CN112131484A - 一种多人会话建立方法、装置、设备和存储介质 - Google Patents
一种多人会话建立方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112131484A CN112131484A CN201910555161.XA CN201910555161A CN112131484A CN 112131484 A CN112131484 A CN 112131484A CN 201910555161 A CN201910555161 A CN 201910555161A CN 112131484 A CN112131484 A CN 112131484A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- target user
- session
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000013598 vector Substances 0.000 claims abstract description 146
- 238000012512 characterization method Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000006399 behavior Effects 0.000 claims description 82
- 230000000694 effects Effects 0.000 claims description 12
- 230000002452 interceptive effect Effects 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种多人会话建立方法、装置、设备和存储介质,该方法包括:确定每个目标用户在预设时间内的行为数据序列,其中,目标用户是位于预设区域内的用户;将行为数据序列输入至动态向量表征模型中,根据动态向量表征模型的输出,确定每个目标用户对应的目标向量;根据预设聚类算法和各目标向量,对各目标用户进行聚类,获得各个目标用户集合,并建立每个目标用户集合对应的多人会话。通过本发明实施例的技术方案,可以提高会话建立的准确性。
Description
技术领域
本发明实施例涉及计算机技术,尤其涉及一种多人会话建立方法、装置、设备和存储介质。
背景技术
在互联网时代,人们购物的社交化特征越来越明显,大部分购买者都有自己的兴趣圈子,即具有相同兴趣爱好的用户组成的群体,并且兴趣圈子往往也会影响他们的购买决策。
在现有技术中,通常是人工开发几百维度的统计偏好特征来对用户进行表征,基于表征结果对各用户的兴趣进行分析,从而可以建立包含具有相同兴趣的用户的多人会话,以便进行交流沟通。
然而,在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
由于现有技术中的每个偏好特征均是人工基于业务经验设计的,并且无法更深层地挖掘出抽象特征,使得表征结果无法准确地反映出用户的兴趣爱好,降低了会话建立的准确性。
发明内容
本发明实施例提供了一种多人会话建立方法、装置、设备和存储介质,以提高会话建立的准确性。
第一方面,本发明实施例提供了一种多人会话建立方法,包括:
确定每个目标用户在预设时间内的行为数据序列,其中,所述目标用户是位于预设区域内的用户;
将所述行为数据序列输入至动态向量表征模型中,根据所述动态向量表征模型的输出,确定每个所述目标用户对应的目标向量;
根据预设聚类算法和各所述目标向量,对各所述目标用户进行聚类,获得各个目标用户集合,并建立每个所述目标用户集合对应的多人会话。
第二方面,本发明实施例还提供了一种多人会话建立装置,包括:
行为数据序列确定模块,用于确定每个目标用户在预设时间内的行为数据序列,其中,所述目标用户是位于预设区域内的用户;
目标向量确定模块,用于将所述行为数据序列输入至动态向量表征模型中,根据所述动态向量表征模型的输出,确定每个所述目标用户对应的目标向量;
多人会话建立模块,用于根据预设聚类算法和各所述目标向量,对各所述目标用户进行聚类,获得各个目标用户集合,并建立每个所述目标用户集合对应的多人会话。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所提供的多人会话建立方法步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的多人会话建立方法步骤。
上述发明中的实施例具有如下优点或有益效果:
通过确定预设区域内每个目标用户在预设时间内的行为数据序列,并将每个行为数据序列输入至动态向量表征模型中,从而可以根据动态向量表征模型的输出,获得每个目标用户对应的动态的目标向量,使得获得的目标向量可以更加准确地反映出用户在预设时间内的兴趣爱好,并基于目标向量对预设区域内的所有目标用户进行聚类,从而可以准确地获取具有相同兴趣爱好的目标用户集合,并基于每个目标用户集合建立相应的多人会话,提高了会话建立的准确性。
附图说明
图1是本发明实施例一提供的一种多人会话建立方法的流程图;
图2是本发明实施例一所涉及的一种信息发送***的示例;
图3是本发明实施例二提供的一种多人会话建立方法的流程图;
图4是本发明实施例三提供的一种多人会话建立装置的结构示意图;
图5是本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种多人会话建立方法的流程图,本实施例可适用于对预设区域内的用户进行爱好分析,建立具有相同兴趣爱好的用户组成的多人会话的情况。该方法可以由多人会话建立装置来执行,该装置可以由软件和/或硬件的方式来实现,集成于监控用户行为的设备中,比如服务器。该方法具体包括以下步骤:
S110、确定每个目标用户在预设时间内的行为数据序列,其中,目标用户是位于预设区域内的用户。
其中,预设区域可以是基于业务场景和人口分布情况预先设置的一个地理区域。示例性,预设区域可以是指一个小区或者多个相邻小区所在的地理区域,以提高用户之间的信任度。目标用户可以是指位于预设区域内的线上用户。线上用户可以是指通过网络在线上电商中产生过交互行为的用户。其中,交互行为可以是指但不限于对物品进行浏览、加入购物车、下单、搜索和点击行为。预设时间可以是基于业务需求预先设置的一个历史时间段,比如近一个月内。行为数据序列可以是指由目标用户在预设时间内产生交互行为的物品信息所组成的序列。示例性地,行为数据序列可以是由目标用户在预设时间内产生过交互行为的物品名称按照时间先后顺序所组成的序列。
具体地,可以根据每个线上用户的地理位置,从所有线上用户中筛选出在预设区域内的每个用户,作为目标用户。本实施例可以对每个目标用户在预设时间内的行为日志进行挖掘,确定目标用户存在交互行为的所有物品,并基于物品信息确定出相应的行为数据序列。
S120、将行为数据序列输入至动态向量表征模型中,根据动态向量表征模型的输出,确定每个目标用户对应的目标向量。
其中,动态向量表征模型可以是指基于字词的上下文动态表征字词向量的模型,其可以更加准确地反映出语义,比如在某个字词的上下文不同时,该字词所对应的动态向量也不同,从而可以解决现有技术中静态向量表征模型,如Word2Vector、TF-IDF(TermFrequency-Inverse Document Frequency,词频-逆文档频率)无法准确表征语义的情况。示例性地,动态向量表征模型可以是但不限于Bert网络模型。Bert网络模型使用两个无监督预测任务进行预训练,分别是:(1)屏蔽语言模型Masked LM任务:Bert随机屏蔽部分输入词语,只预测那些被屏蔽的词语,与屏蔽词语对应的最终隐藏向量被输入到词汇表上的输出softmax中,以便训练一个深层双向网络表示。(2)下一句预测任务:很多重要的NLP(Natural Language Processing,自然语言处理)下游任务都是基于理解两个句子之间的关系。为了训练一个理解句子关系的模型,预先训练一个二进制的下一句预测模型,比如选择句子A和B作为预训练样本时,B有50%的可能是A的下一个句子,也有50%的可能是来自语料库的随机句子。在Bert网络模型预训练后,基于业务语料对Bert网络模型进行Transformer微调试,从而可以利用调试后的Bert网络模型来确定每个目标用户对应的目标向量。
具体地,将每个目标用户对应的行为数据序列输入至动态向量表征模型中,基于行为数据序列中每个字词的上下文,可以利用动态向量表征模型动态表征出每个字词向量,并对各个字词向量进行整合,输出每个行为数据序列对应的目标向量,从而可以获得每个目标用户对应的目标向量。
S130、根据预设聚类算法和各目标向量,对各目标用户进行聚类,获得各个目标用户集合,并建立每个目标用户集合对应的多人会话。
其中,预设聚类算法可以是指对用户进行分类的方式,其可以是但不限于LDA(Latent Dirichlet Allocation,文档主题生成模型)方式和K-Means(K均值)聚类方式。目标用户集合可以是由相同兴趣爱好的目标用户组成的。目标用户集合与多人会话一一对应。多人会话可以是指由目标用户集合中的所有目标用户组成的会话,以便于用户之间进行信息分享和交流沟通。
具体地,本实施例可以利用每个目标用户对应的目标向量计算目标用户之间的相似度。若相似度越高,则表明用户具有相同兴趣爱好的可能性越高,从而可以将相似度较高的目标用户聚类到一起,生成各个目标用户集合。示例性地,利用LDA方式对目标用户进行聚类的过程为:根据每个目标用户对应的目标向量随机指定一个主题,作为初始主题,通过利用LDA中的贝叶斯统计Gibbs Sampling公式,重新采样每个目标用户所属的主题,直到Gibbs Sampling公式收敛。收敛后每个主题下的目标用户均是具有相同兴趣爱好的用户,从而可以将每个主题下的目标用户组成一个目标用户集合,从而更加便捷地获得各个目标用户集合。在获得各个目标用户集合后,可以针对每个目标用户集合更加准确地创建出相应的多人会话。
本实施例的技术方案,通过确定预设区域内每个目标用户在预设时间内的行为数据序列,并将每个行为数据序列输入至动态向量表征模型中,从而可以根据动态向量表征模型的输出,获得每个目标用户对应的动态的目标向量,使得获得的目标向量可以更加准确地反映出用户在预设时间内的兴趣爱好,并基于目标向量对预设区域内的所有目标用户进行聚类,从而可以准确地获取具有相同兴趣爱好的目标用户集合,并基于每个目标用户集合建立相应的多人会话,提高了会话建立的准确性。
在上述技术方案的基础上,S110可以包括:确定每个目标用户在预设时间内的行为日志文本;基于预设映射关系,将每个行为日志文本中的每个物品名称映射为相应的物品标识;基于行为日志文本中的物品顺序,对各个物品标识进行排序,获得每个目标用户对应的行为数据序列。
其中,行为日志文本可以是指在预设时间内产生的交互行为的记录文本。预设映射关系可以是指物品名称与物品标识之间的对应关系,其可以根据业务场景和需求预先进行设置。物品标识可以是指但不限于数字、字母和符号中的至少一种。示例性地,物品名称为:春装蕾丝连衣裙,其对应的物品标识为1。
具体地,本实施例可以识别出行为日志文本中的各个物品名称,并基于预设映射关系确定出每个物品名称所对应的物品标识,并按照行为日志文本中的物品名称的排列顺序,将各个物品标识进行排序,保持原有的物品的排列顺序,从而可以获得由各个物品标识组成的行为数据序列,相比于由各个物品名称组成的行为数据序列而言,可以大大简化行为数据序列,进而提高动态向量表征模型的处理效率。
在上述技术方案的基础上,在“确定每个目标用户在预设时间内的行为日志文本”之前,还可以包括:确定每个线上用户对应的用户收货地址;根据各用户收货地址,将位于预设区域内的每个线上用户确定为第一用户;确定每个第一用户在预设时间内的交互行为次数;将交互行为次数大于或等于预设次数阈值的第一用户确定为目标用户。
其中,用户收货地址可以是指用户常用的收货地址,用于表征用户的地理位置。第一用户可以是指位于预设区域内的线上用户。预设次数阈值可以是指预设时间内交互行为次数的最小值。
具体地,本实施例可以对线上用户的行为日志进行挖掘,确定出每个线上用户对应的用户收货地址。可以对每个用户收货地址进行反地理编码,获得每个用户收货地址的经纬度信息,并基于预设区域所对应的经纬度范围,检测每个线上用户是否位于预设区域内,从而可以获得位于预设区域内的第一用户。本实施例可以基于每个第一用户在预设时间内的行为日志,对每个第一用户的交互行为进行统计,获得相应的交互行为次数,并将交互行为次数大于或等于预设次数阈值的第一用户确定为目标用户,从而可以获得活跃度较高的目标用户,避免因活跃度低而导致数据项为0,无法准确地确定目标向量的情况,进一步提高多人会话建立的准确性。
在上述技术方案的基础上,在预设聚类算法为K-Mean均值聚类算法时,S130可以包括:将各个初始用户集合中的每个预设初始质心向量作为第一质心向量,并将初始用户集合作为当前用户集合,其中初始用户集合为空用户集合;根据各目标向量和各第一质心向量,计算每个目标用户与每个当前用户集合之间的相似度;将每个目标用户划分至相似度最大的当前用户集合中;根据每个当前用户集合中的每个目标用户所对应的目标向量,确定每个当前用户集合对应的第二质心向量;若第一质心向量与相应的第二质心向量不同,则将第一质心向量更新为第二质心向量,并返回执行基于欧式距离公式、各目标向量和各第一质心向量,计算每个目标用户与每个当前用户集合之间的相似度的操作;若第一质心向量与相应的第二质心向量相同,则将每个当前用户集合确定为目标用户集合。
其中,初始用户集合是预先设置的一个空用户集合,初始用户集合的数量K可以预设设置。每个初始用户集合均对应一个不同的预设初始质心向量。预设初始质心向量可以是指初始用户集合的中心向量,其可以基于业务数据预先进行设置。当前用户集合可以是指当次聚类时的每个用户集合,比如在第一次聚类时,当前用户集合是指各个初始用户集合。第一质心向量可以是指当次聚类时每个当前用户集合的质心向量,比如第一次聚类时,第一质心向量是指各个预设初始质心向量。
具体地,本实施例可以基于欧式距离公式,计算每个目标用户对应的目标向量与每个当前用户集合的第一质心向量之间的欧式距离,并且该欧式距离可以反映出相似度的大小,即欧式距离越大,相似度越小。可以将目标用户划分至与该目标用户相似度最大的当前用户集合中,即欧式距离最小的当前用户集合中,从而可以将所有目标用户划分至相应的当前用户集合中,以更新当前用户集合。在当次聚类完成后,可以对当前用户集合包含的每个目标用户所对应的目标向量取平均,将获得的平均目标向量作为当前用户集合的第二质心向量,从而可以确定出每个当前用户集合所对应的第二质心向量,并通过对比同一当前用户集合所对应的第一质心向量和第二质心向量是否相同,来确定是否完成目标用户的聚类。若存在第一质心向量与相应的第二质心向量不同的情况,则表明当前用户集合的质心发生变化,此时可以更新每个第一质心向量为相应的第二质心向量,并基于更新后的各第一质心向量进行下次聚类。若每个第一质心向量与相应的第二质心向量均相同,则表明当次聚类后当前用户集合的质心没有发生变化,即聚类结束,此时可以直接将当前用户集合作为目标用户集合,从而基于K-Mean均值聚类算法可以更加便捷确定出各个目标用户集合。
在上述技术方案的基础上,在S130之后,还包括:根据每个会话包含的目标用户,确定每个目标用户所属的第一会话;将第一会话的信息发送至相应目标用户对应的用户终端中,以于用户终端的显示界面上显示第一会话的信息。
其中,第一会话的信息可以是指但不限于会话号码、会话名称和会话简介信息。用户终端可以是指目标用户使用的终端设备,比如智能手机等。
具体地,在创建每个会话后,可以为每个会话分配相应的会话号码,并基于会话包含的目标用户的信息设置相应的会话名称、会话简介信息等。图2给出了一种信息发送***的示例。图2中的服务器可以是指用于建立多人会话的设备。图2中的网络可以是指提供通信链路的介质,网络可以包括各种连接类型,比如有线、无线或光线电缆等。服务器可以通过网络与每个用户终端设备进行交互。如图2所示,服务器可以向每个目标用户对应的用户终端发送所属的第一会话的信息,使得每个用户终端的显示界面上显示出相应的第一会话的信息,从而可以提醒用户可以加入相应的会话中进行沟通交流。示例性地,用户终端可以显示出一张海报形式的“你的专属会话找到你了”的信息,以将具有相同兴趣爱好的用户可以添加至同一个会话,从而可以在该会话中分享购物经验、推荐物品、相互拼单等。需要说明的是,由于本实施例中的目标用户均是处于预设区域内的用户,从而在会话中交流时可以增加用户之间的信任程度,进而提高物品的推荐效果以及购买率。
实施例二
图3为本发明实施例二提供的一种多人会话建立方法的流程图,本实施例在上述实施例的基础上,在建立每个目标用户集合对应的多人会话之后,还包括确定每个会话的会话管理人员,以便更好地进行会话管理。其中与上述实施例相同或相应的术语的解释在此不再赘述。
参见图3,本实施例提供的多人会话建立方法具体包括以下步骤:
S210、确定每个目标用户在预设时间内的行为数据序列,其中,目标用户是位于预设区域内的用户。
S220、将行为数据序列输入至动态向量表征模型中,根据动态向量表征模型的输出,确定每个目标用户对应的目标向量。
S230、根据预设聚类算法和各目标向量,对各目标用户进行聚类,获得各个目标用户集合,并建立每个所述目标用户集合对应的多人会话。
S240、根据每个目标用户对应的行为数据,确定每个目标用户对应的活跃度。
其中,行为数据可以是指目标用户在线上电商中产生的交互行为数据,比如购物行为的数据。活跃度可以是指用户在线上电商中的交互程度。
具体地,可以对每个目标用户的行为数据中的交互行为次数进行统计,确定出每个目标用户的交互总次数,并可以直接将交互总次数作为目标用户对应的活跃度。
S250、在每个会话中,将活跃度最高的目标用户作为该会话中的待定会话管理人员,并向待定会话管理人员的待定用户终端发送会话管理请示消息。
其中,会话管理人员可以是指用于管理会话的用户,以便组织用户进行团购和物品分发等。会话管理请示消息可以是指用于请示是否同意成为会话管理人员的消息。
具体地,本实施例可以将会话中活跃度最高的目标用户作为待定会话管理人员,并通过发送会话管理请示消息来征求待定会话管理人员的同意。
S260、当接收到待定用户终端发送的会话管理同意消息后,将待定会话管理人员作为相应会话的会话管理人员。
具体地,若待定会话管理人员同意成为会话管理人员后,即接收到会话管理同意消息后,可以将该待定会话管理人员作为该会话的会话管理人员。会话管理人员在会话中可以先汇集线下用户的购买需求,再去生成和匹配更好更精准的物品,并将物品直接配送至会话管理人员处,由会话管理人员进行物品的分发,从而可以采用预售模式,有效降低仓储、运营成本,同时也节省了人力成本。需要说明的是,若接收到待定用户终端发送的会话管理拒绝消息,则可以基于活跃度从大到小的顺序,向活跃度第二高的目标用户发送会话管理请示消息;还可以将会话外的某个同意成为会话管理人员的目标用户添加至该会话中,成为该会话的会话管理人员。
本实施例的技术方案,通过将每个会话中活跃度最高且同意成为会话管理人员的目标用户作为会话的会话管理人员,从而可以利用该会话管理人员对该会话进行管理和物品分发,进而提高物品推广效果和购买率。
在上述方案的基础上,在建立每个目标用户集合对应的多人会话之后,还可以包括:当检测到预设区域内存在新添加的第一目标用户时,获得第一目标用户的第一行为数据序列;将第一行为数据序列输入至动态向量表征模型中,根据动态向量表征模型的输出,确定第一目标用户对应的第一目标向量;将第一目标向量输入至预先训练的预设网络模型中,根据预设网络模型的输出,确定第一目标用户所属的会话。
其中,预设网络模型可以是指但不限于决策树模型、随机森林模型、神经网络模型等。具体地,本实施例在使用预设网络模型之前,可以将每个目标用户对应的目标向量和所属的会话作为训练样本,对预设网络模型进行训练,直到训练误差小于预设误差时,表明该预设网络模型训练结束。当检测到预设区域内出现新的第一目标用户时,可以利用动态向量表征模型确定出第一目标用户对应的第一目标向量,并将该第一目标向量作为预设网络模型的输入,根据预设网络模型的输出,确定出第一目标用户所属的会话,从而可以将该第一目标用户添加至相应会话中,实现了会话中的用户实时添加和更新。
以下是本发明实施例提供的多人会话建立装置的实施例,该装置与上述各实施例的多人会话建立方法属于同一个发明构思,在多人会话建立装置的实施例中未详尽描述的细节内容,可以参考上述多人会话建立方法的实施例。
实施例三
图4为本发明实施例三提供的一种多人会话建立装置的结构示意图,本实施例可适用于对预设区域内的用户进行爱好分析,建立具有相同兴趣爱好的用户组成的多人会话的情况,该装置具体包括:行为数据序列确定模块310、目标向量确定模块320和多人会话建立模块330。
其中,行为数据序列确定模块310,用于确定每个目标用户在预设时间内的行为数据序列,其中,目标用户是位于预设区域内的用户;目标向量确定模块320,用于将行为数据序列输入至动态向量表征模型中,根据动态向量表征模型的输出,确定每个目标用户对应的目标向量;多人会话建立模块330,用于根据预设聚类算法和各目标向量,对各目标用户进行聚类,获得各个目标用户集合,并建立每个所述目标用户集合对应的多人会话。
可选地,行为数据序列确定模块310,具体用于:
确定每个目标用户在预设时间内的行为日志文本;基于预设映射关系,将每个行为日志文本中的每个物品名称映射为相应的物品标识;基于行为日志文本中的物品顺序,对各个物品标识进行排序,获得每个目标用户对应的行为数据序列。
可选地,该装置还包括:目标用户确定模块,用于:在确定每个目标用户在预设时间内的行为日志文本之前,确定每个线上用户对应的用户收货地址;根据各用户收货地址,将位于预设区域内的每个线上用户确定为第一用户;确定每个第一用户在预设时间内的交互行为次数;将交互行为次数大于或等于预设次数阈值的第一用户确定为目标用户。
可选地,动态向量表征模型为Bert网络模型。
可选地,预设聚类算法为:K-Mean均值聚类算法;相应地,目标多人会话建立模块330,具体用于:
将各个初始用户集合中的每个预设初始质心向量作为第一质心向量,并将初始用户集合作为当前用户集合,其中初始用户集合为空用户集合;根据各目标向量和各第一质心向量,计算每个目标用户与每个当前用户集合之间的相似度;将每个目标用户划分至相似度最大的当前用户集合中;根据每个当前用户集合中的每个目标用户所对应的目标向量,确定每个当前用户集合对应的第二质心向量;若第一质心向量与相应的第二质心向量不同,则将第一质心向量更新为第二质心向量,并返回执行基于欧式距离公式、各目标向量和各第一质心向量,计算每个目标用户与每个当前用户集合之间的相似度的操作;若第一质心向量与相应的第二质心向量相同,则将每个当前用户集合确定为目标用户集合。
可选地,该装置还包括:
第一会话确定模块,用于在建立每个目标用户集合对应的多人会话之后,根据每个会话包含的目标用户,确定每个目标用户所属的第一会话;
第一会话的信息发送模块,用于将第一会话的信息发送至相应目标用户对应的用户终端中,以于用户终端的显示界面上显示第一会话的信息。
可选地,该装置还包括:
活跃度确定模块,用于在建立每个目标用户集合对应的多人会话之后,根据每个目标用户对应的行为数据,确定每个目标用户对应的活跃度;
会话管理请示消息发送模块,用于在每个会话中,将活跃度最高的目标用户作为会话中的待定会话管理人员,并向待定会话管理人员的待定用户终端发送会话管理请示消息;
会话管理人员确定模块,用于当接收到待定用户终端发送的会话管理同意消息后,将待定会话管理人员作为相应会话的会话管理人员。
本发明实施例所提供的多人会话建立装置可执行本发明任意实施例所提供的多人会话建立方法,具备执行多人会话建立方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的一种设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备12的框图。图5显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。***存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如***存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的一种多人会话建立方法步骤,该方法包括:
确定每个目标用户在预设时间内的行为数据序列,其中,目标用户是位于预设区域内的用户;
将行为数据序列输入至动态向量表征模型中,根据动态向量表征模型的输出,确定每个目标用户对应的目标向量;
根据预设聚类算法和各目标向量,对各目标用户进行聚类,获得各个目标用户集合,并建立每个所述目标用户集合对应的多人会话。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的多人会话建立方法的技术方案。
实施例五
本实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的一种多人会话建立方法步骤,该方法包括:
确定每个目标用户在预设时间内的行为数据序列,其中,目标用户是位于预设区域内的用户;
将行为数据序列输入至动态向量表征模型中,根据动态向量表征模型的输出,确定每个目标用户对应的目标向量;
根据预设聚类算法和各目标向量,对各目标用户进行聚类,获得各个目标用户集合,并建立每个所述目标用户集合对应的多人会话。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种多人会话建立方法,其特征在于,包括:
确定每个目标用户在预设时间内的行为数据序列,其中,所述目标用户是位于预设区域内的用户;
将所述行为数据序列输入至动态向量表征模型中,根据所述动态向量表征模型的输出,确定每个所述目标用户对应的目标向量;
根据预设聚类算法和各所述目标向量,对各所述目标用户进行聚类,获得各个目标用户集合,并建立每个所述目标用户集合对应的多人会话。
2.根据权利要求1所述的方法,其特征在于,确定每个目标用户在预设时间内的行为数据序列,包括:
确定每个目标用户在预设时间内的行为日志文本;
基于预设映射关系,将每个所述行为日志文本中的每个物品名称映射为相应的物品标识;
基于所述行为日志文本中的物品顺序,对各个所述物品标识进行排序,获得每个所述目标用户对应的行为数据序列。
3.根据权利要求2所述的方法,其特征在于,在确定每个目标用户在预设时间内的行为日志文本之前,还包括:
确定每个线上用户对应的用户收货地址;
根据各所述用户收货地址,将位于预设区域内的每个线上用户确定为第一用户;
确定每个所述第一用户在预设时间内的交互行为次数;
将所述交互行为次数大于或等于预设次数阈值的第一用户确定为目标用户。
4.根据权利要求1所述的方法,其特征在于,所述动态向量表征模型为Bert网络模型。
5.根据权利要求1所述的方法,其特征在于,所述预设聚类算法为:K-Mean均值聚类算法;
相应地,根据预设聚类算法和各所述目标向量,对各所述目标用户进行聚类,获得各个目标用户集合,包括:
将各个初始用户集合中的每个预设初始质心向量作为第一质心向量,并将所述初始用户集合作为当前用户集合,其中所述初始用户集合为空用户集合;
根据各所述目标向量和各所述第一质心向量,计算每个所述目标用户与每个当前用户集合之间的相似度;
将每个所述目标用户划分至相似度最大的当前用户集合中;
根据每个当前用户集合中的每个目标用户所对应的目标向量,确定每个当前用户集合对应的第二质心向量;
若所述第一质心向量与相应的所述第二质心向量不同,则将所述第一质心向量更新为所述第二质心向量,并返回执行所述基于欧式距离公式、各所述目标向量和各所述第一质心向量,计算每个所述目标用户与每个当前用户集合之间的相似度的操作;
若所述第一质心向量与相应的所述第二质心向量相同,则将每个当前用户集合确定为目标用户集合。
6.根据权利要求1所述的方法,其特征在于,在建立每个所述目标用户集合对应的多人会话之后,还包括:
根据每个所述会话包含的目标用户,确定每个所述目标用户所属的第一会话;
将所述第一会话的信息发送至相应目标用户对应的用户终端中,以于所述用户终端的显示界面上显示所述第一会话的信息。
7.根据权利要求1-6任一所述的方法,其特征在于,在建立每个所述目标用户集合对应的多人会话之后,还包括:
根据每个所述目标用户对应的行为数据,确定每个所述目标用户对应的活跃度;
在每个所述会话中,将所述活跃度最高的目标用户作为所述会话的待定会话管理人员,并向所述待定会话管理人员的待定用户终端发送会话管理请示消息;
当接收到所述待定用户终端发送的会话管理同意消息后,将所述待定会话管理人员作为相应会话的会话管理人员。
8.一种多人会话建立装置,其特征在于,包括:
行为数据序列确定模块,用于确定每个目标用户在预设时间内的行为数据序列,其中,所述目标用户是位于预设区域内的用户;
目标向量确定模块,用于将所述行为数据序列输入至动态向量表征模型中,根据所述动态向量表征模型的输出,确定每个所述目标用户对应的目标向量;
多人会话建立模块,用于根据预设聚类算法和各所述目标向量,对各所述目标用户进行聚类,获得各个目标用户集合,并建立每个所述目标用户集合对应的多人会话。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的多人会话建立方法步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的多人会话建立方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910555161.XA CN112131484A (zh) | 2019-06-25 | 2019-06-25 | 一种多人会话建立方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910555161.XA CN112131484A (zh) | 2019-06-25 | 2019-06-25 | 一种多人会话建立方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112131484A true CN112131484A (zh) | 2020-12-25 |
Family
ID=73849441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910555161.XA Pending CN112131484A (zh) | 2019-06-25 | 2019-06-25 | 一种多人会话建立方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131484A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469785A (zh) * | 2021-06-29 | 2021-10-01 | 深圳市点购电子商务控股股份有限公司 | 一种多人会话建立的方法、装置及计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649517A (zh) * | 2016-10-17 | 2017-05-10 | 北京京东尚科信息技术有限公司 | 数据挖掘方法、装置及*** |
CN107247786A (zh) * | 2017-06-15 | 2017-10-13 | 北京小度信息科技有限公司 | 用于确定相似用户的方法、装置和服务器 |
CN107818334A (zh) * | 2017-09-29 | 2018-03-20 | 北京邮电大学 | 一种移动互联网用户访问模式表征和聚类方法 |
CN108632311A (zh) * | 2017-03-20 | 2018-10-09 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN109685128A (zh) * | 2018-12-18 | 2019-04-26 | 电子科技大学 | 一种MB-kmeans++聚类方法及基于其的用户会话聚类方法 |
-
2019
- 2019-06-25 CN CN201910555161.XA patent/CN112131484A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649517A (zh) * | 2016-10-17 | 2017-05-10 | 北京京东尚科信息技术有限公司 | 数据挖掘方法、装置及*** |
CN108632311A (zh) * | 2017-03-20 | 2018-10-09 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN107247786A (zh) * | 2017-06-15 | 2017-10-13 | 北京小度信息科技有限公司 | 用于确定相似用户的方法、装置和服务器 |
CN107818334A (zh) * | 2017-09-29 | 2018-03-20 | 北京邮电大学 | 一种移动互联网用户访问模式表征和聚类方法 |
CN109685128A (zh) * | 2018-12-18 | 2019-04-26 | 电子科技大学 | 一种MB-kmeans++聚类方法及基于其的用户会话聚类方法 |
Non-Patent Citations (1)
Title |
---|
宋斌;王玲;张宏;赵建;: "基于Web日志的匿名网络用户聚类研究", 南京理工大学学报(自然科学版), no. 05, 30 October 2006 (2006-10-30) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469785A (zh) * | 2021-06-29 | 2021-10-01 | 深圳市点购电子商务控股股份有限公司 | 一种多人会话建立的方法、装置及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460513B (zh) | 用于生成点击率预测模型的方法和装置 | |
US20210304075A1 (en) | Batching techniques for handling unbalanced training data for a chatbot | |
US11928611B2 (en) | Conversational interchange optimization | |
CN111552880B (zh) | 基于知识图谱的数据处理方法、装置、介质及电子设备 | |
CN109976997B (zh) | 测试方法和装置 | |
US11544721B2 (en) | Supporting automation of customer service | |
CN110020162B (zh) | 用户识别方法和装置 | |
US10592782B2 (en) | Image analysis enhanced related item decision | |
US11095601B1 (en) | Connection tier structure defining for control of multi-tier propagation of social network content | |
US20220253647A1 (en) | Automatic machine learning model evaluation | |
CN109522399B (zh) | 用于生成信息的方法和装置 | |
CN112163081A (zh) | 标签确定方法、装置、介质及电子设备 | |
CN111639162A (zh) | 信息交互方法和装置、电子设备和存储介质 | |
CN112836128A (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
US20240129408A1 (en) | Intelligent matching of a user to an agent for a communication session | |
CN114119123A (zh) | 信息推送的方法和装置 | |
CN112131484A (zh) | 一种多人会话建立方法、装置、设备和存储介质 | |
CN111435381A (zh) | 请求分发方法和装置 | |
CN116806339A (zh) | 虚拟对话***性能评估与丰富 | |
CN111897910A (zh) | 信息推送方法和装置 | |
CN113742564A (zh) | 目标资源的推送方法和装置 | |
CN112348614A (zh) | 用于推送信息的方法和装置 | |
CN110990528A (zh) | 一种问答方法、装置及电子设备 | |
CN111738789A (zh) | 一种物品信息推送方法、装置、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |