CN117454215A - 回馈资源的配置方法、装置和计算机设备 - Google Patents
回馈资源的配置方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN117454215A CN117454215A CN202311249712.2A CN202311249712A CN117454215A CN 117454215 A CN117454215 A CN 117454215A CN 202311249712 A CN202311249712 A CN 202311249712A CN 117454215 A CN117454215 A CN 117454215A
- Authority
- CN
- China
- Prior art keywords
- feedback resource
- feedback
- preference information
- account
- man
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000003993 interaction Effects 0.000 claims abstract description 52
- 230000002452 interceptive effect Effects 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 26
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000013468 resource allocation Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 235000021170 buffet Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 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
- 230000004044 response Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90332—Natural language query formulation or dialogue systems
-
- 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
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及回馈资源的配置方法、装置和计算机设备。所述方法包括:获取账号与预设的人机对话模型进行对话时产生的人机对话的交互数据;根据所述人机对话的交互数据,确定所述账号的偏好信息;从回馈资源集合中确定与所述偏好信息相匹配的目标回馈资源。采用本方法能够快速获得账号的偏好信息并对其匹配与偏好信息相符的回馈资源,有效帮助了回馈资源的配置。
Description
技术领域
本申请涉及人机交互技术领域,特别是涉及一种回馈资源的配置方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着银行业务的发展与进步,银行提供的回馈资源的种类也在不断增加,造成回馈资源的种类繁多,其中,回馈资源可以增强用户与银行业务的交互频率。传统方法中,通常会采用问卷调查的方式搜集用户的偏好信息,然而目前采用这种方法需要消费大量的人力物力,搜集到的偏好信息真实性较差,因此,基于搜集到的偏好信息配置上述回馈资源的准确度不高。
发明内容
基于此,有必要针对上述技术问题,提供一种回馈资源的配置方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种回馈资源的配置方法。所述方法包括:
获取账号与预设的人机对话模型进行对话时产生的人机对话的交互数据;
根据所述人机对话的交互数据,确定所述账号的偏好信息;
从回馈资源集合中确定与所述偏好信息相匹配的目标回馈资源。
在其中一个实施例中,所述根据所述人机对话的交互数据,确定所述账号的偏好信息,包括:
提取所述人机对话的交互数据中的关键信息数据;
将所述关键信息数据输入至预测模型,输出所述账号的偏好类别及对应的预测权重;
确定预测权重大于预设阈值偏好类别作为偏好信息,或按照所述预测权重由大到小进行排序,取排序前预设位数的偏好类别作为偏好信息。
在其中一个实施例中,所述从回馈资源集合中确定与所述偏好信息相匹配的目标回馈资源,包括:
从回馈资源集合中确定预选的回馈资源;
从所述预选的回馈资源中确定与所述偏好信息相匹配的目标回馈资源。
在其中一个实施例中,从回馈资源集合中确定预选的回馈资源,包括:
获取回馈资源集合中各个回馈资源的交互数据;
对所述各个回馈资源的交互数据进行数据分析,得到所述各个回馈资源的交互排行,基于所述交互排行为所述各个回馈资源添加权重;
将权重大于预设阈值的回馈资源作为预选回馈资源。
在其中一个实施例中,从所述预选的回馈资源中确定与所述偏好信息相匹配的目标回馈资源,包括:
对所述预选回馈资源的权重以及所述偏好信息的权重进行加权求和,得到每个所述预选回馈资源的推荐值;
将推荐值最高的预设数量的预选回馈资源作为目标回馈资源。
在其中一个实施例中,所述方法还包括:
向业务账户推荐所述目标回馈资源。
第二方面,本申请还提供了一种回馈资源的配置装置。所述装置包括:
数据模块,用于获取账户与预设的人机对话模型进行对话时产生的人机对话的交互数据;
偏好模块,用于根据所述人机对话的交互数据,确定账号的偏好信息;
目标模块,用于从回馈资源集合中确定与所述偏好信息相匹配的目标回馈资源。
在其中一个实施例中,所述偏好模块还包括:
提取子模块,用于提取所述人机对话的交互数据中的关键信息数据;
预测子模块,用于将所述关键信息数据输入至预测模型,输出所述账号的偏好类别及对应的预测权重;
偏好子模块,用于确定预测权重大于预设阈值偏好类别作为偏好信息,或按照所述预测权重由大到小进行排序,取排序前预设位数的偏好类别作为偏好信息。
在其中一个实施例中,所述目标模块还包括:
回馈子模块,用于从回馈资源集合中确定预选的回馈资源;
目标子模块,用于从所述预选的回馈资源中确定与所述偏好信息相匹配的目标回馈资源。
在其中一个实施例中,所述回馈子模块还包括:
获取单元,用于获取回馈资源集合中各个回馈资源的交互数据;
回馈单元,用于对所述各个回馈资源的交互数据进行数据分析,得到所述各个回馈资源的交互排行,基于所述交互排行为所述各个回馈资源添加权重;
预选单元,用于将权重大于预设阈值的回馈资源作为预选回馈资源。
在其中一个实施例中,所述目标子模块还包括:
推荐单元,用于对所述预选回馈资源的权重以及所述偏好信息的权重进行加权求和,得到每个所述预选回馈资源的推荐值;
目标单元,用于将推荐值最高的预设数量的预选回馈资源作为目标回馈资源。
在其中一个实施例中,所述装置还包括:
推荐模块,用于向业务账户推荐所述目标回馈资源。
第三方面,本申请还提供了一种计算机设备。所述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如本公开实施例任一项所述的回馈资源的配置方法。
第四方面,本申请还提供了一种计算机可读存储介质。所述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如本公开实施例任一项所述的回馈资源的配置方法。
第五方面,本申请还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,该计算机程序被处理器执行时实现如本公开实施例任一项所述的回馈资源的配置方法。
上述回馈资源的配置方法、装置、计算机设备、存储介质和计算机程序产品,通过账号与预设的人机对话模型交互得到所述账号的人机对话的交互数据,并通过对所述交互数据的分析确定所述账号的偏好信息,并通过所述账号的偏好信息在回馈资源集合中确定与所述账号偏好信息相匹配的目标回馈资源。能够快速获得账号的偏好信息并对其匹配与偏好信息相符的回馈资源,有效帮助了回馈资源的配置,提高了回馈资源配置的准确度。
附图说明
图1为一个实施例中回馈资源的配置方法的第一流程示意图。
图2为一个实施例中回馈资源的配置方法的第二流程示意图。
图3为一个实施例中回馈资源的配置方法的第三流程示意图。
图4为一个实施例中回馈资源的配置方法的第四流程示意图。
图5为一个实施例中回馈资源的配置方法的第五流程示意图。
图6为一个实施例中回馈资源的配置装置的第一示意图。
图7为一个实施例中回馈资源的配置装置的第二示意图。
图8为一个实施例中回馈资源的配置装置的第三示意图。
图9为一个实施例中回馈资源的配置装置的第四示意图。
图10为一个实施例中回馈资源的配置装置的第五示意图。
图11为一个实施例中计算机设备的内部结构图。
图12为一个实施例中计算机设备的内部结构图。
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。
在一个实施例中,如图1所示,提供了一种回馈资源的配置方法,以该方法应用于终端或服务器,包括以下步骤:
步骤S1,获取账号与预设的人机对话模型进行对话时产生的人机对话的交互数据。
其中,所述账号可以包括与计算机有交互的用户的账号。
步骤S2,根据所述人机对话的交互数据,确定所述账号的偏好信息。
可选地,所述账号的偏好信息可以包括用户感兴趣的对象信息,例如:美食、股票、旅游等。
步骤S3,从回馈资源集合中确定与所述偏好信息相匹配的目标回馈资源。
其中,所述回馈资源集合可以包括提供给账号的回馈资源的总和。
所述偏好信息相匹配的目标回馈资源可以包括符合用户偏好信息的回馈资源。
在一种示例性实施例中,所述预设的人机对话模型可以包括通过TF-IDF和BM25算法通过预设回答在集合中寻找账户输入问题最相近的标准问句,取出答案提供给用户的问答型人机对话模型;在另一种示例性实施例中,所述预设的人机对话模型可以包括通过多轮对话,把用户的需求表达完成并得到结构化的完整信息,最后请求服务并完成回应的任务型人机对话模型。
在一种示例性实施例中,所述预设的人机对话模型可以包括通过账号与计算机的交互而产生的人机对话的交互数据所训练的模型,在另一种示例性实施例中,所述预设的人机对话模型可以包括计算机可以基于用户的问题回复用户所需的数据所训练的模型。
在一种示例性实施例中,所述人机对话可以包括每个账号与计算机的交互,在另一种示例性实施例中,所述人机对话可以包括账户基于数据直接对计算机的对话。
在一种示例性实施例中,所述人机对话的交互数据可以包括用户与计算机程序进行对话所产生的数据,另一种示例性实施例中,所述人机对话的交互数据可以为计算机基于用户的交互记录所产生的数据,其中,所述交互记录可以包括:用户的点击、搜索、观看时长等。
在一种示例性实施例中,可以通过训练人机对话模型,并通过人机对话模型获取近期人机对话交互数据,并通过所述交互数据确认账号的偏好信息,并在回馈资源集合中确认与用户偏好信息相匹配的权益配置。
上述回馈资源的配置方法中,通过账号与预设的人机对话模型交互得到所述账号的人机对话的交互数据,并通过对所述交互数据的分析确定所述账号的偏好信息,并通过所述账号的偏好信息在回馈资源集合中确定与所述账号偏好信息相匹配的目标回馈资源。能够快速获得账号的偏好信息并对其匹配与偏好信息相符的回馈资源,有效帮助了回馈资源的配置,提高了配置回馈资源的准确度。
在一个实施例中,如图2所示,步骤S2包括:
步骤S21:提取所述人机对话的交互数据中的关键信息数据;
步骤S22:将所述关键信息数据输入至预测模型,输出所述账号的偏好类别及对应的预测权重;
步骤S23:确定预测权重大于预设阈值偏好类别作为偏好信息,或按照所述预测权重由大到小进行排序,取排序前预设位数的偏好类别作为偏好信息。
其中,所述步骤S21中所述的关键信息数据可以包括,可以用于分析所述账号偏好信息的信息数据,例如可以包括:账户搜索的内容,账户预览的商品的时间以及种类等。所述步骤S22中的预测模型可以为输入人机对话的交互数据的关键信息数据,提取出所述关键信息数据中包含的用户偏好的类别,例如,用户搜索最近正在上映的电影的内容,提取得到用户的偏好信息中包含电影,用户搜索最近的饭店,提取得到用户的偏好信息中包含美食等。所述账号对应的权重可以为用户基于所述账号的偏好类别的排序,所述步骤S23中预设的阈值和所述预设位数的偏好类别可以基于账号的活跃时长进行调整。
可选地,步骤S22中的偏好类型可以包括:所述用户对资源的喜爱,或用户对于资源价格的喜爱等。
在一种示例性实施例中,可以通过提取账号人机对话的交互数据中可以用于AI训练的数据,并输入至预测模型中,得到账号的偏好类别以及偏好类别的权重,并基于权重确定用户的偏好信息,在另一种示例性实施例中,可以通过将人机对话的交互数据进行特征提取,得到所述账号的人机交互数据的语义特征,并对所述人机对话的交互模型进行数据处理,得到所述账号对所述语义特征的交互数据,基于所述语义特征的交互数据为语义特征分配不同的权重,并按照权重大小确定用户的偏好信息。
在一种示例性实施例中,可以获取账号的偏好类别的数量以及类别的权重,当所述账号的偏好类别的权重都很低导致偏好信息不足时,可以通过排序前预设位数的偏好类别作为偏好信息。
本实施例中,通过人机对话的交互数据得到账号的关键信息数据,并通过预测模型,得到所述账号的偏好类型以及对应的权重,并基于预测结果确定所述账号的偏好信息,确定了账号的偏好信息,提高了配置回馈资源的准确度。
在一个实施例中,如图3所示,步骤S3包括:
步骤S31:从回馈资源集合中确定预选的回馈资源;
步骤S32:从所述预选的回馈资源中确定与所述偏好信息相匹配的目标回馈资源。
其中,所述步骤S31中所述的预选的回馈资源为基于所有的回馈资源所确定的部分推荐的回馈资源。
在一种示例性实施例中,可以从回馈资源中选出受多数账号关注的回馈资源作为预选的回馈资源,并基于所述账号的偏好信息确定目标回馈资源,例如,某某自助餐受多数账号的关注,且所述账号的偏好信息包含美食,则将所述某某自助餐确定为目标回馈资源之一。
本实施例中,通过回馈资源集合确定出预选的回馈资源,并通过账号的偏好信息,对所述预选的回馈资源进行筛选确定出目标回馈资源,通过多次回馈资源的确定,提高了配置回馈资源的准确度。
在一个实施例中,如图4所示,步骤S31包括:
步骤S311:获取回馈资源集合中各个回馈资源的交互数据;
步骤S312:对所述各个回馈资源的交互数据进行数据分析,得到所述各个回馈资源的交互排行,基于所述交互排行为所述各个回馈资源添加权重;
步骤S313:将权重大于预设阈值的回馈资源作为预选回馈资源。
其中,所述步骤S311中的各个回馈资源的交互数据可以为每个账号基于所述各个回馈资源的交互数据,其中所述交互数据可以包括:各个账号对所述回馈资源的点击次数,浏览时长以及使用次数等。所述步骤S312中对所述交互数据进行数据分析可以包括:对所述各个回馈资源的交互数据进行综合分析,例如用户的点击次数占比百分之三十,浏览时长占比百分之三十,使用次数占比百分之四十等从而确定各个回馈资源的交互排行,并对所述回馈资源添加权重。
该实施例中,通过对所述各个回馈资源的交互数据进行数据分析,得到了所述各个回馈资源的交互排行,为各个回馈资源添加权重,并确定预选回馈资源,能够确定所有账户对每个回馈资源的交互率,使目标回馈资源更加准确,提高了配置回馈资源的准确度。
在一个实施例中,如图5所示,步骤S32包括:
步骤S321:对所述预选回馈资源的权重以及所述偏好信息的权重进行加权求和,得到每个所述预选回馈资源的推荐值;
步骤S322:将推荐值最高的预设数量的预选回馈资源作为目标回馈资源。
其中,所述步骤S321中的所述加权和,为所述预选回馈资源的权重以及所述偏好信息的权重,其中,所述加权和的权重系数可以为所述预选回馈资源的权重系数为二分之一,所述偏好信息的权重系数为二分之一,并在之后所述账号对目标回馈资源的交互对权重系数进行不断地更新调整。
在一种示例性实施例中,可以当所述账号的偏好信息的权重很小时,例如低于预设阈值,所述回馈资源的权重很大时,例如高于预设阈值,通过一定的加权方法,可以使得推荐值高进而向所述账户推荐所述回馈资源。
该实施例中,通过对预选回馈资源的权重以及偏好信息的权重的加权求和,得到每个回馈资源的推荐值,并将推荐值高的回馈资源作为目标回馈资源,能够将回馈资源中交互比较大的资源与所述账户偏好信息进行合并,使得目标回馈资源更加的准确且多样。
在一个实施例中,所述方法还包括:
步骤S3:向业务账户推荐所述目标回馈资源。
在一种示例性实施例中,可以优先选择目标回馈资源的推荐值高的进行推荐,若出现多个回馈资源的推荐值相等,可以优先推荐所述账户偏好信息权重大的回馈资源。
本实施例中,通过向业务账户推荐所述目标回馈资源,能够达到增加所述账户与所述回馈资源的交互率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的回馈资源的配置方法的回馈资源的配置装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个回馈资源的配置装置实施例中的具体限定可以参见上文中对于回馈资源的配置方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种回馈资源的配置装置10,包括:数据模块101、偏好模块102和目标模块103,其中:
数据模块,用于获取账户与预设的人机对话模型进行对话时产生的人机对话的交互数据;
偏好模块,用于根据所述人机对话的交互数据,确定账号的偏好信息;
目标模块,用于从回馈资源集合中确定与所述偏好信息相匹配的目标回馈资源。
在一个实施例中,提供了一种确定偏好装置20,如图7所示,包括:提取子模块,预测子模块,偏好子模块,其中:
提取子模块201,用于提取所述人机对话的交互数据中的关键信息数据;
预测子模块202,用于将所述关键信息数据输入至预测模型,输出所述账号的偏好类别及对应的预测权重;
偏好子模块203,用于确定预测权重大于预设阈值偏好类别作为偏好信息,或按照所述预测权重由大到小进行排序,取排序前预设位数的偏好类别作为偏好信息。
在一个实施例中,提供了一种目标回馈资源装置30,如图8所示,包括:回馈子模块,目标子模块,其中:
回馈子模块301,用于从回馈资源集合中确定预选的回馈资源;
目标子模块302,用于从所述预选的回馈资源中确定与所述偏好信息相匹配的目标回馈资源。
在一个实施例中,提供了一种预选回馈资源装置40,如图9所示,包括:获取单元,回馈单元,预选单元,其中:
获取单元401,用于获取回馈资源集合中各个回馈资源的交互数据;
回馈单元402,用于对所述各个回馈资源的交互数据进行数据分析,得到所述各个回馈资源的交互排行,基于所述交互排行为所述各个回馈资源添加权重;
预选单元403,用于将权重大于预设阈值的回馈资源作为预选回馈资源。
在一个实施例中,提供了一种确认装置50,如图10所示,包括:推荐单元,目标单元,其中:
推荐单元501,用于对所述预选回馈资源的权重以及所述偏好信息的权重进行加权求和,得到每个所述预选回馈资源的推荐值;
目标单元502,用于将推荐值最高的预设数量的预选回馈资源作为目标回馈资源。
在一个实施例中,提供了一种回馈资源的确定模型训练装置60,包括:推荐模块,其中:
推荐模块601,用于向业务账户推荐所述目标回馈资源。
上述回馈资源的配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备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和内存储器。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。该内存储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存储回馈资源数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信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回馈资源的配置方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图12所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备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和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种回馈资源的配置方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中有计算机程序,该处理器执行计算机程序时实现上述个方法实施例中的步骤。
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,所述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,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
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本申请专利范围的限制。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)
1.一种回馈资源的配置方法,其特征在于,所述方法包括:
获取账号与预设的人机对话模型进行对话时产生的人机对话的交互数据;
根据所述人机对话的交互数据,确定所述账号的偏好信息;
从回馈资源集合中确定与所述偏好信息相匹配的目标回馈资源。
2.根据权利要求1所述的方法,其特征在于,所述根据所述人机对话的交互数据,确定所述账号的偏好信息包括:
提取所述人机对话的交互数据中的关键信息数据;
将所述关键信息数据输入至预测模型,输出所述账号的偏好类别及对应的预测权重;
确定预测权重大于预设阈值偏好类别作为偏好信息,或按照所述预测权重由大到小进行排序,取排序前预设位数的偏好类别作为偏好信息。
3.根据权利要求1所述的方法,其特征在于,所述从回馈资源集合中确定与所述偏好信息相匹配的目标回馈资源,包括:
从回馈资源集合中确定预选的回馈资源;
从所述预选的回馈资源中确定与所述偏好信息相匹配的目标回馈资源。
4.根据权利要求3所述的方法,其特征在于,从回馈资源集合中确定预选的回馈资源,包括:
获取回馈资源集合中各个回馈资源的交互数据;
对所述各个回馈资源的交互数据进行数据分析,得到所述各个回馈资源的交互排行,基于所述交互排行为所述各个回馈资源添加权重;
将权重大于预设阈值的回馈资源作为预选回馈资源。
5.根据权利要求4所述的方法,其特征在于,从所述预选的回馈资源中确定与所述偏好信息相匹配的目标回馈资源,包括:
对所述预选回馈资源的权重以及所述偏好信息的权重进行加权求和,得到每个所述预选回馈资源的推荐值;
将推荐值最高的预设数量的预选回馈资源作为目标回馈资源。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向业务账户推荐所述目标回馈资源。
7.一种回馈资源的配置装置,其特征在于,所述装置包括:
数据模块,用于获取账户与预设的人机对话模型进行对话时产生的人机对话的交互数据;
偏好模块,用于根据所述人机对话的交互数据,确定账号的偏好信息;
目标模块,用于从回馈资源集合中确定与所述偏好信息相匹配的目标回馈资源。
8.一种计算机设备,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6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311249712.2A CN117454215A (zh) | 2023-09-26 | 2023-09-26 | 回馈资源的配置方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311249712.2A CN117454215A (zh) | 2023-09-26 | 2023-09-26 | 回馈资源的配置方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117454215A true CN117454215A (zh) | 2024-01-26 |
Family
ID=89582558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311249712.2A Pending CN117454215A (zh) | 2023-09-26 | 2023-09-26 | 回馈资源的配置方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117454215A (zh) |
-
2023
- 2023-09-26 CN CN202311249712.2A patent/CN117454215A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10958748B2 (en) | Resource push method and apparatus | |
US11243992B2 (en) | System and method for information recommendation | |
CN111553744A (zh) | 联邦产品推荐方法、装置、设备及计算机存储介质 | |
CN111949886B (zh) | 一种用于信息推荐的样本数据生成方法和相关装置 | |
CN112100221A (zh) | 一种资讯推荐方法、装置、推荐服务器及存储介质 | |
CN106779926A (zh) | 关联规则生成方法、装置及终端 | |
CN112395499B (zh) | 信息推荐方法及装置、电子设备、存储介质 | |
CN111553743A (zh) | 联邦产品推荐方法、装置、设备及计算机存储介质 | |
CN116501979A (zh) | 信息推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN116467525A (zh) | 业务产品的推荐方法、装置、设备和存储介质 | |
CN114491093B (zh) | 多媒体资源推荐、对象表征网络的生成方法及装置 | |
CN117454215A (zh) | 回馈资源的配置方法、装置和计算机设备 | |
CN113850416A (zh) | 广告推广合作对象确定方法和装置 | |
CN110503482B (zh) | 一种物品处理方法、装置、终端及存储介质 | |
CN117111800A (zh) | 菜单配置方法、装置、计算机设备、存储介质和程序产品 | |
Ferrari Dacrema et al. | Evaluating recommendations in a user interface with multiple carousels | |
CN117436974A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN117436973A (zh) | 产品推荐方法、装置、设备、存储介质和计算机程序产品 | |
CN117648470A (zh) | 理财信息推送方法、装置、计算机设备、存储介质 | |
CN117350801A (zh) | 虚拟产品推荐方法、装置、计算机设备、存储介质和产品 | |
CN116932891A (zh) | 资源对象展示方法、装置、设备、存储介质和产品 | |
CN116881546A (zh) | 资源推荐方法、装置、设备和存储介质 | |
CN117407418A (zh) | 信息获取方法、装置、计算机设备、存储介质和程序产品 | |
CN116866419A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN116843477A (zh) | 理财产品购买方法、装置、计算机设备、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 |