业务信息的推送方法、装置及可读存储介质与流程

本发明涉及计算机技术，尤其涉及一种业务信息的推送方法、装置及可读存储介质。

背景技术：

随着大数据技术的发展，利用大数据信息为用户推送业务信息成为业务发展的热点。

在现有技术中，对于线上咨询的用户进行业务信息推送一般是基于用户语义信息实现的，即提取用户输入信息的关键字，并根据关键字推送相应信息。

但是，这样的信息推送方法所推送的信息内容单一，无法基于用户自身的特性进行信息推送，特别针对于保险业务信息来讲，一旦用户输入的信息与预设的关键字信息不符，将无法反正对于业务信息的推送，用户体验不好。

技术实现要素：

针对上述提及的在现有技术的业务信息的推送方法推送的内容单一，智能程度不高的问题，本发明提供了一种业务信息的推送方法、装置及可读存储介质。

一方面，本发明提供了一种业务信息的推送方法，包括：

根据用户输入的信息，确定用户的用户标签；

根据层次分析模型对所述用户标签进行分析，确定与所述用户的用户标签匹配的第一类型业务；

根据用户在输入信息时的用户状态以及相应的用户标签，利用隐性马尔科夫模型确定所述用户在选择所述第一类型业务的情况下，选取各第二类型业务的概率；

根据用户选取各第二类型业务的概率，向用户推送第二类型的业务信息。

在其中一种可选的实施方式中，所述根据用户输入的信息，确定用户的用户标签，包括：

利用预设的标签类型和语义分析算法，对用户输入的信息进行语义分析，获得用户标签，所述用户标签包括用户的多个用户属性。

在其中一种可选的实施方式中，所述根据层次分析模型对所述用户标签进行分析，确定与所述用户的用户标签匹配的第一类型业务，包括：

利用所述层次分析模型，确定所述用户的各用户属性在各第一类型业务下的权重信息；

根据用户的用户属性的各权重信息，确定所述用户在各第一类型业务下的权重值，以将权重值最高的第一类型业务作为与所述用户的用户标签匹配的第一类型的业务。

在其中一种可选的实施方式中，所述用户状态包括观察矩阵信息、状态转移矩阵信息以及初始状态概率信息；

相应的，所述根据用户在输入信息时的用户状态以及相应的用户标签，利用隐性马尔科夫模型确定所述用户在选择第一类型业务的情况下，选取各第二类型业务的概率，包括：

利用所述隐性马尔科夫模型，根据所述用户的用户标签和所述观察矩阵信息、状态转移矩阵信息以及初始状态概率信息，确定所述用户在选择第一类型业务的情况下，选取各第二类型业务的概率。

在其中一种可选的实施方式中，所述根据用户选取各第二类型业务的概率，向用户推送第二类型的业务信息，包括：

在各第二类型业务的概率中，选取概率最高的第二类型业务；

将与该概率最高的第二类型业务相应的业务信息推送至所述用户。

在其中一种可选的实施方式中，所述第一类型业务为旅游线路业务；所述第二类型业务为保险方案业务。

另一方面，本发明提供了一种业务信息的推送装置，包括：

用户分类模块，用于根据用户输入的信息，确定用户的用户标签；

第一处理模块，用于根据层次分析模型对所述用户标签进行分析，确定与所述用户的用户标签匹配的第一类型业务；

第二处理模块，用于根据用户在输入信息时的用户状态以及相应的用户标签，利用隐性马尔科夫模型确定所述用户在选择所述第一类型业务的情况下，选取各第二类型业务的概率；

信息推送模块，用于根据用户选取各第二类型业务的概率，向用户推送第二类型的业务信息。

在其中一种可选的实施方式中，所述第一类型业务为旅游线路业务；所述第二类型业务为保险方案业务。

再一方面，本发明提供了一种业务信息的推送装置，包括：存储器、与所述存储器连接的处理器，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，其特征在于，

所述处理器运行所述计算机程序时执行前述任一项所述的方法。

最后一方面，本发明提供了一种可读存储介质，包括程序，当其在终端上运行时，使得终端执行如前任一项所述的方法。

本发明提供的业务信息的推送方法、装置及可读存储介质，通过根据用户输入的信息，确定用户的用户标签；根据层次分析模型对所述用户标签进行分析，确定与所述用户的用户标签匹配的第一类型业务；根据用户在输入信息时的用户状态以及相应的用户标签，利用隐性马尔科夫模型确定所述用户在选择所述第一类型业务的情况下，选取各第二类型业务的概率；根据用户选取各第二类型业务的概率，向用户推送第二类型的业务信息。从而实现基于用户输入的信息，预测用户可能选取的第一类型业务以及相应的第二类型业务，并向用户推送第二类型业务的业务信息，提高对于业务信息的推送的智能化程度，为用户提供更好的业务推送服务。

附图说明

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

图1为本发明基于的网络架构示意图；

图2为本发明实施例一提供的一种业务信息的推送方法的流程示意图；

图3为本发明实施例二提供的一种业务信息的推送方法的流程示意图；

图4为本发明实施例二提供的一种业务信息的推送方法中的旅游方案一的马尔科夫链的示意图；

图5为本发明实施例二提供的一种业务信息的推送方法中的旅游方案二的马尔科夫链的示意图；

图6为本发明实施例三提供的一种业务信息的推送装置的结构示意图；

图7为本发明实施例四提供的一种业务信息的推送装置的硬件示意图。

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

针对前述提及的技术问题，本发明提供了一种业务信息的推送方法、装置及可读存储介质。需要说明的是，本申请提供业务信息的推送方法、装置及可读存储介质可运用在广泛需要对于用户可能所选取的业务进行预测或办理的场景中，以便用于为用户推送与其更为匹配的业务信息。例如：基于互联网线上的智能客服、对于人工客服的辅助决策等等。

图1为本发明基于的网络架构示意图，如图1所示，在本发明所基于的网络架构中至少包括客户端1和业务信息的推送装置2。该客户端1具体可安装在智能终端上，并通过无线网路与业务信息的推送装置2进行无线通信和数据交互。其中的智能终端具体可为智能手机、平板电脑、台式电脑等设备，其可承载有前述的客户端1，以使用户通过触发或在客户端1输入的信息。此外，本申请提供的业务信息的推送装置2可为又硬件或硬件逻辑构成的物理设备，具体可为架设在云端或本地的服务器或服务器集群，相应的，业务信息的推送装置2内可接收用户输入的信息并利用预设逻辑对信息进行处理。

图2为本发明实施例一提供的一种业务信息的推送方法的流程示意图。

如图2所示，该业务信息的推送方法包括：

步骤101、根据用户输入的信息，确定用户的用户标签。

步骤102、根据层次分析模型对所述用户标签进行分析，确定与所述用户的用户标签匹配的第一类型业务。

步骤103、根据用户在输入信息时的用户状态以及相应的用户标签，利用隐性马尔科夫模型确定所述用户在选择所述第一类型业务的情况下，选取各第二类型业务的概率。

步骤104、根据用户选取各第二类型业务的概率，向用户推送第二类型的业务信息。

需要说明的是，本发明提供的业务信息的推送方法的执行主体具体可为图1所示的业务信息的推送装置。

下述将以第一类型业务为旅游线路业务，第二类型业务为保险方案业务为例，对本申请提供的业务信息的推送方法进行说明：

一般的，用户会通过智能终端的客户端输入信息，这些信息一般是与第一业务类型相关的信息，即与旅游线路相关的信息，如预计旅游时间、旅游地点、预算等等。

在现有的业务信息的推送方法中，其仅能基于用户输入的信息进行关键词分析，以确定向用户推送的旅游线路相关信息。

与现有推送方法不同的是，本申请的目的在于根据用户的信息确定用户可能选取的旅游线路并向用户推送关联的保险方案的业务信息。

具体来说，业务信息的推送装置首先根据用户输入的信息，确定用户的用户标签。

进一步来说，在该步骤中，可利用预设的标签类型和语义分析算法，对用户输入的信息进行语义分析，获得用户标签，所述用户标签包括用户的多个用户属性，其中的语义分析算法具体可采用现有的神经网络算法，本实施方式对此不进行限制。通过对于用户输入的信息的语义分析，可确定出该用户的用户属性，例如用户的消费水平、饮食偏好、住宿偏好，甚至是性格、气质等用户自身隐性属性；当然，用户属性中还包括有用户基础属性，如用户的性别、年龄、访问渠道、保险情况等。通过对于用户输入的信息的分析，可获得的各用户属性，以得到由各用户属性构成的该用户的用户标签。

随后，业务信息的推送装置家那个利用层次分析模型对于该用户标签进行分析，以确定与该用户标签匹配的第一类型业务，即该用户可能选取的某一旅游线路。

具体来说，层次分析模型是一种利用层次分析法进行目标决策的算法模型，该层次分析模型可将一个复杂的多目标决策问题作为一个系统，将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。

针对于本实施方式来说，业务信息的推送装置可利用层次分析模型，确定所述用户的各用户属性在各第一类型业务下的权重信息；然后，根据用户的用户属性的各权重信息，确定所述用户在各第一类型业务下的权重值，以将权重值最高的第一类型业务作为与所述用户的用户标签匹配的第一类型的业务，也就是说，利用层次分析模型从若干旅游线路中，选出最能符合用户属性的线路作为该第一类型的业务。

再后，业务信息的推送装置，将根据用户在输入信息时的用户状态以及相应的用户标签，利用隐性马尔科夫模型确定所述用户在选择所述第一类型业务的情况下，选取各第二类型业务的概率。具体来说，在本步骤中，当确定用户在确定将某一线路作为用户的旅游线路之后，利用隐性马尔科夫模型，结合用户在输入信息时的如输入时间或输入渠道、其前后输入信息的其他用户的用户标签、以及与用户相似的其他用户选取各第二类型业务的总体概率等。将前述得到用户标签以及用户状态输入隐性马尔科夫模型，并获得第一类型业务相应的各第二类型业务的概率。其中，各第二类型业务具体可为不同的保险方案。也就是说，在步骤中，可获得用户选取各保险方案的概率。

最后，业务信息的推送装置还将根据用户选取各第二类型业务的概率，向用户推送第二类型的业务信息。

具体来说，业务信息的推送装置可在各第二类型业务的概率中，选取概率最高的第二类型业务；将与该概率最高的第二类型业务相应的业务信息推送给该用户，即将用户最有可能选取的保险方案的业务信息推送给该用户。

本发明提供的业务信息的推送方法通过根据用户输入的信息，确定用户的用户标签；根据层次分析模型对所述用户标签进行分析，确定与所述用户的用户标签匹配的第一类型业务；根据用户在输入信息时的用户状态以及相应的用户标签，利用隐性马尔科夫模型确定所述用户在选择所述第一类型业务的情况下，选取各第二类型业务的概率；根据用户选取各第二类型业务的概率，向用户推送第二类型的业务信息。从而实现基于用户输入的信息，预测用户可能选取的第一类型业务以及相应的第二类型业务，并向用户推送第二类型业务的业务信息，提高对于业务信息的推送的智能化程度，为用户提供更好的业务推送服务。

在上述实施方式的基础上，图3为本发明提供的一种业务信息的推送方法的流程示意图，如图3所示，该推送方法包括：

步骤201、根据用户输入的信息，确定用户的用户标签。

步骤202、根据层次分析模型对所述用户标签进行分析，确定与所述用户的用户标签匹配的第一类型业务。

步骤203、利用所述隐性马尔科夫模型，根据所述用户的用户标签和观察矩阵信息、状态转移矩阵信息以及初始状态概率信息确定所述用户在选择第一类型业务的情况下，选取各第二类型业务的概率。

步骤204、在各第二类型业务的概率中，选取概率最高的第二类型业务，并将与该概率最高的第二类型业务相应的业务信息推送至所述用户。

需要说明的是，本发明提供的业务信息的推送方法的执行主体具体可为图1所示的业务信息的推送装置。

下述将以第一类型业务为旅游线路业务，第二类型业务为保险方案业务为例，对本申请提供的业务信息的推送方法进行说明：

一般的，用户会通过智能终端的客户端输入信息，这些信息一般是与第一业务类型相关的信息，即与旅游线路相关的信息，如预计旅游时间、旅游地点、预算等等。

在现有的业务信息的推送方法中，其仅能基于用户输入的信息进行关键词分析，以确定向用户推送的旅游线路相关信息。

与现有推送方法不同的是，本申请的目的在于根据用户的信息确定用户可能选取的旅游线路并向用户推送关联的保险方案的业务信息。

具体来说，业务信息的推送装置首先根据用户输入的信息，确定用户的用户标签。

进一步来说，在该步骤中，可利用预设的标签类型和语义分析算法，对用户输入的信息进行语义分析，获得用户标签，所述用户标签包括用户的多个用户属性，其中的语义分析算法具体可采用现有的神经网络算法，本实施方式对此不进行限制。通过对于用户输入的信息的语义分析，可确定出该用户的用户属性，例如用户的消费水平、饮食偏好、住宿偏好，甚至是性格、气质等用户自身隐性属性；当然，用户属性中还包括有用户基础属性，如用户的性别、年龄、访问渠道、保险情况等。通过对于用户输入的信息的分析，可获得的各用户属性，以得到由各用户属性构成的该用户的用户标签。

随后，业务信息的推送装置家那个利用层次分析模型对于该用户标签进行分析，以确定与该用户标签匹配的第一类型业务，即该用户可能选取的某一旅游线路。

具体来说，层次分析模型是一种利用层次分析法进行目标决策的算法模型，该层次分析模型可将一个复杂的多目标决策问题作为一个系统，将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。

针对于本实施方式来说，业务信息的推送装置可利用层次分析模型，确定所述用户的各用户属性在各第一类型业务下的权重信息；然后，根据用户的用户属性的各权重信息，确定所述用户在各第一类型业务下的权重值，以将权重值最高的第一类型业务作为与所述用户的用户标签匹配的第一类型的业务，也就是说，利用层次分析模型从若干旅游线路中，选出最能符合用户属性的线路作为该第一类型的业务。

再后，与前述实施方式不同的是，用户状态包括观察矩阵信息、状态转移矩阵信息以及初始状态概率信息。

相应的业务信息的推送装置可利用所述隐性马尔科夫模型，根据所述用户的用户标签和所述观察矩阵信息、状态转移矩阵信息以及初始状态概率信息，确定所述用户在选择第一类型业务的情况下，选取各第二类型业务的概率。从而可在各第二类型业务的概率中，选取概率最高的第二类型业务；将与该概率最高的第二类型业务相应的业务信息推送至所述用户。

在本实施方式中，为了进一步说明本方案，将以如下实例进行说明：

基于旅游类的互联网用户咨询场景，用户属性分为五类，分别是：主题、住宿、消费、美食、观光。这些用户属性将主要影响互联网访问者决策及最终的方案预测准确性。

其中，第一类型业务中的旅游方案组合较为灵活多样，此次为了示意，仅仅设定两个方案，分别为10日风景游、5日文化游。

如：旅游方案一，day1泰国大皇宫+水族馆，day2芭提雅皮划艇+海滩餐厅，day3普吉岛viewpoint,day4猴子岛+鱼市晚餐，day5皮皮岛+海滩酒吧，day6潜水学校，day7,海底漫步，day8巴东海滩；

旅游方案二，day1横滨红房子，day2秋叶原+蟹放题餐厅，day3靖国神社+东京塔，day4台场+隅田川花火夏日祭，day5明治神宫日式婚礼。

在经过层次分析模型后，可以得出该用户所属于的用户标签visitorx更适合的旅游方案，如旅游方案一。

而为了得到与该用户相应的保险方案，假设在实例中可选取的保险方案包括：

保险方案一，交通意外险+住院险+第三方美食责任险。

保险方案二，一年期寿险+航旅延误险。

保险方案三，境外旅行至尊方案。

保险方案四，境外旅行经济方案。

隐性马尔科夫模型中包括有马尔科夫链，用户输入的信息和预测结果是持续被记录在该马尔科夫链中的，并在数据库中形成实时的连续长链，每一个用户都会被映射到前述用户标签为x的visitorx上。以“旅游方案一”马尔科夫链为例，基于样本空间数据集进行统计分析，可以得出观察矩阵信息，该观察矩阵信息用于表示visitorx(x＝i,i＝1,2,3)选择特定保险方案的概率。状态转移矩阵信息用于表示visitorx之间的状态转移概率，即用户被预测为用户标签x之后，其实际应属于其他用户标签的概率。初始状态概率信息则表示在客观条件下该用户标签下的用户选取各保险方案的概率。

图4为本发明实施例二提供的一种业务信息的推送方法中的旅游方案一的马尔科夫链的示意图；图5为本发明实施例二提供的一种业务信息的推送方法中的旅游方案二的马尔科夫链的示意图。

如图4和图5所示，我们选取其中一条“旅游方案一”的马尔科夫链，假设为(t1,t3,t2,t2,t1,t2,t3,t4,t4,t1)。实践中这样的“主题”马尔科夫链的样本空间为5000条。基于baum-welch算法，我们可以得到隐性状态转移矩阵tsolution1，及初始状态π。同理，某一条“旅游方案一”的马尔科夫链为(c2,c1,c3,c2,c1,c2,c2,c2,c1,c3)。经过对5000条样本空间的训练，我们可以计算出，visitorx(x＝1)选择四种保险计划的概率为o1(0.4,0.4,0.1,0.1)，visitorx(x＝2)对应的是(0.3,0.1,0.25,0.35)，visitorx(x＝3)的值为(0.6,0.3,0.08,0.02)。状态转移矩阵可以根据5000条样本空间统计，初始状态概率向量可以任意设定。

则“旅游方案一”对应的观察矩阵信息、状态转移矩阵信息、初始状态概率信息分别为：

π＝(1,0,0)。

对于旅游方案二，从业务特性可知，该旅游方案为文化之旅，不适用于美食责任险范围，所以保险计划一不适用。因此访问者visitorx(x＝1)只有三种保险计划，其概率为o1(0.4,0.4,0.2)，访问者visitorx(x＝2)对应的是(0.5,0.1,0.4)，访问者visitorx(x＝3)的值为(0.7,0.2,0.1)。则“旅游方案二”对应的观察矩阵信息、状态转移矩阵信息、初始状态概率信息分别为：

π＝(0.5,0.3,0.2)。

基于隐性马尔科夫模型可以计算出“旅游方案一”的马尔科夫链的序列顺序，从而得到对应的访问者visitorx的各保险方案的概率。同理，还可以计算出“旅游方案二”的马尔科夫链的序列顺序，从而得到对应的访问者visitorx的各保险方案的概率。其获得的结果可用于辅助人工决策，或用于为智能客服模型自动给出相应的保险方案的业务信息提供基础。

本发明提供的业务信息的推送方法，通过根据用户输入的信息，确定用户的用户标签；根据层次分析模型对所述用户标签进行分析，确定与所述用户的用户标签匹配的第一类型业务；根据用户在输入信息时的用户状态以及相应的用户标签，利用隐性马尔科夫模型确定所述用户在选择所述第一类型业务的情况下，选取各第二类型业务的概率；根据用户选取各第二类型业务的概率，向用户推送第二类型的业务信息。从而实现基于用户输入的信息，预测用户可能选取的第一类型业务以及相应的第二类型业务，并向用户推送第二类型业务的业务信息，提高对于业务信息的推送的智能化程度，为用户提供更好的业务推送服务。

图6为本发明实施例三提供的一种业务信息的推送装置的结构示意图，如图6所示，该业务信息的推送装置包括：

用户分类模块10，用于根据用户输入的信息，确定用户的用户标签；

第一处理模块20，用于根据层次分析模型对所述用户标签进行分析，确定与所述用户的用户标签匹配的第一类型业务；

第二处理模块30，用于根据用户在输入信息时的用户状态以及相应的用户标签，利用隐性马尔科夫模型确定所述用户在选择所述第一类型业务的情况下，选取各第二类型业务的概率；

信息推送模块40，用于根据用户选取各第二类型业务的概率，向用户推送第二类型的业务信息。

本发明提供的业务信息的推送装置，通过根据用户输入的信息，确定用户的用户标签；根据层次分析模型对所述用户标签进行分析，确定与所述用户的用户标签匹配的第一类型业务；根据用户在输入信息时的用户状态以及相应的用户标签，利用隐性马尔科夫模型确定所述用户在选择所述第一类型业务的情况下，选取各第二类型业务的概率；根据用户选取各第二类型业务的概率，向用户推送第二类型的业务信息。从而实现基于用户输入的信息，预测用户可能选取的第一类型业务以及相应的第二类型业务，并向用户推送第二类型业务的业务信息，提高对于业务信息的推送的智能化程度，为用户提供更好的业务推送服务。

本实施例提供的业务信息的推送装置，可以执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

图7为本发明实施例四提供的一种业务信息的推送装置的硬件示意图。如图7所示，该业务信息的推送装置包括：处理器42及存储在存储器41上并可在处理器42上运行的计算机程序，处理器42运行计算机程序时执行上述实施例的方法。

本发明还提供一种可读存储介质，包括程序，当其在终端上运行时，使得终端执行上述任一实施例的方法。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。