CN115187345A - 智能家居建材推荐方法、装置、设备及存储介质 - Google Patents
智能家居建材推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115187345A CN115187345A CN202211108356.8A CN202211108356A CN115187345A CN 115187345 A CN115187345 A CN 115187345A CN 202211108356 A CN202211108356 A CN 202211108356A CN 115187345 A CN115187345 A CN 115187345A
- Authority
- CN
- China
- Prior art keywords
- building material
- target
- target user
- data
- feature
- 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
- 239000004566 building material Substances 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 52
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 238000013075 data extraction Methods 0.000 claims abstract description 11
- 230000006399 behavior Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能领域，公开了一种智能家居建材推荐方法、装置、设备及存储介质，用于提高智能家居建材推荐的准确率。所述方法包括：获取目标用户的对话数据，并对对话数据进行数据提取，得到语音数据和文本数据；对语音数据进行语音特征提取，得到第一特征信息，并根据文本数据生成第二特征信息；根据第一特征信息和第二特征信息对目标用户进行偏好特征分析，得到推送偏好特征；调用智能推荐模型计算推送偏好特征对应的目标推送路径；根据目标推送路径和推送偏好特征生成待推送家居建材清单；根据待推送家居建材清单生成目标家居建材推荐序列，并按照目标家居建材推荐序列对目标用户进行推荐。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种智能家居建材推荐方法、装置、设备及存储介质。
背景技术
目前随着物联网技术的高速发展，智能家居建材的更新迭代速度也很快，因此为了便于对智能家居建材进行推荐，商家通常会通过建立智能家居建材数据清单的方式进行用户商品推荐。用户在选购智能家居建材类产品时，通常会选择去实体店进行体验和感受，商家因为智能家居建材的品类众多而且迭代速度快，无法快速的为用户提供快速而精准的商品服务。
现有方案通过人工一对一对智能家居建材进行推荐，但是用户需要消耗大量的时间去做选择，无法快速准确的为用户推荐用户需要的智能家居建材，即现有方***率低。
发明内容
本发明提供了一种智能家居建材推荐方法、装置、设备及存储介质，用于提高智能家居建材推荐的准确率。
本发明第一方面提供了一种智能家居建材推荐方法，所述智能家居建材推荐方法包括：基于预设的智能问答终端获取目标用户的对话数据，并对所述对话数据进行数据提取，得到语音数据和文本数据；对所述语音数据进行语音特征提取，得到所述目标用户的第一特征信息，并根据所述文本数据生成所述目标用户的第二特征信息；根据所述第一特征信息和所述第二特征信息对所述目标用户进行偏好特征分析，得到所述目标用户的推送偏好特征；调用预置的智能推荐模型计算所述推送偏好特征对应的目标推送路径；根据所述目标推送路径和所述推送偏好特征生成所述目标用户对应的待推送家居建材清单；根据所述待推送家居建材清单生成目标家居建材推荐序列，并按照所述目标家居建材推荐序列对所述目标用户进行推荐。
可选的，在本发明第一方面的第一种实现方式中，所述对所述语音数据进行语音特征提取，得到所述目标用户的第一特征信息，并根据所述文本数据生成所述目标用户的第二特征信息，包括：对所述语音数据进行声纹特征提取，得到所述目标用户对应的声纹特征；对所述声纹特征进行多个第一特征元素提取，得到多个第一特征元素，并根据所述多个第一特征元素生成所述目标用户的第一特征信息；对所述文本数据进行多个第二特征元素提取，得到多个第二特征元素，并根据所述多个第二特征元素生成所述目标用户的第二特征信息。
可选的，在本发明第一方面的第二种实现方式中，所述根据所述第一特征信息和所述第二特征信息对所述目标用户进行偏好特征分析，得到所述目标用户的推送偏好特征，包括：提取所述第一特征信息中的多个第一特征元素，以及提取所述第二特征信息中的多个第二特征元素；基于所述多个第一特征元素和所述多个第二特征元素构建用户特征集合；对所述用户特征集合进行偏好特征分析，得到所述目标用户的推送偏好特征。
可选的，在本发明第一方面的第三种实现方式中，所述调用预置的智能推荐模型计算所述推送偏好特征对应的目标推送路径，包括：调用预置的智能推荐模型对所述推送偏好特征进行推送路径配置，得到推送路径配置结果；对所述推送路径配置结果进行结果数据分析，并生成所述目标用户对应的多个候选推送路径；对所述多个候选推送路径进行推送路径概率计算，得到每个候选推送路径对应的概率值；根据每个候选推送路径对应的概率值确定目标推送路径。
可选的，在本发明第一方面的第四种实现方式中，所述根据所述目标推送路径和所述推送偏好特征生成所述目标用户对应的待推送家居建材清单，包括：对所述目标推送路径进行路径节点解析，得到路径节点数据；调用预置的数据库对所述路径节点数据进行聚类处理，得到所述路径节点数据对应的聚类结果；根据所述聚类结果创建所述目标用户对应的待推送家居建材清单。
可选的，在本发明第一方面的第五种实现方式中，所述根据所述待推送家居建材清单生成目标家居建材推荐序列，并按照所述目标家居建材推荐序列对所述目标用户进行推荐，包括：根据所述待推送家居建材清单生成目标家居建材推荐序列；从所述数据库中抽取所述目标用户对应的用户实时行为数据；根据所述用户实时行为数据，从所述目标家居建材推荐序列中选取至少两个待推荐家居建材，将所述至少两个待推荐家居建材推荐给所述目标用户。
可选的，在本发明第一方面的第六种实现方式中，所述智能家居建材推荐方法还包括：获取所述目标用户在接收到推送后的反馈数据；根据所述反馈数据对所述目标家居建材推荐序列进行顺序调整。
本发明第二方面提供了一种智能家居建材推荐装置，所述智能家居建材推荐装置包括：获取模块，用于基于预设的智能问答终端获取目标用户的对话数据，并对所述对话数据进行数据提取，得到语音数据和文本数据；提取模块，用于对所述语音数据进行语音特征提取，得到所述目标用户的第一特征信息，并根据所述文本数据生成所述目标用户的第二特征信息；分析模块，用于根据所述第一特征信息和所述第二特征信息对所述目标用户进行偏好特征分析，得到所述目标用户的推送偏好特征；计算模块，用于调用预置的智能推荐模型计算所述推送偏好特征对应的目标推送路径；生成模块，用于根据所述目标推送路径和所述推送偏好特征生成所述目标用户对应的待推送家居建材清单；推荐模块，用于根据所述待推送家居建材清单生成目标家居建材推荐序列，并按照所述目标家居建材推荐序列对所述目标用户进行推荐。
可选的，在本发明第二方面的第一种实现方式中，所述提取模块具体用于：对所述语音数据进行声纹特征提取，得到所述目标用户对应的声纹特征；对所述声纹特征进行多个第一特征元素提取，得到多个第一特征元素，并根据所述多个第一特征元素生成所述目标用户的第一特征信息；对所述文本数据进行多个第二特征元素提取，得到多个第二特征元素，并根据所述多个第二特征元素生成所述目标用户的第二特征信息。
可选的，在本发明第二方面的第二种实现方式中，所述分析模块具体用于：提取所述第一特征信息中的多个第一特征元素，以及提取所述第二特征信息中的多个第二特征元素；基于所述多个第一特征元素和所述多个第二特征元素构建用户特征集合；对所述用户特征集合进行偏好特征分析，得到所述目标用户的推送偏好特征。
可选的，在本发明第二方面的第三种实现方式中，所述计算模块具体用于：调用预置的智能推荐模型对所述推送偏好特征进行推送路径配置，得到推送路径配置结果；对所述推送路径配置结果进行结果数据分析，并生成所述目标用户对应的多个候选推送路径；对所述多个候选推送路径进行推送路径概率计算，得到每个候选推送路径对应的概率值；根据每个候选推送路径对应的概率值确定目标推送路径。
可选的，在本发明第二方面的第四种实现方式中，所述生成模块具体用于：对所述目标推送路径进行路径节点解析，得到路径节点数据；调用预置的数据库对所述路径节点数据进行聚类处理，得到所述路径节点数据对应的聚类结果；根据所述聚类结果创建所述目标用户对应的待推送家居建材清单。
可选的，在本发明第二方面的第五种实现方式中，所述推荐模块具体用于：根据所述待推送家居建材清单生成目标家居建材推荐序列；从所述数据库中抽取所述目标用户对应的用户实时行为数据；根据所述用户实时行为数据，从所述目标家居建材推荐序列中选取至少两个待推荐家居建材，将所述至少两个待推荐家居建材推荐给所述目标用户。
可选的，在本发明第二方面的第六种实现方式中，所述智能家居建材推荐装置还包括：调整模块，用于获取所述目标用户在接收到推送后的反馈数据；根据所述反馈数据对所述目标家居建材推荐序列进行顺序调整。
本发明第三方面提供了一种智能家居建材推荐设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述智能家居建材推荐设备执行上述的智能家居建材推荐方法。
本发明的第四方面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中存储有指令，当其在计算机上运行时，使得计算机执行上述的智能家居建材推荐方法。
本发明提供的技术方案中，获取目标用户的对话数据，并对对话数据进行数据提取，得到语音数据和文本数据；对语音数据进行语音特征提取，得到第一特征信息，并根据文本数据生成第二特征信息，通过对目标用户的语音和说话内容进行同时分析，提高了对目标用户的意图分析准确率；根据第一特征信息和第二特征信息对目标用户进行偏好特征分析，得到推送偏好特征，对目标用户的偏好分析可以提高用户偏好分析的准确率；调用智能推荐模型计算推送偏好特征对应的目标推送路径；根据目标推送路径和推送偏好特征生成待推送家居建材清单；根据待推送家居建材清单生成目标家居建材推荐序列，并按照目标家居建材推荐序列对目标用户进行推荐，通过从大量待推送家居建材清单中查询到目标用户最匹配的目标家居建材推荐序列对目标用户进行推荐可以有效的提高智能家居建材推荐的准确率。
附图说明
图1为本发明实施例中智能家居建材推荐方法的一个实施例示意图；
图2为本发明实施例中智能家居建材推荐方法的另一个实施例示意图；
图3为本发明实施例中智能家居建材推荐装置的一个实施例示意图；
图4为本发明实施例中智能家居建材推荐装置的另一个实施例示意图；
图5为本发明实施例中智能家居建材推荐设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种智能家居建材推荐方法、装置、设备及存储介质，用于提高智能家居建材推荐的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中智能家居建材推荐方法的一个实施例包括：
101、基于预设的智能问答终端获取目标用户的对话数据，并对对话数据进行数据提取，得到语音数据和文本数据；
可以理解的是，本发明的执行主体可以为智能家居建材推荐装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，从智能问答终端中获取目标用户的相关对话数据，需要说明的是，在本申请实施例中，服务器提取目标用户之间的会话，构建多轮对话训练集，构建用于多轮对话的融合上下文信息的深度网络模型及其损失函数，以多轮对话训练集中的对话与回答作为输入，在训练集上通过最小化损失函数训练深度网络模型，将目标用户的对话输入训练好的深度网络模型中进行数据提取，得到语音数据和文本数据。
102、对语音数据进行语音特征提取，得到目标用户的第一特征信息，并根据文本数据生成目标用户的第二特征信息；
具体的，确定语音数据，将语音数据输入至语音特征提取模型中，得到语音特征提取模型输出的第一语音特征，其中，第一语音特征提取模型是基于样本语音数据无监督训练得到的，语音提取模型用于将语音数据编码得到隐层特征，并将隐层特征进行非线性空间映射，得到第二语音特征。本发明实施例提供的方法，节省了大量计算，避免了由于人为降维带来的高维特征损失。
103、根据第一特征信息和第二特征信息对目标用户进行偏好特征分析，得到目标用户的推送偏好特征；
具体的，获取第一特征信息和第二特征信息，利用相关性分析法从第一特征信息和第二特征信息中筛选第一特征数据集，根据用户偏好静态模型对第一特征数据集计算，得到静态偏好权重，获取用户动态数据集，将用户动态数据集与第一特征数据集结合，生成第二特征数据，根据用户偏好动态模型对第二特征数据集计算得到动态偏好权重，根据特征数据集及权重建立用户偏好分析模型，并执行用户偏好分析，得到目标用户的推送偏好特征，可以解决用户偏好分析时，用户特征信息浪费的问题。
104、调用预置的智能推荐模型计算推送偏好特征对应的目标推送路径；
具体的，预先设置的智能推荐模型中获取偏好特征，智能推荐模型中各个课程通过节点逻辑有向连接，根据偏好特征以及有向连接，获取偏好特征中的特征信息和各个特征的连接信息，根据特征信息和连接信息，生成偏好特征对应的知识图谱，获取目标对象的历史偏好特征，根据历史偏好特征，确定知识图谱中的各个实体的推送权重，根据推送权重从大到小的排序，确定目标推送路径，采用本方法能够生成个性化的目标推送路径，从而得到适合于目标对象的路径。
105、根据目标推送路径和推送偏好特征生成目标用户对应的待推送家居建材清单；
具体的，获取用户的历史浏览记录，根据浏览记录确定目标用户和与目标用户相似的相似用户，获取目标用户的家居购买记录及相似用户的家居购买记录，从家居购买记录和家居购买记录中分别提取出对应的家居清单和家居清单，将家居清单中未出现在家居清单中的家居推送至目标用户，本申请实施例中，通过浏览记录定相似用户和目标用户，将相似用户的家居购买记录中目标用户未购买过的家居推送至目标用户，使得推送的家居更符合用户喜好和需求，提高家居推送精准度。
106、根据待推送家居建材清单生成目标家居建材推荐序列，并按照目标家居建材推荐序列对目标用户进行推荐。
具体的，先使用家居相似度识别用户序列中物品层级和兴趣层级的重要概念和非重要概念，然后使用概念重要性识别结果和数据增强手段生成反事实正负用户序列，最后使用对比方法对反事实正负用户物品进行对比表征，以得到的序列推荐模型进行实际的序列推荐，最终服务器按照目标家居建材推荐序列对目标用户进行推荐。
本发明实施例中，获取目标用户的对话数据，并对对话数据进行数据提取，得到语音数据和文本数据；对语音数据进行语音特征提取，得到第一特征信息，并根据文本数据生成第二特征信息，通过对目标用户的语音和说话内容进行同时分析，提高了对目标用户的意图分析准确率；根据第一特征信息和第二特征信息对目标用户进行偏好特征分析，得到推送偏好特征，对目标用户的偏好分析可以提高用户偏好分析的准确率；调用智能推荐模型计算推送偏好特征对应的目标推送路径；根据目标推送路径和推送偏好特征生成待推送家居建材清单；根据待推送家居建材清单生成目标家居建材推荐序列，并按照目标家居建材推荐序列对目标用户进行推荐，通过从大量待推送家居建材清单中查询到目标用户最匹配的目标家居建材推荐序列对目标用户进行推荐可以有效的提高智能家居建材推荐的准确率。
请参阅图2，本发明实施例中智能家居建材推荐方法的另一个实施例包括：
201、基于预设的智能问答终端获取目标用户的对话数据，并对对话数据进行数据提取，得到语音数据和文本数据；
具体的，在本实施例中，步骤201的具体实施方式与上述步骤101类似，此处不再赘述。
202、对语音数据进行语音特征提取，得到目标用户的第一特征信息，并根据文本数据生成目标用户的第二特征信息；
具体的，对语音数据进行声纹特征提取，得到目标用户对应的声纹特征；对声纹特征进行多个第一特征元素提取，得到多个第一特征元素，并根据多个第一特征元素生成目标用户的第一特征信息；对文本数据进行多个第二特征元素提取，得到多个第二特征元素，并根据多个第二特征元素生成目标用户的第二特征信息。
可选的，服务器采集语音数据，建立样本数据库，从样本数据库中取一音频文件，进行处理得到音频帧序列，对音频帧序列中每一帧进行傅里叶变化，得到该帧对应的频谱图信息；将时域信息和频域信息进行提取，得到时域特征和频域特征，将时域特征和频域特征进行特征聚合，得到聚合后的第一特征元素，对聚合后的特征元素进行向量嵌入，得到声纹特征向量，将声纹特征向量输入至卷积神经网络模型进行训练，得到第二特征元素，并根据多个第二特征元素生成目标用户的第二特征信息，可以提高声纹特征提取的准确率和效率。
203、根据第一特征信息和第二特征信息对目标用户进行偏好特征分析，得到目标用户的推送偏好特征；
具体的，提取第一特征信息中的多个第一特征元素，以及提取第二特征信息中的多个第二特征元素；基于多个第一特征元素和多个第二特征元素构建用户特征集合；对用户特征集合进行偏好特征分析，得到目标用户的推送偏好特征。
其中，获取第一特征信息和第二特征信息，利用相关性分析法从第一特征信息和第二特征信息中筛选第一特征数据集，根据用户偏好静态模型对第一特征数据集计算，得到静态偏好权重，获取用户动态数据集，将用户动态数据集与第一特征数据集结合，生成第二特征数据集，根据用户偏好动态模型对第二特征数据集计算得到动态偏好权重，根据特征数据集及权重建立用户偏好分析模型，并执行用户偏好分析，得到目标用户的推送偏好特征。
204、调用预置的智能推荐模型计算推送偏好特征对应的目标推送路径；
具体的，调用预置的智能推荐模型对推送偏好特征进行推送路径配置，得到推送路径配置结果；对推送路径配置结果进行结果数据分析，并生成目标用户对应的多个候选推送路径；对多个候选推送路径进行推送路径概率计算，得到每个候选推送路径对应的概率值；根据每个候选推送路径对应的概率值确定目标推送路径。
可选的，获取目标用户的标识，获取目标用户的标识对应的在预设的用户属性类型下的特征值，获取数据内容，查找与数据内容对应的决策树对象；根据与目标用户的标识对应的在预设的用户属性类型下的特征值在决策树对象中定位与目标用户的标识对应的叶结点，获取定位到的叶结点中存储的点击数和推送数，根据点击数和推送数生成选择参考值，根据选择参考值选择数据内容根据每个候选推送路径对应的概率值确定目标推送路径，可以提高推送的准确度。
205、根据目标推送路径和推送偏好特征生成目标用户对应的待推送家居建材清单；
具体的，调用预置的数据库对路径节点数据进行聚类处理，得到路径节点数据对应的聚类结果；根据聚类结果创建目标用户对应的待推送家居建材清单。
其中，获取待推送家居建材清单，对待推送家居建材清单进行标准化预处理，以生成待聚类数据集，对待聚类数据集中的所有待聚类数据进行聚类处理，获得初始类数据，以初始类数据进行类整合，获得聚类结果，判断聚类结果是否满足聚类目标要求，若是，停止聚类处理，若否，继续进行聚类处理，在得到路径节点数据对应的聚类结果后，根据聚类结果创建目标用户对应的待推送家居建材清单，可有效适应高维数据的聚类分析，所得聚类结果空间连续紧凑，计算效率高。
206、根据待推送家居建材清单生成目标家居建材推荐序列，并按照目标家居建材推荐序列对目标用户进行推荐；
具体的，根据待推送家居建材清单生成目标家居建材推荐序列；从数据库中抽取目标用户对应的用户实时行为数据；根据用户实时行为数据，从目标家居建材推荐序列中选取至少两个待推荐家居建材，将至少两个待推荐家居建材推荐给目标用户。
其中，获取目标用户的用户实时行为数据，并将用户实时行为数据划分为长期行为序列和短期行为序列，将长期行为序列和短期行为序列输入至推荐模型进行推荐，获得目标推荐对象，其中，推荐模型为整合用户长短期偏好的多层自注意力网络序列推荐模型，将目标推荐对象推送给目标用户，使得推荐更加准确，可提升用户体验度。
207、获取目标用户在接收到推送后的反馈数据；
208、根据反馈数据对目标家居建材推荐序列进行顺序调整。
具体的，响应于目标用户展示界面触发的反馈数据展示操作，跳转到反馈数据展示界面，获取与目标用户对应的多个维度的反馈数据，响应于用户在数据维度选择区域的数据维度选择操作，从多个维度的反馈数据中确定出至少一个目标维度的反馈数据，基于至少一个目标维度的反馈数据，在视图区域生成目标视图，根据反馈数据对目标家居建材推荐序列进行顺序调整。
本发明实施例中，获取目标用户的对话数据，并对对话数据进行数据提取，得到语音数据和文本数据；对语音数据进行语音特征提取，得到第一特征信息，并根据文本数据生成第二特征信息，通过对目标用户的语音和说话内容进行同时分析，提高了对目标用户的意图分析准确率；根据第一特征信息和第二特征信息对目标用户进行偏好特征分析，得到推送偏好特征，对目标用户的偏好分析可以提高用户偏好分析的准确率；调用智能推荐模型计算推送偏好特征对应的目标推送路径；根据目标推送路径和推送偏好特征生成待推送家居建材清单；根据待推送家居建材清单生成目标家居建材推荐序列，并按照目标家居建材推荐序列对目标用户进行推荐，通过从大量待推送家居建材清单中查询到目标用户最匹配的目标家居建材推荐序列对目标用户进行推荐可以有效的提高智能家居建材推荐的准确率。
上面对本发明实施例中智能家居建材推荐方法进行了描述，下面对本发明实施例中智能家居建材推荐装置进行描述，请参阅图3，本发明实施例中智能家居建材推荐装置一个实施例包括：
获取模块301，用于基于预设的智能问答终端获取目标用户的对话数据，并对所述对话数据进行数据提取，得到语音数据和文本数据；
提取模块302，用于对所述语音数据进行语音特征提取，得到所述目标用户的第一特征信息，并根据所述文本数据生成所述目标用户的第二特征信息；
分析模块303，用于根据所述第一特征信息和所述第二特征信息对所述目标用户进行偏好特征分析，得到所述目标用户的推送偏好特征；
计算模块304，用于调用预置的智能推荐模型计算所述推送偏好特征对应的目标推送路径；
生成模块305，用于根据所述目标推送路径和所述推送偏好特征生成所述目标用户对应的待推送家居建材清单；
推荐模块306，用于根据所述待推送家居建材清单生成目标家居建材推荐序列，并按照所述目标家居建材推荐序列对所述目标用户进行推荐。
本发明实施例中，获取目标用户的对话数据，并对对话数据进行数据提取，得到语音数据和文本数据；对语音数据进行语音特征提取，得到第一特征信息，并根据文本数据生成第二特征信息，通过对目标用户的语音和说话内容进行同时分析，提高了对目标用户的意图分析准确率；根据第一特征信息和第二特征信息对目标用户进行偏好特征分析，得到推送偏好特征，对目标用户的偏好分析可以提高用户偏好分析的准确率；调用智能推荐模型计算推送偏好特征对应的目标推送路径；根据目标推送路径和推送偏好特征生成待推送家居建材清单；根据待推送家居建材清单生成目标家居建材推荐序列，并按照目标家居建材推荐序列对目标用户进行推荐，通过从大量待推送家居建材清单中查询到目标用户最匹配的目标家居建材推荐序列对目标用户进行推荐可以有效的提高智能家居建材推荐的准确率。
请参阅图4，本发明实施例中智能家居建材推荐装置另一个实施例包括：
获取模块301，用于基于预设的智能问答终端获取目标用户的对话数据，并对所述对话数据进行数据提取，得到语音数据和文本数据；
提取模块302，用于对所述语音数据进行语音特征提取，得到所述目标用户的第一特征信息，并根据所述文本数据生成所述目标用户的第二特征信息；
分析模块303，用于根据所述第一特征信息和所述第二特征信息对所述目标用户进行偏好特征分析，得到所述目标用户的推送偏好特征；
计算模块304，用于调用预置的智能推荐模型计算所述推送偏好特征对应的目标推送路径；
生成模块305，用于根据所述目标推送路径和所述推送偏好特征生成所述目标用户对应的待推送家居建材清单；
推荐模块306，用于根据所述待推送家居建材清单生成目标家居建材推荐序列，并按照所述目标家居建材推荐序列对所述目标用户进行推荐。
可选的，所述提取模块302具体用于：
对所述语音数据进行声纹特征提取，得到所述目标用户对应的声纹特征；对所述声纹特征进行多个第一特征元素提取，得到多个第一特征元素，并根据所述多个第一特征元素生成所述目标用户的第一特征信息；对所述文本数据进行多个第二特征元素提取，得到多个第二特征元素，并根据所述多个第二特征元素生成所述目标用户的第二特征信息。
可选的，所述分析模块303具体用于：
提取所述第一特征信息中的多个第一特征元素，以及提取所述第二特征信息中的多个第二特征元素；基于所述多个第一特征元素和所述多个第二特征元素构建用户特征集合；对所述用户特征集合进行偏好特征分析，得到所述目标用户的推送偏好特征。
可选的，所述计算模块304具体用于：
调用预置的智能推荐模型对所述推送偏好特征进行推送路径配置，得到推送路径配置结果；对所述推送路径配置结果进行结果数据分析，并生成所述目标用户对应的多个候选推送路径；对所述多个候选推送路径进行推送路径概率计算，得到每个候选推送路径对应的概率值；根据每个候选推送路径对应的概率值确定目标推送路径。
可选的，所述生成模块305具体用于：
对所述目标推送路径进行路径节点解析，得到路径节点数据；调用预置的数据库对所述路径节点数据进行聚类处理，得到所述路径节点数据对应的聚类结果；根据所述聚类结果创建所述目标用户对应的待推送家居建材清单。
可选的，所述推荐模块306具体用于：
根据所述待推送家居建材清单生成目标家居建材推荐序列；从所述数据库中抽取所述目标用户对应的用户实时行为数据；根据所述用户实时行为数据，从所述目标家居建材推荐序列中选取至少两个待推荐家居建材，将所述至少两个待推荐家居建材推荐给所述目标用户。
可选的，所述智能家居建材推荐装置还包括：
调整模块307，用于获取所述目标用户在接收到推送后的反馈数据；根据所述反馈数据对所述目标家居建材推荐序列进行顺序调整。
本发明实施例中，获取目标用户的对话数据，并对对话数据进行数据提取，得到语音数据和文本数据；对语音数据进行语音特征提取，得到第一特征信息，并根据文本数据生成第二特征信息，通过对目标用户的语音和说话内容进行同时分析，提高了对目标用户的意图分析准确率；根据第一特征信息和第二特征信息对目标用户进行偏好特征分析，得到推送偏好特征，对目标用户的偏好分析可以提高用户偏好分析的准确率；调用智能推荐模型计算推送偏好特征对应的目标推送路径；根据目标推送路径和推送偏好特征生成待推送家居建材清单；根据待推送家居建材清单生成目标家居建材推荐序列，并按照目标家居建材推荐序列对目标用户进行推荐，通过从大量待推送家居建材清单中查询到目标用户最匹配的目标家居建材推荐序列对目标用户进行推荐可以有效的提高智能家居建材推荐的准确率。
上面图3和图4从模块化功能实体的角度对本发明实施例中的智能家居建材推荐装置进行详细描述，下面从硬件处理的角度对本发明实施例中智能家居建材推荐设备进行详细描述。
图5是本发明实施例提供的一种智能家居建材推荐设备的结构示意图，该智能家居建材推荐设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）510（例如，一个或一个以上处理器）和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530（例如一个或一个以上海量存储设备）。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对智能家居建材推荐设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在智能家居建材推荐设备500上执行存储介质530中的一系列指令操作。
智能家居建材推荐设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作***531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的智能家居建材推荐设备结构并不构成对智能家居建材推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种智能家居建材推荐设备，所述智能家居建材推荐设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述智能家居建材推荐方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述智能家居建材推荐方法的步骤。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种智能家居建材推荐方法，其特征在于，所述智能家居建材推荐方法包括：
基于预设的智能问答终端获取目标用户的对话数据，并对所述对话数据进行数据提取，得到语音数据和文本数据；
对所述语音数据进行语音特征提取，得到所述目标用户的第一特征信息，并根据所述文本数据生成所述目标用户的第二特征信息；
根据所述第一特征信息和所述第二特征信息对所述目标用户进行偏好特征分析，得到所述目标用户的推送偏好特征；
调用预置的智能推荐模型计算所述推送偏好特征对应的目标推送路径；
根据所述目标推送路径和所述推送偏好特征生成所述目标用户对应的待推送家居建材清单；
根据所述待推送家居建材清单生成目标家居建材推荐序列，并按照所述目标家居建材推荐序列对所述目标用户进行推荐。
2.根据权利要求1所述的智能家居建材推荐方法，其特征在于，所述对所述语音数据进行语音特征提取，得到所述目标用户的第一特征信息，并根据所述文本数据生成所述目标用户的第二特征信息，包括：
对所述语音数据进行声纹特征提取，得到所述目标用户对应的声纹特征；
对所述声纹特征进行多个第一特征元素提取，得到多个第一特征元素，并根据所述多个第一特征元素生成所述目标用户的第一特征信息；
对所述文本数据进行多个第二特征元素提取，得到多个第二特征元素，并根据所述多个第二特征元素生成所述目标用户的第二特征信息。
3.根据权利要求2所述的智能家居建材推荐方法，其特征在于，所述根据所述第一特征信息和所述第二特征信息对所述目标用户进行偏好特征分析，得到所述目标用户的推送偏好特征，包括：
提取所述第一特征信息中的多个第一特征元素，以及提取所述第二特征信息中的多个第二特征元素；
基于所述多个第一特征元素和所述多个第二特征元素构建用户特征集合；
对所述用户特征集合进行偏好特征分析，得到所述目标用户的推送偏好特征。
4.根据权利要求1所述的智能家居建材推荐方法，其特征在于，所述调用预置的智能推荐模型计算所述推送偏好特征对应的目标推送路径，包括：
调用预置的智能推荐模型对所述推送偏好特征进行推送路径配置，得到推送路径配置结果；
对所述推送路径配置结果进行结果数据分析，并生成所述目标用户对应的多个候选推送路径；
对所述多个候选推送路径进行推送路径概率计算，得到每个候选推送路径对应的概率值；
根据每个候选推送路径对应的概率值确定目标推送路径。
5.根据权利要求1所述的智能家居建材推荐方法，其特征在于，所述根据所述目标推送路径和所述推送偏好特征生成所述目标用户对应的待推送家居建材清单，包括：
对所述目标推送路径进行路径节点解析，得到路径节点数据；
调用预置的数据库对所述路径节点数据进行聚类处理，得到所述路径节点数据对应的聚类结果；
根据所述聚类结果创建所述目标用户对应的待推送家居建材清单。
6.根据权利要求5所述的智能家居建材推荐方法，其特征在于，所述根据所述待推送家居建材清单生成目标家居建材推荐序列，并按照所述目标家居建材推荐序列对所述目标用户进行推荐，包括：
根据所述待推送家居建材清单生成目标家居建材推荐序列；
从所述数据库中抽取所述目标用户对应的用户实时行为数据；
根据所述用户实时行为数据，从所述目标家居建材推荐序列中选取至少两个待推荐家居建材，将所述至少两个待推荐家居建材推荐给所述目标用户。
7.根据权利要求1-6中任一项所述的智能家居建材推荐方法，其特征在于，所述智能家居建材推荐方法还包括：
获取所述目标用户在接收到推送后的反馈数据；
根据所述反馈数据对所述目标家居建材推荐序列进行顺序调整。
8.一种智能家居建材推荐装置，其特征在于，所述智能家居建材推荐装置包括：
获取模块，用于基于预设的智能问答终端获取目标用户的对话数据，并对所述对话数据进行数据提取，得到语音数据和文本数据；
提取模块，用于对所述语音数据进行语音特征提取，得到所述目标用户的第一特征信息，并根据所述文本数据生成所述目标用户的第二特征信息；
分析模块，用于根据所述第一特征信息和所述第二特征信息对所述目标用户进行偏好特征分析，得到所述目标用户的推送偏好特征；
计算模块，用于调用预置的智能推荐模型计算所述推送偏好特征对应的目标推送路径；
生成模块，用于根据所述目标推送路径和所述推送偏好特征生成所述目标用户对应的待推送家居建材清单；
推荐模块，用于根据所述待推送家居建材清单生成目标家居建材推荐序列，并按照所述目标家居建材推荐序列对所述目标用户进行推荐。
9.一种智能家居建材推荐设备，其特征在于，所述智能家居建材推荐设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述智能家居建材推荐设备执行如权利要求1-7中任一项所述的智能家居建材推荐方法。
10.一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指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的智能家居建材推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211108356.8A CN115187345A (zh) | 2022-09-13 | 2022-09-13 | 智能家居建材推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211108356.8A CN115187345A (zh) | 2022-09-13 | 2022-09-13 | 智能家居建材推荐方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115187345A true CN115187345A (zh) | 2022-10-14 |
Family
ID=83524606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211108356.8A Pending CN115187345A (zh) | 2022-09-13 | 2022-09-13 | 智能家居建材推荐方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115187345A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116433339A (zh) * | 2023-06-15 | 2023-07-14 | 全屋优品科技(深圳)有限公司 | 订单数据的处理方法、装置、设备及存储介质 |
| CN117349531A (zh) * | 2023-10-20 | 2024-01-05 | 深圳市醉桃科技有限公司 | 一种基于智慧家居的用户信息推荐方法及*** |
| CN117812113A (zh) * | 2024-01-09 | 2024-04-02 | 中科物栖(南京)科技有限公司 | 物联网设备的推荐方法、装置、设备和存储介质 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106156127A (zh) * | 2015-04-08 | 2016-11-23 | 深圳市腾讯计算机***有限公司 | 选择数据内容向终端推送的方法及装置 |
| CN108173746A (zh) * | 2017-12-26 | 2018-06-15 | 东软集团股份有限公司 | 好友推荐方法、装置和计算机设备 |
| CN109949723A (zh) * | 2019-03-27 | 2019-06-28 | 浪潮金融信息技术有限公司 | 一种通过智能语音对话进行产品推荐的装置及方法 |
| CN110008409A (zh) * | 2019-04-12 | 2019-07-12 | 苏州市职业大学 | 基于自注意力机制的序列推荐方法、装置及设备 |
| CN110263179A (zh) * | 2019-06-12 | 2019-09-20 | 湖南酷得网络科技有限公司 | 学习路径推送方法、装置、计算机设备和存储介质 |
| CN111652741A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 用户偏好分析方法、装置及可读存储介质 |
| CN112287675A (zh) * | 2020-12-29 | 2021-01-29 | 南京新一代人工智能研究院有限公司 | 一种基于文本和语音信息融合的智能客服意图理解方法 |
| CN112733931A (zh) * | 2021-01-07 | 2021-04-30 | 苏州热工研究院有限公司 | 一种核电厂设备监测数据聚类处理方法和电子设备 |
| CN112786059A (zh) * | 2021-03-11 | 2021-05-11 | 合肥市清大创新研究院有限公司 | 一种基于人工智能的声纹特征提取方法及装置 |
| CN112818105A (zh) * | 2021-02-05 | 2021-05-18 | 江苏实达迪美数据处理有限公司 | 一种融合上下文信息的多轮对话方法及*** |
| CN112948662A (zh) * | 2019-12-10 | 2021-06-11 | 北京搜狗科技发展有限公司 | 一种推荐方法、装置和用于推荐的装置 |
| CN113609388A (zh) * | 2021-07-27 | 2021-11-05 | 浙江大学 | 基于反事实用户行为序列生成的序列推荐方法 |
| CN113780328A (zh) * | 2021-03-31 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置及存储介质 |
| CN114022192A (zh) * | 2021-10-20 | 2022-02-08 | 百融云创科技股份有限公司 | 一种基于智能营销场景的数据建模方法及*** |
| CN114092136A (zh) * | 2021-11-09 | 2022-02-25 | 湖南天云软件技术有限公司 | 一种对象推送方法、装置、设备及计算机存储介质 |
| CN114265993A (zh) * | 2020-09-16 | 2022-04-01 | 腾讯科技（深圳）有限公司 | 一种反馈数据展示方法、装置、设备及存储介质 |
| CN114936301A (zh) * | 2022-07-20 | 2022-08-23 | 深圳装速配科技有限公司 | 智能家居建材数据的管理方法、装置、设备及存储介质 |
-
2022
- 2022-09-13 CN CN202211108356.8A patent/CN115187345A/zh active Pending
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106156127A (zh) * | 2015-04-08 | 2016-11-23 | 深圳市腾讯计算机***有限公司 | 选择数据内容向终端推送的方法及装置 |
| CN108173746A (zh) * | 2017-12-26 | 2018-06-15 | 东软集团股份有限公司 | 好友推荐方法、装置和计算机设备 |
| CN109949723A (zh) * | 2019-03-27 | 2019-06-28 | 浪潮金融信息技术有限公司 | 一种通过智能语音对话进行产品推荐的装置及方法 |
| CN110008409A (zh) * | 2019-04-12 | 2019-07-12 | 苏州市职业大学 | 基于自注意力机制的序列推荐方法、装置及设备 |
| CN110263179A (zh) * | 2019-06-12 | 2019-09-20 | 湖南酷得网络科技有限公司 | 学习路径推送方法、装置、计算机设备和存储介质 |
| CN112948662A (zh) * | 2019-12-10 | 2021-06-11 | 北京搜狗科技发展有限公司 | 一种推荐方法、装置和用于推荐的装置 |
| CN111652741A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 用户偏好分析方法、装置及可读存储介质 |
| CN114265993A (zh) * | 2020-09-16 | 2022-04-01 | 腾讯科技（深圳）有限公司 | 一种反馈数据展示方法、装置、设备及存储介质 |
| CN112287675A (zh) * | 2020-12-29 | 2021-01-29 | 南京新一代人工智能研究院有限公司 | 一种基于文本和语音信息融合的智能客服意图理解方法 |
| CN112733931A (zh) * | 2021-01-07 | 2021-04-30 | 苏州热工研究院有限公司 | 一种核电厂设备监测数据聚类处理方法和电子设备 |
| CN112818105A (zh) * | 2021-02-05 | 2021-05-18 | 江苏实达迪美数据处理有限公司 | 一种融合上下文信息的多轮对话方法及*** |
| CN112786059A (zh) * | 2021-03-11 | 2021-05-11 | 合肥市清大创新研究院有限公司 | 一种基于人工智能的声纹特征提取方法及装置 |
| CN113780328A (zh) * | 2021-03-31 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置及存储介质 |
| CN113609388A (zh) * | 2021-07-27 | 2021-11-05 | 浙江大学 | 基于反事实用户行为序列生成的序列推荐方法 |
| CN114022192A (zh) * | 2021-10-20 | 2022-02-08 | 百融云创科技股份有限公司 | 一种基于智能营销场景的数据建模方法及*** |
| CN114092136A (zh) * | 2021-11-09 | 2022-02-25 | 湖南天云软件技术有限公司 | 一种对象推送方法、装置、设备及计算机存储介质 |
| CN114936301A (zh) * | 2022-07-20 | 2022-08-23 | 深圳装速配科技有限公司 | 智能家居建材数据的管理方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 韩瞳: "《策略产品经理实践》", 30 June 2020, 北京：机械工业出版社 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116433339A (zh) * | 2023-06-15 | 2023-07-14 | 全屋优品科技(深圳)有限公司 | 订单数据的处理方法、装置、设备及存储介质 |
| CN116433339B (zh) * | 2023-06-15 | 2023-08-18 | 全屋优品科技(深圳)有限公司 | 订单数据的处理方法、装置、设备及存储介质 |
| CN117349531A (zh) * | 2023-10-20 | 2024-01-05 | 深圳市醉桃科技有限公司 | 一种基于智慧家居的用户信息推荐方法及*** |
| CN117812113A (zh) * | 2024-01-09 | 2024-04-02 | 中科物栖(南京)科技有限公司 | 物联网设备的推荐方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110503531B (zh) | 时序感知的动态社交场景推荐方法 | |
| CN115187345A (zh) | 智能家居建材推荐方法、装置、设备及存储介质 | |
| CN106484777B (zh) | 一种多媒体数据处理方法以及装置 | |
| CN108268934A (zh) | 基于深度学习的推荐方法和装置、电子设备、介质、程序 | |
| CN106251174A (zh) | 信息推荐方法及装置 | |
| CN107492008A (zh) | 信息推荐方法、装置、服务器及计算机存储介质 | |
| CN107291840B (zh) | 一种用户属性预测模型构建方法和装置 | |
| CN110427560A (zh) | 一种应用于推荐***的模型训练方法以及相关装置 | |
| CN105302810A (zh) | 一种信息搜索方法和装置 | |
| US20220138770A1 (en) | Method and apparatus for analyzing sales conversation based on voice recognition | |
| CN108572984A (zh) | 一种实时用户兴趣识别方法及装置 | |
| CN113379449B (zh) | 多媒体资源召回方法、装置、电子设备以及存储介质 | |
| US6925452B1 (en) | Method and system for recognizing end-user transactions | |
| CN115082041B (zh) | 用户信息管理方法、装置、设备及存储介质 | |
| CN111861605A (zh) | 业务对象推荐方法 | |
| CN117057873A (zh) | 商品描述内容生成方法及其装置、设备、介质 | |
| CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
| CN111680213A (zh) | 信息推荐方法、数据处理方法及装置 | |
| CN117436679A (zh) | 一种元宇宙资源匹配方法及其*** | |
| CN116823410B (zh) | 数据处理方法、对象处理方法、推荐方法及计算设备 | |
| CN107944946B (zh) | 商品标签生成方法及装置 | |
| CN113763031A (zh) | 一种商品推荐方法、装置、电子设备及存储介质 | |
| CN113469786A (zh) | 物品推荐的方法、装置、计算机设备和存储介质 | |
| CN114936326B (zh) | 基于人工智能的信息推荐方法、装置、设备及存储介质 | |
| CN113327154B (zh) | 基于大数据的电商用户讯息推送方法及*** |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221014 |
|
| RJ01 | Rejection of invention patent application after publication |