问题推荐方法、装置、服务器及可读存储介质制造方法及图纸

本申请实施例提供了一种问题推荐方法、装置、服务器及可读存储介质，通过将历史服务记录数据输入到预先训练的协同过滤模型中，先预测主类推荐问题，之后再选择目标主类问题继续将历史服务记录数据输入到目标主类问题对应的深度神经网络DNN模型中，预测目标主类问题下的具体子类推荐问题，最后输出的问题推荐菜单可以同时包括主类推荐问题和具体子类推荐问题。由此，利用主类推荐问题的问题特征突出、预测准确性高的特点，先预测主类推荐问题再预测子类推荐问题，可以有效提高预测准确性，另一方面，问题推荐菜单中直接包括具体子类推荐问题，无需用户反复进行多层菜单操作，从而减少用户等待时长，精准定位用户问题。

【技术实现步骤摘要】
问题推荐方法、装置、服务器及可读存储介质
本申请涉及计算机
，具体而言，涉及一种问题推荐方法、装置、服务器及可读存储介质。
技术介绍
目前，随着智能终端的普及，各种提供生活便利服务的应用程序(Application，简称APP)也层出不穷，为用户的吃穿住行提供服务(例如出行服务、外卖服务等)。用户在使用这些服务的过程中，经常会遇到各种待解决的问题需要向服务平台咨询。现有服务平台针对用户待解决的问题难以实现精准的个性化推荐，尤其是不能在用户咨询时快速定位出用户在使用服务过程中出现的问题，导致用户体验下降。
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、装置、服务器及可读存储介质，以解决或者改善上述问题。根据本申请实施例的一个方面，提供一种电子设备，可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行问题推荐方法。根据本申请实施例的另一方面本文档来自技高网...

【技术保护点】
1.一种问题推荐方法，其特征在于，应用于服务器，所述方法包括：/n根据服务请求方终端发送的问题获取请求，获取该服务请求方的历史服务记录数据，所述历史服务记录数据包括服务请求方画像特征、服务订单数据、服务提供方画像特征以及服务时空信息中的一种或者多种组合；/n将所述历史服务记录数据输入到预先训练的协同过滤模型中，得到各个候选主类问题的置信度，并根据所述各个候选主类问题的置信度从所述各个候选主类问题中选择目标主类问题；/n将所述历史服务记录数据输入到所述目标主类问题对应的深度神经网络DNN模型中，得到所述目标主类问题下各个候选子类问题的置信度；/n根据所述各个候选主类问题的置信度和所述目标主类问题...

【技术特征摘要】
1.一种问题推荐方法，其特征在于，应用于服务器，所述方法包括：
根据服务请求方终端发送的问题获取请求，获取该服务请求方的历史服务记录数据，所述历史服务记录数据包括服务请求方画像特征、服务订单数据、服务提供方画像特征以及服务时空信息中的一种或者多种组合；
将所述历史服务记录数据输入到预先训练的协同过滤模型中，得到各个候选主类问题的置信度，并根据所述各个候选主类问题的置信度从所述各个候选主类问题中选择目标主类问题；
将所述历史服务记录数据输入到所述目标主类问题对应的深度神经网络DNN模型中，得到所述目标主类问题下各个候选子类问题的置信度；
根据所述各个候选主类问题的置信度和所述目标主类问题下各个候选子类问题的置信度向所述服务请求方终端发送问题推荐菜单，所述问题推荐菜单包括主类推荐问题以及所述目标主类问题下的子类推荐问题。


2.根据权利要求1所述的问题推荐方法，其特征在于，所述根据服务请求方终端发送的问题获取请求，获取该服务请求方的历史服务记录数据的步骤，包括：
从所述问题获取请求中获取该服务请求方的用户信息，所述用户信息包括来电号码、用户账号、用户生物特征中的至少一种；
根据所述用户信息从所述服务器存储的历史服务记录数据库中获取该服务请求方的历史服务记录数据。


3.根据权利要求1所述的问题推荐方法，其特征在于，所述服务请求方画像特征至少包括该服务请求方的基本信息、服务使用频率、服务类型分布以及投诉问题分布，所述服务提供方画像特征至少包括该服务提供方的基本信息、平均服务统计数据以及被投诉问题分布，所述服务订单数据包括最近的预设数量服务订单的订单统计数据，所述服务时空信息包括发送所述问题获取请求时的时间信息、位置信息以及热力图信息，其中，该服务请求方的基本信息包括年龄、性别、服务等级以及职业，该服务提供方的基本信息包括年龄、性别以及服务等级，所述平均服务统计数据包括每日平均服务时长以及每日平均收入。


4.根据权利要求1所述的问题推荐方法，其特征在于，所述方法还包括预先训练协同过滤模型的步骤，具体包括：
获取主类训练样本集，所述主类训练样本集包括各个服务请求方的主类问题服务记录数据以及与所述主类问题服务记录数据关联的候选主类问题，所述问题服务记录数据包括服务请求方画像、服务订单数据、服务提供方画像以及服务时空信息；
根据所述训练样本集，采用协同过滤算法训练得到所述协同过滤模型。


5.根据权利要求1所述的问题推荐方法，其特征在于，所述方法还包括训练每个所述候选主类问题对应的DNN模型的步骤，具体包括：
获取每个所述候选主类问题的子类训练样本集，所述子类训练样本集包括各个服务请求方的子类问题服务记录数据以及与所述子类问题服务记录数据关联的候选子类问题，所述问题服务记录数据包括服务请求方画像、服务订单数据、服务提供方画像以及服务时空信息；
根据每个子类训练样本集，采用DNN算法训练得到每个候选主类问题的DNN模型。


6.根据权利要求1所述的问题推荐方法，其特征在于，所述根据所述各个候选主类问题的置信度从所述各个候选主类问题中选择目标主类问题的步骤，包括：
根据所述各个候选主类问题的置信度，按照置信度降序的顺序生成各个候选主类问题的排序结果；
根据所述排序结果选择排序最靠前的至少一个候选主类问题作为所述目标主类问题；或者
将置信度大于预设置信度的候选主类问题作为所述目标主类问题。


7.根据权利要求1-6中任意一项所述的问题推荐方法，其特征在于，所述根据所述各个候选主类问题的置信度和所述目标主类问题下各个候选子类问题的置信度向所述服务请求方终端发送问题推荐菜单的步骤，包括：
根据所述各个候选主类问题的置信度，按照置信度降序的顺序选择第一预设数量的候选主类问题作为主类推荐问题；
根据所述目标主类问题下各个候选子类问题的置信度，按照置信度降序的顺序选择第二预设数量的候选子类问题作为子类推荐问题；
根据所述主类推荐问题以及所述目标主类问题下的子类推荐问题生成问题推荐菜单，并将所述问题推荐菜单发送给所述服务请求方终端。


8.根据权利要求1-6中任意一项所述的问题推荐方法，其特征在于，所述根据所述各个候选主类问题的置信度和所述目标主类问题下各个候选子类问题的置信度向所述服务请求方终端发送问题推荐菜单的步骤，包括：
根据所述各个候选主类问题的置信度，将置信度大于第一置信度的候选主类问题作为主类推荐问题；
根据所述目标主类问题下各个候选子类问题的置信度，将置信度大于第二置信度的候选子类问题作为子类推荐问题；
根据所述主类推荐问题以及所述目标主类问题下的子类推荐问题生成问题推荐菜单，并将所述问题推荐菜单发送给所述服务请求方终端。


9.根据权利要求1所述的问题推荐方法，其特征在于，所述向所述服务请求方终端发送问题推荐菜单的步骤，包括：
将所述问题推荐菜单中包括的主类推荐问题以及所述目标主类问题下的子类推荐问题的语音数据发送给所述服务请求方终端，以使所述服务请求方终端向所述服务请求方播放所述主类推荐问题以及所述目标主类问题下的子类推荐问题的语音数据。


10.根据权利要求1所述的问题推荐方法，其特征在于，所述向所述服务请求方终端发送问题推荐菜单的步骤，包括：
将所述问题推荐菜单中包括的主类推荐问题以及所述目标主类问题下的子类推荐问题发送给所述服务请求方终端，以使所述服务请求方终端向用户展示所述主类推荐问题以及所述目标主类问题下的子类推荐问题。


11.根据权利要求1所述的问题推荐方法，其特征在于，所述根据所述各个候选主类问题的置信度和所述目标主类问题下各个候选子类问题的置信度向所述服务请求方终端发送问题推荐菜单的步骤之后，所述方法还包括：
获取所述服务请求方终端从所述主类推荐问题以及所述目标主类问题下的子类推荐问题中选择的目标推荐问题；
判断所述目标推荐问题是否为主类推荐问题；
若所述目标推荐问题为主类推荐问题，则将所述历史服务记录数据输入到所述主类推荐问题对应的DNN模型中，得到所述主类推荐问题下各个候选子类问题的置信度；
根据所述各个候选子类问题的置信度向所述服务请求方终端发送所述主类推荐问题下的子类推荐问题；
若所述目标推荐问题为子类推荐问题，则根据该子类推荐问题的问题处理策略对该子类推荐问题进行处理。


12.一种问题推荐装置，其特征在于，应用于服务器，所述装置包括：
获取模块，用于根据服务请求方终端发送的问题获取请求，获取该服务请求方的历史服务记录数据，所述历史服务记录数据包括服务请求方画像特征、服务订单数据、服务提...

【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