【技术实现步骤摘要】
一种问题推荐方法及装置
本申请涉及互联网
，具体而言，涉及一种问题推荐方法及装置。
技术介绍
随着互联网的快速发展和普及，各类互联网应用也层出不穷，例如网上购物应用、网上打车应用等。用户在使用互联网应用时可能会遇到一些问题需要咨询客服，故这些互联网应用一般都配置有咨询功能，以便向用户提供咨询服务。用户咨询问题时，咨询系统通常会向用户推荐一些候选问题，以便用户选择所要咨询的问题。目前咨询系统推荐问题的形式采用的是静态配置方式，即预先配置好可供用户选择的候选问题。但是，这种静态配置的方式很难满足不同用户的咨询需求，例如，有些用户所要咨询的问题可能未在候选问题中，使得用户还需要花费时间来查阅或收听这些候选问题，导致问题咨询的效率较低。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种问题推荐方法及装置，以更好地满足不同用户的咨询需求，提升问题咨询的效率。第一方面，本申请提供一种问题推荐方法，包括：在检测到请求端发起会话请求后，基于所述请求端的特征信息和预先训练的不同种候选问题...
【技术保护点】
1.一种问题推荐方法，其特征在于，包括：/n在检测到请求端发起会话请求后，基于所述请求端的特征信息和预先训练的不同种候选问题通用的第一预测模型，确定将候选问题集合中的每种候选问题推荐给所述请求端的第一被接受概率；/n基于所述请求端的特征信息和所述候选问题集合中每种候选问题匹配的预先训练的第二预测模型，确定所述候选问题集合中每种候选问题被请求端接受的第二被接受概率；/n根据每种候选问题对应的第一被接受概率和第二被接受概率，确定每种候选问题被请求端接受的第三被接受概率；/n根据每种候选问题对应的第三被接受概率，从所述候选问题集合中选择推荐给所述请求端的问题。/n
【技术特征摘要】
1.一种问题推荐方法，其特征在于，包括：
在检测到请求端发起会话请求后，基于所述请求端的特征信息和预先训练的不同种候选问题通用的第一预测模型，确定将候选问题集合中的每种候选问题推荐给所述请求端的第一被接受概率；
基于所述请求端的特征信息和所述候选问题集合中每种候选问题匹配的预先训练的第二预测模型，确定所述候选问题集合中每种候选问题被请求端接受的第二被接受概率；
根据每种候选问题对应的第一被接受概率和第二被接受概率，确定每种候选问题被请求端接受的第三被接受概率；
根据每种候选问题对应的第三被接受概率，从所述候选问题集合中选择推荐给所述请求端的问题。
2.如权利要求1所述的方法，其特征在于，所述根据每种候选问题对应的第一被接受概率和第二被接受概率，确定每种候选问题被请求端接受的第三被接受概率，包括：
针对所述候选问题集合中第i种候选问题，将所述第i种候选问题对应的第一被接受概率以及对应的第二被接受概率进行加权求和，得到所述第i种候选问题对应的第三被接受概率。
3.如权利要求1所述的方法，其特征在于，所述根据每种候选问题对应的第三被接受概率，从所述候选问题集合中选择推荐给所述请求端的问题，包括：
将所述候选问题集合中第三被接受概率高于预设概率值的候选问题作为推荐给所述请求端的问题。
4.如权利要求1所述的方法，其特征在于，所述根据每种候选问题对应的第三被接受概率，从所述候选问题集合中选择推荐给所述请求端的问题，包括：
将所述候选问题集合中每种候选问题按照第三被接受概率由大到小的顺序进行排列；
将所述候选问题集合中第三被接受概率排列在前k位的候选问题作为推荐给所述请求端的问题，k为正整数。
5.如权利要求1所述的方法，其特征在于，所述基于所述请求端的特征信息和预先训练的不同种候选问题通用的第一预测模型，确定将候选问题集合中每一种候选问题推荐给所述请求端的第一被接受概率，包括：
对所述特征信息进行特征提取后得到特征向量；
将所述特征向量输入至预先训练的不同种候选问题通用的第一预测模型中，输出所述候选问题集合中每一种候选问题推荐给所述请求端的第一被接受概率。
6.如权利要求1的方法，其特征在于，所述基于所述请求端的特征信息和所述候选问题集合中每种候选问题匹配的预先训练的第二预测模型，确定所述候选问题集合中每种候选问题被请求端接受的第二被接受概率，包括：
对所述特征信息进行特征提取后得到特征向量；
将从所述特征信息中提取出的特征向量输入至与所述候选问题集合中每种候选问题匹配的预先训练的第二预测模型中，输出所述候选问题集合中每种候选问题被请求端接受的第二被接受概率。
7.如权利要求2所述的方法，其特征在于，所述为所述请求端推荐的问题还包括预设提示问题，所述预设提示问题用于提示所述请求端是否需要请求回应其它问题。
8.根据权利要求1所述的方法，其特征在于，在检测到请求端发起会话请求之前，所述方法还包括：
统计第二历史时间段内不同请求端请求回应的每种问题的总次数；
将统计出的总次数满足预设条件的问题作为候选问题，构成所述候选问题集合。
9.根据权利要求1所述的方法，其特征在于，当所述请求端为服务提供方终端时，所述特征信息包括以下信息中的至少一种：
所述服务提供方的人物描述信息；
所述服务提供方最近一次处理的订单的订单描述信息；
所述最近一次处理的订单的服务请求方的人物描述信息；
所述服务提供方发起所述会话请求时的订单状态信息；
所述服务提供方发起所述会话请求时所处的位置以及时间；
所述服务提供方在第一历史时间段内的订单汇总信息。
10.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取在第三历史时间段内的历史会话记录信息，所述历史会话记录信息中包括每个请求端每次发起会话请求时的历史特征信息、以及每个请求端每次发起会话请求时请求回应的历史问题；
提取每个历史特征信息对应的历史特征向量；
将提取的每个所述历史特征向量作为训练样本，构成第一样本训练集，其中，每个训练样本对应一个问题标签，不同问题标签用于标识不同历史特征向量分别对应的历史问题；
基于所述第一样本训练集对所述第一预测模型进行训练，直至确定所述第一预测模型训练完成。
11.如权利要求10所述的方法，其特征在于，所述基于所述第一样本训练集对所述第一预测模型进行训练，直至确定所述第一预测模型训练完成，包括：
将所述第一样本训练集中预设个数的所述训练样本输入至所述第一预测模型中，针对输入的每个所述训练样本，分别输出所述候选问题集合中每一种候选问题推荐给所述请求端的第一历史被接受概率，并确定每个所述训练样本对应的所述第一历史被接受概率最高的候选问题；
通过对比每个所述训练样本对应的所述第一历史被接受概率最高的候选问题、以及每个所述训练样本对应的问题标签，确定本轮训练过程的第一损失值；
当所述第一损失值大于第一设定值时，对所述第一预测模型的模型参数进行调整，并利用调整后的所述第一预测模型进行下一轮训练过程，直至确定出的第一损失值小于或等于所述第一设定值时，确定所述第一预测模型训练完成。
12.如权利要求1所述的方法，其特征在于，所述方法还包括：
针对所述候选问题集合中的每一种候选问题，生成与每一种候选问题匹配的第二预测模型，以及，生成每一种候选问题对应的第二样本训练集；
基于每一种候选问题对应的第二样本训练集，对每一种候选问题匹配的第二预测模型进行训练，直至确定每一种候选问题匹配的第二预测模型训练完成。
13.如权利要求12所述的方法，其特征在于，所述生成每一种候选问题对应的第二样本训练集，包括：
针对所述候选样本集合中的第一候选问题，所述第一候选问题为所述候选样本集合中的任意一个候选问题，执行如下操作：
从所述历史会话记录信息中筛选出第一请求端的第一历史特征信息、以及第二请求端的第二历史特征信息；其中，所述第一请求端表示请求回应的历史问题为所述第一候选问题的请求端，所述第二请求端表示请求回应的历史问题不为所述第一候选问题的请求端；
提取每个第一历史特征信息对应的第一历史特征向量，以及，提取每个第二历史特征信息对应的第二历史特征向量；
将提取的每个所述第一历史特征向量作为正训练样本，构成正样本训练集，以及，将提取的每个所述第二历史特征向量作为负训练样本，构成负样本训练集；
将所述正样本训练集、以及所述负样本训练集构成所述第一候选问题对应的第二样本训练集；
其中，每个正训练样本对应一个正标签，每个负训练样本对应一个负标签，所述正标签表示所述请求端请求回应的问题为所述第一候选问题，所述负标签表示所述请求端请求回应的问题不为所述第一候选问题。
14.如权利要求13所述的方法，其特征在于，所述基于每一种候选问题对应的第二样本训练集，对每一种候选问题匹配的第二预测模型进行训练，直至确定每一种候选问题匹配的第二预测模型训练完成，包括：
针对所述第一候选问题匹配的第二预测模型，执行如下训练过程：
从所述第一候选问题对应第二样本训练集中获取第一预设个数的所述正训练样本、以及第二预设个数的所述负训练样本；
将所述第一预设个数的所述正训练样本、以及所述第二预设个数的所述负训练样本输入至所述第一候选问题匹配的第二预测模型中，输出每个所述正训练样本对应的分类结果、以及每个所述负训练样本对应的分类结果；其中，所述分类结果表示所述请求端请求回应的问题是否为所述第一候选问题；
通过对比每个所述正训练样本对应的分类结果和所述正标签、以及对比每个所述负训练样本对应的分类结果和所述负标签，确定本轮训练过程的第二损失值；
当所述第二损失值大于第二设定值时，对所述第一候选问题匹配的第二预测模型的模型参数进行调整，并利用调整后的所述第一候选问题匹配的第二预测模型进行下一轮训练过程，直至确定出的第二损失值小于或等于所述第二设定值时，确定所述第一候选问题匹配的第二预测模型训练完成。
15.一种问题推荐装置，其特征在于，包括：
第一预测模块，用于在检测到请求端发起会话请求后，基于所述请求端的特征信息和预先训练的不同种候选问题通用的第一预测模型，确定将候选问题集合中的每种候选问题推荐给所述请求端的第一被接受概率；
第二预测模块，用于基于所述请求端的特征信息和所述候选问题集合中每种候选问题匹配的预先训练的第二预测模型，确定所述候选问题集合中...
【专利技术属性】
技术研发人员：张姣姣，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。