基于人工智能的信息推送方法、装置、设备及存储介质与流程

本技术涉及人工智能开发与金融科技领域，尤其涉及基于人工智能的信息推送方法、装置、计算机设备及存储介质。

背景技术：

1、在金融保险公司中通过会设置有坐席岗位以进行与客户之间的业务交流。目前坐席作业时，例如进行车险作业或非车险作业的过程中，所有的客户信息都是按照系统功能设计进行划分的，没有从作业的流程角度进行针对设计，使得在不同的接触客户阶段所展示的客户信息都是相同的具有客户的全部信息的信息。

2、由于坐席作业中存在着许多的步骤流程，且不同的步骤中支撑作业所需的客户信息是不同。使得在坐席作业过程中，需要坐席从预先整合的单个页面中展示的所有客户信息中进行人工点击以查找出当前作业所需的有效信息。然而，由于客户信息的数据量较大，往往涉及到上百个字段信息，则现有的坐席所采用的对客户信息进行人工点击进行信息查阅的方式需要花费较多时间，信息查阅的处理效率低下，进而导致坐席的工作效率较低。

技术实现思路

1、本技术实施例的目的在于提出一种基于人工智能的信息推送方法、装置、计算机设备及存储介质，以解决现有的坐席所采用的对客户信息进行人工点击进行信息查阅的方式需要花费较多时间，信息查阅的处理效率低下，进而导致坐席的工作效率较低的技术问题。

2、为了解决上述技术问题，本技术实施例提供一种基于人工智能的信息推送方法，采用了如下所述的技术方案：

3、判断是否接收到目标坐席在作业过程中触发的与目标客户对应的信息查询请求；

4、若是，基于预设的信息类型，获取与所述作业过程对应的作业特征信息；

5、将所述作业特征信息输入至预先训练好的信息预测模型内，通过所述信息预测模型对所述作业特征信息进行预测处理，生成所述作业特征信息对应于各种分类标签信息的预测概率值；

6、基于各所述预测概率值，从所有所述分类标签信息中确定出符合预设的重要性条件的目标分类标签信息；

7、获取与所述目标分类标签信息对应的所述目标客户的目标查询信息；

8、将所述目标查询信息推送至所述目标坐席的工作界面。

9、进一步的，所述基于各所述预测概率值，从所有所述分类标签信息中确定出符合预设的重要性条件的目标分类标签信息的步骤，具体包括：

10、获取预设的概率阈值；

11、将各所述预测概率值分别与所述概率阈值进行比较，从所有所述概率阈值中筛选出大于所述概率阈值的指定概率阈值；

12、从所有所述分类标签信息中筛选出与所述指定概率阈值对应的指定分类标签信息；

13、将所述指定分类标签信息作为所述目标分类标签信息。

14、进一步的，所述将所述目标查询信息推送至所述目标坐席的工作界面的步骤，具体包括：

15、获取与各所述目标分类标签信息分别对应的目标概率值；

16、基于所述目标概率值生成各所述目标查询信息的信息优先级；

17、获取预设的展示页面；

18、基于各所述目标查询信息的信息优先级，在所述展示页面中确定出各所述目标查询信息的展示位置；

19、基于各所述目标查询信息的展示位置，将各所述目标查询信息对应填充至所述展示页面内，得到目标展示页面；

20、将所述目标展示页面推送至所述目标坐席的工作界面。

21、进一步的，在所述将所述作业特征信息输入至预先训练好的信息预测模型内，通过所述信息预测模型对所述作业特征信息进行预测处理，生成所述作业特征信息对应于各种分类标签信息的预测概率值的步骤之前，还包括：

22、获取预先采集的历史作业特征信息；

23、对所述历史作业特征信息进行预处理，得到对应的样本数据；

24、将所述样本数据划分为训练集与测试集；

25、基于xgboost算法构建对应的多个第一初始模型；

26、使用所述训练集分别对各所述第一初始模型进行训练处理，得到训练后的多个第二初始模型；

27、使用各所述第二初始模型分别对所述测试集进行预测处理，得到各所述第二初始模型输出的预测结果；

28、基于各所述第二初始模型输出的预测结果对各所述第二初始模型进行模型筛选，从所有所述第二初始模型中确定出所述信息预测模型。

29、进一步的，所述对所述历史作业特征信息进行预处理，得到对应的样本数据的步骤，具体包括：

30、对所述历史作业特征信息进行数据清洗处理，得到对应的第一作业特征信息；

31、对所述第一作业特征信息进行格式转换处理，得到对应的第二作业特征信息；

32、将所述第二作业特征信息作为所述样本数据。

33、进一步的，所述基于各所述第二初始模型输出的预测结果对各所述第二初始模型进行模型筛选，从所有所述第二初始模型中确定出所述信息预测模型的步骤，具体包括：

34、基于各所述第二初始模型输出的预测结果对各所述第二初始模型进行模型评估，得到各所述第二初始模型的处理效果值；

35、对所有所述处理效果值进行数值分析，从所有所述第二初始模型筛选出处理效果值最高的第三初始模型；

36、将所述第三初始模型作为所述信息预测模型。

37、进一步的，在所述基于各所述第二初始模型输出的预测结果对各所述第二初始模型进行模型筛选，从所有所述第二初始模型中确定出所述信息预测模型的步骤之后，还包括：

38、对所述信息预测模型进行发布处理；

39、在完成对于所述信息预测模型的发布处理后，对所述信息预测模型进行存储处理；

40、获取所有所述第二初始模型中除所述信息预测模型之外的第四初始模型；

41、对所述第四初始模型进行删除处理。

42、为了解决上述技术问题，本技术实施例还提供一种基于人工智能的信息推送装置，采用了如下所述的技术方案：

43、判断模块，用于判断是否接收到目标坐席在作业过程中触发的与目标客户对应的信息查询请求；

44、第一获取模块，用于若是，基于预设的信息类型，获取与所述作业过程对应的作业特征信息；

45、预测模块，用于将所述作业特征信息输入至预先训练好的信息预测模型内，通过所述信息预测模型对所述作业特征信息进行预测处理，生成所述作业特征信息对应于各种分类标签信息的预测概率值；

46、第一确定模块，用于基于各所述预测概率值，从所有所述分类标签信息中确定出符合预设的重要性条件的目标分类标签信息；

47、第二获取模块，用于获取与所述目标分类标签信息对应的所述目标客户的目标查询信息；

48、推送模块，用于将所述目标查询信息推送至所述目标坐席的工作界面。

49、为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：

50、判断是否接收到目标坐席在作业过程中触发的与目标客户对应的信息查询请求；

51、若是，基于预设的信息类型，获取与所述作业过程对应的作业特征信息；

52、将所述作业特征信息输入至预先训练好的信息预测模型内，通过所述信息预测模型对所述作业特征信息进行预测处理，生成所述作业特征信息对应于各种分类标签信息的预测概率值；

53、基于各所述预测概率值，从所有所述分类标签信息中确定出符合预设的重要性条件的目标分类标签信息；

54、获取与所述目标分类标签信息对应的所述目标客户的目标查询信息；

55、将所述目标查询信息推送至所述目标坐席的工作界面。

56、为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

57、判断是否接收到目标坐席在作业过程中触发的与目标客户对应的信息查询请求；

58、若是，基于预设的信息类型，获取与所述作业过程对应的作业特征信息；

59、将所述作业特征信息输入至预先训练好的信息预测模型内，通过所述信息预测模型对所述作业特征信息进行预测处理，生成所述作业特征信息对应于各种分类标签信息的预测概率值；

60、基于各所述预测概率值，从所有所述分类标签信息中确定出符合预设的重要性条件的目标分类标签信息；

61、获取与所述目标分类标签信息对应的所述目标客户的目标查询信息；

62、将所述目标查询信息推送至所述目标坐席的工作界面。

63、与现有技术相比，本技术实施例主要有以下有益效果：

64、本技术实施例首先判断是否接收到目标坐席在作业过程中触发的与目标客户对应的信息查询请求；若是，基于预设的信息类型，获取与所述作业过程对应的作业特征信息；之后将所述作业特征信息输入至预先训练好的信息预测模型内，通过所述信息预测模型对所述作业特征信息进行预测处理，生成所述作业特征信息对应于各种分类标签信息的预测概率值；后续基于各所述预测概率值，从所有所述分类标签信息中确定出符合预设的重要性条件的目标分类标签信息；进一步获取与所述目标分类标签信息对应的所述目标客户的目标查询信息；最后将所述目标查询信息推送至所述目标坐席的工作界面。本技术实施例当接收到目标坐席在作业过程中触发的与目标客户对应的信息查询请求，会自动获取与所述作业过程对应的作业特征信息，然后基于预先训练好的信息预测模型对作业特征信息进行预测处理，生成作业特征信息对应于各种分类标签信息的预测概率值，并基于得到的预测概率值确定出符合重要性条件的目标分类标签信息，进而获取与所述目标分类标签信息对应的所述目标客户的目标查询信息，最后将所述目标查询信息推送至所述目标坐席的工作界面以满足了目标坐席的信息查阅诉求。通过信息预测模型的使用可以准确地预测出与目标客户对应的目标查询信息，保证了生成的目标查询信息的准确度，并且可以有效减少目标坐席翻找查询信息所需的花费时间，提高目标坐席获取有效的客户信息的处理效率，有利于提高目标坐席的工作效率，以及提高目标坐席的使用体验。