CN117221476B - 基于优先级筛选的可视化对话方法及系统 - Google Patents
基于优先级筛选的可视化对话方法及系统 Download PDFInfo
- Publication number
- CN117221476B CN117221476B CN202311484856.6A CN202311484856A CN117221476B CN 117221476 B CN117221476 B CN 117221476B CN 202311484856 A CN202311484856 A CN 202311484856A CN 117221476 B CN117221476 B CN 117221476B
- Authority
- CN
- China
- Prior art keywords
- request
- visual
- priority
- visual dialogue
- parameters
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 307
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012216 screening Methods 0.000 title claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 29
- 238000013528 artificial neural network Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 56
- 238000003062 neural network model Methods 0.000 claims description 37
- 238000012512 characterization method Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 230000000977 initiatory effect Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000036316 preload Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
Abstract
本发明公开了一种基于优先级筛选的可视化对话方法及系统,该方法包括:获取多个针对目标通话装置的可视化对话请求;根据每一所述可视化对话请求对应的请求参数,以及所述目标通话装置对应的装置参数,基于神经网络算法,确定每一所述可视化对话请求对应的请求优先级;根据所述请求优先级,确定每一所述可视化对话请求对应的展示参数;根据所述展示参数对所述可视化对话请求进行展示,并根据目标用户的实时选择操作和所述请求优先级,预测所述可视化对话请求的接入策略;所述接入策略用于预测每一所述可视化对话请求对应的接入顺序。可见,本发明能够实现更加智能和高效的可视化对话请求的管理和筛选,提高用户体验。
Description
技术领域
本发明涉及数据预测技术领域,尤其涉及一种基于优先级筛选的可视化对话方法及系统。
背景技术
随着可视化通话技术的发展和通信带宽的提高,越来越多的设备开始集成有可视化通话技术,以实现更加便捷地通话和更好的用户体验。
但现有技术在实现多个可视化对话请求的管理时,一般仅通过接入时间的先后来安排请求的优先级,例如正在和当前设备通话中,若收到新的呼叫,主呼叫方可能直接提示忙,被呼方没有明显提示,若此时收到新呼叫能画中画提示新来电,或者更多并发的新来电就提示多副画中画,此时用户可以选择是接听新来电或者能智能标记出新来电优先级,那这样就比较智能化,不会漏掉重要新来电,但现有技术在实现这样的多幅画中画的功能需求时,没有充分考虑到利用神经网络算法的优势来提高管理的效果和效率,也没有考虑到利用后续用户的操作来提高接入预测的精确度。可见,现有技术存在缺陷,亟需解决。
发明内容
本发明所要解决的技术问题在于,提供一种基于优先级筛选的可视化对话方法及系统,能够实现更加智能和高效的可视化对话请求的管理和筛选,提高用户体验。
为了解决上述技术问题,本发明第一方面公开了一种基于优先级筛选的可视化对话方法,所述方法包括:
获取多个针对目标通话装置的可视化对话请求;
根据每一所述可视化对话请求对应的请求参数,以及所述目标通话装置对应的装置参数,基于神经网络算法,确定每一所述可视化对话请求对应的请求优先级;
根据所述请求优先级,确定每一所述可视化对话请求对应的展示参数;
根据所述展示参数对所述可视化对话请求进行展示,并根据目标用户的实时选择操作和所述请求优先级,预测所述可视化对话请求的接入策略;所述接入策略用于预测每一所述可视化对话请求对应的接入顺序。
作为一种可选的实施方式,在本发明第一方面中,所述请求参数包括请求发起对象、请求发起目的和请求发起时间中的至少一种;和/或,所述装置参数包括装置设备参数、装置历史接入记录和所述目标用户的用户参数中的至少一种。
作为一种可选的实施方式,在本发明第一方面中,所述根据每一所述可视化对话请求对应的请求参数,以及所述目标通话装置对应的装置参数,基于神经网络算法,确定每一所述可视化对话请求对应的请求优先级,包括:
将每一所述可视化对话请求对应的请求参数,输入至训练好的优先级预测神经网络模型中,以得到每一所述可视化对话请求对应的优先级参数;所述优先级预测神经网络模型通过包括有多个训练可视化对话请求参数和对应的优先级标注的训练数据集训练得到;
将每一所述可视化对话请求对应的请求参数,和所述目标通话装置对应的所述装置设备参数和所述用户参数,输入至训练好的匹配预测神经网络模型,以得到每一所述可视化对话请求对应的匹配度参数;所述匹配预测神经网络模型通过包括有多个训练可视化对话请求参数、训练装置设备参数、训练用户参数和对应的匹配度标注的训练数据集训练得到;
计算每一所述可视化对话请求对应的请求参数和,所述装置历史接入记录中包括的所有接入请求的请求参数,之间的参数相似度,得到每一所述可视化对话请求对应的相似度参数;
根据所述优先级参数、所述匹配度参数和所述相似度参数,确定每一所述可视化对话请求对应的请求优先级。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述优先级参数、所述匹配度参数和所述相似度参数,确定每一所述可视化对话请求对应的请求优先级,包括:
计算所述优先级参数、所述匹配度参数和所述相似度参数的加权求和平均值,得到每一所述可视化对话请求对应的优先表征参数;其中,所述优先级参数对应的第一权重、所述匹配度参数对应的第二权重和所述相似度参数对应的第三权重依次减小;所述第一权重与所述优先级预测神经网络模型在验证阶段的预测准确率成正比;所述第二权重与所述匹配预测神经网络模型在验证阶段的预测准确率成正比;所述第三权重与所述接入请求的总数量成正比;
根据所述优先表征参数从大到小对所有所述可视化对话请求进行排序以得到请求序列,将每一所述可视化对话请求在所述请求序列中的排序确定为所述可视化对话请求对应的请求优先级。
作为一种可选的实施方式,在本发明第一方面中,所述展示参数包括展示位置、展示大小和展示颜色亮度;所述根据所述请求优先级,确定每一所述可视化对话请求对应的展示参数,包括:
设定目标函数为所述目标通话装置的展示区域内展示的可视化对话请求的数量最多;
设定限定条件包括所述请求优先级更高的所述可视化对话请求对应的展示大小更大且展示颜色亮度更亮、所述请求优先级更高的所述可视化对话请求对应的展示位置距离所述展示区域的展示显著位置的距离越小以及展示框超出所述展示区域的所述可视化对话请求不进行显示;
根据所述目标函数和所述限定条件,基于动态规划算法,对所述多个可视化对话请求进行演算直至最优,以得到每一所述可视化对话请求对应的展示位置、展示大小和展示颜色亮度。
作为一种可选的实施方式,在本发明第一方面中,所述根据目标用户的实时选择操作和所述请求优先级,预测所述可视化对话请求的接入策略,包括:
判断所述目标用户的实时选择操作为选定请求操作或滑动请求操作;
若所述实时选择操作为选定请求操作,将所述选定请求操作选定的所述可视化对话请求确定为第一位接入的可视化对话请求,将其他的所述可视化对话请求按所述请求序列中的排序预测接入次序,以预测得到所述可视化对话请求的接入策略;
若所述实时选择操作为滑动请求操作,将所述滑动请求操作所滑走的所述可视化对话请求在所述请求序列中的次序退后第一预设位数,并将调整后的请求序列中的次序预测所有所述可视化对话请求对应的接入次序,以预测得到所述可视化对话请求的接入策略。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
按照所述接入策略中的次序,在不超出所述目标通话装置的内存的情况下,依次接通所述可视化对话请求并缓存在后台,直至响应所述目标用户的接听请求而调出任一所述可视化对话请求;
若所述目标用户的接听请求所对应的所述可视化对话请求在所述接入策略中的次序低于预设位次,则计算每一其他所述可视化对话请求与所述目标用户的接听请求所对应的可视化对话请求之间的请求参数相似度;
将所述请求参数相似度高于预设的相似度阈值的所有其他所述可视化对话请求在所述接入策略中的次序前进第二预设位数。
本发明第二方面公开了一种基于优先级筛选的可视化对话系统,所述系统包括:
获取模块,用于获取多个针对目标通话装置的可视化对话请求;
第一确定模块,用于根据每一所述可视化对话请求对应的请求参数,以及所述目标通话装置对应的装置参数,基于神经网络算法,确定每一所述可视化对话请求对应的请求优先级;
第二确定模块,用于根据所述请求优先级,确定每一所述可视化对话请求对应的展示参数;
预测模块,用于根据所述展示参数对所述可视化对话请求进行展示,并根据目标用户的实时选择操作和所述请求优先级,预测所述可视化对话请求的接入策略;所述接入策略用于预测每一所述可视化对话请求对应的接入顺序。
作为一种可选的实施方式,在本发明第二方面中,所述第一确定模块根据每一所述可视化对话请求对应的请求参数,以及所述目标通话装置对应的装置参数,基于神经网络算法,确定每一所述可视化对话请求对应的请求优先级的具体方式,包括:
将每一所述可视化对话请求对应的请求参数,输入至训练好的优先级预测神经网络模型中,以得到每一所述可视化对话请求对应的优先级参数;所述优先级预测神经网络模型通过包括有多个训练可视化对话请求参数和对应的优先级标注的训练数据集训练得到;
将每一所述可视化对话请求对应的请求参数,和所述目标通话装置对应的所述装置设备参数和所述用户参数,输入至训练好的匹配预测神经网络模型,以得到每一所述可视化对话请求对应的匹配度参数;所述匹配预测神经网络模型通过包括有多个训练可视化对话请求参数、训练装置设备参数、训练用户参数和对应的匹配度标注的训练数据集训练得到;
计算每一所述可视化对话请求对应的请求参数和,所述装置历史接入记录中包括的所有接入请求的请求参数,之间的参数相似度,得到每一所述可视化对话请求对应的相似度参数;
根据所述优先级参数、所述匹配度参数和所述相似度参数,确定每一所述可视化对话请求对应的请求优先级。
作为一种可选的实施方式,在本发明第二方面中,所述第一确定模块根据所述优先级参数、所述匹配度参数和所述相似度参数,确定每一所述可视化对话请求对应的请求优先级的具体方式,包括:
计算所述优先级参数、所述匹配度参数和所述相似度参数的加权求和平均值,得到每一所述可视化对话请求对应的优先表征参数;其中,所述优先级参数对应的第一权重、所述匹配度参数对应的第二权重和所述相似度参数对应的第三权重依次减小;所述第一权重与所述优先级预测神经网络模型在验证阶段的预测准确率成正比;所述第二权重与所述匹配预测神经网络模型在验证阶段的预测准确率成正比;所述第三权重与所述接入请求的总数量成正比;
根据所述优先表征参数从大到小对所有所述可视化对话请求进行排序以得到请求序列,将每一所述可视化对话请求在所述请求序列中的排序确定为所述可视化对话请求对应的请求优先级。
作为一种可选的实施方式,在本发明第二方面中,所述展示参数包括展示位置、展示大小和展示颜色亮度;所述第二确定模块根据所述请求优先级,确定每一所述可视化对话请求对应的展示参数的具体方式,包括:
设定目标函数为所述目标通话装置的展示区域内展示的可视化对话请求的数量最多;
设定限定条件包括所述请求优先级更高的所述可视化对话请求对应的展示大小更大且展示颜色亮度更亮、所述请求优先级更高的所述可视化对话请求对应的展示位置距离所述展示区域的展示显著位置的距离越小以及展示框超出所述展示区域的所述可视化对话请求不进行显示;
根据所述目标函数和所述限定条件,基于动态规划算法,对所述多个可视化对话请求进行演算直至最优,以得到每一所述可视化对话请求对应的展示位置、展示大小和展示颜色亮度。
作为一种可选的实施方式,在本发明第二方面中,所述预测模块根据目标用户的实时选择操作和所述请求优先级,预测所述可视化对话请求的接入策略的具体方式,包括:
判断所述目标用户的实时选择操作为选定请求操作或滑动请求操作;
若所述实时选择操作为选定请求操作,将所述选定请求操作选定的所述可视化对话请求确定为第一位接入的可视化对话请求,将其他的所述可视化对话请求按所述请求序列中的排序预测接入次序,以预测得到所述可视化对话请求的接入策略;
若所述实时选择操作为滑动请求操作,将所述滑动请求操作所滑走的所述可视化对话请求在所述请求序列中的次序退后第一预设位数,并将调整后的请求序列中的次序预测所有所述可视化对话请求对应的接入次序,以预测得到所述可视化对话请求的接入策略。
作为一种可选的实施方式,在本发明第二方面中,所述装置还执行以下操作:
按照所述接入策略中的次序,在不超出所述目标通话装置的内存的情况下,依次接通所述可视化对话请求并缓存在后台,直至响应所述目标用户的接听请求而调出任一所述可视化对话请求;
若所述目标用户的接听请求所对应的所述可视化对话请求在所述接入策略中的次序低于预设位次,则计算每一其他所述可视化对话请求与所述目标用户的接听请求所对应的可视化对话请求之间的请求参数相似度;
将所述请求参数相似度高于预设的相似度阈值的所有其他所述可视化对话请求在所述接入策略中的次序前进第二预设位数。
本发明第三方面公开了另一种基于优先级筛选的可视化对话系统,所述系统包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于优先级筛选的可视化对话方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于优先级筛选的可视化对话方法中的部分或全部步骤。
与现有技术相比,本发明具有以下有益效果:
本发明能够根据神经网络算法对多个可视化对话请求的优先级进行确定,并进一步确定展示参数和根据用户的实时操作来预测接入策略,从而能够实现更加智能和高效的可视化对话请求的管理和筛选,提高用户体验。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种基于优先级筛选的可视化对话方法的流程示意图;
图2是本发明实施例公开的一种基于优先级筛选的可视化对话系统的结构示意图;
图3是本发明实施例公开的另一种基于优先级筛选的可视化对话系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“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。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或端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、产品或端固有的其他步骤或单元。
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发明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。
本发明公开了一种基于优先级筛选的可视化对话方法及系统,能够根据神经网络算法对多个可视化对话请求的优先级进行确定,并进一步确定展示参数和根据用户的实时操作来预测接入策略,从而能够实现更加智能和高效的可视化对话请求的管理和筛选,提高用户体验。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于优先级筛选的可视化对话方法的流程示意图。其中,图1所描述的方法可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中,且该服务器可以是本地服务器,也可以是云服务器,本发明实施例不做限定如图1所示,该基于优先级筛选的可视化对话方法可以包括以下操作:
101、获取多个针对目标通话装置的可视化对话请求。
102、根据每一可视化对话请求对应的请求参数,以及目标通话装置对应的装置参数,基于神经网络算法,确定每一可视化对话请求对应的请求优先级。
可选的,请求参数包括请求发起对象、请求发起目的和请求发起时间中的至少一种。
可选的,装置参数包括装置设备参数、装置历史接入记录和目标用户的用户参数中的至少一种。
103、根据请求优先级,确定每一可视化对话请求对应的展示参数。
104、根据展示参数对可视化对话请求进行展示,并根据目标用户的实时选择操作和请求优先级,预测可视化对话请求的接入策略。
具体的,接入策略用于预测每一可视化对话请求对应的接入顺序。可选的,接入策略可以用预加载接入顺序排前的可视化对话请求以提高装置的运行效率。
可见,实施本发明实施例所描述的方法能够根据神经网络算法对多个可视化对话请求的优先级进行确定,并进一步确定展示参数和根据用户的实时操作来预测接入策略,从而能够实现更加智能和高效的可视化对话请求的管理和筛选,提高用户体验。
作为一种可选的实施例,上述步骤中的,根据每一可视化对话请求对应的请求参数,以及目标通话装置对应的装置参数,基于神经网络算法,确定每一可视化对话请求对应的请求优先级,包括:
将每一可视化对话请求对应的请求参数,输入至训练好的优先级预测神经网络模型中,以得到每一可视化对话请求对应的优先级参数;优先级预测神经网络模型通过包括有多个训练可视化对话请求参数和对应的优先级标注的训练数据集训练得到;
将每一可视化对话请求对应的请求参数,和目标通话装置对应的装置设备参数和用户参数,输入至训练好的匹配预测神经网络模型,以得到每一可视化对话请求对应的匹配度参数;匹配预测神经网络模型通过包括有多个训练可视化对话请求参数、训练装置设备参数、训练用户参数和对应的匹配度标注的训练数据集训练得到;
计算每一可视化对话请求对应的请求参数和,装置历史接入记录中包括的所有接入请求的请求参数,之间的参数相似度,得到每一可视化对话请求对应的相似度参数;
根据优先级参数、匹配度参数和相似度参数,确定每一可视化对话请求对应的请求优先级。
可选的,本发明中的神经网络模型,可以为CNN结构、RNN结构或LTSM结构的神经网络算法模型,操作人员可以根据实际场景和数据特点来选择或测试相应的模型架构,本发明不做限定。
可选的,匹配度标注可以直接用对应的训练可视化对话请求是否成功接入作为标注信息,也即将成功接入的作为正样本,未成功接入的作为负样本,以对匹配预测神经网络模型进行训练,也可以将接入次数大于预设的次数阈值和/或平均接入时间大于预设的时间阈值的训练可视化对话请求对应的相应的训练可视化对话请求参数、训练装置设备参数、训练用户参数作为正样本,其他作为负样本以对匹配预测神经网络模型进行训练。
可选的,本发明中对于相似度的计算,均可以采用现有的数据相似度算法如向量距离算法来计算。
通过上述实施例,能够通过多个神经网络实现对优先级参数、匹配度参数和相似度参数的计算,以确定每一可视化对话请求对应的请求优先级,从而可以计算得到更加精确合理的请求优先级信息,实现更加智能和高效的可视化对话请求的管理和筛选,提高用户体验。
作为一种可选的实施例,上述步骤中的,根据优先级参数、匹配度参数和相似度参数,确定每一可视化对话请求对应的请求优先级,包括:
计算优先级参数、匹配度参数和相似度参数的加权求和平均值,得到每一可视化对话请求对应的优先表征参数;其中,优先级参数对应的第一权重、匹配度参数对应的第二权重和相似度参数对应的第三权重依次减小;第一权重与优先级预测神经网络模型在验证阶段的预测准确率成正比;第二权重与匹配预测神经网络模型在验证阶段的预测准确率成正比;第三权重与接入请求的总数量成正比;
根据优先表征参数从大到小对所有可视化对话请求进行排序以得到请求序列,将每一可视化对话请求在请求序列中的排序确定为可视化对话请求对应的请求优先级。
可选的,本发明中的权重可以由操作人员根据实验或经验依照上述规则来确定,也可以通过权重分配算法进行确定,本发明不做限定。
通过上述实施例,能够通过优先级参数对应的第一权重、匹配度参数对应的第二权重和相似度参数对应的第三权重计算优先级参数、匹配度参数和相似度参数的加权求和平均值,得到每一可视化对话请求对应的优先表征参数,以确定每一可视化对话请求对应的请求优先级,从而可以计算得到更加精确合理的请求优先级信息,实现更加智能和高效的可视化对话请求的管理和筛选,提高用户体验。
作为一种可选的实施例,展示参数包括展示位置、展示大小和展示颜色亮度。
相应的,上述步骤中的,根据请求优先级,确定每一可视化对话请求对应的展示参数,包括:
设定目标函数为目标通话装置的展示区域内展示的可视化对话请求的数量最多;
设定限定条件包括请求优先级更高的可视化对话请求对应的展示大小更大且展示颜色亮度更亮、请求优先级更高的可视化对话请求对应的展示位置距离展示区域的展示显著位置的距离越小以及展示框超出展示区域的可视化对话请求不进行显示;
根据目标函数和限定条件,基于动态规划算法,对多个可视化对话请求进行演算直至最优,以得到每一可视化对话请求对应的展示位置、展示大小和展示颜色亮度。
可选的,动态规划算法可以为粒子群优化算法。
通过上述实施例,能够根据目标函数和限定条件,基于动态规划算法,对多个可视化对话请求进行演算直至最优,以得到每一可视化对话请求对应的展示位置、展示大小和展示颜色亮度,从而可以计算得到更加精确合理的请求展示参数,实现更加智能和高效的可视化对话请求的展示推荐,提高用户体验。
作为一种可选的实施例,上述步骤中的,根据目标用户的实时选择操作和请求优先级,预测可视化对话请求的接入策略,包括:
判断目标用户的实时选择操作为选定请求操作或滑动请求操作;
若实时选择操作为选定请求操作,将选定请求操作选定的可视化对话请求确定为第一位接入的可视化对话请求,将其他的可视化对话请求按请求序列中的排序预测接入次序,以预测得到可视化对话请求的接入策略;
若实时选择操作为滑动请求操作,将滑动请求操作所滑走的可视化对话请求在请求序列中的次序退后第一预设位数,并将调整后的请求序列中的次序预测所有可视化对话请求对应的接入次序,以预测得到可视化对话请求的接入策略。
通过上述实施例,能够根据目标用户的实时选择操作,将选定请求操作选定的可视化对话请求确定为第一位接入的可视化对话请求以实现对用户选定的请求进行次序确定,或将滑动请求操作所滑走的可视化对话请求在请求序列中的次序退后第一预设位数,以实时调整接入策略,从而可调整得到更加精确合理的请求接入策略,实现更加智能和高效的可视化对话请求的后台预测,提高用户体验,也在后续便于提高预加载的效率。
作为一种可选的实施例,该方法还包括:
按照接入策略中的次序,在不超出目标通话装置的内存的情况下,依次接通可视化对话请求并缓存在后台,直至响应目标用户的接听请求而调出任一可视化对话请求;
若目标用户的接听请求所对应的可视化对话请求在接入策略中的次序低于预设位次,则计算每一其他可视化对话请求与目标用户的接听请求所对应的可视化对话请求之间的请求参数相似度;
将请求参数相似度高于预设的相似度阈值的所有其他可视化对话请求在接入策略中的次序前进第二预设位数。
通过上述实施例,一方面能够根据接入策略的次序预加载请求以提高后续调出执行请求的效率,另一方面能够在目标用户的接听请求所对应的可视化对话请求属于较为靠后的请求时,重新调整接入策略,从而可调整得到更加精确合理的请求接入策略,实现更加智能和高效的可视化对话请求的后台预测,提高用户体验,也提高预加载的效率。
实施例二
请参阅图2,图2是本发明实施例公开的一种基于优先级筛选的可视化对话系统的结构示意图。其中,图2所描述的系统可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中,且该服务器可以是本地服务器,也可以是云服务器,本发明实施例不做限定。如图2所示,该系统可以包括:
获取模块201,用于获取多个针对目标通话装置的可视化对话请求;
第一确定模块202,用于根据每一可视化对话请求对应的请求参数,以及目标通话装置对应的装置参数,基于神经网络算法,确定每一可视化对话请求对应的请求优先级;
第二确定模块203,用于根据请求优先级,确定每一可视化对话请求对应的展示参数;
预测模块204,用于根据展示参数对可视化对话请求进行展示,并根据目标用户的实时选择操作和请求优先级,预测可视化对话请求的接入策略;接入策略用于预测每一可视化对话请求对应的接入顺序。
作为一种可选的实施例,第一确定模块202根据每一可视化对话请求对应的请求参数,以及目标通话装置对应的装置参数,基于神经网络算法,确定每一可视化对话请求对应的请求优先级的具体方式,包括:
将每一可视化对话请求对应的请求参数,输入至训练好的优先级预测神经网络模型中,以得到每一可视化对话请求对应的优先级参数;优先级预测神经网络模型通过包括有多个训练可视化对话请求参数和对应的优先级标注的训练数据集训练得到;
将每一可视化对话请求对应的请求参数,和目标通话装置对应的装置设备参数和用户参数,输入至训练好的匹配预测神经网络模型,以得到每一可视化对话请求对应的匹配度参数;匹配预测神经网络模型通过包括有多个训练可视化对话请求参数、训练装置设备参数、训练用户参数和对应的匹配度标注的训练数据集训练得到;
计算每一可视化对话请求对应的请求参数和,装置历史接入记录中包括的所有接入请求的请求参数,之间的参数相似度,得到每一可视化对话请求对应的相似度参数;
根据优先级参数、匹配度参数和相似度参数,确定每一可视化对话请求对应的请求优先级。
作为一种可选的实施例,第一确定模块202根据优先级参数、匹配度参数和相似度参数,确定每一可视化对话请求对应的请求优先级的具体方式,包括:
计算优先级参数、匹配度参数和相似度参数的加权求和平均值,得到每一可视化对话请求对应的优先表征参数;其中,优先级参数对应的第一权重、匹配度参数对应的第二权重和相似度参数对应的第三权重依次减小;第一权重与优先级预测神经网络模型在验证阶段的预测准确率成正比;第二权重与匹配预测神经网络模型在验证阶段的预测准确率成正比;第三权重与接入请求的总数量成正比;
根据优先表征参数从大到小对所有可视化对话请求进行排序以得到请求序列,将每一可视化对话请求在请求序列中的排序确定为可视化对话请求对应的请求优先级。
作为一种可选的实施例,展示参数包括展示位置、展示大小和展示颜色亮度;第二确定模块203根据请求优先级,确定每一可视化对话请求对应的展示参数的具体方式,包括:
设定目标函数为目标通话装置的展示区域内展示的可视化对话请求的数量最多;
设定限定条件包括请求优先级更高的可视化对话请求对应的展示大小更大且展示颜色亮度更亮、请求优先级更高的可视化对话请求对应的展示位置距离展示区域的展示显著位置的距离越小以及展示框超出展示区域的可视化对话请求不进行显示;
根据目标函数和限定条件,基于动态规划算法,对多个可视化对话请求进行演算直至最优,以得到每一可视化对话请求对应的展示位置、展示大小和展示颜色亮度。
作为一种可选的实施例,预测模块204根据目标用户的实时选择操作和请求优先级,预测可视化对话请求的接入策略的具体方式,包括:
判断目标用户的实时选择操作为选定请求操作或滑动请求操作;
若实时选择操作为选定请求操作,将选定请求操作选定的可视化对话请求确定为第一位接入的可视化对话请求,将其他的可视化对话请求按请求序列中的排序预测接入次序,以预测得到可视化对话请求的接入策略;
若实时选择操作为滑动请求操作,将滑动请求操作所滑走的可视化对话请求在请求序列中的次序退后第一预设位数,并将调整后的请求序列中的次序预测所有可视化对话请求对应的接入次序,以预测得到可视化对话请求的接入策略。
作为一种可选的实施例,装置还执行以下操作:
按照接入策略中的次序,在不超出目标通话装置的内存的情况下,依次接通可视化对话请求并缓存在后台,直至响应目标用户的接听请求而调出任一可视化对话请求;
若目标用户的接听请求所对应的可视化对话请求在接入策略中的次序低于预设位次,则计算每一其他可视化对话请求与目标用户的接听请求所对应的可视化对话请求之间的请求参数相似度;
将请求参数相似度高于预设的相似度阈值的所有其他可视化对话请求在接入策略中的次序前进第二预设位数。
本发明实施例中的模块细节和技术效果可以参照实施例一中的表述,在此不再赘述。
实施例三
请参阅图3,图3是本发明实施例公开的另一种基于优先级筛选的可视化对话系统的结构示意图。如图3所示,该系统可以包括:
存储有可执行程序代码的存储器301;
与存储器301耦合的处理器302;
处理器302调用存储器301中存储的可执行程序代码,执行本发明实施例一公开的基于优先级筛选的可视化对话方法中的部分或全部步骤。
实施例四
本发明实施例公开了一种计算机存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一公开的基于优先级筛选的可视化对话方法中的部分或全部步骤。
以上所描述的系统实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种基于优先级筛选的可视化对话方法及系统所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例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同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (9)
1.一种基于优先级筛选的可视化对话方法,其特征在于,所述方法包括:
获取多个针对目标通话装置的可视化对话请求;
根据每一所述可视化对话请求对应的请求参数,以及所述目标通话装置对应的装置参数,基于神经网络算法,确定每一所述可视化对话请求对应的请求优先级;所述装置参数包括装置设备参数、装置历史接入记录和目标用户的用户参数;所述根据每一所述可视化对话请求对应的请求参数,以及所述目标通话装置对应的装置参数,基于神经网络算法,确定每一所述可视化对话请求对应的请求优先级,包括:
将每一所述可视化对话请求对应的请求参数,输入至训练好的优先级预测神经网络模型中,以得到每一所述可视化对话请求对应的优先级参数;所述优先级预测神经网络模型通过包括有多个训练可视化对话请求参数和对应的优先级标注的训练数据集训练得到;
将每一所述可视化对话请求对应的请求参数,和所述目标通话装置对应的所述装置设备参数和所述用户参数,输入至训练好的匹配预测神经网络模型,以得到每一所述可视化对话请求对应的匹配度参数;所述匹配预测神经网络模型通过包括有多个训练可视化对话请求参数、训练装置设备参数、训练用户参数和对应的匹配度标注的训练数据集训练得到;
计算每一所述可视化对话请求对应的请求参数和所述装置历史接入记录中包括的所有接入请求的请求参数之间的参数相似度,得到每一所述可视化对话请求对应的相似度参数;
根据所述优先级参数、所述匹配度参数和所述相似度参数,确定每一所述可视化对话请求对应的请求优先级;
根据所述请求优先级,确定每一所述可视化对话请求对应的展示参数;
根据所述展示参数对所述可视化对话请求进行展示,并根据目标用户的实时选择操作和所述请求优先级,预测所述可视化对话请求的接入策略;所述接入策略用于预测每一所述可视化对话请求对应的接入顺序。
2.根据权利要求1所述的基于优先级筛选的可视化对话方法,其特征在于,所述请求参数包括请求发起对象、请求发起目的和请求发起时间中的至少一种。
3.根据权利要求1所述的基于优先级筛选的可视化对话方法,其特征在于,所述根据所述优先级参数、所述匹配度参数和所述相似度参数,确定每一所述可视化对话请求对应的请求优先级,包括:
计算所述优先级参数、所述匹配度参数和所述相似度参数的加权求和平均值,得到每一所述可视化对话请求对应的优先表征参数;其中,所述优先级参数对应的第一权重、所述匹配度参数对应的第二权重和所述相似度参数对应的第三权重依次减小;所述第一权重与所述优先级预测神经网络模型在验证阶段的预测准确率成正比;所述第二权重与所述匹配预测神经网络模型在验证阶段的预测准确率成正比;所述第三权重与所述接入请求的总数量成正比;
根据所述优先表征参数从大到小对所有所述可视化对话请求进行排序以得到请求序列,将每一所述可视化对话请求在所述请求序列中的排序确定为所述可视化对话请求对应的请求优先级。
4.根据权利要求1所述的基于优先级筛选的可视化对话方法,其特征在于,所述展示参数包括展示位置、展示大小和展示颜色亮度;所述根据所述请求优先级,确定每一所述可视化对话请求对应的展示参数,包括:
设定目标函数为所述目标通话装置的展示区域内展示的可视化对话请求的数量最多;
设定限定条件包括所述请求优先级更高的所述可视化对话请求对应的展示大小更大且展示颜色亮度更亮和所述请求优先级更高的所述可视化对话请求对应的展示位置距离所述展示区域的展示显著位置的距离越小以及展示框超出所述展示区域的所述可视化对话请求不进行显示;
根据所述目标函数和所述限定条件,基于动态规划算法,对多个所述可视化对话请求进行演算直至最优,以得到每一所述可视化对话请求对应的展示位置、展示大小和展示颜色亮度。
5.根据权利要求3所述的基于优先级筛选的可视化对话方法,其特征在于,所述根据目标用户的实时选择操作和所述请求优先级,预测所述可视化对话请求的接入策略,包括:
判断所述目标用户的实时选择操作为选定请求操作或滑动请求操作;
若所述实时选择操作为选定请求操作,将所述选定请求操作选定的所述可视化对话请求确定为第一位接入的可视化对话请求,将其他的所述可视化对话请求按所述请求序列中的排序预测接入次序,以预测得到所述可视化对话请求的接入策略;
若所述实时选择操作为滑动请求操作,将所述滑动请求操作所滑走的所述可视化对话请求在所述请求序列中的次序退后第一预设位数,并将调整后的请求序列中的次序预测所有所述可视化对话请求对应的接入次序,以预测得到所述可视化对话请求的接入策略。
6.根据权利要求5所述的基于优先级筛选的可视化对话方法,其特征在于,所述方法还包括:
按照所述接入策略中的次序,在不超出所述目标通话装置的内存的情况下,依次接通所述可视化对话请求并缓存在后台,直至响应所述目标用户的接听请求而调出任一所述可视化对话请求;
若所述目标用户的接听请求所对应的所述可视化对话请求在所述接入策略中的次序低于预设位次,则计算每一其他所述可视化对话请求与所述目标用户的接听请求所对应的可视化对话请求之间的请求参数相似度;
将所述请求参数相似度高于预设的相似度阈值的所有其他所述可视化对话请求在所述接入策略中的次序前进第二预设位数。
7.一种基于优先级筛选的可视化对话系统,其特征在于,所述系统包括:
获取模块,用于获取多个针对目标通话装置的可视化对话请求;
第一确定模块,用于根据每一所述可视化对话请求对应的请求参数,以及所述目标通话装置对应的装置参数,基于神经网络算法,确定每一所述可视化对话请求对应的请求优先级;所述装置参数包括装置设备参数、装置历史接入记录和目标用户的用户参数;所述第一确定模块根据每一所述可视化对话请求对应的请求参数,以及所述目标通话装置对应的装置参数,基于神经网络算法,确定每一所述可视化对话请求对应的请求优先级的具体方式,包括:
将每一所述可视化对话请求对应的请求参数,输入至训练好的优先级预测神经网络模型中,以得到每一所述可视化对话请求对应的优先级参数;所述优先级预测神经网络模型通过包括有多个训练可视化对话请求参数和对应的优先级标注的训练数据集训练得到;
将每一所述可视化对话请求对应的请求参数,和所述目标通话装置对应的所述装置设备参数和所述用户参数,输入至训练好的匹配预测神经网络模型,以得到每一所述可视化对话请求对应的匹配度参数;所述匹配预测神经网络模型通过包括有多个训练可视化对话请求参数、训练装置设备参数、训练用户参数和对应的匹配度标注的训练数据集训练得到;
计算每一所述可视化对话请求对应的请求参数和所述装置历史接入记录中包括的所有接入请求的请求参数之间的参数相似度,得到每一所述可视化对话请求对应的相似度参数;
根据所述优先级参数、所述匹配度参数和所述相似度参数,确定每一所述可视化对话请求对应的请求优先级;
第二确定模块,用于根据所述请求优先级,确定每一所述可视化对话请求对应的展示参数;
预测模块,用于根据所述展示参数对所述可视化对话请求进行展示,并根据目标用户的实时选择操作和所述请求优先级,预测所述可视化对话请求的接入策略;所述接入策略用于预测每一所述可视化对话请求对应的接入顺序。
8.一种基于优先级筛选的可视化对话系统,其特征在于,所述系统包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-6任一项所述的基于优先级筛选的可视化对话方法。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-6任一项所述的基于优先级筛选的可视化对话方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311484856.6A CN117221476B (zh) | 2023-11-09 | 2023-11-09 | 基于优先级筛选的可视化对话方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311484856.6A CN117221476B (zh) | 2023-11-09 | 2023-11-09 | 基于优先级筛选的可视化对话方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117221476A CN117221476A (zh) | 2023-12-12 |
CN117221476B true CN117221476B (zh) | 2024-04-16 |
Family
ID=89041161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311484856.6A Active CN117221476B (zh) | 2023-11-09 | 2023-11-09 | 基于优先级筛选的可视化对话方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117221476B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105828458A (zh) * | 2016-05-31 | 2016-08-03 | 宇龙计算机通信科技(深圳)有限公司 | 通话接入的方法及装置 |
CN109962893A (zh) * | 2017-12-25 | 2019-07-02 | 西安华为技术有限公司 | 一种智能呼叫方法及其相关设备 |
CN115460180A (zh) * | 2021-06-08 | 2022-12-09 | Oppo广东移动通信有限公司 | 视频通话的处理方法和装置、电子设备 |
CN116521350A (zh) * | 2023-06-29 | 2023-08-01 | 联通沃音乐文化有限公司 | 基于深度学习算法的etl调度方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7013005B2 (en) * | 2004-02-11 | 2006-03-14 | Hewlett-Packard Development Company, L.P. | System and method for prioritizing contacts |
US20180288224A1 (en) * | 2017-03-28 | 2018-10-04 | Carbyne Ltd. | Prioritizing incoming emergency calls received from a plurality of client devices |
US11113465B2 (en) * | 2018-01-26 | 2021-09-07 | International Business Machines Corporation | Personalized auto-triage of communications |
-
2023
- 2023-11-09 CN CN202311484856.6A patent/CN117221476B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105828458A (zh) * | 2016-05-31 | 2016-08-03 | 宇龙计算机通信科技(深圳)有限公司 | 通话接入的方法及装置 |
CN109962893A (zh) * | 2017-12-25 | 2019-07-02 | 西安华为技术有限公司 | 一种智能呼叫方法及其相关设备 |
CN115460180A (zh) * | 2021-06-08 | 2022-12-09 | Oppo广东移动通信有限公司 | 视频通话的处理方法和装置、电子设备 |
CN116521350A (zh) * | 2023-06-29 | 2023-08-01 | 联通沃音乐文化有限公司 | 基于深度学习算法的etl调度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117221476A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9031222B2 (en) | Automatic supervisor intervention for calls in call center based upon video and/or speech analytics of calls | |
JP2020025349A (ja) | 一組の発信者からの発信者の順序を外した列でのルート決定 | |
CN111460112A (zh) | 在线客服咨询方法、装置、介质及电子设备 | |
CN110321273A (zh) | 一种业务统计方法及装置 | |
CN112995654A (zh) | 视频播放卡顿检测方法、装置、服务器及可读存储介质 | |
CN116304250B (zh) | 一种基于可视化操作的智能规则引擎管理方法及系统 | |
CN117221476B (zh) | 基于优先级筛选的可视化对话方法及系统 | |
CN110139288B (zh) | 一种网络通话方法、装置、系统和记录介质 | |
CN110855474A (zh) | Kqi数据的网络特征提取方法、装置、设备及存储介质 | |
CN115052190B (zh) | 视频播放方法及装置 | |
CN110969261A (zh) | 基于加密算法的模型构建方法及相关设备 | |
KR102236424B1 (ko) | 인공지능 기반의 콜 센터 상담사 지원 장치, 방법 및 프로그램 | |
CN117523638B (zh) | 基于优先级筛选的人脸识别方法及系统 | |
CN113379229A (zh) | 一种资源调度方法和装置 | |
CN113347497A (zh) | 目标用户识别方法、装置、电子设备以及存储介质 | |
CN115457036B (zh) | 检测模型训练方法、智能点数方法和相关设备 | |
CN114219369B (zh) | 预测模型训练方法及装置、用户类别预测方法及装置 | |
CN117523638A (zh) | 基于优先级筛选的人脸识别方法及系统 | |
CN113676603B (zh) | 呼叫控制方法、装置、设备及存储介质 | |
CN117235873B (zh) | 基于历史工作记录的智慧家居布局方法及系统 | |
CN117279164B (zh) | 基于数据预测的照明灯控制方法及系统 | |
CN117632905A (zh) | 基于云端使用记录的数据库管理方法及系统 | |
CN116405771B (zh) | 一种用于平板电脑的智能音视频采集方法和系统 | |
CN115168016B (zh) | 任务调度方法及相关装置、芯片、器件和介质 | |
CN115841432B (zh) | 美颜特效数据确定和模型训练方法、装置、设备和介质 |
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 |