方法、系统以及相关装置。
背景技术
随着人工智能技术的不断发展,代替用户完成相应的决策,成为个性化服务领域的关键。目前传统的决策方法主要依赖于固定的判定规则或简单的机器学习模型对用户的个性化信息进行分析,从而生成相关的决策方案。该方法无法结合不同场景下的差异化信息,导致准确性和灵活性较低。有鉴于此,如何提供一种准确性和灵活性较高的自动决策方法,成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种个性化决策方法、系统以及相关装置,能够提高决策方案生成的准确性和灵活性。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种个性化决策方法,包括:获取用户的个性化信息以及当前场景下的感知信息;其中,所述感知信息至少包括所述当前场景下的环境信息以及所述用户在所述当前场景下的状态信息;至少基于所述感知信息和所述个性化信息,得到与所述用户匹配的提示信息;将所述提示信息输入智能分析模型,得到与所述提示信息匹配的决策方案;将所述决策方案反馈至所述用户。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种决策系统,包括:获取模块,用于获取用户的个性化信息以及当前场景下的感知信息;其中,所述感知信息至少包括所述当前场景下的环境信息以及所述用户在所述当前场景下的状态信息;处理模块,用于至少基于所述感知信息和所述个性化信息,得到与所述用户匹配的提示信息;决策模块,用于将所述提示信息输入智能分析模型,得到与所述提示信息匹配的决策方案;反馈模块,用于将所述决策方案反馈至所述用户。
为解决上述技术问题,本申请采用的又一个技术方案是:提供一种移动终端,包括:相互耦接的存储器和处理器,所述存储器中存储有程序指令,所述处理器用于执行所述程序指令以实现如上述技术方案中提到的个性化决策方法。
为解决上述技术问题,本申请采用的又一个技术方案是:提供一种计算机可读存储介质,其上存储有程序指令,所述程序指令被处理器执行时实现如上述技术方案中提到的个性化决策方法。
本申请的有益效果是:区别于现有技术的情况,本申请提出的个性化决策方法通过根据用户的个性化信息以及当前场景下的感知信息生成提示信息,并利用具有较优信息处理能力的智能分析模型对提示信息进行分析,以自动生成与用户当前需求契合度较高的决策方案。该方式可以在多种场景下代替用户制定相应的决策方案并执行该决策方法,为用户带来极大的便利。另外,通过结合不同场景下的感知信息,极大提高了决策的准确性和灵活性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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,下面描述中的附图仅仅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。其中:
图1是本申请个性化决策方法一实施方式的流程示意图;
图2是步骤S103对应另一实施方式的流程示意图;
图3是步骤S104之后对应一实施方式的流程示意图;
图4是本申请个性化决策方法的又一实施方式的流程示意图;
图5是本申请个性化决策系统一实施方式的结构示意图;
图6是本申请移动终端一实施方式的结构示意图;
图7是本申请计算机可读存储介质一实施方式的结构示意图。
具体实施方式
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的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。
本申请提出的个性化决策方法依托于智能终端实现,该智能终端可以是至少集成有相应决策功能的智能设备,或者也可以为智能设备上的应用。其中,上述智能设备可以为手机、平板电脑或个人电脑等。
请参阅图1,图1是本申请个性化决策方法一实施方式的流程示意图,该方法包括:
S101:获取用户的个性化信息以及当前场景下的感知信息。其中,感知信息至少包括当前场景下的环境信息以及用户在当前场景下的状态信息。
在一实施方式中,获取智能终端预先存储的用户的信息数据,并将该信息数据输入至智能分析模型,以利用智能分析模型对用户的信息数据进行特征提取,以得到包含上述信息数据特征的个性化信息。以及,获取感知设备采集到的当前场景下的环境信息和用户的状态信息。
在另一实施方式中,在将信息数据输入至智能分析模型之前,还包括对用户的信息数据进行预处理,例如,去除信息数据中的噪声和异常值、去除重复的数据以及将不同格式的信息数据转换成同一格式。其中,上述用户的信息数据包括但不限于用户在使用智能终端过程中所生成的历史记录、用户在相关网络中的数据和用户的历史意图信息等。
在一实施场景中,上述提到的智能分析模型为具备较优的信息分析能力的大语言模型,将用户的信息数据提供给该大语言模型,并要求大语言模型对用户的信息数据进行特征提取,以输出对应的个性化信息。
在一具体应用场景中,上述大语言模型为生成式预训练Transformer模型(Generative Pre-Training,GPT)。
在一实施场景中,上述感知设备可以为可穿戴设备,且该可穿戴设备包括多个传感器以用于采集当前场景下的环境信息和用户的状态信息。其中,环境信息包括但不限于当前场景下的天气信息、温度信息、湿度信息和光照信息等,状态信息包括但不限于用户的肢体动作信息、心率信息和体温信息等。
S102:至少基于感知信息和个性化信息,得到与用户匹配的提示信息。
在一实施方式中,响应于感知信息包括环境信息和用户的状态信息,将环境信息以及状态信息输入智能分析模型,以使得智能分析模型对该环境信息以及状态信息进行分析,得到用户的在对应场景下的行为信息。
进一步地,智能终端对用户的行为信息进行分析,响应于用户的行为信息与预设行为一致,则基于环境信息、用户的状态信息和个性化信息生成提示信息。
具体地,上述预设行为可以是智能分析模型中预先存储的,并且当智能终端确定用户的行为信息与多种预设行为中的至少一种一致时,则判定需要根据相关信息替用户进行相应的决策,并生成用于生成决策方案的提示信息,该提示信息包括用户的个性化信息、当前的环境信息和当前用户的状态信息中的至少部分。
举例说明,当智能分析模型对用户的状态信息进行分析以确定用户当前处于运动状态、以及对环境信息进行分析确定用户所在的场景为户外且发生降雨。智能终端获取该分析结果认为用户的当前行为与“户外运动期间发生降雨”这一预设行为一致,并基于相关信息生成提示信息。
在另一实施方式中,每隔预设时间,智能终端根据已获得的用户的个性化信息以及当前场景下的感知信息,生成用于生成决策方案的提示信息。其中,本实施方式中的预设时间可以根据实际情况进行设置。
上述方案,无需用户主动提出意图需求,即可根据当前场景下的感知信息提供相应的决策方案,极大提高了自动决策的灵活性。
S103:将提示信息输入智能分析模型,得到与提示信息匹配的决策方案。
在一实施方式中,将生成的提示信息输入智能分析模型,以利用智能分析模型对提示信息进行分析,从而获得智能分析模型生成的决策方案。
在另一实施方式中,将提示信息输入智能分析模型后,利用智能分析模型判断提示信息是否满足第一决策生成条件。若是,则利用智能分析模型基于提示信息,得到决策方案。若否,则返回至获取用户的个性化信息以及当前场景下的感知信息的步骤,即返回至步骤S101并依次执行后续步骤。该方式通过在生成决策方案之前对提示信息进行判断,以避免提示信息的缺失或不当影响后续生成的决策方案的准确性。
在一实施场景中,上述第一决策生成条件与提示信息的丰富程度以及可信度相关,即当提示信息的丰富程度以及可信度同时满足第一决策生成条件时,则利用智能分析模型对提示信息进行分析,并输出与该提示信息匹配的决策方案。否则,智能分析模型向智能终端发送决策生成失败指令,智能终端接收该决策生成失败指令并重新获取用户的个性化信息以及当前场景下的环境信息和用户当前的状态信息,并依次执行后续步骤,直至生成的提示信息满足第一决策生成条件从而获得智能分析模型生成的决策方案。
在一具体实施场景中,在将提示信息输入至智能分析模型后,智能分析模型对该提示信息进行分析,并得到该提示信息对应的第一得分和第二得分。该第一得分用于表示提示信息的丰富程度,第二得分用于表示信息的可信度。当第一得分和第二得分同时大于或等于对应的得分阈值时,则判定提示信息满足第一决策生成条件。
举例说明,智能分析模型根据用户当前的状态信息确定用户当前正在跑步、以及根据当前的环境信息中的天气信息确定用户所处的场景突发降雨。此时,智能终端获取智能分析模型的分析结果,判定需要采取相应决策以应对突发的降雨情况,并生成提示信息以输入至智能分析模型。但是,智能分析模型对输入的提示信息进行分析后未获得用户所处的具体位置,即无法确定用户周围是否有合适的避雨区域,或无法根据用户所在位置安排接驳车辆,则智能分析模型认为提示信息中缺少相应的必要信息,即丰富程度较低,给出较低的第一得分。以及,环境信息中的天气信息为降雨,但空气湿度较低以及光照信息中显示光照较强烈时,智能分析模型认为环境信息中的部分信息存在可信度较低的情况,则给出较低的第二得分。
在另一实施场景中,也可以仅利用智能分析模型判断提示信息的丰富程度是否满足第一决策生成条件;若满足,则利用智能分析模型输出对应的决策方案。或者,也可以仅利用智能分析模型判断提示信息的可信度是否满足第一决策生成条件;若满足,则利用智能分析模型输出对应的决策方案。
需要说明的是,将第一得分和第二得分分别与对应的得分阈值进行比较以判定提示信息是否满足第一决策生成条件的过程可以是由智能终端实现的,也可以是由智能分析模型实现的。
S104:将决策方案反馈至用户。
具体地,响应于获取到智能分析模型生成的决策方案,将该决策方案展示给用户。
在一实施方式中,在生成决策方案后,将决策方案以文本的形式在智能终端的相应展示界面进行展示。或者,也可以将决策方案通过音频或视频的形式展示给用户。
在另一实施方式中,在利用智能分析模型生成决策方案的同时,使智能分析设备生成用于提示用户对生成的决策方案进行确认的询问信息。智能终端获取生成的决策方案以及对应的询问信息,并展示给用户。响应于获取到用户的确认指令,则执行生成的决策方案。
举例说明,响应于用户在户外运动过程中突发降雨,智能分析模型生成的决策方案为预约网约车以送用户前往住所。智能终端在相应的展示界面展示该生成的决策方案,以及同时展示“确认”和“取消”的选项。响应于用户点击“确认”选项,则执行对应的决策方案。
本申请提出的个性化决策方法通过根据用户的个性化信息以及当前场景下的感知信息生成提示信息,并利用具有较优信息处理能力的智能分析模型对提示信息进行分析,以自动生成与用户当前需求契合度较高的决策方案。该方式可以在多种场景下代替用户制定相应的决策方案并执行该决策方法,为用户带来极大的便利。另外,通过结合不同场景下的感知信息,极大提高了决策的准确性和灵活性。
在另一实施方式中,响应于在实际应用过程中,智能终端获取到用户主动提出的意图信息,步骤S102的实施过程还可以包括:基于用户的意图信息、用户所在场景的环境信息、用户当前的状态信息以及用户的个性化信息,得到提示信息。
进一步地,请参阅图2,图2是步骤S103对应另一实施方式的流程示意图。当智能终端获取到用户主动提出的意图信息时,步骤S103的具体实施过程包括:
S201:将提示信息输入智能分析模型,利用智能分析模型判断提示信息是否符合第二决策生成条件。
在一实施方式中,将得到的包含用户的意图信息的提示信息输入至智能分析模型中,以使智能分析模型判断该提示信息是否符合第二决策生成条件,并输出对应的判断结果。若该判断结果为“是”,即提示信息符合第二决策生成条件,则执行后续步骤S202;若该判断结果为“否”,即提示信息不符合第二决策生成条件,则执行后续步骤S203。
在一实施场景中,第二决策生成条件与提示信息的丰富程度以及用户的意图信息的明确程度相关。将提示信息输入至智能分析模型后,利用智能分析模型判断提示信息中的信息是否充分,并给出相应的第三得分;以及,利用智能分析模型判断提示信息中的用户的意图信息是否明确,并给出相应的第四得分。响应于第三得分和第四得分都大于或等于对应的得分阈值,则判定提示信息满足第二决策生成条件;否则,判定提示信息不满足第二决策生成条件。
S202:获取智能分析模型基于提示信息生成的决策方案。
在一实施方式中,响应于获取到满足上述第二决策生成条件的提示信息,利用智能分析模型对该提示信息进行分析,以生成与用户的意图信息最匹配的决策方案。
S203:利用智能分析模型基于不满足第二决策生成条件的提示信息,生成用于提示用户进行信息补充的反馈信息。
在一实施方式中,响应于提示信息中的信息丰富程度和意图信息明确程度中的至少一种不符合第二决策生成条件,利用智能分析模型生成相应的反馈信息,以提示用户对提示信息进行补充。
在一实施场景中,响应于智能分析模型判断提示信息所包含的信息量不充分,则生成相应的反馈信息,以提示用户对缺失的相关信息进行补充。或者,响应于智能分析模型判断提示信息中用户的意图信息不明确,则生成用于提示用户补充明确的意图信息的反馈信息。又或者,响应于智能分析模型判断提示信息所包含的信息不充分且其中的意图信息也不明确,则生成相应的反馈信息,以提示用户对提示信息中缺失的信息进行补充以及对意图信息进行明确。其中,智能终端获取智能分析模型生成的反馈信息后,可以通过文本、语音或视频等展示方式中的至少一种来向用户展示该反馈信息。
在另一实施场景中,响应于智能分析模型判断提示信息中用户的意图信息不明确,则根据已有的意图信息确定包含至少一个候选意图的反馈信息。智能终端获取该反馈信息并将其反馈至用户,响应于用户选中任一候选意图,则将用户选中的候选意图作为意图信息。
举例说明,当用户给出的意图信息为“我饿了”,但该意图信息尚未明确;智能分析模型生成相应的反馈信息,包括“点外卖”或“预约餐厅”等候选意图。若用户选择“点外卖”这一候选意图,则将其更新为用户的意图信息。
S204:响应于获取到用户基于反馈信息补充的补充信息,利用补充信息对提示信息进行更新。
在一实施方式中,获取用户根据反馈信息补充的补充信息后,并利用该补充信息对提示信息进行更新,以使得更新后的提示信息更加准确,从而提高后续生成决策方案的准确性。
另外,在获取到更新后的提示信息后,返回至步骤S201,以利用智能分析模型判断更新后的提示信息是否符合第二决策生成条件,并依次执行后续步骤。
在又一实施方式中,在获取到用户的意图信息的情况下,图1中步骤S104还可以包括:响应于用户的意图信息中包含预设展示方式,将决策方案通过预设展示方式进行展示。
在一实施场景中,在利用智能分析模型根据提示信息生成决策方案的同时,使智能分析模型分析用户的提示信息中是否包含预设的展示方式,例如,文本、语音或视频等。若包含,则将智能分析模型生成的决策方案以上述预设的展示方式展示给用户,以提高生成的决策方案与用户需求的契合度。
在一具体应用场景中,智能分析模型在生成决策方案时,可以通过AIGC(AIGenerated Content,人工智能生成内容)技术结合所在场景的环境信息生成相应的图像、音频或视频等。智能终端获取该决策方案并展示给用户。例如,当用户需要结合当前场景进行导航时,利用智能分析模型将导航信息以及当前场景的实时影像进行结合,以实时生成包含导航指向的场景影像,从而助于用户直观了解的路线信息、提高导航效率。
在又一实施方式中,请参阅图3,图3是步骤S104之后对应一实施方式的流程示意图。在获取到用户主动发出的意图信息的情况下,步骤S104之后还包括:
S301:获取智能分析模型生成的用于提示用户确认决策方案的询问信息,将询问信息展示至用户,以使用户基于询问信息发出确认指令或答复信息。
在一实施方式中,在将决策方案并展示给用户之后,获取智能分析模型生成的询问信息,以用于询问用户是否采用给出的决策方案。若用户确认给出的决策方案符合其意图,则执行后续步骤S302。若用户认为给出的决策方案不符合其意图,则执行后续步骤S303。其中,询问信息可以通过文本、音频或视频等方式展示给用户。
在另一实施方式中,上述询问信息也可以是与决策方案同时生成的,在将决策方案展示至用户后,将对应的询问信息展示给用户。
S302:响应于获取到用户基于询问信息发出的确认指令,基于确认指令,执行最新的决策方案。
在一实施方式中,响应于用户确认最新给出的决策方案符合其意图,则智能终端执行该决策方案。
在一实施场景中,用于可以通过在相应展示界面点击“确认”选项,以生成确认指令。
在另一实施场景中,用于可以通过发出相应的语音,以对决策方案进行确认。
S303:响应于获取到用户基于询问信息发出的答复信息,从个性化信息中得到与答复信息相关的候选信息。
在一实施方式中,根据用户发出的答复信息,从用户的个性化信息中筛选与该答复信息相关的候选信息,以助于后续生成符合用户意图的决策方案。
在一具体应用场景中,当用户在晨跑过程中提出想要吃早餐的意图,智能分析模型根据相应信息生成的决策方案是前往附近的面馆吃面。然而,用户希望更换口味所以发出的答复信息为“不想吃面”,则智能分析模型根据该答复信息从用户的个性化信息中筛选出与用户早餐习惯相关的候选信息。
在另一实施方式中,响应于获取到的用户的答复信息中包含相应的信息,则直接将该信息作为候选信息。例如,当用户发出的答复信息为“我今天想喝粥”,则将该答复信息作为候选信息。
S304:将提示信息、询问信息、答复信息以及候选信息输入智能分析模型,得到更新后的决策方案。
在一实施方式中,将与用户的当前意图相关的提示信息、询问信息、答复信息以及候选信息输入智能分析模型,以利用智能分析模型对输入的信息进行分析,得到更新后的决策方案。并且,在获得更新后的决策方案后,返回至上述步骤S301,即重新执行获取智能分析模型生成的用于提示用户确认决策方案的询问信息,将询问信息展示至用户,并依次执行后续步骤。
在又一实施方式中,请参阅图4,图4是本申请个性化决策方法的又一实施方式的流程示意图。具体地,本申请提出的个性化决策方法还包括:
S401:将预设周期内的补充信息和答复信息输入智能分析模型,得到对应的更新信息。
在一实施方式中,在实际应用中,根据用户的至少部分需求生成决策方案的过程中,对用户给出的补充信息以及答复信息进行存储。确定预设周期,并将智能终端存储的预设周期内的补充信息和答复信息输入至智能分析模型中,以利用智能分析模型对该部分补充信息和答复信息进行信息特征提取,以得到对应的更新信息。其中,补充信息和答复信息的具体获得过程可参照上述对应实施方式,在此不再赘述。
S402:利用更新信息对个性化信息进行更新。
在一实施方式中,将得到的更新信息添加至个性化信息中,并进行去重处理,以得到更新后的个性化信息。
上述方案,通过每隔预设周期对存储的用户的个性化信息进行更新,从而提高个性化信息的丰富程度,并有助于提高后续生成的决策方案的准确性。
在又一实施方式中,本申请提出的个性化决策方法还可以包括:响应于用户的个性化信息是利用智能分析模型根据智能终端中预先存储的用户的信息数据得到的,将预设周期内用户给出的补充信息和答复信息添加至信息数据中,以对智能终端中存储的信息数据进行更新。对更新后得到的信息数据进行预处理后输入至智能分析模型,以利用智能分析模型对信息数据进行特征提取,从而得到更新后的个性化信息。其中,预处理的过程可参照上述对应实施方式。
在又一实施方式中,本申请提出的个性化决策方法还可以包括:响应于决策方案是基于智能分析模型对各种信息进行特征提取或分析后生成的,在实际应用过程中,每隔预设周期,对智能分析模型进行训练,以提高智能分析模型对信息的特征提取以及信息分析的能力,从而有助于提高后续生成决策方案的准确性。
在一实施场景中,可以根据实际应用中预设周期内的历史数据对智能分析模型进行训练。其中,该历史数据包括智能分析模型生成的决策方案以及生成该决策方案所需的相关信息,具体训练过程在此不进行详细阐述。
请参阅图5,图5是本申请个性化决策系统一实施方式的结构示意图。该个性化决策系统包括相互耦接的获取模块10、处理模块20、决策模块30和反馈模块40。
具体而言,获取模块10用于获取用户的个性化信息以及当前场景下的感知信息;其中,感知信息至少包括当前场景下的环境信息以及用户在当前场景下的状态信息。
处理模块20用于至少基于感知信息和个性化信息,得到与用户匹配的提示信息。
决策模块30用于将提示信息输入智能分析模型,得到与提示信息匹配的决策方案。
反馈模块40用于将决策方案反馈至用户。
在一实施方式中,请继续参阅图5,本申请提出的个性化决策系统中,处理模块20还包括主动决策网络21,该主动决策网络21用于将环境信息以及状态信息输入智能分析模型,得到用户的行为信息;响应于行为信息与预设行为一致,基于环境信息、状态信息和个性化信息生成提示信息。
在一实施场景中,主动决策网络21将提示信息输入智能分析模型,得到与提示信息匹配的决策方案,包括:将提示信息输入智能分析模型,利用智能分析模型判断提示信息是否满足第一决策生成条件;其中,第一决策生成条件与提示信息的丰富程度以及可信度相关;若是,则利用智能分析模型基于提示信息,得到决策方案;若否,则返回至获取用户的个性化信息以及当前场景下的感知信息的步骤。
在另一实施方式中,请继续参阅图5,本申请提出的个性化决策系统中,处理模块20还包括被动决策网络22,响应于获取到用户的意图信息,该被动决策网络22用于基于意图信息、环境信息、状态信息和个性化信息,得到提示信息。
在一实施场景中,被动决策网络22将提示信息输入智能分析模型,得到与提示信息匹配的决策方案,包括:将提示信息输入智能分析模型,利用智能分析模型判断提示信息是否符合第二决策生成条件;若是,则获取智能分析模型基于提示信息生成的决策方案;若否,利用智能分析模型基于不满足第二决策生成条件的提示信息,生成用于提示用户进行信息补充的反馈信息;响应于获取用户基于反馈信息补充的补充信息,利用补充信息对提示信息进行更新,并返回至将提示信息输入智能分析模型,利用智能分析模型判断提示信息是否符合第二决策生成条件的步骤。
在一实施场景中,反馈模块40将决策方案反馈至用户的过程包括:响应于用户的意图信息中包含预设展示方式,将决策方案通过预设展示方式进行展示。
在一实施场景中,请继续参阅图5,本申请提出的个性化决策系统中,还包括与反馈模块40耦接的询问模块50,该询问模块50用于获取智能分析模型生成的用于提示用户确认决策方案的询问信息,将询问信息展示至用户;响应于获取到用户基于询问信息发出的确认指令,基于确认指令,执行最新的决策方案;响应于获取到用户基于询问信息发出的答复信息,从个性化信息中得到与答复信息相关的候选信息;将提示信息、询问信息、答复信息以及候选信息输入智能分析模型,得到更新后的决策方案;返回至获取智能分析模型生成的用于提示用户确认决策方案的询问信息,将询问信息展示至用户的步骤。
在一实施场景中,请继续参阅图5,本申请提出的个性化决策系统中,还包括与询问模块50耦接的更新模块60,该更新模块60用于将预设周期内的补充信息和答复信息输入智能分析模型,得到对应的更新信息;利用更新信息对个性化信息进行更新。
请参阅图6,图6是本申请移动终端一实施方式的结构示意图。该移动终端包括:相互耦接的存储器70和处理器80。存储器70中存储有程序指令,处理器80用于执行程序指令以实现上述任一实施方式中提到的个性化决策方法。具体地,电子设备包括但不限于:台式计算机、笔记本电脑、平板电脑、服务器等,在此不做限定。此外,处理器80还可以称为CPU(Center Processing Unit,中央处理单元)。处理器80可能是一种集成电路芯片,具有信号处理能力。处理器80还可以是、通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit, ASIC)、现场可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器80可以由集成电路芯片共同实现。
请参阅图7,图7是本申请计算机可读存储介质一实施方式的结构示意图,该计算机可读存储介质90上存储有能够被处理器运行的程序指令100,程序指令100被处理器执行时实现上述任一实施例中提到的个性化决策方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,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。另一点,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,可以是电性、机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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,可以存储在一个计算机可读取存储介质中。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计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式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)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式,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)
1.一种个性化决策方法,其特征在于,包括:
获取用户的个性化信息以及当前场景下的感知信息;其中,所述感知信息至少包括所述当前场景下的环境信息以及所述用户在所述当前场景下的状态信息;
至少基于所述感知信息和所述个性化信息,得到与所述用户匹配的提示信息;
将所述提示信息输入智能分析模型,得到与所述提示信息匹配的决策方案;
将所述决策方案反馈至所述用户。
2.根据权利要求1所述的方法,其特征在于,所述至少基于所述感知信息和所述个性化信息,得到与所述用户匹配的提示信息,包括:
将所述环境信息以及所述状态信息输入所述智能分析模型,得到所述用户的行为信息;
响应于所述行为信息与预设行为一致,基于所述环境信息、所述状态信息和所述个性化信息生成所述提示信息。
3.根据权利要求2所述的方法,其特征在于,所述将所述提示信息输入智能分析模型,得到与所述提示信息匹配的决策方案,包括:
将所述提示信息输入所述智能分析模型,利用所述智能分析模型判断所述提示信息是否满足第一决策生成条件;其中,所述第一决策生成条件与所述提示信息的丰富程度以及可信度相关;
若是,则利用所述智能分析模型基于所述提示信息,得到所述决策方案;
若否,则返回至所述获取用户的个性化信息以及当前场景下的感知信息的步骤。
4.根据权利要求1所述的方法,其特征在于,所述至少基于所述感知信息和所述个性化信息,得到与所述用户匹配的提示信息,包括:
响应于获取到用户的意图信息,基于所述意图信息、所述环境信息、所述状态信息和所述个性化信息,得到所述提示信息。
5.根据权利要求4所述的方法,其特征在于,所述将所述提示信息输入智能分析模型,得到与所述提示信息匹配的决策方案,包括:
将所述提示信息输入所述智能分析模型,利用所述智能分析模型判断所述提示信息是否符合第二决策生成条件;
若是,则获取所述智能分析模型基于所述提示信息生成的所述决策方案;
若否,利用所述智能分析模型基于不满足所述第二决策生成条件的所述提示信息,生成用于提示所述用户进行信息补充的反馈信息;
响应于获取到所述用户基于所述反馈信息补充的补充信息,利用所述补充信息对所述提示信息进行更新,并返回至所述将所述提示信息输入所述智能分析模型,利用所述智能分析模型判断所述提示信息是否符合第二决策生成条件的步骤。
6.根据权利要求5所述的方法,其特征在于,所述将所述决策方案反馈至所述用户,包括:
响应于所述用户的所述意图信息中包含预设展示方式,将所述决策方案通过所述预设展示方式进行展示;
所述将所述决策方案反馈至所述用户之后,包括:
获取所述智能分析模型生成的用于提示用户确认所述决策方案的询问信息,将所述询问信息展示至所述用户;
响应于获取到所述用户基于所述询问信息发出的确认指令,基于所述确认指令,执行最新的所述决策方案;
响应于获取到所述用户基于所述询问信息发出的答复信息,从所述个性化信息中得到与所述答复信息相关的候选信息;
将所述提示信息、所述询问信息、所述答复信息以及所述候选信息输入所述智能分析模型,得到更新后的所述决策方案;
返回至所述获取所述智能分析模型生成的用于提示用户确认所述决策方案的询问信息,将所述询问信息展示至所述用户的步骤。
7.根据权利要求6所述的方法,其特征在于,还包括:
将预设周期内的所述补充信息和所述答复信息输入所述智能分析模型,得到对应的更新信息;
利用所述更新信息对所述个性化信息进行更新。
8.一种个性化决策系统,其特征在于,包括:
获取模块,用于获取用户的个性化信息以及当前场景下的感知信息;其中,所述感知信息至少包括所述当前场景下的环境信息以及所述用户在所述当前场景下的状态信息;
处理模块,用于至少基于所述感知信息和所述个性化信息,得到与所述用户匹配的提示信息;
决策模块,用于将所述提示信息输入智能分析模型,得到与所述提示信息匹配的决策方案;
反馈模块,用于将所述决策方案反馈至所述用户。
9.一种移动终端,其特征在于,包括:相互耦接的存储器和处理器,所述存储器中存储有程序指令,所述处理器用于执行所述程序指令以实现如权利要求1-7中任一项所述的个性化决策方法。
10.一种计算机可读存储介质,其上存储有程序指令,其特征在于,所述程序指令被处理器执行时实现如权利要求1-7中任一项所述个性化决策方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311251620.8A CN117010725B (zh) | 2023-09-26 | 2023-09-26 | 一种个性化决策方法、系统以及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311251620.8A CN117010725B (zh) | 2023-09-26 | 2023-09-26 | 一种个性化决策方法、系统以及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117010725A true CN117010725A (zh) | 2023-11-07 |
CN117010725B CN117010725B (zh) | 2024-02-13 |
Family
ID=88569347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311251620.8A Active CN117010725B (zh) | 2023-09-26 | 2023-09-26 | 一种个性化决策方法、系统以及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117010725B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050068171A1 (en) * | 2003-09-30 | 2005-03-31 | General Electric Company | Wearable security system and method |
US20150379400A1 (en) * | 2014-06-27 | 2015-12-31 | Igor Tatourian | Apparatus and methods for providing recommendations based on environmental data |
US20170124476A1 (en) * | 2015-11-04 | 2017-05-04 | Zoox, Inc. | Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles |
US9858527B1 (en) * | 2013-06-07 | 2018-01-02 | The United States Of America As Represented By The Secretary Of The Navy | Algorithmic method for modeling human decision-making |
GB201801749D0 (en) * | 2018-02-02 | 2018-03-21 | British Telecomm | Monitoring of distributed systems |
CN108230057A (zh) * | 2016-12-09 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 一种智能推荐方法及系统 |
CN110704641A (zh) * | 2019-10-11 | 2020-01-17 | 零犀(北京)科技有限公司 | 一种万级意图分类方法、装置、存储介质及电子设备 |
CN111145721A (zh) * | 2019-12-12 | 2020-05-12 | 科大讯飞股份有限公司 | 个性化提示语生成方法、装置和设备 |
CN113377899A (zh) * | 2020-03-09 | 2021-09-10 | 华为技术有限公司 | 意图识别方法及电子设备 |
CN113590929A (zh) * | 2021-01-28 | 2021-11-02 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置及电子设备 |
CN114302407A (zh) * | 2022-01-14 | 2022-04-08 | 清华大学 | 网络决策方法及装置、电子设备和存储介质 |
US20230129746A1 (en) * | 2021-10-21 | 2023-04-27 | Toyota Research Institute, Inc. | Cognitive load predictor and decision aid |
-
2023
- 2023-09-26 CN CN202311251620.8A patent/CN117010725B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050068171A1 (en) * | 2003-09-30 | 2005-03-31 | General Electric Company | Wearable security system and method |
US9858527B1 (en) * | 2013-06-07 | 2018-01-02 | The United States Of America As Represented By The Secretary Of The Navy | Algorithmic method for modeling human decision-making |
US20150379400A1 (en) * | 2014-06-27 | 2015-12-31 | Igor Tatourian | Apparatus and methods for providing recommendations based on environmental data |
CN105279214A (zh) * | 2014-06-27 | 2016-01-27 | 英特尔公司 | 用于基于环境数据提供建议的设备和方法 |
US20170124476A1 (en) * | 2015-11-04 | 2017-05-04 | Zoox, Inc. | Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles |
CN108230057A (zh) * | 2016-12-09 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 一种智能推荐方法及系统 |
GB201801749D0 (en) * | 2018-02-02 | 2018-03-21 | British Telecomm | Monitoring of distributed systems |
CN110704641A (zh) * | 2019-10-11 | 2020-01-17 | 零犀(北京)科技有限公司 | 一种万级意图分类方法、装置、存储介质及电子设备 |
CN111145721A (zh) * | 2019-12-12 | 2020-05-12 | 科大讯飞股份有限公司 | 个性化提示语生成方法、装置和设备 |
CN113377899A (zh) * | 2020-03-09 | 2021-09-10 | 华为技术有限公司 | 意图识别方法及电子设备 |
CN113590929A (zh) * | 2021-01-28 | 2021-11-02 | 腾讯科技(深圳)有限公司 | 基于人工智能的信息推荐方法、装置及电子设备 |
US20230129746A1 (en) * | 2021-10-21 | 2023-04-27 | Toyota Research Institute, Inc. | Cognitive load predictor and decision aid |
CN114302407A (zh) * | 2022-01-14 | 2022-04-08 | 清华大学 | 网络决策方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117010725B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9009228B2 (en) | Method and apparatus for sharing concurrent ad hoc web content between users visiting the same web pages | |
CN106020595B (zh) | 消息回复方法及装置 | |
CN110741331B (zh) | 用于图像响应自动助理的系统、方法和装置 | |
CN110225398B (zh) | 多媒体对象播放方法、装置和设备及计算机存储介质 | |
CN105453082A (zh) | 意图感知的键盘 | |
CN111565143B (zh) | 即时通信方法、设备及计算机可读存储介质 | |
CN111722766A (zh) | 多媒体资源的展示方法及装置 | |
CN111813910A (zh) | 客服问题的更新方法、系统、终端设备及计算机存储介质 | |
CN110909241B (zh) | 信息推荐方法、用户标识推荐方法、装置及设备 | |
CN111294620A (zh) | 视频的推荐方法及装置 | |
CN117010725B (zh) | 一种个性化决策方法、系统以及相关装置 | |
CN117235371A (zh) | 视频推荐方法、模型训练方法及装置 | |
CN116016421A (zh) | 促进在计算装置中执行的基于媒体的内容共享的方法、计算装置可读存储介质以及计算装置 | |
WO2021240673A1 (ja) | 対話プログラム、装置、および方法 | |
US10126821B2 (en) | Information processing method and information processing device | |
CN113742561B (zh) | 视频推荐方法、装置、电子设备及存储介质 | |
CN109857951B (zh) | 书法交友信息推荐方法、装置、设备及可读存储介质 | |
CN112487164A (zh) | 一种人工智能交互方法 | |
CN113836287A (zh) | 问答结果的确定方法、装置、计算机设备及存储介质 | |
CN113886674A (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
CN111161737A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN112464027A (zh) | 一种视频检测方法、装置及存储介质 | |
CN112394816B (zh) | 基于人机交互的心理服务方法和机器人 | |
JP7266261B1 (ja) | プログラム、方法、およびシステム | |
CN117252730B (zh) | 服务订阅处理系统、服务订阅信息处理方法与装置 |
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 |