基于社交引导用户的方法技术

本发明专利技术提供了一种基于社交引导用户的方法

【技术实现步骤摘要】
基于社交引导用户的方法、系统、设备及存储介质


[0001]本申请涉及社交应用
，具体涉及一种基于社交引导用户的方法
、
系统
、
设备及存储介质
。

技术介绍

[0002]随着移动互联网的快速发展，社交应用程序已经成为人们日常生活中不可或缺的一部分
。
然而，对于新注册用户来说，熟悉应用程序的各种功能可能需要一定的时间和精力
。
此外，一些应用程序的功能可能需要用户与多个用户聊天后才会触发，这对于新用户来说可能会造成一定的困扰
。
[0003]为了解决这些问题，现有的一些应用程序已经开始使用引导功能来帮助新用户更快地熟悉应用程序的各种功能
。
然而，现有的引导功能往往需要用户手动触发，这可能会导致一些用户错过了这些引导功能
。
[0004]鉴于此，本申请提出了一种基于社交引导用户熟悉应用程序的方法
、
系统
、
设备及存储介质基于社交引导用户熟悉应用程序的方法
、
系统
、
设备及存储介质，通过主动与用户聊天，在聊天过程中引导用户熟悉应用程序的一些功能
。

技术实现思路

[0005]为了解决现有引导功能往往需要用户手动触发等问题，本申请提供一种基于社交引导用户的方法
、
系统
、
设备及存储介质，以解决上述技术缺陷问题
。
根据本专利技术的一个方面提出了一种基于社交引导用户的方法，该方法包括以下步骤：
S1、
待引导用户通过应用程序异步请求引导服务，引导服务获取到待引导用户的画像标签并将画像标签提交至推荐服务；
S2、
推荐服务通过序列化推荐模型将画像标签与待引导用户感兴趣的功能进行绑定，并返回相应的推荐数据至引导服务；
S3、
引导服务将推荐数据返回给应用程序，同时异步请求虚拟用户服务，虚拟用户服务根据待引导用户的个人信息创建对应的引导用户的身份，根据待引导用户的兴趣爱好标签设定引导用户的人设细节，根据功能说明设定期望引导用户的聊天方向，并且增设命令描述和禁止词后形成
ChatGPT
提示用语；
S4、
虚拟用户服务根据
ChatGPT
提示用语创建相应的引导用户会话令牌，将引导用户会话令牌与引导用户进行绑定，以及将引导用户与待引导用户进行绑定；
S5、
待引导用户与引导用户聊天过程中，通过
IM
消息服务持续上报聊天内容至引导服务，引导服务计算待引导用户是否对聊天话题感兴趣，进而判断是否进行推荐数据发送；
S6、
应用程序触发推荐数据发送，待引导用户根据推荐数据进入相应的功能引导或查看动画播放；
S7、
将待引导用户主动中断引导或引导正常结束的行为上报至引导服务，引导服务根据上报行为确定待引导用户是否被动中断，若确定是被动中断，则在步骤
S1
请求时返回被动中断的引导物料或动画并进行触发；
S8、
推荐服务根据上报行为对推荐模型进行持续优化
。
[0006]通过上述技术方案，可以对被动中断的引导服务进行自动续接，以避免影响待引导用户的观感体验
。
通过上述技术方案，使用引导用户来主动与待引导用户聊天，从而引导该待引导用户熟悉应用程序的各种功能
。
如果待引导用户在功能介绍引导过程中中断，可以将根据待引导用户是否主动中断来决定该功能是否对待引导用户进行后续引导
。
[0007]在具体的实施例中，在步骤
S3
中，包括以下子步骤：
S31、
引导服务将推荐数据返回给应用程序，同时异步请求虚拟用户服务以创建引导用户，其中推荐数据包括功能引导物料和动画；
S32、
虚拟用户服务根据待引导用户的个人信息创建对应的引导用户的身份；
S33、
虚拟用户服务根据待引导用户的兴趣爱好标签设定引导用户的人设细节，人设细节包括年龄
、
性别
、
恋爱关系以及地理位置；
S34、
虚拟用户服务根据功能说明设定期望引导用户的聊天方向，并增设命令描述和禁止词后形成
ChatGPT
提示用语，将所述
ChatGPT
提示用语发送至
ChatGPT
，并将
ChatGPT
的响应使用结巴分词后通过
MinHash
算法进行去重并存储到数据库中
。
[0008]上述技术方案中，通过补充固定的命令描述和禁止词能够让
GPT
输出更人性化的响应
。
[0009]在具体的实施例中，在步骤
S1
中，画像标签包括用户行为
、
用户资料和用户内容，其中用户行为和用户资料通过
kafka
上报至埋点系统；用户内容上报至自然语言系统，自然语言系统负责对用户内容进行处理，包括文本分词
、
关键词提取和词向量提取，以及通过推荐服务匹配对应的推荐策略和算法
。
[0010]在具体的实施例中，在步骤
S1
中，还包括根据用户行为的关联规则，将待引导用户与项目之间的关系进行匹配和组装，构建用户
‑
项目矩阵，并且根据用户行为的时间戳信息，将待引导用户在特定时间窗口内的行为聚合到用户
‑
项目矩阵中，以反映用户的最新行为，将不同数据源的特征按照相同的顺序拼接在一起，形成一个项目的特征向量，生成待引导用户最终的行为标签
。
[0011]在具体的实施例中，在步骤
S2
中，推荐服务通过
DIEN
序列化推荐模型将画像标签与待引导用户感兴趣的功能进行绑定，具体包括以下子步骤：
S21、DIEN
序列化推荐模型将待引导用户的历史行为序列作为输入，通过
GRU
对历史行为序列建模，提取每个历史行为时刻对应的兴趣标识，通过嵌入层将每个历史行为转换为固定维度的向量表示，以及使用循环神经网络对历史行为序列进行编码，提取出待引导用户的兴趣标识；
S22、
通过将待引导用户当前时刻的兴趣标识与历史时刻的兴趣标识进行融合，捕捉待引导用户的兴趣动态变化，以及计算待引导用户当前行为与历史行为之间的注意力权重；
S23、DIEN
序列化推荐模型通过将待引导用户当前时刻的兴趣标识与当前行为进行融合，生成预测目标
。
[0012]通过上述技术方案，可以用来判断待引导用户是否对当前行为感兴趣以及预测引导用户行为的概率
。
[0013]在具体的实施例中，在步骤
S5
中，引导用户通过
IM
消息服务主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于社交引导用户的方法，其特征在于，包括以下步骤：
S1、
待引导用户通过应用程序异步请求引导服务，所述引导服务获取到所述待引导用户的画像标签并将所述画像标签提交至推荐服务；
S2、
所述推荐服务通过序列化推荐模型将所述画像标签与所述待引导用户感兴趣的功能进行绑定，并返回相应的推荐数据至所述引导服务；
S3、
所述引导服务将所述推荐数据返回给应用程序，同时异步请求虚拟用户服务，所述虚拟用户服务根据所述待引导用户的个人信息创建对应的引导用户的身份，根据所述待引导用户的兴趣爱好标签设定所述引导用户的人设细节，根据功能说明设定期望所述引导用户的聊天方向，并且增设命令描述和禁止词后形成
ChatGPT
提示用语；
S4、
所述虚拟用户服务根据所述
ChatGPT
提示用语创建相应的引导用户会话令牌，将所述引导用户会话令牌与所述引导用户进行绑定，以及将所述引导用户与所述待引导用户进行绑定；
S5、
所述待引导用户与引导用户聊天过程中，通过
IM
消息服务持续上报聊天内容至所述引导服务，所述引导服务计算所述待引导用户是否对聊天话题感兴趣，进而判断是否进行推荐数据发送；
S6、
所述应用程序触发推荐数据发送，所述待引导用户根据推荐数据进入相应的功能引导或查看动画播放；
S7、
将所述待引导用户主动中断引导或引导正常结束的行为上报至引导服务，所述引导服务根据上报行为确定所述待引导用户是否被动中断，若确定是被动中断，则在步骤
S1
请求时返回被动中断的引导物料或动画并进行触发；
S8、
所述推荐服务根据上报行为对推荐模型进行持续优化
。2.
根据权利要求1所述的基于社交引导用户的方法，其特征在于，在步骤
S3
中，包括以下子步骤：
S31、
所述引导服务将所述推荐数据返回给应用程序，同时异步请求虚拟用户服务以创建引导用户，其中所述推荐数据包括功能引导物料和动画；
S32、
所述虚拟用户服务根据所述待引导用户的个人信息创建对应的引导用户的身份；
S33、
所述虚拟用户服务根据所述待引导用户的兴趣爱好标签设定所述引导用户的人设细节，所述人设细节包括年龄
、
性别
、
恋爱关系以及地理位置；
S34、
所述虚拟用户服务根据功能说明设定期望所述引导用户的聊天方向，并增设命令描述和禁止词后形成
ChatGPT
提示用语，将所述
ChatGPT
提示用语发送至
ChatGPT
，并将
ChatGPT
的响应使用结巴分词后通过
MinHash
算法进行去重并存储到数据库中
。3.
根据权利要求1所述的基于社交引导用户的方法，其特征在于，在步骤
S1
中，所述画像标签包括用户行为
、
用户资料和用户内容，其中所述用户行为和用户资料通过
kafka
上报至埋点系统；所述用户内容上报至自然语言系统，所述自然语言系统负责对所述用户内容进行处理，包括文本分词
、
关键词提取和词向量提取，以及通过所述推荐服务匹配对应的推荐策略和算法
。4.
根据权利要求3所述的基于社交引导用户的方法，其特征在于，还包括根据所述用户行为的关联规则，将所述待引导用户与项目之间的关系进行匹配和组装，构建用户
‑
项目矩阵，并且根据所述用户行为的时间戳信息，将所述待引导用户在特定时间窗口内的行为聚
合到用户
‑
项目矩阵中，...

【专利技术属性】
技术研发人员：黄俊杰，黄天财，黄海波，郑颖，张争旭，吴少彬，甘欣亮，李伟，高强，罗浩，阮争志，邓冬瑞，李庆勇，
申请(专利权)人：厦门欢趣信息技术有限责任公司厦门海豹云信息技术有限公司，
类型：发明
国别省市：