一种联系人的推荐方法、装置、电子设备及存储介质与流程

【】本技术实施例涉及机器学习，尤其涉及一种联系人的推荐方法、装置、电子设备及存储介质。

背景技术

0、
背景技术：

1、在日常生活中，用户往往需要在繁忙时接打电话，而在拨打电话时，现有的拨号机制使得用户必须先按动拨号盘输入号码，或者从联系人列表中查找出联系人号码，总体操作较为繁琐，用户的使用体验不佳。

技术实现思路

0、
技术实现要素：

1、本技术实施例提供了一种联系人的推荐方法、装置、电子设备及存储介质，能够在用户试图拨打电话时，根据用户当前的环境信息和设备状态信息对通讯录联系人进行智能推荐，从而使用户能快速找到最有可能呼叫的联系人，简化用户拨号时的操作流程。

2、第一方面，本技术实施例提供了一种联系人的推荐方法，应用于终端侧，所述终端侧存储有基于强化学习生成的联系人推荐模型以及对应的知识库，所述知识库至少包括多个联系人电话，所述方法包括：

3、响应于联系人页面开启操作或拨号页面开启操作，获取当前环境信息与当前设备状态信息；

4、将所述当前环境信息、所述当前设备状态信息输入所述联系人推荐模型，得到每个所述联系人电话的呼叫概率值；

5、基于每个所述呼叫概率值的大小，将对应的所述联系人电话从大到小进行排序，得到推荐联系人列表；

6、输出所述推荐联系人列表。

7、本技术实施例中，通过在用户试图拨通电话或查找联系人时，基于强化学习生成的联系人推荐模型对当前环境信息、当前设备状态信息进行计算，得到在当前的通话场景下用户呼叫每个联系人电话的呼叫概率值，并基于该呼叫概率值从大到小的顺序将对应的联系人电话依次排序为推荐联系人列表，从而使用户能快速找到最有可能呼叫的联系人，简化用户拨号时的操作流程。

8、可选的，所述终端侧当中还存在未接来电通知，在响应于联系人页面开启操作或拨号页面开启操作，获取当前环境信息与当前设备状态信息之前，所述方法还包括：

9、获取所述未接来电通知对应的未接来电电话；

10、响应于多个所述联系人电话中，存在目标联系人电话与所述未接来电电话一致，生成与所述目标联系人电话对应的未接来电标识；

11、将所述当前环境信息、所述当前设备状态信息输入所述联系人推荐模型，得到每个所述联系人电话的呼叫概率值，包括：

12、将所述当前环境信息、所述当前设备状态信息、所述目标联系人电话以及对应的所述未接来电标识输入所述联系人推荐模型，得到每个所述联系人电话的呼叫概率值，其中，所述目标联系人电话对应的呼叫概率值大于设定比例的其他所述联系人电话对应的呼叫概率值。

13、本技术实施例中，通过对多个联系人电话中存在未接来电通知的目标联系人电话分配对应的未接来电标识，并将目标联系人电话、对应的未接来电标识一起输入联系人推荐模型，使联系人推荐模型根据未接来电标识在计算过程中相应提升目标联系人电话的呼叫概率值，从而实现在存在未接来电通知时，自动提升对应的目标联系人电话在推荐联系人列表中排名的效果。

14、可选的，所述知识库至少包括多条历史通话记录，所述历史通话记录至少包括所述联系人电话，以及与所述联系人电话对应的历史环境信息、历史设备状态信息与历史通话密切度信息，将所述当前环境信息、所述当前设备状态信息、所述目标联系人电话以及对应的所述未接来电标识输入所述联系人推荐模型，得到每个所述联系人电话的呼叫概率值，包括：

15、将所述当前环境信息、所述当前设备状态信息、所述目标联系人电话以及对应的所述未接来电标识输入所述联系人推荐模型；

16、基于所述联系人推荐模型，根据所述当前环境信息、所述历史环境信息、所述当前设备状态信息、所述历史设备状态信息、所述历史通话密切度信息，以及所述目标联系人电话和对应的所述未接来电标识，得到每个所述联系人电话的呼叫概率值。

17、本技术实施例中，通过将当前环境信息、当前设备状态信息，以及目标联系人电话和对应的未接来电标识共同输入联系人推荐模型来计算对应的呼叫概率值，从而实现基于知识库中的历史通话记录与当前环境信息、当前设备状态信息之间的关联程度，为用户更加准确地推荐联系人电话的效果。

18、可选的，所述联系人推荐模型包括：

19、相关度评估器，用于计算每条所述历史环境信息与所述当前环境信息的环境相关度，以及所述历史设备状态信息与所述当前设备状态信息的设备状态相关度；

20、概率预测器，用于根据每个所述联系人电话对应的所述历史通话密切度信息、所述环境相关度与所述设备状态相关度，以及所述目标联系人电话与对应的所述未接来电标识，预测并输出对应的所述呼叫概率值。

21、本技术实施例中，联系人推荐模型中通过相关度评估器计算历史信息与当前信息之间的环境相关度、设备状态相关度，评估用户当前所处状态与历史通话时所处状态之间的近似程度；概率预测器则被用于根据历史通话密切度信息、环境相关度、设备状态相关度与未接来电标识，综合预测每个联系人电话对应的呼叫概率值；从而，通过对联系人推荐模型的内部结构、具体输入参数和输出结果进行划分，增强联系人推荐模型的可解释性。

22、可选的，在输出所述推荐联系人列表之后，所述方法还包括：

23、响应于用户的电话呼出操作，获取所述电话呼出操作对应的当前去电电话；

24、响应于所述当前去电电话与所述呼叫概率值最高的所述联系人电话的号码不一致，根据所述当前去电电话、所述当前环境信息与所述当前设备状态信息，生成为新增的所述历史通话记录并保存至所述知识库；

25、将新增的所述历史通话记录作为样本数据，对所述联系人推荐模型进行更新。

26、本技术实施例中，通过在检测到有电话拨出时，根据呼出的当前去电电话和对应的当前环境信息、当前设备状态信息，生成新增的历史通话记录并保存，对联系人推荐模型的知识库进行更新，随后再基于新增的历史通话记录更新联系人推荐模型本身的内部参数，校准联系人电话的推荐模式，使神经网络模型能够根据用户通话次数的累积不断更新模型，提升后续过程中联系人推荐的精准度。

27、可选的，响应于联系人页面开启操作或拨号页面开启操作，获取当前环境信息与当前设备状态信息之前，所述方法还包括：

28、获取所述终端侧中存储的全部所述历史通话记录；

29、将每条所述历史通话记录中的所述历史环境信息、所述历史设备状态信息与所述历史通话密切度信息，以及所述目标联系人电话和对应的所述未接来电标识作为训练数据，依次输入初始强化学习模型；

30、响应于所述初始强化学习模型的输出结果中，与输入的所述训练数据对应的所述联系人电话具有最高的所述呼叫概率值，为所述初始强化学习模型输入正向奖励，直至得到所述联系人推荐模型；或者，

31、响应于所述输出结果中，与输入的所述训练数据对应的所述联系人电话不具有最高的所述呼叫概率值，为所述初始强化学习模型输入负向奖励，直至得到所述联系人推荐模型。

32、本技术实施例中，通过将终端侧中每个联系人电话对应的历史通话记录中的信息作为训练数据，并校验初始强化学习模型输出的呼叫概率值中与输入数据对应的联系人电话是否具有最高呼叫概率值，具有最高呼叫概率值则输入正向奖励，否则输入负向奖励；从而利用用户的历史通话行为，让初始强化学习模型初步习得联系人电话的呼叫概率值与对应的历史环境信息、历史设备状态信息、历史通话密切度信息之间的关系特征，获得具有个性化推荐能力的联系人推荐模型。

33、可选的，所述终端侧为移动终端，所述当前环境信息至少包括当前时间、当前位置坐标、当前天气类型；

34、所述当前设备状态信息至少包括应用运行记录、本地文字消息记录、当前终端网络状态与当前电池剩余电量。

35、本技术实施例中，通过将可能影响用户通话行为的时间、位置、天气等当前环境信息，以及终端侧中应用运行情况、本地文字消息(如短信、邮件)等的收发情况、网络信号强弱与电池的剩余电量等当前设备状态信息作为预测用户即将呼叫的联系人电话的参考信息，从而在全面考虑用户所处场景的前提下，实现更加精准与个性化的联系人电话推荐。

36、可选的，所述终端侧为车载终端，所述当前环境信息至少包括当前时间、当前位置坐标、当前天气信息，以及当前车辆导航路线、当前车辆坡度值和当前车辆剩余续驶里程；

37、所述当前设备状态信息至少包括应用运行记录、本地文字消息记录、终端网络状态、当前电池剩余电量，以及当前车辆速度、当前车辆加速度、当前车辆航向角和当前车辆故障状态。

38、本技术实施例中，当终端侧为车载终端时，额外将车辆的导航路线、剩余续驶里程、所处坡度值等可基于联网、传感器等采集的环境信息，以及车辆速度、车辆加速度、车辆航向角、车辆故障状态等通过车辆控制系统可以获知的设备状态信息，作为计算推荐联系人列表的重要参考因素，从而将车辆驾驶场景对用户通话行为的影响也加入联系人推荐模型的预测过程中去，增加联系人智能推荐的适用范围，同时大大降低用户在驾驶车辆时因拨打电话导致安全事故的风险。

39、第二方面，本技术实施例提供了一种联系人的推荐装置，设置于终端侧，所述终端侧存有基于强化学习生成的联系人推荐模型及对应的知识库，所述知识库中至少存有多个联系人电话，所述装置包括：

40、获取单元，用于响应于联系人页面开启操作或拨号页面开启操作，获取当前环境信息与当前设备状态信息；

41、概率预测单元，用于将所述当前环境信息、所述当前设备状态信息输入所述联系人推荐模型，得到每个所述联系人电话的呼叫概率值；

42、排序单元，用于基于每个所述呼叫概率值的大小，将对应的所述联系人电话从大到小进行排序，得到推荐联系人列表；

43、输出单元，用于输出所述推荐联系人列表。

44、可选的，所述终端侧当中还存在未接来电通知，在响应于联系人页面开启操作或拨号页面开启操作，获取当前环境信息与当前设备状态信息之前，所述装置还包括：

45、所述获取单元，还用于获取所述未接来电通知对应的未接来电电话；

46、未接来电标识单元，用于响应于多个所述联系人电话中，存在目标联系人电话与所述未接来电电话一致，生成与所述目标联系人电话对应的未接来电标识；

47、所述概率预测单元具体用于：

48、将所述当前环境信息、所述当前设备状态信息、所述目标联系人电话以及对应的所述未接来电标识输入所述联系人推荐模型，得到每个所述联系人电话的呼叫概率值，其中，所述目标联系人电话对应的呼叫概率值大于设定比例的其他所述联系人电话对应的呼叫概率值。

49、可选的，所述知识库至少包括多条历史通话记录，所述历史通话记录至少包括所述联系人电话，以及与所述联系人电话对应的历史环境信息、历史设备状态信息与历史通话密切度信息，所述概率预测单元具体用于：

50、将所述当前环境信息、所述当前设备状态信息、所述目标联系人电话以及对应的所述未接来电标识输入所述联系人推荐模型；

51、基于所述联系人推荐模型，根据所述当前环境信息、所述历史环境信息、所述当前设备状态信息、所述历史设备状态信息、所述历史通话密切度信息，以及所述目标联系人电话和对应的所述未接来电标识，得到每个所述联系人电话的呼叫概率值。

52、可选的，所述联系人推荐模型包括：

53、相关度评估器，用于计算每条所述历史环境信息与所述当前环境信息的环境相关度，以及所述历史设备状态信息与所述当前设备状态信息的设备状态相关度；

54、概率预测器，用于根据每个所述联系人电话对应的所述历史通话密切度信息、所述环境相关度与所述设备状态相关度，以及所述目标联系人电话与对应的所述未接来电标识，预测并输出对应的所述呼叫概率值。

55、可选的，在输出所述推荐联系人列表之后，所述装置还包括：

56、所述获取单元，还用于响应于用户的电话呼出操作，获取所述电话呼出操作对应的当前去电电话；

57、通话记录生成单元，用于响应于所述当前去电电话与所述呼叫概率值最高的所述联系人电话的号码不一致，根据所述当前去电电话、所述当前环境信息与所述当前设备状态信息，生成为新增的所述历史通话记录并保存至所述知识库；

58、更新单元，用于将新增的所述历史通话记录作为样本数据，对所述联系人推荐模型进行更新。

59、可选的，响应于联系人页面开启操作或拨号页面开启操作，获取当前环境信息与当前设备状态信息之前，所述装置还包括：

60、所述获取单元，还用于获取所述终端侧中存储的全部所述历史通话记录；

61、训练单元，用于将每条所述历史通话记录中的所述历史环境信息、所述历史设备状态信息与所述历史通话密切度信息，以及所述目标联系人电话和对应的所述未接来电标识作为训练数据，依次输入初始强化学习模型；

62、所述训练单元，还用于响应于所述初始强化学习模型的输出结果中，与输入的所述训练数据对应的所述联系人电话具有最高的所述呼叫概率值，为所述初始强化学习模型输入正向奖励，直至得到所述联系人推荐模型；或者，

63、所述训练单元，还用于响应于所述输出结果中，与输入的所述训练数据对应的所述联系人电话不具有最高的所述呼叫概率值，为所述初始强化学习模型输入负向奖励，直至得到所述联系人推荐模型。

64、可选的，所述终端侧为移动终端，所述当前环境信息至少包括当前时间、当前位置坐标、当前天气类型；

65、所述当前设备状态信息至少包括应用运行记录、本地文字消息记录、当前终端网络状态与当前电池剩余电量。

66、可选的，所述终端侧为车载终端，所述当前环境信息至少包括当前时间、当前位置坐标、当前天气信息，以及当前车辆导航路线、当前车辆坡度值和当前车辆剩余续驶里程；

67、所述当前设备状态信息至少包括应用运行记录、本地文字消息记录、终端网络状态、当前电池剩余电量，以及当前车辆速度、当前车辆加速度、当前车辆航向角和当前车辆故障状态。

68、第三方面，本技术实施例提供了一种电子设备，所述电子设备包括至少一个处理器以及与所述至少一个处理器连接的存储器，所述至少一个处理器用于执行存储器中存储的计算机程序时实现如第一方面所述方法的步骤。

69、第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。

70、应当理解的是，本技术实施例的第二至第四方面与本技术实施例的第一方面的技术方案一致，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。