[发明专利]一种问题项个性化推荐方法、系统及存储介质

权利要求书

1.一种问题项个性化推荐方法，其特征在于，包括以下步骤：

获取知识库，所述知识库包含多个问题，获取业务员的线上行为信息和历史智能交互记录，基于线上行为信息为业务员添加标签；

应用多种问题推荐算法为业务员进行问题推荐，得到多个候选问题集，所述问题推荐算法用于从知识库中给业务员推荐预设数量的问题，一个候选问题集对应一种问题推荐算法得到的预设数量的问题；

将多个候选问题集中的问题进行融合排序，筛选出多个问题并推荐给业务员；

所述问题推荐算法包括标签召回算法、协同过滤召回算法、链路召回算法和热度召回算法。

2.根据权利要求1所述的一种问题项个性化推荐方法，其特征在于，所述标签召回算法具体如下：

获取业务员集，获取业务员集中每个业务员的基本属性信息、标签和历史智能交互记录，将知识库内的问题进行类别划分；

对于每个自基本属性信息和标签中提取多个属性变量，基于属性变量的取值数量将业务员集进行分箱处理，得到多个分箱，每个分箱对应一个属性变量的一个取值；

计算每个分箱与每类问题的WOE值，得到每个属性变量的每个取值与每类问题的WOE值，计算每个属性变量与每类问题的IV值，确定每类问题与每个属性变量的关联度；

根据业务员的属性变量的取值，自知识库中为每个业务员推荐预设数量的问题。

3.根据权利要求2所述的一种问题项个性化推荐方法，其特征在于，所述“基于属性变量将业务员进行分箱处理”具体为：

遍历所有的属性变量，判断每个属性变量的取值，确定每个属性变量的取值数量；按照每一个属性变量的每一种取值对业务员集进行分箱处理，得到个分箱，其中，M为属性变量的数量，s_m为第m个属性变量的取值数量。

4.根据权利要求3所述的一种问题项个性化推荐方法，其特征在于，所述“计算每个分箱与每类问题的WOE值”中，第i个分箱与第j类问题的WOE值的计算公式如下：

其中，y_i指第i个分箱中提问了第j类问题的业务员数量，y_T指业务员集中提问了第j类问题的业务员数量，n_i指第i个分箱中未提问第j类问题的业务员数量，n_T指业务员集中未提问第j类问题的业务员数量。

5.根据权利要求4所述的一种问题项个性化推荐方法，其特征在于，所述“计算每个属性变量与每类问题的IV值”中，第m个属性变量与第j类问题的IV值的计算公式如下：

IV_ij＝(Py_ij-Pn_ij)*WOE_ij

其中，s_m为第m个属性变量的取值数量，IV_ij为第i个分箱与第j类问题的IV值，IV_m,j为第m个属性变量与第j类问题的IV值。

6.根据权利要求1所述的一种问题项个性化推荐方法，其特征在于，所述协同过滤召回算法具体如下：

获取业务员集，获取业务员集中每个业务员的历史智能交互记录，构建业务员-问题评分矩阵，所述业务员-问题评分矩阵的每一行代表一个业务员，每一列代表一个问题，元素的值表示提问次数；

使用Jaccard距离计算问题间相似度，构建相似度矩阵，相似度矩阵中的行和列代表问题，元素的值表示两个问题的相似度；

计算每个问题推荐给各个业务员的推荐分值，构建业务员-问题推荐矩阵：

R_U-I＝M_U-I*S_I-I

其中，M_U-I为业务员-问题评分矩阵，S_I-I为相似度矩阵，R_U-I为业务员-问题推荐矩阵；

根据业务员-问题推荐矩阵，为每个业务员推荐预设数量的问题。