CN106202186B - 基于人工智能的服务推荐方法和装置 - Google Patents

Abstract

本发明提出了一种基于人工智能的服务推荐方法和装置，其中，方法包括：获取与用户输入的搜索请求对应的服务标签；对网络信息进行大数据处理获取与服务标签对应的候选结果；根据预设的筛选策略从候选结果中获取推荐结果，将推荐结果反馈给用户。该方法针对用户的搜索请求，智能、快速的获取相关性高的服务推荐结果并反馈给用户，更好的满足了用户的服务需求。

Description

基于人工智能的服务推荐方法和装置

技术领域

本发明涉及信息处理技术领域，尤其涉及一种基于人工智能的服务推荐方法和装置。

背景技术

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家***等。其中，人工智能最重要的方面就是语音识别技术。

随着互联网技术的发展，网上提供服务应用等也应运而生。用户可通过向相关服务应用发送外卖、超市、打车、咖啡等各种各样的搜索请求，以使得服务应用后台的客服快速根据用户的搜索请求进行回复，满足用户的各类服务需求。

但是，由于发出搜索请求的用户的地理位置，以及搜索请求的专业性的多样化，依靠客服自身单一的知识结构难以很好的针对上述多种用户的搜索请求进行答复，且相关服务应用一般仅仅为客服提供一些通用的、简单的快捷服务等配置，信息单一，没有办法为客服提供智能的推荐结果，因此，服务应用提供的功能服务有限。

发明内容

本发明的目的旨在至少在一定程度上解决上述的技术问题之一。

为此，本发明的第一个目的在于提出一种基于人工智能的服务推荐方法。该方法针对用户的搜索请求，智能、快速的获取相关性高的服务推荐结果并反馈给用户，更好的满足了用户的服务需求。

本发明的第二个目的在于提出一种基于人工智能的服务推荐装置。

为了实现上述目的，本发明第一方面实施例提出了一种基于人工智能的服务推荐方法，包括：

获取与用户输入的搜索请求对应的服务标签；

对网络信息进行大数据处理获取与所述服务标签对应的候选结果；

根据预设的筛选策略从所述候选结果中获取推荐结果，将所述推荐结果反馈给所述用户。

本发明实施例的基于人工智能的服务推荐方法，获取与用户输入的搜索请求对应的服务标签后，对网络信息进行大数据处理获取与服务标签对应的候选结果，以根据预设的筛选策略从候选结果中获取推荐结果，并将推荐结果反馈给用户。该方法针对用户的搜索请求，智能、快速的获取相关性高的服务推荐结果并反馈给用户，更好的满足了用户的服务需求。

另外，本发明实施例的基于人工智能的服务推荐方法，还具有如下附加的技术特征：

在本发明的一个实施例中，所述获取与用户输入的搜索请求对应的服务标签，包括：

分析所述搜索请求确定需求关键词；

根据预设的服务标签索引获取与所述需求关键词对应的服务标签。

在本发明的一个实施例中，所述服务标签包括以下至少之一：

地理位置、用户偏好特征、价格、服务类型；

所述预设的筛选策略包括以下至少之一：

评价、类别、距离、销量、信用度。

在本发明的一个实施例中，将所述推荐结果反馈给所述用户，包括：

将所述推荐结果发送给多客服***进行确认；

如果所述多客服***确认所述推荐结果，则将所述推荐结果发送给所述用户；

如果所述多客服***从所述推荐结果中标注人工推荐结果，则将所述人工推荐结果发送给所述用户。

在本发明的一个实施例中，将所述人工推荐结果发送给所述用户之后，还包括：

根据所述人工推荐结果更新所述推荐结果，以便后续根据预设的筛选策略从所述候选结果中获取所述人工推荐结果。

为了实现上述目的，本发明第二方面实施例提出了一种基于人工智能的服务推荐装置，包括：

第一获取模块，用于获取与用户输入的搜索请求对应的服务标签；

第二获取模块，用于对网络信息进行大数据处理获取与所述服务标签对应的候选结果；

第三获取模块，用于根据预设的筛选策略从所述候选结果中获取推荐结果；

反馈模块，用于将所述推荐结果反馈给所述用户。

本发明实施例的基于人工智能的服务推荐装置，获取与用户输入的搜索请求对应的服务标签后，对网络信息进行大数据处理获取与服务标签对应的候选结果，以根据预设的筛选策略从候选结果中获取推荐结果，并将推荐结果反馈给用户。该方法针对用户的搜索请求，智能、快速的获取相关性高的服务推荐结果并反馈给用户，更好的满足了用户的服务需求。

另外，本发明实施例的基于人工智能的服务推荐装置还具有如下附加的技术特征：

在本发明的一个实施例中，所述第一获取模块用于：

分析所述搜索请求确定需求关键词；

根据预设的服务标签索引获取与所述需求关键词对应的服务标签。

在本发明的一个实施例中，所述服务标签包括以下至少之一：

地理位置、用户偏好特征、价格、服务类型；

所述预设的筛选策略包括以下至少之一：

评价、类别、距离、销量、信用度。

在本发明的一个实施例中，所述反馈模块包括：

第一发送单元，用于将所述推荐结果发送给多客服***进行确认；

第二发送单元，用于在所述多客服***确认所述推荐结果时，将所述推荐结果发送给所述用户；

所述第二发送单元，还用于在所述多客服***从所述推荐结果中标注人工推荐结果时，将所述人工推荐结果发送给所述用户。

在本发明的一个实施例中，所述反馈模块还包括：

更新单元，用于根据所述人工推荐结果更新所述推荐结果，以便后续根据预设的筛选策略从所述候选结果中获取所述人工推荐结果。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的基于人工智能的服务推荐方法的流程图；

图2是根据本发明一个实施例的基于多客服***将推荐结果反馈给用户的方法的流程图；

图3是根据本发明一个实施例的多客服***的界面示意图；

图4是根据本发明一个实施例的智能搜索区的服务标签的识别槽位对应的内容示意图；

图5(a)-图5(b)是根据本发明一个实施例的基于多客服***获取服务推荐的界面示意图；

图6是根据本发明一个实施例的基于人工智能的服务推荐装置的结构示意图；以及

图7是根据本发明另一个实施例的基于人工智能的服务推荐装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的基于人工智能的服务推荐方法和装置。

图1是根据本发明一个实施例的基于人工智能的服务推荐方法的流程图。

如图1所示，该方法可包括：

S110，获取与用户输入的搜索请求对应的服务标签。

通常，传统的服务应用等，针对用户的搜索请求是基于后台人工客服进行回复的，比如用户在服务应用上发出搜索请求“花园饭店的招牌菜”，人工客服可基于自己的知识体系或借助于相关搜索引擎搜索，为用户提供该搜索请求的搜索结果。

然而，由于发出搜索请求的用户的地理位置的不同、搜索请求的专业性限制等问题，人工客服基于自己的知识体系无法很好的为相关用户提供搜索结果，或者人工客服需要借助搜索引擎进行多轮搜索获取搜索结果，导致相关服务应用无论是提供搜索结果的效率还是专业性都不高。

为了解决上述问题，本发明实施例的基于人工智能的服务推荐方法，通过全网数据挖掘和及其学习等大数据处理的方式，对全网信息的检索和对海量信息的深度挖掘和聚合，为搜索请求提供庞大的搜索数据库，针对用户的各种搜索请求快速检索并获自动获取专业的搜索结果。

具体地，获取与用户输入的搜索请求对应的服务标签，在本发明的一个实施例中，可预先在服务标签索引中存储需求关键词和服务标签的对应关系，从而可分析搜索请求确定需求关键词，根据预设的服务标签索引获取与需求关键词对应的服务标签。其中，根据具体应用场景的不同，服务标签可以为多种，比如可包括地理位置、用户偏好特征、价格、服务类型等。

上述地理位置可以包括“附近”等模糊性表示地理位置的信息，也可是“北京三里屯”等清楚的地理位置信息等；用户偏好特征可以是用户针对其搜索请求对应的实体的主观感受，比如搜索请求针对食物时，用户的偏好特征可以是“好吃的”等；价格可以是具体的一个价格数或者一个区间，也可以是“最低价格”等模糊性描述信息；服务类型可包括外卖、团购、电影、咖啡、美食、订票、酒店、提醒、新闻等生活的各个方面的服务。

举例而言，在某个应用场景下，获取的用户的服务标签可以包括餐馆的地理位置、菜品的类别、是否有团购、是否可以带宠物、是否有明星去过等。

S120，对网络信息进行大数据处理获取与服务标签对应的候选结果。

可以理解，预先在大数据处理的网络信息中存储服务标签以及候选结果，该大数据处理的网络信息中存储有服务标签以及候选结果的对应关系。

具体地，在获取与人工输入的搜索请求对应的服务标签后，根据该服务标签查询上述大数据处理后的网络信息，获取与其对应的候选结果。其中，获取的服务标签的种类越丰富，根据服务标签获取的候选结果就会越符合用户的个人需求。

S130，根据预设的筛选策略从候选结果中获取推荐结果，将推荐结果反馈给用户。

具体地，为了进一步筛选出更加符合用户搜索请求的搜索结果，可以根据预设的筛选策略从候选结果中获取最可能符合用户的搜索请求的推荐结果，将推荐结果反馈给用户。

其中，根据具体应用场景的不同，预设的筛选策略的筛选方式也不同，该筛选策略可以包括评价、类别、距离、销量、信用度等。

举例而言，在获取与服务标签对应的多个候选结果后，可以将候选结果按照候选结果与发出搜索请求的用户的距离远近从近到远排序，从而可将距离较近的多个候选结果筛选出来，作为推荐结果反馈给用户。

综上所述，本发明实施例的基于人工智能的服务推荐方法，获取与用户输入的搜索请求对应的服务标签后，对网络信息进行大数据处理获取与服务标签对应的候选结果，以根据预设的筛选策略从候选结果中获取推荐结果，并将推荐结果反馈给用户。该方法针对用户的搜索请求，智能、快速的获取相关性高的服务推荐结果并反馈给用户，更好的满足了用户的服务需求。

基于以上实施例，在实际应用中，根据预设的筛选策略从候选结果中获取的推荐结果后，为了进一步向用户推荐更优的推荐结果，还可引入多客服***对推荐结果进行进一步的选择等。

即可将上述实施例的基于人工智能的服务推荐方法应用于多客服***中，多客服***根据用户的搜索请求，采用上述实施例的基于人工智能的服务推荐方法获取推荐结果，并综合考量上述推荐结果的各种信息，比如评价、信用等，在推荐结果中人工选择最优的推荐结果等，进而将人工推荐结果反馈给用户。

下面结合附图2-图5结合在推荐结果中人工选择推荐结果的实施过程，详细说明本发明实施例的基于人工智能的服务推荐方法，说明如下：

图2是根据本发明一个实施例的基于多客服***将推荐结果反馈给用户的方法的流程图，如图2所示，该方法包括：

S210，分析搜索请求确定需求关键词。

S220，根据预设的服务标签索引获取与需求关键词对应的服务标签。

具体地，可预先在服务标签索引中存储需求关键词和服务标签的对应关系，从而可分析搜索请求确定需求关键词，根据预设的服务标签索引获取与需求关键词对应的服务标签。

S230，对网络信息进行大数据处理获取与服务标签对应的候选结果。

S240，根据预设的筛选策略从候选结果中获取推荐结果，将推荐结果发送给多客服***进行确认。

S250，如果多客服***确认推荐结果，则将推荐结果发送给用户。

具体地，如果根据预设的筛选策略，从候选结果中获取的推荐结果综合排序较优，比如根据筛选策略从候选结果中获取的推荐结果对应的餐馆，距离用户较近的几个餐馆评价以及信用等也较好，则多客服***确认该推荐结果，以将推荐结果发送给用户。

S260，如果多客服***从推荐结果中标注人工推荐结果，则将人工推荐结果发送给用户。

具体地，如果根据预设的筛选策略，从候选结果中获取的推荐结果中，排在前面的推荐结果并不是综合排序高的，因此，可在推荐结果中将综合排序较高的推荐结果标注为人工推荐结果，从而将人工推荐结果发送给用户。

比如，获取用户输入的搜索请求为“附近好吃的外卖”，获取的与该搜索请求对应的服务标签为地理位置和用户偏好特征，在对网络信息进行大数据处理获取与上述服务标签对应的候选结果后，多客服***可将推荐结果按照综合、销量、价格等进行综合排序，进而可将综合排序较高的推荐结果标注为人工推荐结果，并将该人工推荐结果发送给用户。

又比如，获取用户输入的搜索请求为“给我推荐一家100元左右的餐厅”，获取的与该搜索请求对应的服务标签为地理位置和价格等，在对网络信息进行大数据处理获取与上述服务标签对应的候选结果后，将推荐结果发送给多客服***，多客服***的客服可将推荐结果中符合用户需求的三家餐厅标注为人工推荐结果，并将该人工推荐结果发送给用户。

又比如，获取用户输入的搜索请求为“最近有什么好电影”，获取的与该搜索请求对应的服务标签为地理位置和电影等，在对网络信息进行大数据处理获取与上述服务标签对应的候选结果后，将推荐结果发送给多客服***，多客服***的客服可将推荐结果按照评价和类别进行排序，进而将评价和类别前三位的搜索结果标注为人工推荐结果，并将该人工推荐结果发送给用户。

可以理解，在本发明的实施例中，当获取的服务标签类似时，对网络信息进行大数据处理获取与服务标签对应的候选结果后，根据预设的筛选策略从候选结果中获取的推荐结果是相对固定的，因此，多客服***从推荐结果中标注人工推荐结果也较为一致，从而即使客服不同，发送给用户的人工推荐结果也相对一致，较好的保证了多客服***为用户提供的搜索结果的统一性。

S270，根据人工推荐结果更新推荐结果，以便后续根据预设的筛选策略从候选结果中获取人工推荐结果。

具体地，可根据用户的人工推荐结果不断优化推荐结果，以便于后续根据预设的筛选策略从候选结果中获取人工推荐结果，实现人工辅助***学习以不断提高***获取的搜索结果的正确率。

为了更加清楚的描述本发明实施例的基于人工智能的服务推荐方法中，如何结合多客服***，向用户推荐更优的推荐结果，下面结合具体的应用场景，对本发明实施例的基于人工智能的服务推荐方法进行举例说明。

在该示例中，应用场景为用户在多客服***针对美食的相关搜索，从候选结果中获取推荐结果的筛选策略是按照距离筛选，举例说明如下：

如图3所示，该多客服***可分为的左、右、中三列，左边一列为访客接入列表区，中间一列为当前聊天窗口区，右边一列为针对用户的搜索请求进行搜索的智能搜索区。

如图4所示，智能搜索区的服务标签的识别槽位包括服务类型、地理位置、价格、人数、菜系分类、餐厅名字、是否有团购、是否有明星光顾等。

智能搜索区可包括搜索框所在区域，服务地址栏以及服务搜索辅助模块等。其中，搜索框用于输入用户的搜索请求，服务地址栏默认给出当前可户的定位地址，客服可以在该地址栏手动编辑其他地址作为服务搜索地址，服务搜索辅助模块包括外卖、团购、电影等垂类服务。

具体地，在如图5(a)所示的多客服***智能搜索区的搜索框，输入的搜索请求是“附近100元左右的适合10人的聚餐餐厅推荐”时，获取与用户输入的搜索请求对应的服务标签，其中，即如图4所示，对服务标签价格的识别包括识别价格是在20元以下、20-50元、50-80元、80-120元等哪个价格区间的识别，以及对人的识别数等。

进而，如图5(a)所示，获取的用户输入的搜索请求对应的标签为：定位的用户的位置是科技园1号楼，价格是100-150元等。

在对网络信息进行大数据处理获取与上述服务标签对应的候选结果后，将推荐结果显示在智能搜索区域的界面上，多客服***的客服可将推荐结果中符合用户需求的三家餐厅标注为人工推荐结果，并将该人工推荐结果发送给用户。如图5(b)所示，客服根据候选结果选择三家餐厅为巫山烤鱼、舒正元火锅、童心厨屋，进而可在如图3所示的当前聊天窗口区域将这三家餐厅的链接发送给用户。

综上所述，本发明实施例的基于人工智能的服务推荐方法，在将推荐结果直接反馈给用户之前，将推荐结果发送给多客服***进行确认，以供多客服***综合考量推荐结果的各种信息，比如评价、信用等，在推荐结果中人工选择最优的推荐结果，进而将人工推荐结果反馈给用户。进一步保证了推荐结果更好的满足用户的需求。

为了实现上述实施例，本发明还提出了一种基于人工智能的服务推荐装置。图6是根据本发明一个实施例的基于人工智能的服务推荐装置的结构示意图，如图6所示，该装置包括：第一获取模块100、第二获取模块200、第三获取模块300和反馈模块400。

其中，第一获取模块100，用于获取与用户输入的搜索请求对应的服务标签。

具体地，第一获取模块100获取与用户输入的搜索请求对应的服务标签，在本发明的一个实施例中，第一获取模块100可预先在服务标签索引中存储需求关键词和服务标签的对应关系，从而可分析搜索请求确定需求关键词，根据预设的服务标签索引获取与需求关键词对应的服务标签。其中，根据具体应用场景的不同，服务标签可以为多种，比如可包括地理位置、用户偏好特征、价格、服务类型等。

上述地理位置可以包括“附近”等模糊性表示地理位置的信息，也可是“北京三里屯”等清楚的地理位置信息等；用户偏好特征可以是用户针对其搜索请求对应的实体的主观感受，比如搜索请求针对食物时，用户的偏好特征可以是“好吃的”等；价格可以是具体的一个价格数或者一个区间，也可以是“最低价格”等模糊性描述信息；服务类型可包括外卖、团购、电影、咖啡、美食、订票、酒店、提醒、新闻等生活的各个方面的服务。

第二获取模块200，用于对网络信息进行大数据处理获取与服务标签对应的候选结果。

可以理解，预先在大数据处理的网络信息中存储服务标签以及候选结果，该大数据处理的网络信息中存储有服务标签以及候选结果的对应关系。

具体地，在第一获取模块100获取与人工输入的搜索请求对应的服务标签后，第二获取模块200根据该服务标签查询上述大数据处理后的网络信息，获取与其对应的候选结果。其中，获取的服务标签的种类越丰富，根据服务标签获取的候选结果就会越符合用户的个人需求。

第三获取模块300，用于根据预设的筛选策略从候选结果中获取推荐结果。

反馈模块400，用于将推荐结果反馈给用户。

具体地，为了进一步筛选出更加符合用户搜索请求的搜索结果，第三获取模块300可以根据预设的筛选策略从候选结果中获取最可能符合用户的搜索请求的推荐结果，进而反馈模块400将推荐结果反馈给用户。

其中，根据具体应用场景的不同，预设的筛选策略的筛选方式也不同，该筛选策略可以包括评价、类别、距离、销量、信用度等。

综上所述，本发明实施例的基于人工智能的服务推荐装置，获取与用户输入的搜索请求对应的服务标签后，对网络信息进行大数据处理获取与服务标签对应的候选结果，以根据预设的筛选策略从候选结果中获取推荐结果，并将推荐结果反馈给用户。该装置针对用户的搜索请求，智能、快速的获取相关性高的服务推荐结果并反馈给用户，更好的满足了用户的服务需求。

基于以上实施例，在实际应用中，根据预设的筛选策略从候选结果中获取的推荐结果后，为了进一步向用户推荐更优的推荐结果，还可引入多客服***对推荐结果进行进一步的选择等。

即可将上述实施例的基于人工智能的服务推荐装置应用于多客服***中，多客服***根据用户的搜索请求，采用上述实施例的基于人工智能的服务推荐方法获取推荐结果，并综合考量上述推荐结果的各种信息，比如评价、信用等，在推荐结果中人工选择最优的推荐结果等，进而将人工推荐结果反馈给用户。

下面结合附图7结合在推荐结果中人工选择推荐结果的实施过程，详细说明本发明实施例的基于人工智能的服务推荐装置，说明如下：

图7是根据本发明另一个实施例的基于人工智能的服务推荐装置的结构示意图，如图7所示，在图6所示的基础上，该反馈模块400包括：第一发送单元410、第二发送单元420和更新单元430。

其中，第一发送单元410用于第三获取模块300根据预设的筛选策略从候选结果中获取推荐结果后，将推荐结果发送给多客服***进行确认。

第二发送单元420，用于在多客服***确认推荐结果时，将推荐结果发送给用户。

具体地，如果根据预设的筛选策略，从候选结果中获取的推荐结果综合排序较优，比如根据筛选策略从候选结果中获取的推荐结果对应的餐馆，距离用户较近的几个餐馆评价以及信用等也较好，则多客服***确认该推荐结果，第二发送单元420以将推荐结果发送给用户。

更具体地，如果根据预设的筛选策略，从候选结果中获取的推荐结果中，排在前面的推荐结果并不是综合排序高的，因此，可在推荐结果中将综合排序较高的推荐结果标注为人工推荐结果，从而第二发送单元420将人工推荐结果发送给用户。

更新单元430用于根据人工推荐结果更新推荐结果，以便后续根据预设的筛选策略从候选结果中获取人工推荐结果。

具体地，更新单元430可根据用户的人工推荐结果不断优化推荐结果，以便于后续根据预设的筛选策略从候选结果中获取人工推荐结果，实现人工辅助***学习以不断提高***获取的搜索结果的正确率。

需要说明的是，本发明实施例的基于人工智能的服务推荐装置，与上述参照图1-图5描述的基于人工智能的服务推荐方法对应，本发明实施例的基于人工智能的服务推荐装置未披露的细节，在此不再赘述。

综上所述，本发明实施例的基于人工智能的服务推荐装置，在将推荐结果直接反馈给用户之前，将推荐结果发送给多客服***进行确认，以供多客服***综合考量推荐结果的各种信息，比如评价、信用等，在推荐结果中人工选择最优的推荐结果，进而将人工推荐结果反馈给用户。进一步保证了推荐结果更好的满足用户的需求。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于人工智能的服务推荐方法，其特征在于，包括以下步骤：

获取用户在多客服***的中间一栏的聊天***输入的搜索请求，分析所述搜索请求确定需求关键词；

根据预设的服务标签索引获取与所述需求关键词对应的服务标签，所述服务标签包括以下至少之一：地理位置、用户偏好特征、价格、服务类型；

在所述多客服***的右侧一栏的智能搜索区中的搜索框输入所述搜索请求，并在所述右侧一栏的服务标签识别卡槽输入所述服务标签以对网络信息进行大数据处理获取与所述服务标签对应的候选结果；

根据预设的筛选策略从所述候选结果中获取推荐结果，获取所述推荐结果的综合排序，其中，所述综合排序是根据所述推荐结果的多个服务参数确定的，其中，所述多个服务参数与所述服务标签不同；

将所述综合排序高于预设阈值的推荐结果进行人工推荐标注，并将标注后的所述推荐结果反馈给所述用户。

2.如权利要求1所述的方法，其特征在于，

所述预设的筛选策略包括以下至少之一：

评价、类别、距离、销量、信用度。

3.如权利要求1所述的方法，其特征在于，将所述推荐结果反馈给所述用户，包括：

将所述推荐结果发送给多客服***进行确认；

如果所述多客服***确认所述推荐结果，则将所述推荐结果发送给所述用户；

如果所述多客服***从所述推荐结果中标注人工推荐结果，则将所述人工推荐结果发送给所述用户。

4.如权利要求3所述的方法，其特征在于，将所述人工推荐结果发送给所述用户之后，还包括：

根据所述人工推荐结果更新所述推荐结果，以便后续根据预设的筛选策略从所述候选结果中获取所述人工推荐结果。

5.一种基于人工智能的服务推荐装置，其特征在于，包括：

第一获取模块，用于获取用户在多客服***的中间一栏的聊天***输入的搜索请求，分析所述搜索请求确定需求关键词，根据预设的服务标签索引获取与所述需求关键词对应的服务标签，所述服务标签包括以下至少之一：地理位置、用户偏好特征、价格、服务类型；

第二获取模块，用于在所述多客服***的右侧一栏的智能搜索区中的搜索框输入所述搜索请求，并在所述右侧一栏的服务标签识别卡槽输入所述服务标签以对网络信息进行大数据处理获取与所述服务标签对应的候选结果；

第三获取模块，用于根据预设的筛选策略从所述候选结果中获取推荐结果，获取所述推荐结果的综合排序，其中，所述综合排序是根据所述推荐结果的多个服务参数确定的，其中，所述多个服务参数与所述服务标签不同；

反馈模块，用于将所述综合排序高于预设阈值的推荐结果进行人工推荐标注，并将标注后的所述推荐结果反馈给所述用户。

6.如权利要求5所述的装置，其特征在于，

所述预设的筛选策略包括以下至少之一：

评价、类别、距离、销量、信用度。

7.如权利要求5所述的装置，其特征在于，所述反馈模块包括：

第一发送单元，用于将所述推荐结果发送给多客服***进行确认；

第二发送单元，用于在所述多客服***确认所述推荐结果时，将所述推荐结果发送给所述用户；

所述第二发送单元，还用于在所述多客服***从所述推荐结果中标注人工推荐结果时，将所述人工推荐结果发送给所述用户。

8.如权利要求5所述的装置，其特征在于，所述反馈模块还包括：

更新单元，用于根据所述人工推荐结果更新所述推荐结果，以便后续根据预设的筛选策略从所述候选结果中获取所述人工推荐结果。

Images