问题推荐方法、系统、电子设备和存储介质技术方案

本发明专利技术涉及人工智能技术领域，提供一种问题推荐方法、系统、电子设备和存储介质。其中问题推荐方法包括：自历史提问数据中，获得多个业务标签及每个业务标签的问题集；在每个业务标签的问题集中，通过相似度计算获得多个关键问题，并根据关键问题生成每个业务标签的提问标签；基于各业务标签及其提问标签，计算两两用户之间的相似度，根据两两用户之间的相似度获得每个用户的关联用户，并根据每个用户的关联用户的历史提问数据生成每个用户的推荐问题集；以及根据一用户的实时提问数据，向该用户推荐其推荐问题集中的问题。本发明专利技术通过业务标签和提问标签分析用户之间的相似度，并基于相似用户的提问数据对用户进行个性化、针对性的问题推荐。

【技术实现步骤摘要】
问题推荐方法、系统、电子设备和存储介质
本专利技术涉及人工智能
，具体地说，涉及一种问题推荐方法、系统、电子设备和存储介质。
技术介绍
在线平台每天会接收到大量用户提问，随着业务领域的拓展，人工客服量渐渐无法支撑用户问题体量，因此诞生出智能客服技术。智能客服技术通常会基于用户的历史行为记录，例如购买信息、操作信息，预测该用户的提问意图，在用户提问前推荐相关问题，以引导用户提出符合系统设定的问题，从而能够快速响应用户的提问。对于在线物流平台，用户的历史行为记录比较单一，主要是车货匹配场景下司机找货的行为数据，例如司机搜索某一种类货物信息、某条路线上的货物信息等。但是货物信息、司机偏好信息并不能全面地反映用户在使用软件的过程中碰到的软件使用情况、运单状态信息等问题，导致现有的智能客服技术应用到在线物流平台时，无法准确地识别用户的提问意图，不仅无法给用户推送其想问的问题，还会给用户造成困扰，影响用户的使用体验。需要说明的是，在上述
技术介绍
部分申请的信息仅用于加强对本专利技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技本文档来自技高网...

【技术保护点】
1.一种问题推荐方法，其特征在于，包括步骤：/n自历史提问数据中，获得多个业务标签及每个业务标签的问题集；/n在每个所述业务标签的问题集中，通过相似度计算获得多个关键问题，并根据所述关键问题生成每个所述业务标签的提问标签；/n基于各所述业务标签及其提问标签，计算两两用户之间的相似度，根据所述两两用户之间的相似度获得每个用户的关联用户，并根据每个用户的关联用户的历史提问数据生成每个用户的推荐问题集；以及/n根据一用户的实时提问数据，向该用户推荐其推荐问题集中的问题。/n

【技术特征摘要】
1.一种问题推荐方法，其特征在于，包括步骤：
自历史提问数据中，获得多个业务标签及每个业务标签的问题集；
在每个所述业务标签的问题集中，通过相似度计算获得多个关键问题，并根据所述关键问题生成每个所述业务标签的提问标签；
基于各所述业务标签及其提问标签，计算两两用户之间的相似度，根据所述两两用户之间的相似度获得每个用户的关联用户，并根据每个用户的关联用户的历史提问数据生成每个用户的推荐问题集；以及
根据一用户的实时提问数据，向该用户推荐其推荐问题集中的问题。


2.如权利要求1所述的问题推荐方法，其特征在于，所述通过相似度计算获得多个关键问题的步骤包括：
在一所述业务标签的问题集中，计算两两问题之间的相似度，生成所述问题集的相似度矩阵；
根据所述相似度矩阵获得与每个问题的相似度最高的多个问题，形成每个问题的关联问题集；以及
计算各所述关联问题集的相似度之和，筛选相似度之和最大的一组关联问题集，作为所述业务标签的多个关键问题。


3.如权利要求2所述的问题推荐方法，其特征在于，所述计算两两问题之间的相似度的步骤包括：
对所述问题集中的每个问题进行分词，获得每个问题的分词词组；
计算每个问题的分词词组的词向量，并根据每个问题的分词词组的词向量获得每个问题的句向量；以及
根据每个问题的句向量计算两两问题之间的相似度。


4.如权利要求2所述的问题推荐方法，其特征在于，所述根据所述关键问题生成每个所述业务标签的提问标签的步骤包括：
在所述业务标签的多个关键问题中，对每个所述关键问题进行分词，获得每个所述关键问题的分词词组；
计算每个分词词组在所述业务标签的所有分词词组中的概率；以及
筛选概率最高的多个分词词组，作为所述业务标签的多个提问标签。


5.如权利要求1所述的问题推荐方法，其特征在于，所述计算两两用户之间的相似度的步骤包括：
自所述历史提问数据中获得两用户之间的相同问题，所述相同问题是相同业务标签下具有至少一相同提问标签的问题；以及...

【专利技术属性】
技术研发人员：刘祥，张鹏，
申请(专利权)人：江苏满运软件科技有限公司，
类型：发明
国别省市：江苏;32