消息行业应用模板推荐方法、装置及计算设备制造方法及图纸

本发明专利技术实施例涉及通信网络技术领域，公开了一种消息行业应用模板推荐方法、装置及计算设备，该方法包括：接收行业客户发起的新建消息应用请求，所述消息应用请求中携带有新建消息应用的场景描述；获取多个现有消息行业应用模板的信息，并对所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行预处理；应用消息行业模板推荐器逐一预测所述新建消息应用的场景描述与每个所述现有消息行业应用模板的匹配度评分；将所述匹配度评分最高的所述现有消息行业应用模板作为新建消息应用的消息行业应用模板推荐给所述行业客户。通过上述方式，本发明专利技术实施例能够为行业客户提供最适合其消息应用场景的行业模板，有助于提升行业客户使用体验。行业客户使用体验。行业客户使用体验。

【技术实现步骤摘要】
消息行业应用模板推荐方法、装置及计算设备


[0001]本专利技术实施例涉及通信网络
，具体涉及一种消息行业应用模板推荐方法、装置及计算设备。

技术介绍

[0002]现有技术中，5G消息行业应用模板需要由行业客户自主选择或由人工来进行推荐，但经常存在匹配不精准的问题，目前并无5G消息行业应用模板自动推荐方案。
[0003]每个行业内存在着多种多样的应用需求，并不能简单的将某个行业的消息应用直接映射到该行业模板，随着行业需求越来越多样化，传统由行业客户自主选择或由人工来进行推荐5G消息行业应用模板的做法已经无法适应新的需求，存在效率较低、行业客户使用体验差，选择的模板与实际需求不匹配等问题。

技术实现思路

[0004]鉴于上述问题，本专利技术实施例提供了一种消息行业应用模板推荐方法、装置及计算设备，克服了上述问题或者至少部分地解决了上述问题。
[0005]根据本专利技术实施例的一个方面，提供了一种消息行业应用模板推荐方法，所述方法包括：接收行业客户发起的新建消息应用请求，所述消息应用请求中携带有新建消息应用的场景描述；获取多个现有消息行业应用模板的信息，并对所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行预处理；应用消息行业模板推荐器逐一预测所述新建消息应用的场景描述与每个所述现有消息行业应用模板的第一匹配度评分；将所述第一匹配度评分最高的所述现有消息行业应用模板作为新建消息应用的消息行业应用模板推荐给所述行业客户。
[0006]在一种可选的方式中，所述所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行预处理，包括：对所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行文本清洗并将文本序列化。
[0007]在一种可选的方式中，所述对所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行文本清洗并将文本序列化，包括：统一字母大小写，将大写字母转换成小写字母，将所述新建消息应用的场景描述和所述现有消息行业应用模板的信息构成的数据中的每个单词转换为整数序列；将所述新建消息应用的场景描述的长度补零至第一编码序列长度，将所述现有消息行业应用模板的信息补零至第二编码序列长度。
[0008]在一种可选的方式中，所述应用消息行业模板推荐器逐一预测所述新建消息应用的场景描述与每个所述现有消息行业应用模板的匹配度之前，包括：获取历史新建消息应用的场景描述和所述现有消息行业应用模板的信息；将所述历史新建消息应用的场景描述与所述现有消息行业应用模板逐一成对进行人工匹配，获取正确匹配度评分，形成总数据集；对所述总数据集进行文本清洗和文本序列化；将所述总数据集划分为训练集和测试集，应用所述训练集对深度神经网络模型进行训练，应用所述测试集对训练收敛的所述深度神
经网络模型进行验证，将训练收敛的所述深度神经网络模型作为所述消息行业模板推荐器。
[0009]在一种可选的方式中，所述应用所述训练集对深度神经网络模型进行训练，包括：将所述训练集中的所述历史新建消息应用的场景描述与所述现有消息行业应用模板的信息输入所述深度神经网络模型，获取预测的第二匹配度评分；计算所述第二匹配度评分与所述正确匹配度评分之间的误差，应用目标函数衡量所述误差；应用梯度下降优化算法使所述深度神经网络模型梯度下降，获取使所述目标函数最小的所述深度神经网络模型的最优权重参数，所述最优权重参数对应的所述深度神经网络模型为训练收敛的所述深度神经网络模型。
[0010]在一种可选的方式中，所述将所述训练集中的所述历史新建消息应用的场景描述与所述现有消息行业应用模板的信息输入所述深度神经网络模型，获取预测的第二匹配度评分，包括：通过第一输入层接收输入的所述历史新建消息应用的场景描述，通过第二输入层接收输入的所述现有消息行业应用模板的信息；分别应用第一词嵌入层和第二词嵌入层对输入的所述历史新建消息应用的场景描述和所述现有消息行业应用模板的信息进行处理，将每个单词转换为预设维度的空间向量；分别应用第一reshape层和第二reshape层将所述历史新建消息应用的场景描述和所述现有消息行业应用模板的信息转换为预设数据形状；将处理后的所述历史新建消息应用的场景描述和所述现有消息行业应用模板的信息通过融合层进行合并；合并后的所述历史新建消息应用的场景描述和所述现有消息行业应用模板的信息经过包括三个神经元个数不相同的2个全连接层和2个舍弃层的隐藏层进行处理；通过输出层输出所述第二匹配度评分。
[0011]在一种可选的方式中，所述方法还包括：获取所述行业客户根据推荐的所述消息行业应用模板的使用体验反馈的第三匹配度评分；根据所述行业客户反馈的所述第三匹配度评分对所述消息行业应用模板推荐器进行模型优化更新。
[0012]根据本专利技术实施例的另一个方面，提供了一种消息行业应用模板推荐装置，所述装置包括：请求接收单元，用于接收行业客户发起的新建消息应用请求，所述消息应用请求中携带有新建消息应用的场景描述；预处理单元，用于获取多个现有消息行业应用模板的信息，并对所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行预处理；匹配测试单元，用于应用消息行业模板推荐器逐一预测所述新建消息应用的场景描述与每个所述现有消息行业应用模板的第一匹配度评分；模板推荐单元，用于将所述第一匹配度评分最高的所述现有消息行业应用模板作为新建消息应用的消息行业应用模板推荐给所述行业客户。
[0013]根据本专利技术实施例的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
[0014]所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述消息行业应用模板推荐方法的步骤。
[0015]根据本专利技术实施例的又一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使所述处理器执行上述消息行业应用模板推荐方法的步骤。
[0016]本专利技术实施例通过接收行业客户发起的新建消息应用请求，所述消息应用请求中携带有新建消息应用的场景描述；获取多个现有消息行业应用模板的信息，并对所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行预处理；应用消息行业模板推荐器逐一预测所述新建消息应用的场景描述与每个所述现有消息行业应用模板的第一匹配度评分；将所述第一匹配度评分最高的所述现有消息行业应用模板作为新建消息应用的消息行业应用模板推荐给所述行业客户，能够为行业客户提供最适合其消息应用场景的行业模板，有助于提升行业客户使用体验。
[0017]上述说明仅是本专利技术实施例技术方案的概述，为了能够更清楚了解本专利技术实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0018]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种消息行业应用模板推荐方法，其特征在于，所述方法包括：接收行业客户发起的新建消息应用请求，所述消息应用请求中携带有新建消息应用的场景描述；获取多个现有消息行业应用模板的信息，并对所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行预处理；应用消息行业模板推荐器逐一预测所述新建消息应用的场景描述与每个所述现有消息行业应用模板的第一匹配度评分；将所述第一匹配度评分最高的所述现有消息行业应用模板作为新建消息应用的消息行业应用模板推荐给所述行业客户。2.根据权利要求1所述的方法，其特征在于，所述所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行预处理，包括：对所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行文本清洗并将文本序列化。3.根据权利要求1所述的方法，其特征在于，所述对所述新建消息应用的场景描述和所述现有消息行业应用模板的信息进行文本清洗并将文本序列化，包括：统一字母大小写，将大写字母转换成小写字母，将所述新建消息应用的场景描述和所述现有消息行业应用模板的信息构成的数据中的每个单词转换为整数序列；将所述新建消息应用的场景描述的长度补零至第一编码序列长度，将所述现有消息行业应用模板的信息补零至第二编码序列长度。4.根据权利要求1所述的方法，其特征在于，所述应用消息行业模板推荐器逐一预测所述新建消息应用的场景描述与每个所述现有消息行业应用模板的匹配度之前，包括：获取历史新建消息应用的场景描述和所述现有消息行业应用模板的信息；将所述历史新建消息应用的场景描述与所述现有消息行业应用模板逐一成对进行人工匹配，获取正确匹配度评分，形成总数据集；对所述总数据集进行文本清洗和文本序列化；将所述总数据集划分为训练集和测试集，应用所述训练集对深度神经网络模型进行训练，应用所述测试集对训练收敛的所述深度神经网络模型进行验证，将训练收敛的所述深度神经网络模型作为所述消息行业模板推荐器。5.根据权利要求4所述的方法，其特征在于，所述应用所述训练集对深度神经网络模型进行训练，包括：将所述训练集中的所述历史新建消息应用的场景描述与所述现有消息行业应用模板的信息输入所述深度神经网络模型，获取预测的第二匹配度评分；计算所述第二匹配度评分与所述正确匹配度评分之间的误差，应用目标函数衡量所述误差；应用梯度下降优化算法使所述深度神经网络模型梯度下降，获取使所述目标函数最小的所述深度神经网络模型的最优权重参数，所述最优权重参数对应的所述深度神...

【专利技术属性】
技术研发人员：邢彪，郑屹峰，程佳鸣，陈维新，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：