[发明专利]动态反馈方法、模型训练方法、装置、设备及存储介质

权利要求书

1.一种动态反馈方法，其特征在于，所述方法包括：

接收请求客户端发送的服务请求；

若不存在所述服务请求匹配的服务提供方，则获取所述服务请求对应用户的状态信息；

根据预设的动作反馈模型，对所述状态信息进行处理，确定目标反馈动作；

向所述服务请求对应的请求客户端反馈所述目标反馈动作。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述目标反馈动作反馈之后，所述服务请求的状态变化信息；

根据所述状态变化信息以及所述目标反馈动作，对所述动作反馈模型进行更新。

3.如权利要求2所述的方法，其特征在于，所述根据所述状态变化信息以及所述目标反馈动作，对所述动作反馈模型进行更新，包括：

根据所述状态变化信息、所述状态变化信息对应的反馈效果得分、以及所述目标反馈动作，对所述动作反馈模型进行更新。

4.如权利要求1-3中任一所述的方法，其特征在于，所述状态信息包括下述至少一项信息：行为状态信息、个人信息、服务场景信息。

5.一种动作反馈模型的训练方法，其特征在于，所述方法包括：

获取多组历史数据构成的训练数据集，其中，每组所述历史数据包括：历史状态信息和所述历史状态信息对应的反馈动作；其中，所述历史状态信息为历史服务请求对应用户的历史状态信息；

根据所述训练数据集，采用预设的强化学习算法进行模型训练，得到所述预设的动作反馈模型。

6.如权利要求5所述的方法，其特征在于，所述根据所述训练数据集，采用预设的强化学习算法进行模型训练，得到所述预设的动作反馈模型，包括：

对所述训练数据集中的所述多组历史数据进行聚类；

根据聚类后的训练数据集，采用所述强化学习算法进行模型训练，得到所述预设的动作反馈模型。

7.如权利要求5所述的方法，其特征在于，所述根据所述训练数据集，采用预设的强化学习算法进行模型训练，得到所述预设的动作反馈模型，包括：

根据所述训练数据集，以及所述训练数据集对应的业务场景，采用所述强化学习算法进行模型训练，得到所述业务场景对应的所述预设的动作反馈模型。

8.如权利要求5所述的方法，其特征在于，所述历史状态信息包括下述至少一项信息：行为状态信息、个人信息、服务场景信息。

9.一种动态反馈装置，其特征在于，所述装置包括：接收模块、获取模块、确定模块和反馈模块，其中：

所述接收模块，用于接收请求客户端发送的服务请求；

所述获取模块，用于若不存在所述服务请求匹配的服务提供方，则获取所述服务请求对应用户的状态信息；

所述确定模块，用于根据预设的动作反馈模型，对所述状态信息进行处理，确定目标反馈动作；

所述反馈模块，用于向所述服务请求对应的请求客户端反馈所述目标反馈动作。

10.如权利要求9所述的装置，其特征在于，所述装置还包括：更新模块，其中：

所述获取模块，具体用于获取所述目标反馈动作反馈之后，所述服务请求的状态变化信息；

所述更新模块，用于根据所述状态变化信息以及所述目标反馈动作，对所述动作反馈模型进行更新。

11.一种动作反馈模型的训练装置，其特征在于，所述装置包括：获取模块和训练模块，其中：

所述获取模块，用于获取多组历史数据构成的训练数据集，其中，每组所述历史数据包括：历史状态信息和所述历史状态信息对应的反馈动作；其中，所述历史状态信息为历史服务请求对应用户的历史状态信息；

所述训练模块，用于根据所述训练数据集，采用预设的强化学习算法进行模型训练，得到所述预设的动作反馈模型。