System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机,尤其涉及一种用户交互方法、预测模型的训练方法及相关设备。
技术介绍
1、在业务方与用户进行交互的过程中,有些用户可能会出于不同的动机而提出意见反馈。这种现象通常与业务方在交互过程中采用的策略有关。
2、近年来,随着互联网和社交媒体的普及,不好的意见反馈数量和频率不断增加,给业务方带来了一定的负面影响。对于业务方而言,不好的意见反馈可能会导致品牌声誉受损、经济损失和用户流式等问题。因此,避免不好的意见反馈对应业务方显得非常重要。传统的用户交互方案中,通常都是在发生用户反馈不好的意见之后,根据不好的意见反馈相关信息采取事后补救措施。但是,这种方式并不能从及时满足用户需求,无法有效避免不好的意见反馈的发生。
技术实现思路
1、本申请实施例的目的提供一种用户交互方法、预测模型的训练方法及相关设备。
2、为了实现上述目的,本申请实施例采用下述技术方案:
3、第一方面,本申请实施例提供一种用户交互方法,包括:
4、获取目标用户在目标业务场景下的用户特征;
5、通过预测模型基于所述用户特征,预测所述目标用户在所述目标业务场景下的n种服务策略分别对应的预测意见反馈结果,所述n为大于1的整数,所述预测模型为基于n种服务策略分别匹配的样本用户在所述目标业务场景下的样本用户特征以及所述样本用户在所匹配的服务策略对应的样本意见反馈结果进行训练得到;
6、基于所述意见反馈结果,从所述n种服务策略中选取与所述目标用户相匹
7、基于所述目标服务策略,与所述目标用户进行交互。
8、第二方面,本申请实施例提供一种预测模型的训练方法,其特征在于,包括:
9、分别对目标业务场景下的n种服务策略的策略信息进行编码,得到n个策略表示向量;
10、通过预测模型对n个训练样本用户的样本用户特征编码,得到n个第一特征表示向量,n个训练样本用户与所述n种服务策略一一对应;
11、通过所述预测模型基于所述n个策略表示向量和所述n个第一特征表示向量,预测每个训练样本用户的预测意见反馈结果,训练样本用户的预测意见反馈结果与训练样本用户所匹配的服务策略相对应;
12、至少基于所述n个训练样本用户分别的预测意见反馈结果和样本意见反馈结果,对所述预测模型进行优化。
13、第三方面,本申请实施例提供一种用户交互装置,包括:
14、获取单元,用于获取目标用户在目标业务场景下的用户特征;
15、预测单元,用于通过预测模型基于所述用户特征,预测所述目标用户在所述目标业务场景下的n种服务策略分别对应的预测意见反馈结果,所述n为大于1的整数,所述预测模型为基于n种服务策略分别匹配的样本用户在所述目标业务场景下的样本用户特征以及所述样本用户在所匹配的服务策略对应的样本意见反馈结果进行训练得到;
16、确定单元,用于基于所述预测意见反馈结果,从所述n种服务策略中选取与所述目标用户相匹配的目标服务策略;
17、交互单元,用于基于所述目标服务策略,与所述目标用户进行交互。
18、第四方面,本申请实施例提供一种预测模型的训练装置,包括:
19、第一编码单元,用于分别对目标业务场景下的n种服务策略的策略信息进行编码,得到n个策略表示向量;
20、第二编码单元,用于通过预测模型对n个训练样本用户的样本用户特征编码,得到n个第一特征表示向量,n个训练样本用户与所述n种服务策略一一对应;
21、预测单元,用于通过所述预测模型基于所述n个策略表示向量和所述n个第一特征表示向量,预测每个训练样本用户的预测意见反馈结果,训练样本用户的预测意见反馈结果与训练样本用户所匹配的服务策略相对应;
22、优化单元,用于至少基于所述n个训练样本用户分别的预测意见反馈结果和样本意见反馈结果,对所述预测模型进行优化。
23、第五方面,本申请实施例提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现如第一方面所述的方法。
24、第六方面,本申请实施例提供一种计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如第一方面所述的方法。
25、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
26、预先利用目标业务场景下的n种服务策略分别匹配的样本用户在目标业务场景下的样本用户特征以及样本用户在所匹配的服务策略对应的样本意见反馈结果,训练一个预测模型,使得该预测模型能够预测任一用户分别在n种服务策略对应的意见反馈结果;在此基础上,利用用户意见反馈这一现象通常与业务方在交互过程中采用的策略有关的自然规律,通过预测模型基于目标用户的用户特征,预测目标用户在n种服务策略分别对应的预测意见反馈结果;进一步,综合目标用户在n种服务策略分别对应的预测意见反馈结果,从n种服务策略中选取与目标用户匹配的目标服务策略,使得与目标用户的交互更有针对性,在交互过程中及时、准确满足用户需求,从而提前、有效地避免用户意见反馈的发生,降低用户意见反馈率。
本文档来自技高网...【技术保护点】
1.一种用户交互方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述预测意见反馈结果包括预测意见反馈概率;
3.一种预测模型的训练方法,其特征在于,包括:
4.根据权利要求3所述的方法,其特征在于,所述至少基于所述N个训练样本用户分别的预测意见反馈结果和样本意见反馈结果,对所述预测模型进行优化,包括:
5.根据权利要求4所述的方法,其特征在于,第一特征表示向量包括n个特征值,n为大于1的整数;
6.根据权利要求3所述的方法,其特征在于,所述样本用户特征包括离散特征和连续特征;
7.根据权利要求3所述的方法,其特征在于,所述样本用户特征包括多个业务维度的用户子特征;
8.根据权利要求3所述的方法,其特征在于,在至少基于所述N个训练样本用户的预测意见反馈结果和样本意见反馈结果,对所述预测模型进行优化之后,所述方法还包括:
9.一种用户交互装置,其特征在于,包括:
10.一种预测模型的训练装置,其特征在于,包括:
11.一种电子设备,其特征在于,包
12.一种计算机可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至8中任一项所述的方法。
...【技术特征摘要】
1.一种用户交互方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述预测意见反馈结果包括预测意见反馈概率;
3.一种预测模型的训练方法,其特征在于,包括:
4.根据权利要求3所述的方法,其特征在于,所述至少基于所述n个训练样本用户分别的预测意见反馈结果和样本意见反馈结果,对所述预测模型进行优化,包括:
5.根据权利要求4所述的方法,其特征在于,第一特征表示向量包括n个特征值,n为大于1的整数;
6.根据权利要求3所述的方法,其特征在于,所述样本用户特征包括离散特征和连续特征;
7.根...
【专利技术属性】
技术研发人员:汪自立,吴海英,肖冰,马超,陆全,蒋宁,
申请(专利权)人:马上消费金融股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。