[发明专利]问题生成的方法和装置

说明书

本发明实施例公开了一种问题生成的方法和装置。该问题生成的方法包括：依据标准问题，获取标准问题的词语级向量；通过对用户画像和用户行为轨迹进行编码，得到用户画像的特征向量和用户行为轨迹的特征向量；依据标准问题点击详情、标准问题对应的多级标签体系、词语级向量、用户画像的特征向量和用户行为轨迹的特征向量对问题推荐模型进行训练，得到训练后的问题推荐模型；依据用户请求信息中的用户行为轨迹和用户画像通过训练后的问题推荐模型从标准问题数据集中得到目标问题。本发明提供的方案能够实现有效捕捉层级依赖关系，通过共享信息，相互补充来提升问题推荐的精确度的技术效果。

技术领域

本发明涉及计算机技术应用领域，尤其涉及一种问题生成的方法和装置。

背景技术

通过使用智能手机利用各种软件，比如购物、移动支付、交通出行等APP，在网络上完成各种货币交易、生活服务等，在现在的生活中非常普遍，当使用上述软件遇到问题的时候，客户最希望的是能够第一时间在客服界面上看到自己想咨询的问题，然后直接找到答案。如果第一眼没有看到想要的问题，那就希望在和“客服”交互过程中以最少的交互次数获取到需要的答案。现有的问题推荐模型都是根据用户画像信息，历史订单信息、历史访问页面等用户业务行为轨迹数据来给用户推荐相关标准问题，这就导致并不会准确为客户提供准确的问题。

针对上述由于相关技术无法精确的基于用户的轨迹行为来推荐给用户想要询问的问题，目前尚未提出有效的解决方案。

发明内容

为解决上述技术问题，本发明实施例期望提供一种问题生成的方法和装置，以至少解决由于相关技术无法精确的基于用户的轨迹行为来推荐给用户想要询问的问题。

本发明的技术方案是这样实现的：

第一方面，本发明实施例提供一种问题生成的方法，包括：获取问题推荐数据集中的用户画像、用户行为轨迹、标准问题点击详情、标准问题和标准问题对应的多级标签体系；依据标准问题，获取标准问题的词语级向量；通过对用户画像和用户行为轨迹进行编码，得到用户画像的特征向量和用户行为轨迹的特征向量；依据标准问题点击详情、标准问题对应的多级标签体系、词语级向量、用户画像的特征向量和用户行为轨迹的特征向量对问题推荐模型进行训练，得到训练后的问题推荐模型；依据用户请求信息中的用户行为轨迹和用户画像通过训练后的问题推荐模型从标准问题数据集中得到目标问题。

可选的，依据标准问题，获取标准问题的词语级向量包括：依据标准问题生成标准问题文本；对标准问题文本进行编码，得到标准问题文本的词语级向量。

进一步地，可选的，对标准问题文本进行编码，得到标准问题文本的词语级向量包括:

其中，R为词语级向量集合，其中n表示输入文本的长度，d表示标准问题文本中每一个字向量的维度，Q为标准问题文本，为BERT函数的参数。

可选的，通过对用户画像和用户行为轨迹进行编码，得到用户画像的特征向量和用户行为轨迹的特征向量包括：分别获取用户画像的用户画像特征和用户行为轨迹的用户行为特征；对用户画像特征和用户行为特征中的类别特征以及数值特征值作为特征编码进行嵌入编码， 得到用户画像的特征向量和用户行为轨迹的特征向量。