基于AI的产品推荐方法、装置、计算机设备及存储介质与流程
本发明涉及ai领域，尤其涉及一种基于ai的产品推荐方法、装置、计算机设备及存储介质。
背景技术：
现有产品推荐方法中，主要是通过客户的自身特性进行产品推荐。例如，通过客户的年龄和性别等进行产品推荐，或者通过客户的浏览记录进行产品推荐，使得推荐产品不符合客户购买需求。当推荐产品较多，或每一推荐产品的条款较多时，客户无法确定每一推荐产品的重要信息，或者关于至少两个推荐产品之间的异同点等重要信息，还需客户自行对推荐产品的重要信息进行分析理解，导致推荐产品的重要信息的得不到体现，使得其对用户的吸引力不够，无法吸引用户使用或购买推荐产品。
技术实现要素：
本发明实施例提供一种基于ai的产品推荐方法、装置、计算机设备及存储介质，以解决当前推荐产品的重要信息的得不到体现的问题。
一种基于ai的产品推荐方法，包括：
获取客户端基于提问问题发送的目标答案语音数据；
采用自然语言处理模型对所述目标答案语音数据进行分析处理，获取与所述目标答案语音数据对应的产品购买需求；
将所述产品购买需求与多维数据表中的属性关键词进行匹配，获取匹配成功的属性关键词对应的至少一个待推荐产品；
计算每一所述待推荐产品与所述产品购买需求对应的匹配度；
基于所述匹配度，对至少一个所述待推荐产品进行降序排序，将预设数量的所述待推荐产品确定为目标产品；
基于每一所述目标产品查找数据库，获取与每一所述目标产品对应的分析数据，将每一所述目标产品和对应的所述分析数据反馈给所述客户端。
一种基于ai的产品推荐装置，包括：
答案获取模块，用于获取客户端基于提问问题发送的目标答案语音数据；
需求提取模块，用于采用自然语言处理模型对所述目标答案语音数据进行分析处理，获取与所述目标答案语音数据对应的产品购买需求；
待推荐产品获取模块，用于将所述产品购买需求与多维数据表中的属性关键词进行匹配，获取匹配成功的属性关键词对应的至少一个待推荐产品；
匹配度计算模块，用于计算每一所述待推荐产品与所述产品购买需求对应的匹配度；
目标产品获取模块，用于基于所述匹配度，对至少一个所述待推荐产品进行降序排序，将预设数量的所述待推荐产品确定为目标产品；
数据反馈模块，用于基于每一所述目标产品查找数据库，获取与每一所述目标产品对应的分析数据，将每一所述目标产品和对应的所述分析数据反馈给所述客户端。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于ai的产品推荐方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于ai的产品推荐方法的步骤。
上述提供一种基于ai的产品推荐方法、装置、计算机设备和存储介质，采用自然语言处理模型对客户端发送的与提问问题对应的目标答案语音数据进行分析处理，实现对目标答案语音数据进行智能分析，以快速获取到产品购买需求，无需手动输入答案。将产品购买需求与多维数据表中的属性关键词进行匹配，以实现获取大量符合产品购买需求的待推荐产品。通过计算每一待推荐产品与产品购买需求对应的匹配度，将预设数量的匹配度较高的待推荐产品确定为目标产品，以提高目标产品推荐的准确性。获取与目标产品对应的分析数据，将每一目标产品和对应的分析数据反馈给客户端，客户可根据分析数据全面了解目标产品，使得推荐产品推荐的目标产品的重要信息的得到体现，以提高推荐产品对用户的吸引力。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于ai的产品推荐方法的应用环境示意图；
图2是本发明一实施例中基于ai的产品推荐方法的流程图；
图3是本发明一实施例中基于ai的产品推荐方法的流程图；
图4是本发明一实施例中基于ai的产品推荐方法的流程图；
图5是本发明一实施例中基于ai的产品推荐方法的流程图；
图6是本发明一实施例中基于ai的产品推荐方法的流程图；
图7是本发明一实施例中基于ai的产品推荐方法的流程图；
图8是本发明一实施例中基于ai的产品推荐装置的原理框图；
图9是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结和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，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的基于ai的产品推荐方法，可应用在如图1的应用环境中，该基于ai的产品推荐方法应用在产品推荐系统中，该产品推荐系统包括客户端和服务端，其中，客户端通过网络与服务端进行通信。该基于ai的产品推荐方法具体应用在产品推荐app的服务端上，服务端向客户端发送提问问题，客户端基于提问问题向服务端反馈目标答案语音数据，通过自然语言处理模型对目标答案语音数据进行处理，从目标答案语音数据中获取产品购买需求，并根据产品购买需求获取到对应的目标产品，并获取与目标产品对应的分析数据，将该分析数据和目标产品反馈给客户端，以便客户通过分析数据更加了解目标产品，使得推荐的目标产品的重要信息的得到体现。其中，客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务端或者是多个服务端组成的服务端集群来实现。
在一实施例中，如图2所示，提供一种基于ai的产品推荐方法，以该方法应用在图1中的服务端为例进行说明，具体包括如下步骤：
s10：获取客户端基于提问问题发送的目标答案语音数据。
其中，目标答案语音数据是指客户端通过语音方式向服务端发送的与提问问题对应的答案。
具体地，客户端可跟服务端进行人工交互，服务端从预设的提问问题库中向客户端发送提问问题。服务端所提供以语音获取接口，客户端基于该语音获取接口，向服务端反馈与提问问题对应的目标答案语音数据。可以理解地，目标答案语音数据中应包含客户对应的产品购买需求。预设的提问问题库中包含至少两个提问问题。其中，提问问题可以是引导式的提问问题，以便客户基于该提问问题发送包含产品购买需求的目标答案语音数据。服务端基于提问问题获取到客户端发送的目标答案语音数据，以便后续根据目标答案语音数据获取到客户端对应的产品购买需求，且无需客户手动输入目标答案，以增大老年等群体的购买需求。
s20：采用自然语言处理模型对目标答案语音数据进行分析处理，获取与目标答案语音数据对应的产品购买需求。
其中，产品购买需求是指从目标答案语音数据中提取出的购买需求信息，具体可以是从目标答案语音数据中提取的需求关键词。其中，需求关键词是指从客户端发送的目标答案语音数据中提取的关键词，由一个或多个需求关键词构成产品购买需求。自然语言处理(naturallanguageprocessing，简称nlp)模型是能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理模型可用于将目标答案语音数据进行语音转化为文字文本的处理模型，包括自然语言理解和自然语言生成两个过程。例如，可以通过隐马尔可夫模型对获取的用户语音数据转化为词汇(自然语言理解过程)，再通过词法分析、句法分析、语义分析和文本生成等技术生成用户回答文本(自然语言生成过程)，再对用户回答文本提取关键信息，以获取到产品购买需求。其中，关键信息可以理解为需求关键词。可选地，自然语言处理模型可以采用深度学习的训练模型，通过大量语音数据中关键词进行批注，形成语音样本，输入至训练模型中进行训练，使训练模型可以根据语音数据得到相应的文本数据，以获取到自然语言处理模型。
具体地，通过将目标答案语音数据输入到自然语言处理模型中，通过自然语言处理模型对目标答案语音数据进行语义分析和理解，以获取到客户端对应的产品购买需求。其中，产品购买需求可以为年龄、性别、保障需求和保险额度等。其中，保障需求可为“健康保险”、“意外保险”、“人寿保险”和“少儿保险”等。
进一步地，在产品推荐app的服务端中，还具有引导功能模块，该引导功能模块中提供句型示例，例如，“我想要xx产品”；再例如，“我要购买xx保险，且保险额度低”等通用句型，将该句型示例显示在产品推荐app的显示页面，或者通过人机交互方式，通过客户端播放句型示例，引导客户通过客户端采集根据句型示例发送目标答案语音数据，目标答案语音数据中包含客户购买意向，通过自然语言处理模型对目标答案语音数据进行语义分析和理解，获取到用户回答文本，再从用户回答文本中获取需求关键词，即获取到与目标答案语音数据对应的产品购买需求。客户端根据产品推荐app中给出的句型示例发送目标答案语音数据，再通过目标答案语音数据获取到对应的产品购买需求，实现智能化获取到客户的产品购买需求，以提高获取目标产品的速度。由于自然语言的复杂多变，通过自然语言处理模型对目标答案语音数据进行处理，相较于采用关键词提取等方式获取到产品购买需求，提高准确率。
s30：将产品购买需求与多维数据表中的属性关键词进行匹配，获取匹配成功的属性关键词对应的至少一个待推荐产品。
其中，属性关键词是指预先存储在多维数据表中，与配置产品对应的关键词，具体可以是年龄、性别、保障需求和保险额度等。其中，配置产品是指预先配置在多维数据表中，可进行推荐的产品，多维数据表中包含一个或多个配置产品。待推荐产品是指与产品购买需求对应的产品。
具体地，数据库中存储有多维数据表，多维数据表中包含所有配置产品对应的属性关键词，将产品购买需求与多维数据表中每一属性关键词进行匹配，若产品购买需求与属性关键词匹配成功，则将匹配成功的属性关键词对应的配置产品作为待推荐产品。其中，产品购买需求中包含至少一个需求关键词，需求关键词数量越多，所获取到的待推荐产品越精准。
s40：计算每一待推荐产品与产品购买需求对应的匹配度。
其中，匹配度是指待推荐产品与产品购买需求相匹配的值，匹配度越大，则待推荐产品与产品购买需求越匹配，反之，匹配度越小，则待推荐产品与产品购买需求越不匹配。
具体地，数据库与服务端网络连接，在数据库中，预先存储有对照表，对照表中包括所有配置产品，并为每一配置产品对应的属性关键词配置有对应的权重，每一属性关键词对应有多个关键词，每一关键词对应的分值不同。例如，属性关键词为保障需求，保障需求包括“健康保险”、“意外保险”、“人寿保险”和“少儿保险”等几个关键词，并为每个关键词配置对应的分值。首先，确定与产品购买需求对应待推荐产品，并确定每一待推荐产品中与产品购买需求匹配成功的属性关键词，并根据属性关键词查找对照表，获取与匹配成功的属性关键词对应的分值和预设的权重，通过加权公式计算出每一待推荐产品与产品购买需求对应的匹配度。其中，加权公式为
进一步地，不同需求类型对应的对照表不同，对产品购买需求进行分析，确定客户倾向的需求类型，例如，需求类型可为保障型和理财型，并根据需求类型确定对应的对照表，获取与产品购买需求匹配成功的属性关键词对应的权重和分值，通过加权公式计算出每一待推荐产品与产品购买需求对应的匹配度。其中，每一需求类型对应的预先配置好的权重和分值可根据实际需求进行设定，例如，需求类型为保障型，那么与保障型相关的保障额度等对应的权值较大，使得最后获取到匹配度更为精准。再例如，需求类型为理财型，那么与理财型相关的利率等对应的权值较大，使得根需求类型确定对应的对照表，并根据对照表确定对应的权值和分数，使得计算出的匹配更为精准。
s50：基于匹配度，对至少一个待推荐产品进行降序排序，将预设数量的待推荐产品确定为目标产品。
其中，目标产品是指从待推荐产品中选取的匹配较大的产品。
具体地，服务端获取至少一个待推荐产品对应的匹配度，依次根据每一待推荐产品对应的匹配度的大小进行降序排序，依据排序结果获取预设数量的待推荐产品确定为目标产品，即获取匹配度较大的待推荐产品确定为目标产品。其中，依据排序结果获取预设数量的待推荐产品确定为目标产品具体是指依据排序结果，选择排在前n位(即预设数量)的待推荐产品确定为目标产品。可理解地，当待推荐产品的数量未达到预设数量，则将所有待推荐产品确定为目标产品。例如，预设数量为3，当待推荐产品的数量为2个，未达到预设数量，将2个待推荐产品确定为目标产品。
s60：基于每一目标产品查找数据库，获取与每一目标产品对应的分析数据，将每一目标产品和对应的分析数据反馈给客户端。
其中，分析数据是指根据预先配置好的与目标产品对应的数据进行异同点分析所获得的数据。进一步地，分析数据可以是与目标产品对应的重要条款和特点。其中，异同点分析是指，确定每一目标产品对应的重要条款和特点，并提取每一重要条款和特点的关键词；将每一目标产品重要条款和特点对应的关键词进行相互匹配；将匹配成功的关键词对应的重要条款或特点作为相同点，将匹配不成功的关键词对应的重要条款或特点作为不同点。例如，某一目标产品的重要条款对应的关键词为“公共交通意外身故保险金”、“0-18周岁”、“身故”和“给付2倍保费”，特点对应的关键词为“保额高”；另一目标产品对应的重要保险条款对应的关键词为“航空意外保险金”、“18-30周岁”、“重大残疾”和“给付1.5倍保费”，特点对应的关键词为“保额高”，将两个目标产品对应的重要条款和特点对应的关键词进行匹配，可得，该两个目标产品对应的相同点为“保额高”，不同点为重要保险条款不同。其中，保额指保险人承担赔偿或者给付保险金责任的最高限额。
具体地，数据库中存储有每一配置产品对应的数据(具体为重要条款和特点)。本实施例中，服务器获取所有目标产品的数量，并根据目标产品的数量和数据库中预先存储的与该目标产品的数据确定其分析数据。其中，若目标产品的数量为1个，则将与目标产品对应的重要条款和特点这些数据作为分析数据，将该分析数据和目标产品反馈给客户端。相应地，若目标产品的数量为至少两个，则根据每一目标产品查找数据库，获取与每一目标产品对应的数据，并对每一目标产品对应的数据进行异同点分析并将异同点分析处理后的结果作为与多个目标产品对应的分析数据，并将分析数据和每一目标产品反馈给客户端。
步骤s10-s60，采用自然语言处理模型对客户端发送的与提问问题对应的目标答案语音数据进行分析处理，实现对目标答案语音数据进行智能分析，以快速获取到产品购买需求。将产品购买需求与多维数据表中的属性关键词进行匹配，以实现快速获取大量符合产品购买需求的待推荐产品。通过计算每一待推荐产品与产品购买需求对应的匹配度，将预设数量的匹配度较高的待推荐产品确定为目标产品，以提高目标产品推荐的准确性。获取与目标产品对应的分析数据，将每一目标产品和对应的分析数据反馈给客户端，客户可根据分析数据全面了解目标产品，使得推荐产品推荐的目标产品的重要信息的得到体现。
在一实施例中，如图3所示，步骤s30之前，即在将产品购买需求与多维数据表中的属性关键词进行匹配的步骤之前，基于ai的产品推荐方法还具体包括如下步骤：
s301：获取至少一个产品配置信息，每一产品配置信息包括配置产品、公司标识、产品属性和标准合同。
其中，产品配置信息是客户端发送给服务端的进行产品配置的信息，产品配置信息中包括配置产品、公司标识、产品属性和标准合同。其中，配置产品是指产品推荐app中可进行推荐的所有产品。公司标识是指配置产品所属公司对应的标识。产品属性是指公司预先配置好的与配置产品对应的属性，例如，配置产品为保险产品时，产品属性可为适宜年龄、适宜性别、保障需求和保险额度等。标准合同是指公司预先制定好的与配置产品对应的合同，其中，标准合同中包含至少一条条款。
s302：根据产品属性，对每一标准合同进行文字解读，获取每一标准合同对应的重要条款和特点。
其中，重要条款是指标准合同中相对重要的条款。例如，重要条款可以是保障权益和免责对应的条款。特点是指配置产品较为突出的内容，例如，某一产品的优点是“可返利”等。
具体地，不同产品属性对应的重要条款不同，根据产品属性，对每一配置产品的标准合同进行解读，获取每一配置产品对应的重要条款和特点，并将重要条款、特点和配置产品关联存储在数据库中。更具体地，通过专家，先确定每一配置产品的产品属性中保障需求，再根据保障需求获取到每一标准合同中的重要条款，并通过每一配置产品对应的产品属性信息，确定每一配置产品的特点。其中，保障需求可以为“健康保险”、“意外保险”、“人寿保险”和“少儿保险”等。例如，某一保障需求为“健康保险”，那么从标准合同中获取到的重要条款可以是与健康相关的条款，如哪些疾病可保，哪些疾病不可保和理赔赔付条款作为重要条款，再从标准保险合同中确定免责条款作为重要条款等。再例如，某一配置产品对应的产品属性信息：适宜年龄为“出生满5天婴儿至17周岁未成年”、保障需求为“两全保险”、特色保障为“31种重疾保、利本一次领取”等，那么确定的该配置产品的特点可为“31种重疾保，红利返还型”。
进一步地，定时爬取与每一配置产品对应的最新合同，并判断定时爬取的最新合同与标准合同是否相同；若最新合同与标准合同相同，则不需标准合同对应的重要条款和特点进行更新；若最新合同与标准合同不相同，则将最新获取到的最新合同作为该配置产品对应的标准合同，并执行步骤s302，以更新与最新合同对应的重要条款和特点，以实现定时更新多维数据表，以便后续获取到的分析数据更加精准。
s303：基于公司标识、产品属性、重要条款和特点，获取每一配置产品对应的属性关键词。
其中，属性关键词是指与配置产品对应的关键词。具体地，获取每一配置产品对应的公司标识、产品属性、重要条款和特点，确定重要条款中的关键词，将公司标识、产品属性、重要条款对应的关键词和特点作为与该配置产品对应的属性关键词。例如，属性关键词可以是公司名称、产品名称、年龄、性别、保障需求、特色保障、保险额度、特点和重要条款对应的关键词等。
s304：基于至少一个配置产品和对应的属性关键词，构建多维数据表。
具体地，将每一配置产品和对应的属性关键词进行关联，构建多维度数据表，多维数据表是基于公司标识、产品属性、重要条款和特点等维度构建的数据表。通过构建多维数据表，以便后续从多维度数据表中获取到待推荐产品。
步骤s301-s304，获取至少一个产品配置信息，每一产品配置信息包括配置产品、公司标识、产品属性和标准合同，以便后续对产品配置信息进行配置。根据产品属性，对每一标准合同进行文字解读，以实现获取每一标准合同对应的重要条款和特点，为后续获取待推荐产品和分析数据提供技术支持。基于公司标识、产品属性、重要条款和特点，获取每一配置产品对应的属性关键词，以便根据产品购买需求和属性关键词获取到待推荐产品。基于至少一个配置产品和对应的属性关键词，构建多维数据表，实现预先配置多维数据表，无需在产品推荐过成中对待推荐产品进行分析，以提高产品推荐速率。
在一实施例中，产品购买需求包含至少一个需求关键词，其中，需求关键词是指从目标答案语音数据中提取的关键词，通过需求关键词可获取到待推荐产品。
如图4所示，将产品购买需求与多维数据表中的属性关键词进行匹配，获取匹配成功的属性关键词对应的至少一个待推荐产品，具体包括如下步骤：
s31：将至少一个需求关键词与多维数据表对应的属性关键词进行匹配。
其中，多维数据表中包含每一配置产品对应的属性关键词。本实施例中，服务端将至少一个需求关键词与多维数据表中的属性关键词进行匹配，具体是指通过将需求关键词与多维数据表中每一配置产品对应的属性关键词进行匹配，以便后续实现从多维数据表中确定待推荐产品。
s32：若至少一个需求关键词与多维数据表对应的属性关键词匹配成功，则将匹配成功的属性关键词作为目标关键词，将多维数据表中包含目标关键词的至少一个配置产品确定为待推荐产品。
其中，目标关键词是指从多维数据表中获取的与需求关键词相匹配的关键词。
具体地，服务端从目标答案语音数据中提取至少一个需求关键词，若至少一个需求关键词与多维数据表中的属性关键词匹配成功，将匹配成功的属性关键词作为目标关键词，并将多维数据表中包含目标关键词的至少一个配置产品确定为待推荐产品。例如，产品购买需求b中包括的需求关键词为“人寿保险”和“30-40岁”，属性关键词包括“人寿保险”和“30-50岁”，通过将需求关键词与多维数据表中的属性关键词进行匹配，若多维数据表中的属性关键词与需求关键词为“人寿保险”和“30-40岁”匹配成功，则将与需求关键词为“人寿保险”和“30-40岁”对应的属性关键词“人寿保险”和“30-40岁”确定为目标关键词，并将多维数据表中包含“人寿保险”和“30-40岁”对应的至少一个配置产品作为待推荐产品。
s33：若所有需求关键词与多维数据表对应的属性关键词匹配不成功，则向客户端发送重新获取目标答案语音数据的信息。
具体地，若从目标答案语音数据中提取的所有需求关键词与多维数据表中属性关键词均匹配不成功，则从多维数据表中未包含与需求关键词相匹配的匹配产品，则向客户端发送重新获取目标答案语音数据的信息。
步骤s31-s33中，若至少一个需求关键词与多维数据表对应的属性关键词匹配成功，则将匹配成功的属性关键词作为目标关键词，将多维数据表中包含目标关键词的至少一个配置产品确定为待推荐产品，以实现快速获取到待推荐产品，获取方法简单快速。若所有需求关键词与多维数据表对应的属性关键词匹配不成功，则向客户端发送重新获取目标答案语音数据的信息，以便重新根据目标答案语音数据确定待推荐产品，使得待推荐产品准确度高。
在一实施例中，如图5所示，步骤s40，即计算每一待推荐产品与产品购买需求对应的匹配度，具体包括如下步骤：
s41：基于每一待推荐产品，获取待推荐产品对应的至少一个目标关键词。
具体地，服务端获取每一待推荐产品，每一待推荐产品对应一个或多个属性关键词，获取每一待推荐产品对应的与需求关键词对应的属性关键词，即获取到与待推荐产品对应的目标关键词，以便后续确定每一待推荐产品与产品购买需求对应的匹配度。
s42：根据目标关键词查找数据库，获取与每一目标关键词对应的预设权重和分值。
具体地，数据库中预先为每一配置产品对应的属性关键词配置有对应的权重和分值，其中，每一待推荐产品对应的目标关键词为一个或多个。通过目标关键词查找数据库，获取与每一目标关键词对应的预设权重和分值。例如，保障需求包括“健康保险”、“意外保险”、“人寿保险”和“少儿保险”等几个关键词，目标关键词为“意外保险”，那么获取与“保障需求”对应的权重，并获取“意外保险”对应的分值。
s43：基于每一目标关键词对应的预设权重和分值，采用加权公式计算每一待推荐产品对应的匹配度。
具体地，服务端确定每一待推荐产品对应的目标关键词、对应的预设权重和分值，通过加权公式计算与每一待推荐产品对应的匹配度。其中，加权公式为
步骤s41-s43中，基于每一待推荐产品，获取待推荐产品对应的至少一个目标关键词，以便根据目标关键词确定待确定推荐产品对应的匹配度。基于每一目标关键词对应的预设权重和分值，采用加权公式计算每一待推荐产品对应的匹配度，实现确定每一待推荐产品与产品购买需求之间的匹配度，并为后续根据匹配度确定目标产品提供技术支持，以提高产品推荐的准确性。
在一实施例中，如图6所示，步骤s60中，基于每一目标产品查找数据库，获取与每一目标产品对应的分析数据，具体包括如下步骤：
s61：基于每一目标产品查找数据库，获取与每一目标产品对应的重要条款和特点。
具体地，数据库中预先存储有配置产品、重要条款和特点的关联关系，即步骤s302中，根据产品属性，预先获取到了每一配置产品对应重要条款和特点。服务端通过目标产品查找数据库，可获取到与每一目标产品对应的重要条款和特点。后续可根据目标产品对应的重要条款和特点，确定与目标产品对应的分析数据。
s62：基于多维数据表，获取与每一重要条款和特点对应的属性关键词，作为与目标产品对应的关键词。
具体地，服务器预先通过关键词提取算法提取重要条款和特点中的关键词作为属性关键词。具体地，服务端先基于每一重要条款和特点，查找多维数据表，获取与每一重要条款和特点对应的属性关键词，作为与目标产品对应的关键词。属性关键词是指与目标产品对应的关键词，具体是与该目标产品的重要条款和特点对应的关键词。
s63：对每一目标产品对应的关键词进行异同点分析，获取与每一目标产品对应的分析数据。
具体地，将每一目标产品对应的关键词进行相互匹配；将匹配成功的关键词对应的重要条款或特点作为相同点，将匹配不成功的关键词对应的重要条款或特点作为不同点；获取预先设定好的分析模板，将每一目标产品、相同点和不同点填充至分析模板中，以获取到与目标产品对应的分析数据，并以分析模板形式将分析数据反馈给客户端。更具体地，确定每一目标产品中每一重要条款和每一特点包含的所有关键词，将该关键词与其余目标产品对应的每一重要条款和每一特点包含的所有关键词进行匹配，若某一目标产品的一重要条款包含的所有关键词，与另一目标产品的一重要条款包含的所有关键词均匹配成功，则该重要条款属于共同点。
进一步地，若获取到的目标产品为一个时，则将与目标产品对应的重要条款和特点直接填充至分析模板中，以获取到与目标产品对应的分析数据，并以分析模板形式将分析数据反馈给客户端。
步骤s61-s63中，基于每一目标产品查找数据库，获取与每一目标产品对应的重要条款和特点，以便后续向客户端反馈目标产品时，还可反馈重要条款和特点。基于多维数据表，获取与每一重要条款和特点对应的属性关键词，作为与目标产品对应的关键词，以实现获取目标产品的关键词，为后续异同点分析提供技术支持。对每一目标产品对应的关键词进行异同点分析，获取与每一目标产品对应的分析数据，以实现获取到目标产品间的相同点和不同点，以便客户端更加了解目标产品，使得目标产品的重要信息得到体现。
在一实施例中，如图7所示，在步骤s60之后，即在将每一目标产品和对应的分析数据反馈给客户端的步骤之后，基于ai的产品推荐方法还具体包括如下步骤：
s601：获取客户端发送的下单请求，下单请求包含目标产品。
具体地，服务端向客户端反馈与目标答案语音数据对应的目标产品和分析数据，其中，还向客户端反馈与每一目标产品对应的下单链接，客户可基于下单链接发送下单请求，下单请求中包含目标产品。
s602：基于目标产品查询数据库，获取与目标产品相对应的语音讲解录音。
其中，语音讲解录音是指与目标产品对应的重要条款，并通过语音讲解方式逐行对每一重要条款进行录音。具体地，数据库中存储有每一目标产品对应的语音讲解录音，通过目标产品查找数据库，获取与目标产品对应的语音讲解录音，以便后续为客户播放语音讲解录音，无需人工为客户讲解，释放人力。
s603：通过为客户端播放语音讲解录音，获取客户端反馈的双录操作数据，以完成下单操作。
具体地，语音讲解录音中包含与目标产品对应的每一重要条款的讲解录音，其中，语音讲解录音中还包含询问客户端是否已了解的语音数据，具体可以是，在播放每一条重要条款后插播询问客户端是否已了解的语音数据。当服务端将语音讲解录音播放给客户端，实时获取客户端反馈的双录操作数据，其中，双录操作数据为同步录像和录音数据。可以理解地，基于服务端发送的询问客户端是否已了解的语音数据，当获取到客户端发送的已了解的数据后，再对下一重要条款进行语音讲解。
步骤s601-s603，获取客户端发送的下单请求，下单请求包含目标产品，基于目标产品查询数据库，获取与目标产品相对应的语音讲解录音，以便后续通过语音讲解录音对目标产品进行讲解，无需通过人工对目标产品进行讲解，释放人力。通过为客户端播放语音讲解录音，获取客户端反馈的双录操作数据，以实现完成下单操作，提高产品下单效率。
在一实施例中，目标答案语音数据对应一客户标识，其中，客户标识具有唯一性，通过该客户标识可查找到唯一的客户，并可获取到与该客户对应的客户属性信息。
步骤s60之后，即在将每一目标产品和对应的分析数据反馈给客户端的步骤之后，基于ai的产品推荐方法还包括如下步骤：
(1)根据客户标识获取与客户标识对应的客户属性信息。
具体地，在向客户端反馈目标产品和分析数据时，检测该客户端是否已登录产品推荐app，若已登录，则直接将每一目标产品和对应的分析数据反馈给客户端，若未登录，则向客户端反馈需登录的信息，并通过用户登录信息确定与目标答案语音数据对应的客户标识，通过该客户标识查找数据库，获取与客户标识对应的客户属性信息，其中，客户属性信息是指存储在数据库中的客户信息，客户属性信息可以是与客户标识对应的年龄、性别、地域、商圈、职业和婚姻状况等，以便后续根据客户属性信息构建用户画像。
(2)将客户属性信息和产品购买需求对应的至少一个需求关键词进行关联，构建用户画像。
具体地，服务端获取到客户标识对应的客户属性信息后，获取从目标答案语音数据中提取出的至少一个需求关键词，通过至少一个需求关键词可获取到与客户属性信息相对应的对产品的偏好和需求等，基于客户属性信息和至少一个需求关键词，以构建用户画像，并保存至数据库中。后续若有新用户登录产品推荐app，且未基于提问问题发送目标答案语音数据，可基于新用户对应的客户属性信息查找数据库中，根据数据库中的用户画像获取与该客户属性信息对应的需求关键词，根据需求关键词为新用户推荐产品，并将推荐产品在与新用户对应的显示页面进行显示，以提高产品推荐效率。
进一步地，如步骤s33中，若所有需求关键词与多维数据表对应的属性关键词匹配不成功，则可根据需求关键词获取到客户属性信息，根据客户属性信息查找数据库，获取与该客户属性信息对应的用户画像，通过该用户画像确定与该客户属性信息对应的目标需求关键词，为客户端反馈与目标需求关键词相对应的推荐产品。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种基于ai的产品推荐装置，该基于ai的产品推荐装置与上述实施例中基于ai的产品推荐方法一一对应。如图8所示，该基于ai的产品推荐装置包括答案获取模块10、需求提取模块20、待推荐产品获取模块30、匹配度计算模块40、目标产品获取模块50和数据反馈模块60。
各功能模块详细说明如下：
答案获取模块10，用于获取客户端基于提问问题发送的目标答案语音数据。
需求提取模块20，用于采用自然语言处理模型对目标答案语音数据进行分析处理，获取与目标答案语音数据对应的产品购买需求。
待推荐产品获取模块30，用于将产品购买需求与多维数据表中的属性关键词进行匹配，获取匹配成功的属性关键词对应的至少一个待推荐产品。
匹配度计算模块40，用于计算每一待推荐产品与产品购买需求对应的匹配度。
目标产品获取模块50，用于基于匹配度，对至少一个待推荐产品进行降序排序，将预设数量的待推荐产品确定为目标产品。
数据反馈模块60，用于基于每一目标产品查找数据库，获取与每一目标产品对应的分析数据，将每一目标产品和对应的分析数据反馈给客户端。
在一实施例中，在待推荐产品获取模块30之前，基于ai的产品推荐装置，还包括配置信息获取单元、分析单元、属性关键词确定单元和多维数据表构建单元。
配置信息获取单元，用于获取至少一个产品配置信息，每一产品配置信息包括配置产品、公司标识、产品属性和标准合同。
分析单元，用于根据产品属性，对每一标准合同进行文字解读，获取每一标准合同对应的重要条款和特点。
属性关键词确定单元，用于基于公司标识、产品属性、重要条款和特点，获取每一配置产品对应的属性关键词。
多维数据表构建单元，用于基于至少一个配置产品和对应的属性关键词，构建多维数据表。
在一实施例中，产品购买需求包含至少一个需求关键词。
待推荐产品获取模块30，包括匹配单元、第一匹配确定单元和第二匹配确定单元。
匹配单元，用于将至少一个需求关键词与多维数据表对应的属性关键词进行匹配。
第一匹配确定单元，用于若至少一个需求关键词与多维数据表对应的属性关键词匹配成功，则将匹配成功的属性关键词作为目标关键词，将多维数据表中包含目标关键词的至少一个配置产品确定为待推荐产品。
第二匹配确定单元，用于若所有需求关键词与多维数据表对应的属性关键词匹配不成功，则向客户端发送重新获取目标答案语音数据的信息。
在一实施例中，匹配度计算模块40，包括目标关键词获取单元、参数获取模块和匹配度计算模块。
目标关键词获取单元，用于基于每一待推荐产品，获取待推荐产品对应的至少一个目标关键词。
参数获取模块，用于根据目标关键词查找数据库，获取与每一目标关键词对应的预设权重和分值。
匹配度计算模块，用于基于每一目标关键词对应的预设权重和分值，采用加权公式计算每一待推荐产品对应的匹配度。
在一实施例中，数据反馈模块60，包括重要条款和特点获取单元、关键词确定单元和分析数据确定单元。
重要条款和特点获取单元，用于基于每一目标产品查找数据库，获取与每一目标产品对应的重要条款和特点。
关键词确定单元，用于基于多维数据表，获取与每一重要条款和特点对应的属性关键词，作为与目标产品对应的关键词。
分析数据确定单元，用于对每一目标产品对应的关键词进行异同点分析，获取与每一目标产品对应的分析数据。
在一实施例中，在数据反馈模块60之后，基于ai的产品推荐装置还包括请求获取单元、讲解录音获取单元和下单操作单元。
请求获取单元，用于获取客户端发送的下单请求，下单请求包含目标产品。
讲解录音获取单元，用于基于目标产品查询数据库，获取与目标产品相对应的语音讲解录音。
下单操作单元，用于通过为客户端播放语音讲解录音，获取客户端反馈的双录操作数据，以完成下单操作。
在一实施例中，目标答案语音数据对应一客户标识。
在数据反馈模块60之后，基于ai的产品推荐装置还包括客户属性信息获取单元和用户画像构建单元。
客户属性信息获取单元，用于根据客户标识获取与客户标识对应的客户属性信息。
用户画像构建单元，用于将客户属性信息和产品购买需求对应的至少一个需求关键词进行关联，构建用户画像。
关于基于ai的产品推荐装置的具体限定可以参见上文中对于基于ai的产品推荐方法的限定，在此不再赘述。上述基于ai的产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组和来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于分析数据、多维数据表和每一属性关键词对应的权重和分值等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于ai的产品推荐方法。
在一实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中基于ai的产品推荐方法的步骤，例如，图2所示的步骤s10至步骤s60，或者，如图3至图7所示的步骤。处理器执行计算机程序时实现上述实施例中基于ai的产品推荐装置中的各模块的功能，例如，图8所示模块10至模块60的功能。为避免重复，此处不再赘述。
在一实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中基于ai的产品推荐方法，例如，图2所示的步骤s10至步骤s60，或者，如图3至图7所示的步骤。该计算机程序被处理器执行时实现上述实施例中基于ai的产品推荐装置中各模块的功能，例如，图8所示模块10至模块60的功能。为避免重复，此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
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，均应包含在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！