一种定制化套餐的推荐方法技术

本发明专利技术提供一种定制化套餐的推荐方法

【技术实现步骤摘要】
一种定制化套餐的推荐方法、装置、电子设备及存储介质


[0001]本专利技术涉及互联网
，尤其涉及一种定制化套餐的推荐方法
、
装置
、
电子设备及计算机可读存储介质
。

技术介绍

[0002]目前的套餐推荐多采用主动向用户拨打电话的方式，成功率不高的同时，还存在用户满意度降低的风险
。
[0003]目前，通常仅对聊天内容中的文本数据进行情绪识别，进而推荐合适的套餐
。
然而文本数据缺少了语音语调等信息，在情绪识别过程中，不能更精准地识别聊天内容的聊天情绪
。
针对用户主动电话来访，帮助用户解决问题的同时，选择合适的时间节点进行套餐推荐，而不降低用户满意度，是亟需解决的问题
。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对现有技术的上述不足，提供一种定制化套餐的推荐方法
、
装置
、
电子设备及计算机可读存储介质，该方法可以实现用户情绪的精准判断，进而根据判断结果进行套餐推荐，实现有效推销，提高用户满意度
。
[0005]第一方面，本专利技术提供一种定制化套餐的推荐方法，包括：采集用户语音信息；根据用户语音信息进行情绪识别，得到情绪识别结果；若情绪识别结果为正向，进行定制化套餐推荐
。
[0006]优选地，所述根据用户语音信息进行情绪识别，得到情绪识别结果，具体包括：根据用户语音信息提取语音特征向量和文本特征向量；将语音特征向量与文本特征向量进行端到端的拼接，得到情绪特征向量；通过卷积神经网络对情绪特征向量进行情绪识别，得到情绪识别结果
。
[0007]优选地，所述根据用户语音信息提取语音特征向量和文本特征向量，具体包括：基于第一特征提取模型提取用户语音信息中的语音特征向量；将用户语音信息转化为用户文本信息；基于第二特征提取模型提取用户文本信息中的文本特征向量
。
[0008]优选地，所述基于第一特征提取模型提取用户语音信息中的语音特征向量，具体包括：提取用户语音信息的韵律特征
、
谱特征和音质特征；将韵律特征
、
谱特征
、
音质特征基于加权求和进行特征融合，得到语音特征图；基于第一特征提取模型提取语音特征图中的语音特征向量
。
[0009]优选地，在所述基于第一特征提取模型提取用户语音信息中的语音特征向量之前还包括：采用
EfficientNet
作为特征提取的骨干网络构建第一特征提取模型
。
[0010]优选地，在所述进行定制化套餐推荐之前，还包括：提取现有套餐中的目标要素，其中，目标要素包括以下一种或多种组合：流量
、
话费
、
通话时长
、
短信，并根据提取结果组建目标文本，得到现有套餐目标文本；通过词向量模型对现有套餐目标文本提取特征，得到现有套餐特征向量
。
[0011]优选地，所述进行定制化套餐推荐，具体包括：提取用户历史套餐中的目标要素，并根据提取结果组建目标文本，得到用户历史套餐目标文本；通过词向量模型对用户历史套餐目标文本提取特征，得到用户历史套餐特征向量；计算现有套餐特征向量和用户历史套餐特征向量的距离，将距离最小的现有套餐作为推荐套餐输出
。
[0012]第二方面，本专利技术还提供一种定制化套餐的推荐装置，包括：采集模块
、
情绪识别模块和套餐推荐模块，采集模块，用于采集用户语音信息，情绪识别模块，与采集模块连接，用于根据用户语音信息进行情绪识别，得到情绪识别结果，套餐推荐模块，与情绪识别模块连接，用于进行定制化套餐推荐
。
[0013]第三方面，本专利技术还提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述第一方面提供的推荐方法
。
[0014]第四方面，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述第一方面提供的推荐方法
。
[0015]本专利技术提供的一种定制化套餐的推荐方法
、
装置
、
电子设备及计算机可读存储介质，通过采用语音波形和文本信息相融合的方式对用户的情绪进行判断，为何时进行套餐推荐提供指导建议，并推荐定制化套餐
。
因此，本专利技术能够实现用户情绪的精准判断以及定制化套餐推荐，实现有效推销，提高用户满意度
。
附图说明
[0016]图1为本专利技术实施例1的一种定制化套餐的推荐方法的流程图；
[0017]图2为本专利技术实施例3的一种定制化套餐的推荐装置中情绪识别模块的结构示意图；
[0018]图3为本专利技术实施例2的一种定制化套餐的推荐装置的示意图
。
具体实施方式
[0019]为使本领域技术人员更好地理解本专利技术的技术方案，下面将结合附图对本专利技术实施方式作进一步地详细描述
。
[0020]可以理解的是，此处描述的具体实施例和附图仅仅用于解释本专利技术，而非对本专利技术的限定
。
[0021]可以理解的是，在不冲突的情况下，本专利技术中的各实施例及实施例中的各特征可相互组合
。
[0022]可以理解的是，为便于描述，本专利技术的附图中仅示出了与本专利技术相关的部分，而与本专利技术无关的部分未在附图中示出
。
[0023]可以理解的是，本专利技术的实施例中所涉及的每个单元
、
模块可仅对应一个实体结构，也可由多个实体结构组成，或者，多个单元
、
模块也可集成为一个实体结构
。
[0024]可以理解的是，在不冲突的情况下，本专利技术的流程图和框图中所标注的功能
、
步骤可按照不同于附图中所标注的顺序发生
。
[0025]可以理解的是，本专利技术的流程图和框图中，示出了按照本专利技术各实施例的系统
、
装置
、
设备
、
方法的可能实现的体系架构
、
功能和操作
。
其中，流程图或框图中的每个方框可代
表一个单元
、
模块
、
程序段
、
代码，其包含用于实现规定的功能的可执行指令
。
而且，框图和流程图中的每个方框或方框的组合，可用实现规定的功能的基于硬件的系统实现，也可用硬件与计算机指令的组合来实现
。
[0026]可以理解的是，本专利技术实施例中所涉及的单元
、
模块可通过软件的方式实现，也可通过硬件的方式来实现，例如单元
、
模块可位于处理器中
。
[0027]实施例1：
[0028]本实施例提供一种定制化套餐的推荐方法
。...

【技术保护点】

【技术特征摘要】
1.
一种定制化套餐的推荐方法，其特征在于，包括：采集用户语音信息；根据用户语音信息进行情绪识别，得到情绪识别结果；若情绪识别结果为正向，进行定制化套餐推荐
。2.
根据权利要求1所述的定制化套餐的推荐方法，其特征在于，所述根据用户语音信息进行情绪识别，得到情绪识别结果，具体包括：根据用户语音信息提取语音特征向量和文本特征向量；将语音特征向量与文本特征向量进行端到端的拼接，得到情绪特征向量；通过卷积神经网络对情绪特征向量进行情绪识别，得到情绪识别结果
。3.
根据权利要求2所述的定制化套餐的推荐方法，其特征在于，所述根据用户语音信息提取语音特征向量和文本特征向量，具体包括：基于第一特征提取模型提取用户语音信息中的语音特征向量；将用户语音信息转化为用户文本信息；基于第二特征提取模型提取用户文本信息中的文本特征向量
。4.
根据权利要求3所述的定制化套餐的推荐方法，其特征在于，所述基于第一特征提取模型提取用户语音信息中的语音特征向量，具体包括：提取用户语音信息的韵律特征
、
谱特征和音质特征；将韵律特征
、
谱特征
、
音质特征基于加权求和进行特征融合，得到语音特征图；基于第一特征提取模型提取语音特征图中的语音特征向量
。5.
根据权利要求3所述的定制化套餐的推荐方法，其特征在于，在所述基于第一特征提取模型提取用户语音信息中的语音特征向量之前还包括：采用
EfficientNet
作为特征提取的骨干网络构建第一特征提取模型
。6.
根据...

【专利技术属性】
技术研发人员：何鑫，王涛，张博伦，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：