CN102760128A - 一种基于智能客服机器人交互的电信领域套餐推荐方法 - Google Patents

Abstract

本发明提供基于智能客服机器人交互的电信领域套餐推荐方法，包括步骤：a.获取用户兴趣模型；b.采用决策树算法为用户推荐符合其个性化需求的套餐业务。还提供一种智能客服机器人***的推荐引擎装置。本发明与现有的推荐方法相比，推荐过程中是基于情景交互模型，在相似度计算中是根据计算标签之间的相似度，相似度计算过程中结合了语义相似度计算和传统的TF-IDF来计算标签之间的相似性，应用标签来表示资源和用户模型能更好的反映用户和资源的特点，提高了推荐质量。

Description

一种基于智能客服机器人交互的电信领域套餐推荐方法

技术领域

本发明涉及一种基于智能客服机器人对话的电信领域套餐推荐控制方法，尤指基于用户与智能机器人交互过程中，获取用户的兴趣和行为模型、了解用户的实时需求，引入决策树算法，推荐对象为电信套餐业务，属个性化推荐技术领域。

背景技术

随着互联网发展，信息成指数增长，这些信息逐渐成为了回答用户提问的重要信息源。传统的搜索引擎返回的是大量相关或者无关的网页链接，用户很难从这些链接中迅速地找到自己想要的答案。因此，人们渴望一种真正能够满足他们需求的、智能化的信息检索方式。能够提供问答服务功能的智能问答机器人***在背后强大的知识库地支持下，采用自然语言与用户交互，很好的解决了这个问题，它是未来信息服务发展的趋势。智能问答机器人逐步走出实验室，逐步在商业化的专业应用服务领域上充当起了重要的角色，例如在电信领域辅助人工客户服务已经成功地应用。在目前的智能自动问答***中，主要关注的是知识库，浅层语义分析等方面问题，还没有考虑结合用户个性化特征进行的语义理解，通过交互获取用户兴趣倾向，进行建模和个性化推荐等问题。

目前的个性化推荐机制划分为三类：基于内容的推荐机制、基于协作网的推荐机制以及结合型推荐机制。基于内容的推荐机制是通过分析待推荐事物与每个用户兴趣的相关性，寻找对该事物最为感兴趣的用户进行推荐。基于协作网的推荐机制是寻找所有与待推荐事物的发布者兴趣较为相近的用户进行推荐。结合型推荐机制是将以上两种方法相结合，不但考虑待推荐事物与每个用户兴趣的相关性而且考虑该事物的发布者与每个用户兴趣。在个性化的推荐服务中，用户行为分析是关键技术。通过对用户的跟踪和分析用户的兴趣和行为，刻画用户的特征和用户与用户之间的关系。根据浏览行为或浏览内容来分析、捕获得用户兴趣是目前个性化服务研究的一个重要方向。通过对用户访问日志进行统计、分析，挖掘用户行为，建立用户兴趣模型，从中发现用户访问网站的偏好和规律，并将这些规律与推荐、销售等服务相结合。推荐机制在交互式问答领域属于刚刚起步的阶段。

本专利提出从用户与智能聊天机器人在聊天的过程中获得用户的兴趣爱好，对用户进行实时动态建模，提出采用标签的表示方式为用户建模，并根据用户兴趣模型进行个性化推荐，随着模型的完善，推荐也将逐步求精。这样做的好处是：可以比较明确主动实时的维护用户模型，对于问答的引导和推荐进一步完善，对于广告和业务的推荐。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于智能客服机器人交互的电信领域套餐推荐方法以及相应的推荐引擎装置。

本发明针对移动业务领域知识，通过用户与智能客服机器人交互信息，实时动态获取用户相关的兴趣和状态信息，采用基于标签的表示方法对用户和移动业务资源进行建模，采用决策树得推荐算法对用户进行移动业务推荐。可以更好的提高推荐的效率，满足用户的需求。

本发明是通过以下技术方案实现的，首先收集用户行为数据并经过预处理，将其抽象标签的形式，根据用户模型和决策树模型之间进行相似度计算，选择相似度高的预测项目(就是单个的电信套餐业务)，为用户选择相似度高的项目，选取评分最高的前N个项目作为推荐列表，并最终推送给用户。

根据本发明的一个方面，提供一种基于智能客服机器人交互的电信领域套餐推荐方法，其特征在于，包括如下步骤：a.获取用户兴趣模型；以及c.采用决策树算法为用户推荐符合其个性化需求的套餐业务。

根据本发明的另一个方面，还提供一种智能客服机器人***的推荐引擎装置，其用于基于智能客服机器人交互向用户推荐电信领域套餐，其特征在于，包括：

用户兴趣模型获取模块，其用于获取用户兴趣模型；

建模模块，其用于根据所述用户兴趣模型为所述电信领域套餐建模；以及

推荐模块，其用于采用决策树算法为用户推荐符合其个性化需求的套餐业务。

优选地，所述推荐引擎装置采用如下步骤完成电信领域套餐推荐过程：

A.问答部件产生与推荐内容相关的知识问答库，通过智能客服机器人接口与用户进行对话，收集用户答案。

B.面向电信领域，建立用户描述文件。

C.根据所述步骤B中的用户描述文件，对聊天记录进行关键词抽取，采用标签技术建立用户兴趣模型，把用户模型实时存储到数据库中。

D.根据电信领域的套餐信息，应用标签技术为所述电信领域套餐建模。

E.根据所述步骤D，建立决策树模型。

F.根据所述步骤D的资源模型和所述步骤C中的用户兴趣模型进行匹配，根据匹配程度降序排列，产生推荐列表，选择排名前5的项目最终推荐给用户。

本发明与现有的推荐方法相比，推荐过程中是基于情景交互模型，在相似度计算中是根据计算标签之间的相似度，相似度计算过程中结合了语义相似度计算和传统的TF-IDF来计算标签之间的相似性，应用标签来表示资源和用户模型能更好的反映用户和资源的特点，提高了推荐质量。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1示出了根据本发明的一个具体实施方式的，一种基于智能客服机器人交互的电信领域套餐推荐控制方法的流程图；

图2示出了根据本发明的第一实施例的，一种基于智能客服机器人交互的电信领域套餐推荐控制方法的用户模型获取模块的流程图；

图3示出了根据本发明的一个具体实施例的，基于智能客服机器人交互的电信领域套餐推荐控制方法的流程图；

图4示出了根据本发明的一个具体实施例的，智能机器人***回答问题的示意图；

图5示出了根据本发明的第一实施例的，一种基于智能客服机器人交互的电信领域套餐推荐控制方法的网络拓扑图；

图6示出了根据本发明的一个具体实施方式的，一种基于智能客服机器人交互的电信领域套餐推荐控制方法的用户登录界面的结构示意图；以及

图7示出了根据本发明的一个具体实施方式的电信套餐的决策树模型。

具体实施方式

图1示出根据本发明的一个具体实施方式的，一种基于智能客服机器人交互的电信领域套餐推荐控制方法的流程图。首先，执行步骤S101，用户登陆。本领域技术人员理解，当用户打开本发明所提供客户端程序时，首先将进入用户登录界面。所述用户至少需要在所述登录界面相对应的位置上填写正确的用户名、以及相对应的密码，并点击‘登录’按钮才能登录。进一步地，所述用户登陆界面可以参考下述图7所示实施例的描述，在此不再赘述。

接下来，执行步骤S102，判断是否为已注册用户。本领域技术人员理解，具体地，本发明所提供的服务器端程序提取所述用户登录界面上所述用户填写的所述用户名、以及密码与下述用户注册表中的数据进行匹配，若有同时匹配所述用户填写的所述用户名、以及相对应的密码的数据存在，则判断结果为肯定的；若无法找到同时匹配所述用户填写的所述用户名、以及密码的数据，则判断的结果为否定的。若判断的结果为肯定的，即所述用户是已注册用户，则进入下述步骤S104；否则，进入下述步骤S103。

然后，执行步骤S103，注册。本领域技术人员理解，优选地，在上述步骤S102中的判断为否定的情况下执行本步骤。具体地，所述客户端程序将打开注册界面，所述注册界面中包括：用户名、密码、以及多种调查项目等。所述调查项目包括：职业、当前套餐、所在地、月话费、月短信量、有无上网需求、以及是否使用彩铃等项目。更具体地，本领域技术人员理解，所述用户必须至少填写用户名、以及密码才能完成注册步骤，同时，所述用户可以选填所述调查项目。在注册完成后，所述用户名、以及密码将被通过物理磁盘写入技术存储在本发明提供的服务器端程序的数据库中的一个用户注册表中。所述调查项目的信息将被所述服务器端程序抽取，并用XML文件形式建立用户模型，然后通过物理磁盘写入技术存储在本发明提供的服务器端程序的数据库中。进一步地，本领域技术人员理解，所述用户没有填写的所述调查项目在进行信息抽取后，在用户模型中所对应的标签的值为空。更进一步地，所述调查项目与所述用户模型中的标签成一一对应的关系。在完成本步骤后，进入下述步骤S 104。

接下来，执行步骤S104，用户模型是否存在值为空的标签。本领域技术人员理解，优选地，在上述步骤S102中的判断为肯定的情况下、或者在执行完上述步骤S103的情况下、或者在执行完下述步骤S106的情况下执行本步骤。所述服务器端程序根据所述数据库中存储的所述用户模型的标签的内容进行判断，若存在值为空的所述标签，则判断所述用户模型有空缺项目。若本步骤的判断为肯定的，即用户模型有空缺项目，则进入下述步骤S105；否则，进入下述步骤S107。具体地，本领域技术人员理解，所述标签对应于上述步骤S103中所描述的调查项目，若存在值为空的标签，优选地，为步骤S103中没有填写的调查项目。

然后，执行步骤S105，机器人询问用户是否愿意回答几个问题。本领域技术人员理解，优选地，在上述步骤S104中的判断为肯定的情况下执行本步骤。具体地，所述服务器端程序在发现某个标签的值为空时，则主动向客户端程序发出命令，命令在客户端程序的界面上显示征求用户意见的问题，例如：“您是否愿意回答我几个问题？”。若用户的回答是例如：“是”、“行”以及“可以”等肯定性词的情况下，则判断的结果为肯定的；若用户的回答是例如：“否”、“不行”以及“不可以”等否定性词的情况下，则判断的结果为否定的。若本步骤的判断为肯定的，即所述用户愿意回答机器人的几个问题，则进入下述步骤S106；否则，进入下述步骤S107。

接下来，执行步骤S106，进入用户模型获取模块。本领域技术人员理解，在上述步骤S105中的判断为肯定的情况下执行本步骤。具体地，本步骤的具体内容可以参考下述图2所示实施例的描述，在此不再赘述。在执行完本步骤后，进入上述步骤S104.

最后，执行步骤S107，进入对话模块。本领域技术人员理解，在上述步骤S105中的判断为否定的情况下执行本步骤。具体地，本步骤的具体内容可以参考下述图4所示实施例的描述，在此不再赘述。

进一步地，本领域技术人员理解，在一个变化例中，上述步骤S101可能被如下步骤所代替“用户直接点击‘注册’按钮，进入步骤S103”。本领域技术人员理解，当用户打开本发明所提供客户端程序时，首先将进入用户登录界面。所述用户点击所述用户登录界面上的‘注册’按钮，则直接进入上述步骤S103。进一步地，所述用户登陆界面可以参考下述图7所示实施例的描述，在此不再赘述。

更进一步地，本领域技术人员理解，在上述步骤S103中，所述物理磁盘存储过程可以通过现有技术手段予以实现，例如至少王爽所著《汇编语言》、以及唐朔飞所著《计算机组成原理》等文献描述了这样的过程，在此不再赘述。

图2示出了根据本发明的第一实施例的，一种基于智能客服机器人交互的电信领域套餐推荐控制方法的用户模型获取模块的流程图。首先，执行步骤S111，机器人提问。本领域技术人员理解，具体地，所述服务器端程序根据在上述步骤S104中找到用户模型中值为空的标签，在‘资源决策问题库’中查找关键词与标签相同的问句，并通过将所述问句发送至客户端程序，所述客户端程序将所述问句显示在所述用户所使用的计算机屏幕上。进一步地，所述关键字是能代表所述问句中心的词语，例如：问句“您所在的城市是？”的关键字是‘所在地’；问句“您的月花费一般是多少元”的关键词是‘月话费’。更进一步地，所述关键字、或者所述问句与所述标签成一一对应的关系。

接下来，执行步骤S112，用户回答。本领域技术人员理解，具体地所述用户根据上述步骤S111中所述客户端程序在计算机上显示的问题进行回答。

然后，执行步骤S113，判断该用户的回答是否有效。若判断的结果为肯定的，即用户的回答有效，则进入下述步骤S114；否则，则进入下述步骤117。

接下来，执行步骤S114，抽取用户答案。本领域技术人员理解，优选地，在上述步骤S113中的判断你为肯定的情况下执行本步骤。

然后，执行步骤S115，判断是否需要更新用户模型。若判断为肯定的，即需要更新用户模型，则进入下述步骤S116；否则，进入下述步骤S117。

接下来，执行步骤S116，进入推荐模块。本领域技术人员理解，优选地，在上述步骤S115中的判断为肯定的情况下执行本步骤。具体地，本步骤的具体内容可以参考下述图3所示实施例的描述，在此不再赘述。在执行完本步骤后，进入下述步骤S117。

然后，执行步骤S117，用户模型是否存在值为空的标签。本领域技术人员理解，在上述步骤S113中的判断为否定的情况下、或者在上述步骤S115中的判断为否定的情况下、或者执行完上述步骤S116的情况下执行本步骤。类似地，本步骤与上述步骤S104类似。若判断的结果为肯定的，即用户模型有空缺，则进入上述步骤S111；否则，则全部步骤执行结束。

图3示出了根据本发明的一个具体实施例的，基于智能客服机器人交互的电信领域套餐推荐控制方法的流程图。具体地，其通过如下步骤完成推荐过程：

1.采用显示和隐式结合的方式获取用户行为数据，记录在用户行为数据库对应的表中。该部分通过用户和智能客服机器人的对话，通过对话的聊天记录进行应用分词技术，应用TF-IDF统计来衡量关键字的重要程度，这些提取的关键字作为用户的标签，隐式的获取用户的行为数据是通过用户登录聊天***时注册表中获得，通过注册可以理解到用户个人的情景数据，比如说身份：学生或是常需要出差的白领，以及个人的兴趣爱好，比如说还好音乐，喜欢上网等信息。

2.预处理用户行为数据库中的数据，通过聊天的历史记录和用户个人的情景数据中可能中存在很多噪音数据，根据定义好的用户行为数据规范，包括用户的身份、所在地、月话费、月短信、上网需求、月租成熟度、上网流量需求、彩铃、接听免费需求等等。

3.提取有效的数据作为用户的标签，标签具有语句功能，能更好的表达用户的需求，用户模型的构建对整个推荐***中起着至关重要的作用，根据用户行为数据规范构建有效的当前用户的人物模型，并把用户的标签存到数据库当中，根据数据库中的标签，生成用户模型对应的xml文件，该文件存在物理设备中。

4.电信套餐资源是个很庞大的信息，为了很好的描述套餐资源，根据资源的描述文件，人工为资源提取标签，这些标签要能够很好的描述资源的特性，比如月租、月短信、主叫显示、彩铃等相关的业务，为这些庞大的资源建立一个资源决策树，决策树的叶子节点就是对应的手机套餐，整棵树的中间节点表示对应叶子节点上套餐的相关特征和包含的业务。具体的决策树模型如图2所示。

5.当目标用户a登录该推荐***后，用户向智能机器人咨询相关套餐的问题A，智能机器人根据用户提出的问题进行分词，通过和知识库中的问题的词语形似度计算，用多个词相似度计算来衡量句子之间的相似度，如果问题A和问答库中的问题B相似度最高，则把问题B相对应的答案通过聊天的窗口推荐给用户，问答***的一般流程如图3所示。

6.利用步骤2用户模型，以及和步骤3中的资源模型进行相似度匹配，本发明中的相似度计算同时考虑了词语之间的语义相似度和TF-IDF特性。

7.排序上述计算的相似度计算结果，选取最大的前k个项目作为a的推荐列表，记作{T₁，T₂，T₃，T₄}；

8.把上述得到的推荐列表，即相对应的决策树推荐的叶子节点，推荐给用户。

至此，对用户a的决策树推荐过程已完成。

图5示出了根据本发明的第一实施例的，一种基于智能客服机器人交互的电信领域套餐推荐控制方法的网络拓扑图。在本发明提供的技术方案中，所述基于智能客服机器人交互的电信领域套餐推荐控制方法包括至少一后台服务器5、一互联网络6、一数据库51、以及若干客户端程序。本领域技术人员理解，所述后台服务器6用于运行本发明所提供的服务器端程序。所述数据库51用户通过物理磁盘的方式存储用户注册表、用户模型、以及资源模型等。具体地，所述若干客户端程序分别运行在计算机41～43上。所述计算机41～43通过所述互联网路6与所述服务器5进行通讯。更具体地，所述用户通过所述计算机41～43打开所述客户端程序，所述用户通过在所述用户登陆界面中相对应的位置输入用户名、以及相对应的密码进行登录；或者通过点击所述‘注册’按钮进入注册界面进行注册。运行在所述服务器5上的所述服务器端程序提取所述用户登陆界面中的所述用户输入的用户名、以及密码，并与所述数据库51中的所述用户注册表中的数据进行匹配，若有同时匹配所述用户填写的所述用户名、以及相对应的密码的数据存在，那么用户将成功登陆；若无法找到同时匹配所述用户填写的所述用户名、以及密码的数据，则命令运行在所述计算机41～43上的所述客户端程序显示注册界面。

进一步地，本领域技术人员理解，所述用户在完成注册后，所述服务器端程序将提取所述用户注册的用户名、以及密码，并将所述用户名、以及密码通过物理磁盘写入技术存储进所述数据库51的一个用户注册表中。所述服务器端程序将抽取所述用户填写的所述调查项目的信息，并用XML文件形式建立用户模型，然后通过物理磁盘写入技术存储在所述数据库51中。进一步地，本领域技术人员理解，所述用户没有填写的所述调查项目在进行信息抽取后，在用户模型中所对应的标签的值为空。更进一步地，所述调查项目与所述用户模型中的标签成一一对应的关系。

进一步地，运行所述服务器5上的所述服务器端程序判断所述数据库51中的所述用户模型中是否存在值为空的标签，若不存在则所述服务器端程序进入所述对话模块；否则，则所述服务器端程序命令运行在所述计算机41～43上的所述客户端程序询问用户是否愿意回答几个问题。若用户愿意回答问题，则进入用户模型获取模块；否则，则进入对话模块。所述对话模块可以参考上述图3所示实施例的描述，在此不再赘述。所述用户模型获取模块可以参考上述图2所示实施例的描述，在此不再赘述。

更进一步地，本领域技术人员理解，所述物理磁盘存储过程可以通过现有技术手段予以实现，例如至少王爽所著《汇编语言》、以及唐朔飞所著《计算机组成原理》等文献描述了这样的过程，在此不再赘述。

图6示出了根据本发明的一个具体实施方式的，一种基于智能客服机器人交互的电信领域套餐推荐控制方法的用户登录界面的结构示意图。本领域技术人员理解，优选地，在上述步骤S101中，所述用户打开本发明所提供客户端程序时，首先将进入本图所示用户登录界面。具体地，所述用户登陆界面至少文字提示、可输入空格、以及按钮。更具体地，所述文字提示至少包括‘用户名：’、以及‘密码：’两项。所述按钮至少包括‘注册’、以及‘登录’两个独立的按钮。在所述文字提示的右边安排着与所述文字提示的内容相对应的所述可输入空格。在上述步骤S101中，所述用户将根据文字提示将相对应的信息填写进相对应的所述可输入空格中，即所述用户将其用户名填写进所述文字提示‘用户名：’右边的所述可输入空格中，并将该用户名所对应的密码填写进所述文字提示‘密码：’右边的所述可输入空格中。然后所述用户点击‘登录’按钮，并进入上述步骤S102。

进一步地，本领域技术人员理解，若所述用户在进入本图所示用户登录界面后，直接点击所述‘注册’按钮，则进入到上述步骤S103进行注册。

更进一步地，本领域技术人员理解，在上述步骤S102中，所述服务器端程序提取所述用户的用户名、以及密码的过程，即所述服务器端程序将所述用户登录界面所述文字提示‘用户名：’右边的所述可输入空格中的内容作为所述用户的用户名；相对应地，所述服务器端程序将所述文字提示‘密码：’右边的所述可输入空格中的内容作为所述用户的用户名的密码。

进一步地，图4以及图7示出了根据本发明的一个实施例的，基于智能客服机器人交互的电信领域套餐推荐控制方法的示意图。其中，图4示出了根据本发明的一个具体实施例的，智能机器人***回答问题的示意图，图7示出了根据本发明的一个具体实施方式的电信套餐的决策树模型。其中，通过如下步骤实现推荐过程：

A.开发一个智能客服机器人对话***，通过该***用户可以和智能客服机器人对话，了解咨询有关套餐的具体信息；

B.步骤A中，用户和智能客服机器人的实时聊天记录会记录在数据库中，该聊天记录可以更好的了解用户的行为和需求，为提取用户模型做准备；

C.根据B步骤所得到的用户与机器人的聊天记录，通过分词，语义相似度和TF-IDF相结合的方法提取关键字作为用户的标签，同时结合用户的兴趣爱好、个人情景信息建立用户模型，比如学生的用户模型：用户标签集(身份：学生；所在地：上海；月花费：50；月短信：200；上网需求：有；彩铃，俱乐部会员：是)等；

D.根据电信领域的手机套餐的特点，为资源建立标签集来表示一个资源，同时根据标签的特性来为资源建立决策树，比如动感地带时尚MO套餐的标签集(月租：16元；月短信：120条；需要彩铃；音乐俱乐部会员；主叫显示；彩铃)，电信领域套餐的决策树如图1所示；

E.根据D步骤的的决策树和C步骤中的用户模型，通过词与词之间相似度计算的结果来表示资源模型和用户模型之间的相似度，并根据结果产生一个初始的推荐列表；

F.根据计算的相似度情况，输出相似性高的决策树的叶子节点以及匹配的准确度，并把TOP N的项目推荐给用户。

●所述的步骤A，具体如下：

A1.首先根据电信领域的套餐知识，建立一个问答知识库，包括问题以及答案，并把这个知识库存如数据库中。

A2.采用Incesoft iBotPlatform SDK开发一个智能客服机器人，假设用户通过这个界面上提出相关套餐的问题A，智能客服机器人首先通过分词技术把问题A的句子分成各个短语，通过各个短语与知识库中的问题进行相似度计算，通过计算短语之间的相似度来衡量句子之间的相似度，如果问题A和问题B的相似性最高，则把问题B相对应的答案在人机交互的界面上返回给用户。

相似度计算公式：

1.利用语义相似度计算问句相似度：

其中sim1(X，Y)表示，词语问句X与问句Y的相似语义度，max(sim1(x₁，y₁)...sim1(x_n，y_n))表示词语x_i与y_j语义相似度的最大值。N表示问句X或问句Y中词语的总数的最大值。

2.利用基于向量空间模型的TFIDF计算问句之间的相似度：

$\mathrm{sim}2(T,T^{,})=\frac{{\mathrm{\Σ}}_{i=1}^n{T}_i{T^{\′}}_i}{\sqrt{{\mathrm{\Σ}}_{i=1}^n{T}_i{\mathrm{\Σ}}_{i=1}^n{T}_i^{\′}}}$

其中T和T’分别表示问句X和Y的n维向量；sim2(T，T’)表示问句X与Y的相似度。若问答库中所有问句包含的所有的词为w₁，w₂，......，w_n，则每一个问句都可以表示为T＝＜T₁，T₂，......，T_n＞，

m为问答库中含有词汇的问句的个数，M为问答库中问句的总数。

3.利用语义和TF-IDF算出的相似度加权平均，就可以算出两个句子最终的相似度。利用TF-IDF算出的句子相似度值为sim1，利用语义算出的句子相似度值为sim2，两个句子最终的相似度可以表示为公式：

$\mathrm{sim}(X,Y)=\frac{\mathrm{\αsim}1+\mathrm{\βsim}2}{\mathrm{\α}+\mathrm{\β}}$

sim(X，Y)表示TF-IDF算出的相似度和用语义算出的相似度的加权平均，就可以算出两个句子最终的相似度。

式中α+β＝1.0(0.0≤α≤1.0，0.0≤β≤1.0)。

●所述的步骤B，具体如下：

步骤A中用户和智能客服机器人的交互的记录，为实时的记录到数据库中，存储表中包括用户提的问题，以及问题的答案，交互的时间等相关信息。

●所述的步骤C，具体如下：

C1在用户首次登录智能客服机器人***，为用户提供注册的页面，用户注册的信息存到数据库中，注册的信息包括，姓名，性别，身份等，这些信息存到数据库中的User表中；

C2根据步骤B中的历史聊天记录，通过分词技术把历史聊天记录中的句子分成词语，提取关键字，作为用户的标签。

C3根据C1和C2步骤中得到的关键字，同时根据用户行为数据规范，去除噪音数据，得到有效的关键字作为标签，来建立用户模型。

●所述的步骤D，具体如下：

首先推荐的资源是电信领域手机套餐，为每个套餐资源建立相对应的资源描述，资源描述是用标签集来表示的，应用人工智能的方式为套餐建立一个完整的资源决策树，树的叶子节点上就是具体的套餐，树中间节点就是套餐所包含的业务和相关信息。如图1所示；

●所述的步骤E，具体如下：

资源的描述文件是通过Xml文件的形式来存储和定义的。

●所述的步骤F，具体如下：

F1.推荐的具体策略：计算用户模型和决策树中资源的相似性

F2.通过F1计算出的用户模型和资源模型之间的相似度，将其计算结果按照降序排序，选取前N个项目作为最终推荐列表推荐给当前活动用户a。

至此，整个决策树推荐过程已经完成。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (16)

1.一种基于智能客服机器人交互的电信领域套餐推荐方法，其特征在于，包括如下步骤：

a.获取用户兴趣模型；以及

c.采用决策树算法为用户推荐符合其个性化需求的套餐业务。

2.根据权利要求1所述的方法，其特征在于，所述步骤a与步骤c之间还包括如下步骤：

b.根据所述用户兴趣模型为所述电信领域套餐建模。

3.根据权利要求1或2所述的方法，其特征在于，所述步骤a包括如下步骤：

a1.通过人机对话模式向用户提出问题；

a2.获取所述用户的答案；

a3.根据所述答案确定所述用户兴趣模型。

4.根据权利要求1至3中任一项所述的方法，其中，所述步骤b包括如下步骤：

b1.应用标签技术为所述电信领域套餐建模。

5.根据权利要求1至4中任一项所述的方法，其特征在于，该方法包括如下步骤：

A.问答部件产生与推荐内容相关的知识问答库，通过智能客服机器人接口与用户进行对话，收集用户答案。

B.面向电信领域，建立用户描述文件。

C.根据所述步骤B中的用户描述文件，对聊天记录进行关键词抽取，采用标签技术建立用户兴趣模型，把用户模型实时存储到数据库中。

D.根据电信领域的套餐信息，应用标签技术为所述电信领域套餐建模。

E.根据所述步骤D，建立决策树模型。

F.根据所述步骤D的资源模型和所述步骤C中的用户兴趣模型进行匹配，根据匹配程度降序排列，产生推荐列表，选择排名前5的项目最终推荐给用户。

6.根据权利要求5所述的方法，所述步骤A包括：

A1.根据电信套餐业务领域，为该领域建立一个知识问答库，并把这个问答库存到数据库中；

A2.用户和机器人对话，用户提出的问题，***根据该问题与数据库中的问答库进行语句相似度计算，把相似度最高的问题的答案返回给用户。

7.根据权利要求5或6所述的方法，所述的步骤B是指把聊天过程中的问题和答案同时记录到数据库中去。

8.根据权利要求5至7中任一项所述的方法，所述步骤C包括如下步骤：

C1.用户首次登录该***时，会要求注册该***，注册的过程中，会要求用户填写个人的信息，比如姓名，性别，年龄，职业，兴趣爱好等，因此可以收集用户个人信息；

C2.根据所述步骤B中的历史聊天记录，通过分词技术，语义相似度和TF-IDF相结合的方法提取标签，建立标签(tag，w)来表示用户模型；以及

C3.根据用户行为数据规范，来构建人物模型，把所述步骤C1和所述步骤C2中的结果根据用户行为数据规范为当前目标用户建模，并把用户模型存到数据库中。

9.根据权利要求5至8中任一项所述的方法，所述步骤D是指为电信套餐建立一套标签，并根据套餐建立一颗决策树，树的叶子节点就是一个具体套餐项目，不同层数上的标签的代表套餐包含的业务，不同层次上的项目其权重是不一样的。

10.根据权利要求5至9中任一项所述的方法，根据所述步骤C中的用户模型和D步骤中的决策树进行相似度计算。

11.根据权利要求5至10中任一项所述的方法，所述步骤F包括如下步骤：

F1.根据所述步骤E中的相似度计算的结果，输出相似度高的叶子节点以及相匹配的百分比；

F2.把TOPN项目的叶子节点，最终推荐给用户。

12.一种智能客服机器人***的推荐引擎装置，其用于基于智能客服机器人交互向用户推荐电信领域套餐，其特征在于，包括：

用户兴趣模型获取模块，其用于获取用户兴趣模型；

建模模块，其用于根据所述用户兴趣模型为所述电信领域套餐建模；以及

推荐模块，其用于采用决策树算法为用户推荐符合其个性化需求的套餐业务。

13.根据权利要求12所述的推荐引擎装置，其特征在于，采用如下步骤完成电信领域套餐推荐过程：

A.问答部件产生与推荐内容相关的知识问答库，通过智能客服机器人接口与用户进行对话，收集用户答案。

B.面向电信领域，建立用户描述文件。

C.根据所述步骤B中的用户描述文件，对聊天记录进行关键词抽取，采用标签技术建立用户兴趣模型，把用户模型实时存储到数据库中。

D.根据电信领域的套餐信息，应用标签技术为所述电信领域套餐建模。

E.根据所述步骤D，建立决策树模型。

F.根据所述步骤D的资源模型和所述步骤C中的用户兴趣模型进行匹配，根据匹配程度降序排列，产生推荐列表，选择排名前5的项目最终推荐给用户。

14.根据权利要求13所述的推荐引擎装置，其特征在于，所述步骤A包括：

A1.根据电信套餐业务领域，为该领域建立一个知识问答库，并把这个问答库存到数据库中；

A2.用户和机器人对话，用户提出的问题，***根据该问题与数据库中的问答库进行语句相似度计算，把相似度最高的问题的答案返回给用户。

15.根据权利要求13或14所述的推荐引擎装置，所述步骤C包括如下步骤：

C1.用户首次登录该***时，会要求注册该***，注册的过程中，会要求用户填写个人的信息，比如姓名，性别，年龄，职业，兴趣爱好等，因此可以收集用户个人信息；

C2.根据所述步骤B中的历史聊天记录，通过分词技术，语义相似度和TF-IDF相结合的方法提取标签，建立标签(tag，w)来表示用户模型；以及

C3.根据用户行为数据规范，来构建人物模型，把所述步骤C1和所述步骤C2中的结果根据用户行为数据规范为当前目标用户建模，并把用户模型存到数据库中。

16.根据权利要求13至15中任一项所述的推荐引擎装置，其特征在于，所述步骤F包括如下步骤：

F1.根据所述步骤E中的相似度计算的结果，输出相似度高的叶子节点以及相匹配的百分比；

F2.把TOPN项目的叶子节点，最终推荐给用户。

Images