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】
本专利技术涉及计算机软件,特别涉及一种基于上下文感知的数据推荐方法、装置及相关介质。
技术介绍
1、用户在通过小程序、浏览器网页或者是应用程序等方式对销售人员的数字名片进行浏览时,可以点击进入“ai会话”的对话界面。ai会话实质上属于一种语音助手,它可以进行类似人类的对话,捕获上下文并提供智能的应答。因此,当用户进入“ai会话”时,服务器可以根据用户相应的会话信息来与用户进行应答推送。但是目前的ai会话在应答推送方面仅仅从用户发送的会话信息提取字面信息,并且在回复用户时经常会采用固定内容,导致应答推送的内容不够准确,用户体验感不足。
技术实现思路
1、本专利技术实施例提供了一种基于上下文感知的数据推荐方法、装置、计算机设备及存储介质,旨在提高对于用户的数据推荐准确度。
2、第一方面,本专利技术实施例提供了一种基于上下文感知的数据推荐方法,包括:
3、获取用户的历史数据,并根据用户的历史数据为用户构建用户兴趣画像;
4、响应于用户的会话请求,获取用户的会话信息,并通过深度学习技术对所述会话信息进行上下文感知,得到对应的会话特征;
5、基于所述会话特征,对所述用户兴趣画像进行查询,得到至少一个查询结果,并将所述查询结果推送至用户,以此建立数据推荐模型;
6、利用所述数据推荐模型对用户发起的会话进行应答推送。
7、第二方面,本专利技术实施例提供了一种基于上下文感知的数据推荐装置,包括:
8、画像构建单元,
9、会话感知单元,用于响应于用户的会话请求,获取用户的会话信息,并对所述会话信息进行上下文感知,得到对应的会话特征;
10、画像查询单元,用于基于所述会话特征,对所述用户兴趣画像进行查询,得到至少一个查询结果,并将所述查询结果推送至用户,以此建立数据推荐模型;
11、应答推送单元,用于利用所述数据推荐模型对用户发起的会话进行应答推送。
12、第三方面,本专利技术实施例提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的基于上下文感知的数据推荐方法。
13、第四方面,本专利技术实施例提供了一种计算机可读存储介质,所述计算机可读存储介质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如第一方面所述的基于上下文感知的数据推荐方法。
14、本专利技术实施例提供了一种基于上下文感知的数据推荐方法、装置、计算机设备及存储介质,该方法包括:获取用户的历史数据,并根据用户的历史数据为用户构建用户兴趣画像;响应于用户的会话请求,获取用户的会话信息,并通过深度学习技术对所述会话信息进行上下文感知,得到对应的会话特征;基于所述会话特征,对所述用户兴趣画像进行查询,得到至少一个查询结果,并将所述查询结果推送至用户,以此建立数据推荐模型;利用所述数据推荐模型对用户发起的会话进行应答推送。本专利技术实施例通过根据用户的历史数据来为用户构建用户兴趣画像,然后当用户发送会话信息时,通过会话信息中包含的会话特征来对用户兴趣画像进行查询,以向用户返回更加准确可靠的应答内容,从而提高对于用户的数据推荐准确度。
本文档来自技高网...【技术保护点】
1.一种基于上下文感知的数据推荐方法,其特征在于,包括:
2.根据权利要求1所述的基于上下文感知的数据推荐方法,其特征在于,所述历史数据包括用户属性数据、用户偏好数据以及用户浏览及消费数据;
3.根据权利要求1所述的基于上下文感知的数据推荐方法,其特征在于,所述响应于用户的会话请求,获取用户的会话信息,并通过深度学习技术对所述会话信息进行上下文感知,得到对应的会话特征,包括:
4.根据权利要求2所述的基于上下文感知的数据推荐方法,其特征在于,所述基于所述会话特征,对所述用户兴趣画像进行查询,得到至少一个查询结果,包括:
5.根据权利要求1所述的基于上下文感知的数据推荐方法,其特征在于,还包括:
6.根据权利要求5所述的基于上下文感知的数据推荐方法,其特征在于,所述获取用户的评价反馈信息,并按照预设情感词汇对所述评价反馈信息提取对应的情感特征,包括:
7.根据权利要求1所述的基于上下文感知的数据推荐方法,其特征在于,还包括:
8.一种基于上下文感知的数据推荐装置,其特征在于,包括:
9.
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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如权利要求1至7任一项所述的基于上下文感知的数据推荐方法。
...【技术特征摘要】
1.一种基于上下文感知的数据推荐方法,其特征在于,包括:
2.根据权利要求1所述的基于上下文感知的数据推荐方法,其特征在于,所述历史数据包括用户属性数据、用户偏好数据以及用户浏览及消费数据;
3.根据权利要求1所述的基于上下文感知的数据推荐方法,其特征在于,所述响应于用户的会话请求,获取用户的会话信息,并通过深度学习技术对所述会话信息进行上下文感知,得到对应的会话特征,包括:
4.根据权利要求2所述的基于上下文感知的数据推荐方法,其特征在于,所述基于所述会话特征,对所述用户兴趣画像进行查询,得到至少一个查询结果,包括:
5.根据权利要求1所述的基于上下文感知的数据推荐方法,其特征在于,还包括:
6.根据权利要求5所述的基...
【专利技术属性】
技术研发人员:彭超,董新胜,李春建,
申请(专利权)人:深圳市加推科技有限公司,
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。