一种信息推荐方法、系统、电子设备及存储介质与流程

1.本发明涉及互联网技术领域，尤其涉及一种信息推荐方法、系统、电子设备及存储介质。


背景技术：

2.随着互联网科技的迅猛发展，各种购房、购物类软件越来越多，功能也越来越丰富，用户群体也逐渐庞大，随之带来了更多的客服诉求，需要解决用户的各类问题。
3.目前在客服领域，智能客服主要是通过用户输入的关键字，匹配出提前配置好的客服内容进行展示，这种方式只能解决一些比较简单的问题，但现实中往往存在各种复杂的问题，后续仍然主要靠人工客服来解决。且目前智能客服介入方式都是事后介入，存在滞后性，用户体验不佳。


技术实现要素：

4.本发明实施例提供一种信息推荐方法、系统、电子设备及存储介质，以解决现有的智能客服都是事后介入，存在滞后性的技术问题。
5.为了解决上述技术问题，本发明是这样实现的：
6.第一方面，本发明实施例提供了一种信息推荐方法，包括：
7.检测到操作出现异常情况时，获取目标特征数据；
8.根据所述目标特征数据，确定匹配的客服信息；
9.将匹配的客服信息进行推送。
10.可选的，所述根据所述目标特征数据，确定匹配的客服信息的步骤包括：
11.根据所述目标特征数据，确定匹配的目标客服业务类型；
12.根据所述目标客服业务类型，确定目标推荐引擎；
13.根据所述目标推荐引擎以及所述目标特征数据，确定匹配的客服信息。
14.可选的，所述根据所述目标客服业务类型，确定目标推荐引擎的步骤包括：
15.从多个推荐引擎中，选取所述目标客服业务类型对应的推荐引擎，以作为所述目标推荐引擎；其中不同客服业务类型对应不同的推荐引擎；或者
16.获取总推荐引擎，以作为所述目标推荐引擎。
17.可选的，所述根据所述目标特征数据，确定匹配的目标客服业务类型的步骤包括：
18.根据所述目标特征数据，确定所述异常情况对应的客户诉求信息；
19.根据所述客户诉求信息，确定匹配的目标客服业务类型。
20.可选的，所述根据所述目标特征数据，确定所述异常情况对应的客户诉求信息的步骤包括：
21.将所述目标特征数据输入到预先建立的用户行为模型中，获得所述用户行为模型输出的客户诉求信息。
22.可选的，所述目标特征数据包括操作数据和当前用户的用户特征数据。
23.可选的，所述检测到操作出现异常情况时，获取目标特征数据之前，所述方法还包括：
24.采集多个用户的反馈信息；其中所述反馈信息包括如下至少一项：用户基本信息、平台互动信息、客户诉求信息；
25.将采集到的多个用户的反馈信息进行过滤处理；
26.基于过滤后的多个用户的反馈信息，生成多个用户的用户特征数据并存储。
27.可选的，所述获取目标特征数据的步骤包括：
28.当检测到多个异常情况时，根据预先设定的每个异常情况对应的紧急程度，确定多个异常情况的推送顺序；
29.根据所述多个异常情况的推送顺序，依次执行获取目标特征数据的步骤。
30.第二方面，本发明实施例另外提供了一种信息推荐系统，包括：
31.第一获取模块，用于检测到操作出现异常情况时，获取目标特征数据；
32.第一确定模块，用于根据所述目标特征数据，确定匹配的客服信息；
33.推送模块，用于将匹配的客服信息进行推送。
34.第三方面，本发明实施例另外提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线；其中，处理器、通信接口以及存储器通过通信总线完成相互间的通信；
35.存储器，用于存放计算机程序；
36.处理器，用于执行存储器上所存放的程序时，实现如上所述的信息推荐方法中的步骤。
37.第四方面，本发明实施例另外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上所述的信息推荐方法。
38.在本发明实施例中，检测到操作出现异常情况时，会主动介入，获取目标特征数据，以识别用户在产品应用中遇到的问题；然后根据目标特征数据，确定出匹配的客服信息，并将匹配的客服信息进行主动推送，使用户遇到问题时，无需任何操作就能够主动匹配出合适的客服内容供用户使用，提升了便利性和智能性，改善了用户体验。
39.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
40.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
41.创造性劳动的前提下，还可以根据这些附图获得其他的附图。
42.图1是本发明实施例中的一种信息推荐方法的步骤流程图；
43.图2是本发明实施例中的一种信息推荐方法的用户建模示意图；
44.图3是本发明实施例中的一种信息推荐方法的引擎设计示意图；
45.图4是本发明实施例中的一种信息推荐方法应用的推荐系统示意图；
46.图5是本发明实施例中的一种信息推荐方法的数据收集示意图；
47.图6是本发明实施例中的一种信息推荐方法的特征建立示意图；
48.图7是本发明实施例中的一种信息推荐方法的推荐规则示意图；
49.图8是本发明实施例中的一种信息推荐系统的示意框图；
50.图9是本发明实施例中的一种电子设备的示意框图。
具体实施方式
51.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，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。
52.实施例一
53.详细介绍本发明实施例提供的一种信息推荐方法。
54.参照图1，示出了本发明实施例中一种信息推荐方法的步骤流程图。该方法应用于终端，包括：
55.步骤101：检测到操作出现异常情况时，获取目标特征数据。
56.这里，检测到用户在应用程序上的操作出现异常情况时，会主动介入，获取目标特征数据，以利用目标特征数据识别用户在产品应用中遇到的问题，为用户推荐合适的客服内容。
57.其中，本发明实施例对于检测到操作出现异常情况可以有多种实现方式，例如可以包括但不限于以下几种实现方式：在应用程序启动后，实时监控操作执行情况，以及时发现操作出现异常情况；或者也可以在应用程序启动后，定时监控操作执行情况；或者也可以在应用程序启动后，对于容易出现问题的特定操作任务执行监控任务；或者也可以在操作出现异常情况时发出报警信息，当监听到报警信息时，检测操作出现的异常情况。
58.其中，目标特征数据可以包括但不限于操作数据和当前用户的用户特征数据。
59.操作数据指的是用户在应用程序上触发操作后产生的一系列操作数据，操作数据可包括但不限于：操作执行时间、操作执行动作、操作执行次数、操作对应的业务内容等。操作执行动作可包括但不限于：点击、浏览、上传、填写等。操作对应的业务内容根据不同应用程序的业务规划，可包括多种类型的业务内容，例如发帖操作，发帖操作又可以包括选类类目、填写内容、上传图片、内容审核、线上展示等环节；又例如线上交易操作，线上交易操作又可以包括发起订单、付款、结算等环节。本发明实施例对于各操作数据的具体形式及内容不做限定，实际应用时可根据需求灵活调整。
60.用户特征数据指的是描述用户画像的特征数据。用户特征数据可包括但不限于：用户基本信息、平台互动信息、客户诉求信息等。用户基本信息可包括但不限于：年龄、性别、城市、星座等；平台互动信息可包括但不限于：浏览、收藏、购买、评论、评价等；客户诉求信息根据不同的业务类型，可包括多种客户诉求信息，例如可包括但不限于：指导答疑类客户诉求、用户教育类客户诉求、投诉维权类客户诉求等。本发明实施例对于各用户特征数据的具体形式及内容不做限定，实际应用时可根据需求灵活调整。
61.步骤102：根据所述目标特征数据，确定匹配的客服信息。
62.这里，根据目标特征数据，主动匹配合适的客服信息，以推送给用户使用，无需用
户从客服程序中通过手动操作一步步查找并输入客户诉求，极大地提高了便利性。
63.步骤104：将匹配的客服信息进行推送。
64.这里，将匹配出的客服信息进行主动推送，使用户遇到问题时，无需任何操作就能够主动匹配出合适的客服内容供用户使用，极大地提升了便利性和智能性，改善了用户体验。
65.其中，本发明实施例对于客服信息推送的具体方式不做限定。例如可以将客服信息以列表链接的形式进行推送，或者可以将客服信息以图片链接的形式进行推送等。
66.本发明实施例的信息推荐方法，主动识别用户在产品应用中遇到的异常情况，并主动客服介入，使用户遇到问题时，无需任何操作就能够主动匹配出合适的客服内容供用户使用，极大地提升了便利性和智能性，改善了用户体验。
67.由于客服场景下的客服业务种类繁多，为了尽快匹配出合适的客服信息，本发明实施例可以预先按照不同的业务指标将客服业务进行分类，然后基于分类的结果进行匹配。
68.可选的，上述步骤102包括：
69.步骤1021：根据所述目标特征数据，确定匹配的目标客服业务类型。
70.这里，首先根据目标特征数据，确定匹配的目标客服业务类型，即属于哪种类型的客服业务。
71.其中，与文娱、电商场景下，用户使用应用寻求推荐目标时，以单一的兴趣为目的不同，客服场景下，用户寻求服务内容的目的通常有寻求指导、投诉维权等多种目标混合而成。因此在本发明实施例中，根据目标特征数据，可能匹配出一种或多种目标客服业务类型，如果匹配出多种目标客服业务类型，则根据多种目标客服业务类型，综合给出推荐结果，以实现更全面的智能客户服务。
72.其中，本发明实施例对于客服业务的分类方式不做限定，任何能够合理将客服业务按照某种共同属性进行分类的方式都可以应用到本发明实施例中。例如，可以按照服务目的不同将客服业务划分为用户指引、用户教育、投诉维权、风险提示等。不同的客服业务正对各自不同的服务场景以及客户诉求。如此通过对过往数据的精确分析，实现对客服业务的准确分类，为各个客服业务类型合理分配客服资源，能有效提高服务效率。
73.步骤1022：根据所述目标客服业务类型，确定目标推荐引擎。
74.这里，根据匹配出的目标客服业务类型，能够快速找到适配的目标推荐引擎，来推荐客服信息，从而提高推荐效率，且可提高推荐的准确性。
75.本发明实施例中，针对不同的客服业务类型，可建立不同的推荐引擎。
76.可选的，上述步骤1022包括：
77.步骤10221：从多个推荐引擎中，选取所述目标客服业务类型对应的推荐引擎，以作为所述目标推荐引擎；其中不同客服业务类型对应不同的推荐引擎。
78.这里，针对不同的客服业务类型，可建立不同的推荐引擎，不同的推荐引擎面向不同推荐场景、不同的业务方向等多种维度，使用不同的算法模型。这种方法可以提供更有针对性，且更准确的推荐效果。本步骤中，可从多个推荐引擎中，选取目标客服业务类型对应的推荐引擎，以作为目标推荐引擎。利用针对性更强的目标推荐引擎，可提高推荐的准确性。
79.其中，如果匹配出多种目标客服业务类型，则本步骤从多个推荐引擎中，选取多种目标客服业务类型对应的多个目标推荐引擎，以利用多个目标推荐引擎，综合给出推荐结果，实现更全面的智能客户服务。
80.例如，如图2所示，针对指导答疑类、用户教育类、投诉维权类和其他类型，分别建立不同的推荐引擎一、二、三
……
n，n为大于或等于1的整数。当匹配出多种目标客服业务类型时，综合多个推荐引擎的结果，实现更全面的智能客户服务。
81.或者上述步骤1022包括：
82.步骤10222：获取总推荐引擎，以作为所述目标推荐引擎。
83.这里，也可不区分客服业务类型，建立一个总推荐引擎，综合进行客服内容的推荐，以节省资源。
84.其中，本发明实施例对于针对不同客服业务类型的推荐引擎和总推荐引擎的具体结构不作限定，实际应用时可根据需求调整任意合适的推荐引擎。例如，可使用基于内容协同过滤的推荐引擎、基于算法模型过滤的推荐引擎、基于用户行为序列预测的推荐引擎等。
85.其中，在每个推荐引擎中，一般包括召回层和排序层，召回层负责从内容库中取回与用户最相关的一批小数据量内容。排序层的作用是通过预测用户点击概率、相关度等方式，对召回层给出的内容加以排序，以达到优先展示最优内容的目的。
86.步骤1023：根据所述目标推荐引擎以及所述目标特征数据，确定匹配的客服信息。
87.这里，利用目标推荐引擎，并结合目标特征数据，可准确确定出异常情况匹配的客服信息供用户使用，并保证高效地处理效率。
88.其中，客服场景下提供的客服信息可包括提供不同客服能力的信息，如可包含提供文本引导的信息、提供自助服务入口的信息、提供电话客服的信息等，但不限于此。
89.在客服场景下，一个特殊的影响因素就是客诉的紧急程度。在通常情况下，答疑类客诉紧急度小于服务类客诉，进而小于维权类客诉。依据客诉紧急程度的不同，可以辅助设计推荐系统排序层规则，优化客服资源分配，使用有限的客服资源解决紧急诉求。
90.可选的，上述步骤101包括：
91.步骤1011：当检测到多个异常情况时，根据预先设定的每个异常情况对应的紧急程度，确定多个异常情况的推送顺序；
92.步骤1012：根据所述多个异常情况的推送顺序，依次执行获取目标特征数据的步骤。
93.此时，对于异常情况的紧急程度，指定推送顺序，并依照推送顺序依次执行推送服务，能够优化客服资源分配，使有限的客服资源有限解决紧急诉求，提升用户体验。
94.传统的推荐场景以提升用户点击率、购买率为目标，而客服场景下的推荐系统，则以提升客诉解决率、降低人工接入率为目标。为实现这一目标，本发明实施例中，还可通过以下几方面来优化推荐匹配机制：
95.服务级别划分：客服场景下的推荐系统，以提高服务资源分配效率，满足用户诉求为目标。在匹配推荐客户诉求与服务内容的同时，要优先解决用户问题、满足用户体验。而对服务类型的分级处理是一个重要手段，使用推荐系统达成不同级别的诉求，与不同成本效率的客服内容的匹配。
96.反馈式内容补充：在客服场景中，一定会出现现有服务内容不能满足用户诉求的
情况。对比到推荐场景中，就是没有可以推荐给用户的内容。针对这一场景，本发明实施例中所积累的海量用户操作数据，并结合积累的用户特征数据，可以作为用户的信息反馈，辅助客服系统增加客服内容，优化服务能力。
97.必要的服务升级：除以上内容所设计的服务分级建模，多路推荐引擎结合的方法来匹配客服内容之外。当推荐的内容不足以解决用户问题时，如用户接受客服的指引后仍然不能完成相应的操作时，应及时服务升级，提供更直接的服务方式(如人工介入)，以避免问题复杂化。
98.可选的，上述步骤1021包括：
99.步骤10211：根据所述目标特征数据，确定所述异常情况对应的客户诉求信息。
100.这里，根据目标特征数据，主动分析用户在产品应用中遇到的问题，确定出异常情况对应的客户诉求信息，从而主动分析出异常情况下用户可能会产生的客户诉求，无需用户从客服程序中通过手动操作一步步查找并输入客户诉求，极大地提高了便利性。
101.步骤10212：根据所述客户诉求信息，确定匹配的目标客服业务类型。
102.这里，分析出异常情况下可能会产生的客户诉求信息后，根据客户诉求信息，可以准确匹配出目标客服业务类型，以基于目标客服业务类型，确定推荐引擎进行客服信息推送。
103.本发明实施例中，可利用模型预测客服诉求信息。
104.可选的，上述步骤10211包括：
105.步骤102111：将所述目标特征数据输入到预先建立的用户行为模型中，获得所述用户行为模型输出的客户诉求信息。
106.这里，利用预先建立的用户行为模型处理目标特征数据，可准确、快速地获得用户行为模型输出的客户诉求信息，以利用客户诉求信息匹配客服内容。此时，利用模型预测的方式提高了处理效率，且能够通过对模型的训练使匹配准确性达到预期的效果，提高匹配的准确性。
107.其中，与电商、文娱场景不同的是，客服场景下的用户行为模型更加复杂，且具有更多不确定性。在传统的电商、文娱场景下，用户对某一品类商品或作品的兴趣点、相关行为都是较为明确的，很容易针对指定的行为特征建模，并采集指定指标数据。相较之下，客服场景下很难通过现有模型分析用户产生客诉问题的缘由，并匹配最合适的客服内容。本发明实施例中，可综合多维度的用户操作数据建模，例如综合用户在各个操作节点的操作数据、用户在完成各种操作目的时在操作链路上的操作数据、用户在线上交易各个环节的操作数据、用户在客服平台上的客服记录等多维数据建模。
108.利用多维数据训练出的用户行为模型，可以预测不同场景下的客诉问题。如图3所示，综合用户在各个操作节点的操作数据建模，可识别异常操作：在客服场景下，引导用户正常使用和操作产品应用，是一个十分关键的客服内容。通过分析用户的操作行为，识别用户是否在某一操作节点上反复失败，或循环操作某几个步骤，以识别是否用户在产品应用中遇到了问题，并主动客服介入，进而提升用户体验。
109.综合用户在完成各种操作目的时在操作链路上的操作数据建模，可识别操作链路上的异常情况：通过对不同产品应用的经验积累，建立用户在完成各种操作目的时所需的操作链路，如发帖操作需要经历的几个步骤(选类类目、填写内容、上传图片、内容审核、线
上展示等)。进一步，通过分析用户在一条操作链路上的异常情况，如被内容审核拦截，主动推荐客服内容，提示用户如何正确合规操作。以此，实现主动介入问题，解决客诉的目的。
110.综合用户在线上交易各个环节的操作数据建模，可识别交易行为风险情况：针对线上交易的各个环节，如发起订单、付款，结算等，建立分析模型，对用户的风险操作加以分析，并主动推送风险提示、用户教育内容或维权服务入口，以降低安全风险、保障用户权益。
111.综合用户在客服平台上的客服记录建模，可保证客服质量：通过分析用户接受智能客服内容和频次等指标数据，判定用户在某一客诉场景下，智能客服的解决率。在智能客服解决率低时，进行服务升级，如主动推送人工客服入口，保证客服质量。
112.其中，本发明实施例训练初始模型得到用户行为模型的具体执行过程可以是：获取样本数据，样本数据可包括多个用户的操作数据和用户行为特征数据。操作数据可包括但不限于上述多个维度下的操作数据，用户行为特征数据可包括但不限于用户基本信息、平台互动信息、客户诉求信息等。可将用户基本信息、平台互动信息、操作数据作为输入特征，客户诉求信息作为输出特征，利用样本数据训练初始模型，直到得到能够准确输出客户诉求信息的用户行为模型。
113.可选的，上述步骤101之前，所述方法还包括：
114.步骤1001：采集多个用户的反馈信息；其中所述反馈信息包括如下至少一项：用户基本信息、平台互动信息、客户诉求信息。
115.步骤1002：将采集到的多个用户的反馈信息进行过滤处理。
116.步骤1003：基于过滤后的多个用户的反馈信息，生成多个用户的用户特征数据并存储。
117.此时，可采集大量用户的反馈信息，并过滤掉无用数据后，生成多个用户的用户特征数据并存储，以便随时调用。
118.下面对本发明实施例的信息推荐方法应用的一种推荐系统进行介绍，如图4所示，推荐系统包括数据收集模块、特征库模块和推荐模块。
119.数据收集模块位于系统的最前端，其负责收集在一定数据窗口内，通过页面埋点采集到的用户在网站各个页面的点击、浏览、功能使用等行为信息，以及用户主动填写的反馈信息。在通过消息中间件将上述信息储存如离线数据库或者实时在线数据库。
120.特征库模块则利用数据收集模块的消息中间件和离线数据库，通过批处理、流处理工具对原始数据进行聚合统计，生成统计结果并存入实时数据库。再基于高性能实时数据库，封装特征工程api，以支撑推荐系统运作。
121.推荐模块在为特定用户进行内容推荐时，首先要从特征库模块中查询该用户相关的特征数据，而后对这些特征数据加以处理，形成特征向量。利用这条特征向量，推荐模块先后经过规则引擎、召回层的内容召回、排序层的内容排序等几层处理，给出最终的推荐结果。
122.本发明实施例中，可通过数据收集模型收集用户反馈信息。如图5所示，数据收集模块负责收集用户反馈信息，并持久化储存，以提供算法所需的数据支撑。在能力组成上，数据收集模块主要包含前端数据采集、信息传输、持久化存储三个部分，具体如下：
123.前端数据采集：所采集的数据可以分为两个类型，一是用户隐式反馈的信息，例如用户在某个业务版块(业务板块1、业务板块2)的点击、浏览、收藏、购买等行为的记录；二是
用户主动反馈(也可称为显式反馈)的信息，例如用户填写的基本信息(姓名、年龄、性别、职业等)、对商品或内容给出的评价信息(评论、打分)等等。这些数据可以辅助建立用户画像以及用户分层，为推荐模块提供决策依据。
124.信息传输：针对数据量以及实时性的不同，在信息传输阶段，本发明实施例提供了两种信息传输形式。对于用户隐式反馈信息的统计，由于数据信息量大、qps(queries per second，每秒查询率)高的特点，选择利用消息中间件，如分布式发布订阅消息系统kafka或mq(message queue，消息队列)等，将实时记录的反馈信息传送至消息消费端，并由消费端异步地将数据持久化。而对于并发低、数据量较小的用户主动反馈数据，则可以由实时接口直接入库记录。
125.持久化存储：同样由于数据量和实时性需求的不同，持久化存储页提供了多种方式。数据量大、写入多的反馈记录数据将由hive等离线数据库承接持久化的能力，而用户基本信息等信息量相对小、读取多的数据则由关系型数据库管理系统mysql、分布式文件存储的数据库mongo等实时数据库，配合redis(remote dictionary server，远程字典服务)缓存实现。
126.本发明实施例中，可通过特征库模块对数据收集模块所采集的原始数据进行过滤、聚合、封装接口等数据处理工作。其目的是将海量松散的原始数据，整理成可以高效调用的数据指标接口，供上层应用使用。如图6所示，其结构组成具体如下：
127.数据源：数据源是为特征聚合提供原始数据的源头，其主要包含三种类型，离线数据库、消息中间件和实时接口。其中，离线数据库提供的是海量的记录数据，消息中间件则可以提供流式的实时数据源，实时接口则提供了实时调用相关数据信息的能力。
128.数据处理工具：针对不同的数据源，数据处理工具提供批处理和流式处理两种方式。对于离线数据，将利用计算引擎spark、编程模型mapreduce等批处理工具，对数据进行过滤处理，此时的数据聚合结果通常是非实时的。而对于消息中间件数据源，则可以利用flink等流处理工具，进行实时的数据处理，此时可以获得实时处理结果。
129.数据聚合：数据在经过初步的处理后，可以去除无用、无效数据。在数据聚合模块中，这些经过初步处理的数据将按照指定好的规则对特定指标进行聚合统计，如累计、去重累计等。最终，还要将统计好的指标数据存入高性能实时数据库中，供实时接口调用。
130.接口封装：在最后一层中，已经统计储存好的指标数据，将被封装为用户特征工程api(application programming interface，应用程序接口)，提供实时高效的特征服务。
131.本发明实施例中，可通过推荐模块提供推荐结果。如图7所示，在推荐模块中，其功能组成应包含以下几个部分：
132.规则策略层：在规则策略这一层，系统通过用户特征工程api，判断使用哪些推荐引擎，以针对性提供推荐算法服务，提高推荐的准确性。
133.推荐引擎组：由多套推荐引擎(推荐引擎1、2、3
……
i
……
n，n为大于或等于1的整数，i大于或等于1且小于或等于n)组成，不同的推荐引擎面向不同推荐场景、不同的业务方向等多种纬度，使用不同的算法模型。这种方法可以提供更有针对性，且更准确的推荐效果。
134.推荐召回层：在每个推荐引擎中，召回层负责从内容库中取回与用户最相关的一批小数据量内容。本发明方案中设计召回层由多种召回方法组成，通过聚合多种召回方式
的结果，以给出召回层最终的结果。在这一层中，常被用到的算法方案有基于内容协同过滤、基于算法模型过滤、基于用户行为序列预测等方案，结合逻辑回归预测、梯度决策树、矩阵分解等召回客服信息。
135.推荐排序层：在推荐模块中，排序层的作用是通过预测用户点击概率、相关度等方式，对召回层给出的内容加以排序，以达到优先展示最优内容的目的。例如，按照设定的规则(例如相似度从高到低，或相似度从低到高)对召回层召回的客服信息进行排序，然后选取相似度最高的前x种客服信息作为匹配的客服信息。其中x为大于或等于1的整数，x可以设定为任意值，如x可为20/30等。
136.本发明实施例的信息推荐方法，建立了一套用户操作数据、基本信息、互动信息相统一的数据整合记录体系，形成一套完备的数据采集系统。建立了一套高效可用的用户特征库，为顶层应用提供实时、快速的用户特征库和api。
137.本发明实施例的信息推荐方法所应用的推荐系统，各模块相互解耦，依据数据性质、数据量、读写比等特点隔离物理资源，消除互相干扰，保证了系统的高可用性。
138.本发明实施例的特征库模块，通过对原始数据的处理和数据聚合，并配合以高效数据库，保证了数据统计的准确性、数据调用的高效低延迟，提供更优的数据服务。适应于客服场景下，用户诉求与客服能力的快速匹配，平衡智能客服与人工客服的工作量，提升服务效率，降低用户等待时间。
139.本发明实施例的信息推荐方法，通过规则策略和推荐引擎组配合，针对各个推荐场景、业务特点使用不同的引擎组合，提高了推荐的准确性、针对性和算法效率。使用机器学习模型对召回结果进一步排序，优化推荐内容的排序结果，提高推荐的准确率。实现快速精准的客服送达，提高智能客服的问题解决效率，以降低人工成本，提升服务质量。
140.本发明实施例的信息推荐方法，主动识别用户在产品应用中遇到的异常情况，并主动客服介入，使用户遇到问题时，无需任何操作就能够主动匹配出合适的客服内容供用户使用，极大地提升了便利性和智能性，改善了用户体验。
141.实施例二
142.详细介绍本发明实施例提供的一种信息推荐系统。
143.参照图8，示出了本发明实施例中一种信息推荐系统的结构示意图。
144.本发明实施例的信息推荐系统800包括：第一获取模块810，第一确定模块820、推送模块830。
145.下面分别详细介绍各模块的功能以及各模块之间的交互关系。
146.第一获取模块810，用于检测到操作出现异常情况时，获取目标特征数据；
147.第一确定模块820，用于根据所述目标特征数据，确定匹配的客服信息；
148.推送模块830，用于将匹配的客服信息进行推送。
149.本发明实施例的信息推荐系统800，主动识别用户在产品应用中遇到的异常情况，并主动客服介入，使用户遇到问题时，无需任何操作就能够主动匹配出合适的客服内容供用户使用，极大地提升了便利性和智能性，改善了用户体验。
150.可选的，所述第一确定模块820包括：
151.第一确定子模块，用于根据所述目标特征数据，确定匹配的目标客服业务类型；
152.第二确定子模块，用于根据所述目标客服业务类型，确定目标推荐引擎；
153.第三确定子模块，用于根据所述目标推荐引擎以及所述目标特征数据，确定匹配的客服信息。
154.可选的，所述第二确定子模块具体用于：
155.从多个推荐引擎中，选取所述目标客服业务类型对应的推荐引擎，以作为所述目标推荐引擎；其中不同客服业务类型对应不同的推荐引擎；或者
156.获取总推荐引擎，以作为所述目标推荐引擎。
157.可选的，所述第一确定子模块包括：
158.第一确定单元，用于根据所述目标特征数据，确定所述异常情况对应的客户诉求信息；
159.第二确定单元，用于根据所述客户诉求信息，确定匹配的目标客服业务类型。
160.可选的，所述第一确定单元具体用于：
161.将所述目标特征数据输入到预先建立的用户行为模型中，获得所述用户行为模型输出的客户诉求信息。
162.可选的，所述目标特征数据包括操作数据和当前用户的用户特征数据。
163.可选的，所述系统还包括：
164.采集模块，用于采集多个用户的反馈信息；其中所述反馈信息包括如下至少一项：用户基本信息、平台互动信息、客户诉求信息；
165.过滤模块，用于将采集到的多个用户的反馈信息进行过滤处理；
166.生成模块，用于基于过滤后的多个用户的反馈信息，生成多个用户的用户特征数据并存储。
167.可选的，所述第一获取模块810包括：
168.第四确定子模块，用于当检测到多个异常情况时，根据预先设定的每个异常情况对应的紧急程度，确定多个异常情况的推送顺序；
169.执行子模块，用于根据所述多个异常情况的推送顺序，依次执行获取目标特征数据的步骤。
170.本发明实施例的信息推荐系统800，主动识别用户在产品应用中遇到的异常情况，并主动客服介入，使用户遇到问题时，无需任何操作就能够主动匹配出合适的客服内容供用户使用，极大地提升了便利性和智能性，改善了用户体验。
171.实施例三
172.图9为实现本发明各个实施例的一种电子设备的硬件结构示意图。
173.该电子设备900包括但不限于：包括处理器901、通信接口902、存储器903和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信。
174.存储器903，用于存放计算机程序。
175.处理器901用于执行存储器903上所存放的程序时，实现如上述实施例中所述的信息推荐方法中的步骤。
176.上述电子设备提到的通信总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
177.通信接口用于上述电子设备与其他设备之间的通信。
178.存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
179.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
180.本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质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信息推荐方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read
‑
only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等。
181.在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中所述的信息推荐方法。
182.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
183.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
184.上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
185.本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
186.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，上述描述的系统、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。
187.在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的
方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
188.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
189.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
190.所述功能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、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
191.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。