CN117235321A - 一种展览点位推荐方法、装置、电子装置和存储介质 - Google Patents
一种展览点位推荐方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN117235321A CN117235321A CN202311131177.0A CN202311131177A CN117235321A CN 117235321 A CN117235321 A CN 117235321A CN 202311131177 A CN202311131177 A CN 202311131177A CN 117235321 A CN117235321 A CN 117235321A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- exhibition
- point
- knowledge graph
- 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 45
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000001172 regenerating effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 210000004556 brain Anatomy 0.000 description 8
- 230000018109 developmental process Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000010411 cooking Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 239000011664 nicotinic acid Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003592 biomimetic effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种展览点位推荐方法、装置、电子装置和存储介质,其中,该展览点位推荐方法包括:根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取用户的画像数据及用户当前所在的展览点位的数据;将用户的画像数据及用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。通过本申请提高了导览机器人自主规划推荐功能开发的效率。
Description
技术领域
本申请涉及导览推荐领域,特别是涉及一种展览点位推荐方法、装置、电子装置和存储介质。
背景技术
伴随着科技的飞速发展,信息时代也随之到来并蓬勃发展,会展行业也同时受到了信息时代的影响,传统展馆不得不被时代裹挟着走上优化建设的道路。因为时代的选择,建设智慧展馆成为了绝大多数展馆发展的选择,它不仅可以优化展馆展示的方式,为展馆的发展提供新的运作模式,还可以为参观者提供更优质的导览服务,机器人导览就是其中一种。
导览机器人通过语音交互,了解观众目的地,自主规划推荐路径并带领观众到达指定地点,途中自主避让行人及其它障碍物。准确解答展馆位置分布和展品信息,并引导观众前往指定目的地。导览机器人是高展示度的人形机器人,能够满足展馆长时间或临时性机器人科普展示的需求。但导览机器人采用的推荐功能大多采用有监督的神经网络模型来实现,需要收集大量数据进行训练、验证及优化等步骤,导览机器人自主规划推荐功能开发效率低且非常耗时耗力。
针对相关技术中导览机器人自主规划推荐功能开发效率较低的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种展览点位推荐方法、装置、电子装置和存储介质,以解决相关技术中导览机器人自主规划路径效率较低的问题。
第一个方面,在本实施例中提供了一种展览点位推荐方法,包括:
根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取所述用户的画像数据及所述用户当前所在的展览点位的数据;
将所述用户的画像数据及所述用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。
在其中的一些实施例中,所述根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取所述用户的画像数据及所述用户当前所在的展览点位的数据之前,包括:
获取所述展览点位的项目数据及历史用户数据;
根据预设的图谱结构,从所述展览点位的项目数据中获取展览点位数据,从所述历史用户数据中获取历史用户画像数据;其中,所述图谱结构基于所述展览点位的项目数据及历史用户数据的属性确定;
根据所述预设的图谱结构、所述展览点位数据及所述历史用户画像数据生成知识图谱。
在其中的一些实施例中,所述知识图谱的信息由四元组表达,其中,所述四元组由三元组拓展得到,所述四元组包括所述三元组中的头实体、尾实体及头尾实体之间的关系,还包括关系关联度。
在其中的一些实施例中,所述用户的画像数据的四元组中的关系关联度,由用户的画像数据中用户提供不同信息的优先级确定。
在其中的一些实施例中,所述根据用户及用户所在展览点位,从预设的知识图谱中获取所述用户的画像数据及所述用户当前所在的展览点位的数据之前的步骤,包括:
获取用户信息,并判断所述知识图谱中是否存在所述用户信息对应的用户的画像数据;
若所述知识图谱中存在所述用户信息对应的用户的画像数据,则从所述知识图谱中抽取出所述用户的画像数据;
若所述知识图谱中不存在所述用户信息对应的用户的画像数据,则获取用户的画像数据,并将所述用户的画像数据存储于所述知识图谱中。
在其中的一些实施例中,所述将所述用户的画像数据及所述用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择的步骤,包括:
根据所述推荐模型的应用程序接口的参数,将所述用户的画像数据及所述用户当前所在的展览点位的数据生成指令数据;
将所述指令数据输入推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。
在其中的一些实施例中,所述将所述指令数据输入推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择,还包括:
若所述用户不同意所述目标展览点位及目标展览点位排序,则与所述用户进行对话,并更新所述用户的画像数据;
根据更新后的用户的画像数据,重新生成目标展览点位及目标展览点位排序,供用户进行选择。
第二个方面,在本实施例中提供了一种展览点位推荐装置,包括:获取数据模块及生成推荐模块;
所述获取数据模块,用于根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取所述用户的画像数据及所述用户当前所在的展览点位的数据;
所述生成推荐模块,用于将所述用户的画像数据及所述用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。
第三个方面,在本实施例中提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的展览点位推荐方法。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的展览点位推荐方法。
与相关技术相比,在本实施例中提供的一种展览点位推荐方法,通过根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取所述用户的画像数据及所述用户当前所在的展览点位的数据;将用户的画像数据及用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择,提高了导览机器人自主规划路径的效率。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本实施例的展览点位推荐方法的终端的硬件结构框图;
图2是本实施例的展览点位推荐方法的流程图;
图3是本具体实施例的展览点位推荐方法的框架流程图;
图4为本具体实施例的用户相关知识图谱结构图;
图5是本实施例的展览点位推荐方法的优选流程图;
图6是本实施例的展览点位推荐装置的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是本实施例的展览点位推荐方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的展览点位推荐方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(RadioFrequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种展览点位推荐方法,图2是本实施例的展览点位推荐方法的流程图,如图2所示,该流程包括如下步骤S210至步骤S220:
步骤S210,根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取用户的画像数据及用户当前所在的展览点位的数据。
具体地,处理器获取用户信息和用户当前所在的展览点位,并根据用户信息以及用户当前所在展览点位的信息,从预设的知识图谱中得到用户的画像数据和用户当前所在的展览点位的数据。其中,知识图谱的信息由四元组表达,四元组由三元组拓展得到,四元组包括三元组中的头实体、尾实体及头尾实体之间的关系,还包括关系关联度,特别地,用户的画像数据的四元组中的关系关联度,由用户的画像数据中用户提供不同信息的优先级确定。
通过上述步骤,当用户到达导览展点内时,导览展点内的处理器获取用户的信息以及用户当前所在的位置所对应的展览点位,并根据用户信息和用户当前所在的展览点位,从知识图谱中获取用户的画像数据和用户当前所在的展览点位的数据,有利于提高获取用户的信息以及用户当前所在展览点位信息的效率,进而减少自主规划路线所需的时长。其中,知识图谱中的信息由包括关系关联度的四元组表达,且用户的画像数据的四元组中的关系关联度由用户提供不同信息的优先级所确定,展点的项目数据的四元组中的关系关联度由预设的规则确定,有利于提高获取用户画像数据的准确度,进一步有利于提高自主规划路线的效率及准确度。
在其中的一些实施例中,步骤S210之前还包括步骤S201至步骤S203:
步骤S201,获取展览点位的项目数据及历史用户数据。
步骤S202,根据预设的图谱结构,从展览点位的项目数据中获取展览点位数据,从历史用户数据中获取历史用户画像数据;其中,图谱结构基于展览点位的项目数据及历史用户数据的属性确定。
具体地,处理器根据由展览点位的项目数据以及历史用户数据的属性确定的图谱结构,从展览点位的项目数据和历史用户数据中获取展览点位数据和历史用户画像数据,其中,展览点位的项目数据以及历史用户数据的属性包括技术方向、应用方向、兴趣、专业特长、工作领域等。
步骤S203,根据预设的图谱结构、展览点位数据及历史用户画像数据生成知识图谱。
具体地,处理器获取导览展点内展览点位的项目数据以及历史用户数据,并根据由展览点位的项目数据以及历史用户数据的属性确定的图谱结构,从展览点位的项目数据和历史用户数据中获取展览点位数据和历史用户画像数据,并根据图谱结构、展览点位数据以及历史用户画像数据生成知识图谱。
通过上述步骤S201至步骤S203,根据展览点位的项目数据以及历史用户数据的属性确定图谱结构,并从展览点位的项目数据以及历史用户数据获取展览点位数据以及历史用户画像数据。通过获取到的展览点位数据以及历史用户画像数据以及图谱结构,根据统一格式的数据以及数据对应属性的图谱结构,有利于更快速生成知识图谱。
在其中的一些实施例中,步骤S210之前还包括步骤S204至步骤S206:
步骤S204,获取用户信息,并判断知识图谱中是否存在用户信息对应的用户的画像数据。
步骤S205,若知识图谱中存在用户信息对应的用户的画像数据,则从知识图谱中抽取出用户的画像数据。
具体地,当用户进入导览展点后,获取用户的信息,并根据用户信息判断知识图谱中是否存在用户信息所对应的用户的画像数据。当判断知识图谱中存在该用户的信息所对应的用户画像数据时,那么就从知识图谱中抽取出用户的画像数据,即无需重复获取用户画像数据,有利于快速生成目标展览点位及目标展览点位排序,进一步提升用户的体验感。
步骤S206,若知识图谱中不存在用户信息对应的用户的画像数据,则获取用户的画像数据,并将用户的画像数据存储于知识图谱中。
具体地,当判定知识图谱中不存在该用户的信息所对应的用户画像数据时,则重新获取用户的画像数据,将该用户的画像数据存储于知识图谱中,以便于下次用户到达导览展点进行展览时,可以及时根据知识图谱中的用户的画像数据快速生成该用户的目标展览点位及目标展览点位排序,进一步提升用户的体验感。
通过上述步骤S204至步骤S206,处理器获取用户信息后,根据用户信息判断知识图谱中是否存在用户信息所对应的用户的画像数据;当知识图谱中存在用户信息所对应的用户的画像数据时,直接从知识图谱中获取用户的画像数据,知识图谱中不存在用户信息所对应的用户的画像数据时,则通过与用户进行对话等方式,获取用户的画像数据,并将其存储于知识图谱中,有利于及时根据知识图谱中的用户的画像数据快速生成目标展览点位及目标展览点位排序,提升用户的体验感。
步骤S220,将用户的画像数据及用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。
具体地,处理器调用预先训练的推荐模型,并将获取的用户的画像数据以及用户当前所在的展览点位的数据输入预先训练的推荐模型中,根据推荐模型生成目标展览点位及目标展览点位排序,供用户进行选择;通过将本地的知识图谱中的数据信息与推荐模型进行结合,有利于进一步提高得到导览展点的推荐展览点位及排序的效率。示例性地,这里的推荐模型可以为ChatGPT,还可以为ChatGLM等,对这些推荐模型进行训练,具体地,ChatGPT的训练步骤为:1、数据收集:收集文本数据包括但不限于维基百科、互联网上的论坛和社交媒体、新闻报道等;2、微调模型:使用Transformers的编码器-解码器架构,用于捕捉上下文中的语言信息,为适应不同任务和领域的不同训练数据,先通过微调技术对模型进行预训练,确保每项任务中的准确性更高;3、预训练:在微调后将大规模语料库数据输入到ChatGPT中,该模型将自动学习生成下一个单词的字词序列;4、Fine-tuning:通过使用相对较少的特定领域数据对模型进行微调,使其对领域和任务的特定语言有更好的理解,训练更精准;5、验证与测试:完成训练后,基于该模型进行验证和测试,使ChatGPT在真实场景中可以进行更好地应用,如难题处理、推荐或智能问答等。
通过上述步骤S210至步骤S220,当用户到达导览展点内后,获取用户的信息以及用户当前所在的位置所对应的展览点位,并根据用户信息和用户当前所在的展览点位,从知识图谱中获取用户相关的知识图谱。从与用户相关的知识图谱中获取用户的画像数据和用户当前所在的展览点位的数据,有利于提高获取用户的信息以及用户当前所在展览点位信息的效率,进而减少自主规划路线所需的时长。其中,知识图谱中的信息由包括关系关联度的四元组表达,且用户的画像数据的四元组中的关系关联度由用户提供不同信息的优先级所确定,展点的项目数据的四元组中的关系关联度由预设的规则确定,有利于提高获取用户画像数据的准确度,进一步有利于提高自主规划路线的效率及准确度。处理器调用预先训练的推荐模型,并将获取的用户的画像数据以及用户当前所在的展览点位的数据输入预先训练的推荐模型中,根据推荐模型生成目标展览点位及目标展览点位排序,供用户进行选择;通过将本地的知识图谱中的数据信息与推荐模型进行结合,有利于提高自主规划推荐功能开发效率,进一步提高得到导览展点的推荐展览点位及排序的效率。
在其中的一些实施例中,步骤S220还包括步骤S221至步骤S222:
步骤S221,根据推荐模型的应用程序接口的参数,将用户的画像数据及用户当前所在的展览点位的数据生成指令数据。
步骤S222,将指令数据输入推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。
通过上述步骤S221至步骤S222,处理器调用推荐模型,并根据推荐模型的应用程序接口的参数,将用户的画像数据和用户当前所在的展览点位的数据生成对应的指令数据;将指令数据输入推荐模型中,推荐模型生成目标展览点位及目标展览点位排序,供用户进行选择,通过将数据信息输入推荐模型中,有利于进一步提高生成目标展览点位及目标展览点位排序的效率。
在其中的一些实施例中,步骤S220还包括步骤S223至步骤S224:
步骤S223,若用户不同意目标展览点位及目标展览点位排序,则与用户进行对话,并更新用户的画像数据。
具体地,当用户对推荐模型生成的目标展览点位及目标展览点位排序不感兴趣时,需要对用户的画像数据进行更新,即通过与用户进行问答式对话的方式,获取并更新用户的画像数据,有利于进一步提升用户的体验感。
步骤S224,根据更新后的用户的画像数据,重新生成目标展览点位及目标展览点位排序,供用户进行选择。
具体地,处理器更新用户的画像数据后,将更新后的画像数据及用户当前所在的展览点位的数据生成对应的指令数据,将指令数据输入推荐模型中,推荐模型生成目标展览点位及目标展览点位排序,供用户进行选择,有利于实时根据用户的情况对用户画像数据进行更新,快速得到导览展点的目标展览点位及目标展览点位排序,进一步提升用户的体验感。
通过上述步骤S223至步骤S224,当用户对推荐模型生成的目标展览点位及目标展览点位排序不感兴趣时,通过与用户进行问答式对话的方式,获取并更新用户的画像数据,将更新后的画像数据及用户当前所在的展览点位的数据生成对应的指令数据,将指令数据输入推荐模型中,推荐模型生成目标展览点位及目标展览点位排序,供用户进行选择,有利于实时根据用户的情况对用户画像数据进行更新,快速得到导览展点的目标展览点位及目标展览点位排序,进一步提升用户的体验感。
下面通过具体实施例对本实施例进行描述和说明。
图3是本具体实施例的展览点位推荐方法的框架流程图。如图3所示,该流程包括以下步骤:
步骤S310,设计图谱结构。
具体地,首先基于导览场景需求,设计图谱结构,图谱结构包括展点的属性和人物画像信息的属性。进一步具体地,展点的属性主要包括技术方向、应用方向、团队成员、取得成果等,人物画像信息主要包括兴趣、专业特长、工作领域、取得成果、人脸信息等。
步骤S320,生成知识图谱。
具体地,知识图谱由图谱结构和展点的项目数据及历史用户数据生成。将展点的项目数据及历史用户数据中的标识,按照图谱结构中对应的属性,对应填充至图谱结构中,形成知识图谱。同时,在知识图谱的代表形式上,把知识图谱定义为四元组:G={(l,s)},四元组由三元组及关系权重值s组成,每一个(l,s)的集合组成完整的知识图谱;其中,l=(h,r,t)是一个三元组,h,t∈E(节点集合),r∈R(关系集合),即h,r分别代表头实体、尾实体,t代表头尾实体之间的关系,即h和r之间的关系,三元组中关系权重值s的取值范围为[0,1],具体地,关系权重值s是根据人机交换过程中获取用户画像信息设定,默认是按照用户回答的顺序,当用户重点提及到某个技术方向时,该技术方向的关系权重值最大;即用户优先回答的A技术方向的关系权重值最大;如果该用户后续重点提及到B技术方向,示例性地,“用户C最擅长的技术为B”,那么此时对于用户C来说,B技术方向的关系权重值大于A技术方向的关系权重值。这里的关系权重值s即为前述实施例中的关联关系值s。这里的展点即为前述实施例中的展览点位。
步骤S330,与用户进行多轮对话。
具体地,当知识图谱中没有与用户相关的知识图谱,即无法从知识图谱中获取用户画像信息时,与用户进行多轮对话,进而从与用户的多轮对话中提取用户画像。当知识图谱中存在与用户相关的知识图谱时,则无需与用户进行多轮对话。参考图4,图4为本具体实施例的用户相关知识图谱结构图。当知识图谱中没有用户的画像信息时,此处,用户具体为张三,导览机器人通过与张三进行问答式对话的方式,获取张三的用户画像信息,示例性地,导览机器人与张三的对话为:
导览机器人:“张三,你好,请问你的工作主要是干什么的呢?”
用户张三:“我的工作主要是进行足式机器人的研发。”
导览机器人:“那你在工作中充当决策者还是实施者呢?”
用户张三:“决策者。”
导览机器人:“那你工作之余喜欢干什么呢?”
用户张三:“我比较喜欢做饭,更喜欢在空余时间和朋友一起踢足球。”
导览机器人:“好的,谢谢你的回答,正在为你生成目标展览点位推荐,请稍后。”
步骤S340,根据与用户的多轮对话提取用户画像。
具体地,当知识图谱中没有与用户相关的知识图谱,即无法从知识图谱中获取用户画像信息时,与用户进行多轮对话,进而从与用户的多轮对话中提取用户画像。当知识图谱中存在与用户相关的知识图谱时,则无需与用户进行多轮对话,根据获取到的用户的信息直接从知识图谱中提取与用户相关的知识图谱,并从与用户相关的知识图谱中提取用户的画像信息。
示例性地,知识图谱中没有与用户张三相关的知识图谱信息,因此需要根据与用户的多轮对话提取用户画像。由步骤S330中导览机器人与用户张三的对话可知,用户张三的兴趣为足球和做饭,技术方向为足式机器人及任务决策。其中,足球出现的频率高于做饭及任务决策,因此张三与足球及足式机器人的关系权重值s大于张三与做饭和任务决策的关系权重值,分别为0.9和0.8。那么关于用户张三的知识图谱相关信息可以通过四元组的形式表示为<张三,兴趣,做饭,0.8>、<张三,兴趣,足球,0.9>、<张三,技术,足式机器人,0.9>、<张三,技术,任务决策,0.8>,其后根据得到的关于用户张三的用户画像数据生成目标展览点位及排序。具体地,关于用户张三的相关信息中,图谱结构中的属性分别为:用户名称、用户兴趣以及用户技术方向;用户张三的画像数据为用户张三的兴趣为足球和做饭,技术方向为足式机器人及任务决策,且相比于做饭和任务决策,用户张三对足球相关信息的兴趣更高。因此,基于用户张三的相关信息以及图谱结构,将得到关于用户张三的知识图谱,如图4所示,示例性地,关于用户张三的知识图谱被包括在用户张三此次进入的导览场景相关的知识图谱中。
进一步具体地,三元组具体是通过自然语言处理技术和信息抽取算法从文本数据中提取出来的,具体地,收集文本数据,对收集到的文本数据进行预处理,包括分词、去停用词、词性标注等,使用命名实体识别技术,从文本中识别出人名、地名、组织机构名等实体,根据语义规则和模式匹配算法,从文本中抽取出实体之间的关系,将实体和关系组合成三元组,存储到知识图谱中。知识图谱中的数据信息包括展点数据和用户的数据,收集展点项目数据,并按照预设的图谱结构从展点项目数据抽取出相应的实例,展点项目数据的关系权重值s由预设的规则来设定,示例性地,关于展点项目的知识图谱相关信息可以表示为:<深海机器人项目,技术方向,仿生机器人,0.9>、<深海机器人项目,技术方向,深海探索,0.8>。
当用户进入导览场景内后,导览机器人利用多轮对话收集用户的画像信息。首先,通过判断知识图谱中是否存在该用户画像信息,示例性地,可以通过人脸识别算法判断;若不存在该用户的画像信息,则与用户进行对话,获取用户的兴趣、技术方向、工作领域等文本信息,其后利用知识抽取技术抽取出用户的画像数据,在知识库中创建用户画像,记录用户数据,当用户重新进入展点后,在知识图谱中获取与该用户相关的用户画像信息,以便于后续使用。若存在该用户的画像信息,则无需与用户进行对话,直接根据用户的信息,具体地,用户的信息可以为人脸信息、身份验证信息等,根据人脸信息从知识图谱中匹配获取整个知识图谱中与用户相关的知识图谱,并根据与用户相关的知识图谱获取用户的画像数据。
首先从知识图谱中检索出展点及属性数据,生成四元组格式的数据,如<深海机器人项目,技术方向,仿生机器人,0.9>,并从知识图谱中将用户相关的知识图谱提取出来,根据与用户相关的知识图谱获取用户的画像数据,其后,把用户画像数据生成四元组格式,如<小明,技术方向,仿生学,0.9>。当得到四元组格式的用户的画像数据以及展点信息后,处理器调用推荐模型,并根据推荐模型的要求生成对应的指令数据,即将前面步骤生成的四元组数据,首先按照权重排序,组成句子,然后按照推荐模型的要求生成指令数据,即prompt数据,将指令数据输入推荐模型中,示例性地,此处的推荐模型为大数据模型,即ChatGPT、ChatGLM等,此处使用ChatGPT模型,进而得到推荐导览展点及推荐导览展点排序。
步骤S350,构建prompt。具体地,prompt为指令信息,构建prompt后,根据ChatGPT的应用程序接口的参数,即根据构建的prompt,将展点的项目信息及用户的画像数据生成对应的prompt数据。
进一步具体地,推荐最优展点prompt的格式为:
当前展区中存在的事实为:
;
当前用户的画像信息为:
;
请从当前展点中推荐一个最合适的展点给用户,若存在,输出展点名称;若不存在,输出None。
示例性地,根据用户规划出展点顺序prompt的格式如下:
当前展区中存在的事实为:
;
当前用户的画像信息为:
;
请从当前展点中规划出合适的展点顺序给用户,并输出展点顺序。
示例性地,若当前展区中有两个展点,分别为云脑项目和火星车项目,其中云脑项目的研究方向为知识图谱、自主决策及云计算等,火星车项目的研究方向为轮式机器人及地外探测,参观的用户的兴趣方向为人形机器人及机器人家庭服务,工作方向为机器人视觉算法时,发送给ChatGPT模型的推荐最优展点的prompt数据的格式为:
a)当前展区中存在的事实为:目前有2个展点,分别为云脑项目和火星车项目,其中云脑项目的研究方向为知识图谱、自主决策及云计算等,火星车项目的研究方向为轮式机器人及地外探测;
b)当前用户的画像信息为:用户的兴趣方向为人形机器人及机器人家庭服务,工作方向为机器人视觉算法;
c)请从当前展点中规划出合适的展点顺序给用户。
步骤S360,查询ChatGPT。
具体地,将步骤S350中推荐最优展点prompt的格式传给ChatGPT模型,得到的结果如下:“根据用户的兴趣方向和工作方向,云脑项目似乎比火星车项目更符合用户的需求。在云脑项目中,自主决策和知识图谱与机器人家庭服务和仿生机器人的研究有较大的相关性。因此,我建议推荐云脑项目给用户,展点名称为‘云脑项目’。”
步骤S370,获取推荐结果。ChatGPT模型生成展览推荐结果并输出上述展览推荐结果至导览机器人,以使导览机器人带领用户进行参观。
示例性地,用户参观完展点后,导览机器人收集用户在导览场景内的语言、动作及神态等信息,获取该用户对此次参观体验的肢体满意度,通过肢体满意度对该用户在知识图谱中的用户画像信息进行优化。
图5是本实施例的展览点位推荐方法的优选流程图。如图5所示,该展览点位推荐方法包括如下步骤:
步骤S501,基于导览场景信息生成关于导览场景的知识图谱。
步骤S502,获取用户信息。
步骤S503,判断知识图谱中是否存在该用户画像信息。
步骤S504,若不存在,则与用户进行交互,收集用户的画像数据信息,若存在,直接进入步骤S505。
步骤S505,将导览场景中的展点数据及用户数据根据ChatGPT模型的格式生成指令数据。
步骤S506,将指令数据输入ChatGPT中。
步骤S507,ChatGPT生成推荐展点信息并发送至导览机器人,供用户选择。
步骤S508,判断用户是否同意该推荐展点信息。
步骤S509,若同意,导览机器人则根据推荐展点信息带领用户参观,若不同意,则返回步骤S504。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种展览点位推荐装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图6是本实施例的展览点位推荐装置的结构框图,如图6所示,该装置包括:获取数据模块10及生成推荐模块20。
获取数据模块10,用于根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取用户的画像数据及用户当前所在的展览点位的数据。
生成推荐模块20,用于将用户的画像数据及所述用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取用户的画像数据及用户当前所在的展览点位的数据;
将用户的画像数据及用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。
需要说明的是,在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,在本实施例中不再赘述。
此外,结合上述实施例中提供的展览点位推荐方法,在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种展览点位推荐方法。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对专利保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种展览点位推荐方法,其特征在于,包括:
根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取所述用户的画像数据及所述用户当前所在的展览点位的数据;
将所述用户的画像数据及所述用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。
2.根据权利要求1所述的展览点位推荐方法,其特征在于,所述根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取所述用户的画像数据及所述用户当前所在的展览点位的数据之前,包括:
获取所述展览点位的项目数据及历史用户数据;
根据预设的图谱结构,从所述展览点位的项目数据中获取展览点位数据,从所述历史用户数据中获取历史用户画像数据;其中,所述图谱结构基于所述展览点位的项目数据及历史用户数据的属性确定;
根据所述预设的图谱结构、所述展览点位数据及所述历史用户画像数据生成知识图谱。
3.根据权利要求1所述的展览点位推荐方法,其特征在于,所述知识图谱的信息由四元组表达,其中,所述四元组由三元组拓展得到,所述四元组包括所述三元组中的头实体、尾实体及头尾实体之间的关系,还包括关系关联度。
4.根据权利要求3所述的展览点位推荐方法,其特征在于,所述用户的画像数据的四元组中的关系关联度,由用户的画像数据中用户提供不同信息的优先级确定。
5.根据权利要求1所述的展览点位推荐方法,其特征在于,所述根据用户及用户所在展览点位,从预设的知识图谱中获取所述用户的画像数据及所述用户当前所在的展览点位的数据之前的步骤,包括:
获取用户信息,并判断所述知识图谱中是否存在所述用户信息对应的用户的画像数据;
若所述知识图谱中存在所述用户信息对应的用户的画像数据,则从所述知识图谱中抽取出所述用户的画像数据;
若所述知识图谱中不存在所述用户信息对应的用户的画像数据,则获取用户的画像数据,并将所述用户的画像数据存储于所述知识图谱中。
6.根据权利要求1所述的展览点位推荐方法,其特征在于,所述将所述用户的画像数据及所述用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择的步骤,包括:
根据所述推荐模型的应用程序接口的参数,将所述用户的画像数据及所述用户当前所在的展览点位的数据生成指令数据;
将所述指令数据输入推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。
7.根据权利要求6所述的展览点位推荐方法,其特征在于,所述将所述指令数据输入推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择,还包括:
若所述用户不同意所述目标展览点位及目标展览点位排序,则与所述用户进行对话,并更新所述用户的画像数据;
根据更新后的用户的画像数据,重新生成目标展览点位及目标展览点位排序,供用户进行选择。
8.一种展览点位推荐装置,其特征在于,包括:获取数据模块及生成推荐模块;
所述获取数据模块,用于根据用户信息及用户当前所在的展览点位,从预设的知识图谱中获取所述用户的画像数据及所述用户当前所在的展览点位的数据;
所述生成推荐模块,用于将所述用户的画像数据及所述用户当前所在的展览点位的数据输入预先训练的推荐模型中,生成目标展览点位及目标展览点位排序,以供用户进行选择。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至权利要求7中任一项所述的展览点位推荐方法。
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至权利要求7中任一项所述的展览点位推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311131177.0A CN117235321B (zh) | 2023-09-04 | 2023-09-04 | 一种展览点位推荐方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311131177.0A CN117235321B (zh) | 2023-09-04 | 2023-09-04 | 一种展览点位推荐方法、装置、电子装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117235321A true CN117235321A (zh) | 2023-12-15 |
CN117235321B CN117235321B (zh) | 2024-04-16 |
Family
ID=89097730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311131177.0A Active CN117235321B (zh) | 2023-09-04 | 2023-09-04 | 一种展览点位推荐方法、装置、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117235321B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508426A (zh) * | 2018-12-21 | 2019-03-22 | 深圳市智搜信息技术有限公司 | 一种基于物理环境的智能推荐方法及其系统与存储介质 |
CN112380462A (zh) * | 2020-11-29 | 2021-02-19 | 龙马智芯(珠海横琴)科技有限公司 | 参展路径规划方法、装置、服务器及计算机可读存储介质 |
CN113486193A (zh) * | 2021-07-26 | 2021-10-08 | 国网经济技术研究院有限公司 | 一种基于机器学习的电网基建工程数据知识图谱构建方法 |
CN113781149A (zh) * | 2021-01-22 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 信息推荐方法、装置、计算机可读存储介质及电子设备 |
CN114238767A (zh) * | 2021-12-20 | 2022-03-25 | 中国平安财产保险股份有限公司 | 业务推荐方法、装置、计算机设备和存储介质 |
WO2022140900A1 (zh) * | 2020-12-28 | 2022-07-07 | 华为技术有限公司 | 个人知识图谱构建方法、装置及相关设备 |
CN114782222A (zh) * | 2022-02-25 | 2022-07-22 | 西南石油大学 | 一种基于多源异构大数据的乡村旅游刻画系统 |
WO2023071404A1 (zh) * | 2021-10-29 | 2023-05-04 | 花瓣云科技有限公司 | 推荐方法、电子设备及存储介质 |
CN116561291A (zh) * | 2023-05-16 | 2023-08-08 | 广州钛动科技股份有限公司 | 基于自然语言智能转化模型的智能推荐方法和系统 |
-
2023
- 2023-09-04 CN CN202311131177.0A patent/CN117235321B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508426A (zh) * | 2018-12-21 | 2019-03-22 | 深圳市智搜信息技术有限公司 | 一种基于物理环境的智能推荐方法及其系统与存储介质 |
CN112380462A (zh) * | 2020-11-29 | 2021-02-19 | 龙马智芯(珠海横琴)科技有限公司 | 参展路径规划方法、装置、服务器及计算机可读存储介质 |
WO2022140900A1 (zh) * | 2020-12-28 | 2022-07-07 | 华为技术有限公司 | 个人知识图谱构建方法、装置及相关设备 |
CN113781149A (zh) * | 2021-01-22 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 信息推荐方法、装置、计算机可读存储介质及电子设备 |
CN113486193A (zh) * | 2021-07-26 | 2021-10-08 | 国网经济技术研究院有限公司 | 一种基于机器学习的电网基建工程数据知识图谱构建方法 |
WO2023071404A1 (zh) * | 2021-10-29 | 2023-05-04 | 花瓣云科技有限公司 | 推荐方法、电子设备及存储介质 |
CN114238767A (zh) * | 2021-12-20 | 2022-03-25 | 中国平安财产保险股份有限公司 | 业务推荐方法、装置、计算机设备和存储介质 |
CN114782222A (zh) * | 2022-02-25 | 2022-07-22 | 西南石油大学 | 一种基于多源异构大数据的乡村旅游刻画系统 |
CN116561291A (zh) * | 2023-05-16 | 2023-08-08 | 广州钛动科技股份有限公司 | 基于自然语言智能转化模型的智能推荐方法和系统 |
Non-Patent Citations (3)
Title |
---|
XI WANG 等: "User Profile and Application Investigation Based on Recommender System under Network Information Technology", ACM, pages 1846 * |
杨燕;: "图书馆用户画像及其应用研究", 四川图书馆学报, no. 01 * |
王开;: "博物馆个性化用户画像的构建及其应用", 信息技术与信息化, no. 01, 10 February 2020 (2020-02-10) * |
Also Published As
Publication number | Publication date |
---|---|
CN117235321B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112365892B (zh) | 人机对话方法、装置、电子装置及存储介质 | |
US20230259566A1 (en) | Recommending an item based on attention of user group to item | |
CN111914179B (zh) | 基于语义的模糊搜索方法和装置、存储介质及电子设备 | |
CN111353033B (zh) | 一种训练文本相似度模型的方法和系统 | |
CN110866093A (zh) | 机器问答方法及装置 | |
CN111401388B (zh) | 数据挖掘方法、装置、服务器及可读存储介质 | |
CN111930894A (zh) | 长文本匹配方法及装置、存储介质、电子设备 | |
CN107451230A (zh) | 一种问答方法以及问答系统 | |
CN110347817A (zh) | 智能应答方法及装置、存储介质、电子设备 | |
CN116737910B (zh) | 智能对话处理方法、装置、设备及存储介质 | |
CN114186076A (zh) | 知识图谱构建方法、装置、设备和计算机可读存储介质 | |
Thiengburanathum et al. | A decision tree based recommendation system for tourists | |
CN112836515B (zh) | 文本分析方法、推荐方法、装置、电子设备及存储介质 | |
CN111353290B (zh) | 一种自动响应用户询问的方法和系统 | |
CN115203393A (zh) | 一种对话应答方法及其系统、电子设备、存储介质 | |
CN106708950B (zh) | 用于智能机器人自学习系统的数据处理方法及装置 | |
CN110517672B (zh) | 用户意图识别方法、用户指令执行方法、系统及设备 | |
CN114462582A (zh) | 基于卷积神经网络模型的数据处理方法及装置、设备 | |
CN111400479B (zh) | 针对多轮对话的问题识别方法和装置 | |
CN117235321B (zh) | 一种展览点位推荐方法、装置、电子装置和存储介质 | |
CN117131273A (zh) | 资源搜索方法、装置、计算机设备、介质及产品 | |
CN111368060A (zh) | 对话机器人的自学习方法、装置、系统、电子设备及介质 | |
CN111325328A (zh) | 神经网络的生成方法、数据处理方法及装置 | |
CN111241236A (zh) | 任务导向性问答方法、系统、电子设备、可读存储介质 | |
CN115130561A (zh) | 池化算子的处理方法、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 |