[发明专利]一种基于知识图谱的操作路径推荐方法及相关产品

说明书

本申请提供了一种基于知识图谱的操作路径推荐方法及相关产品，可应用于人工智能领域或金融领域，包括：获取目标产品中的标识信息、类别信息和操作路径，所述目标产品为应用程序或知识库，所述标识信息、类别信息和操作路径一一对应；利用所述标识信息、类别信息和操作路径，构建知识图谱；基于所述知识图谱，构建深度学习模型，所述深度学习模型用于学习所述知识图谱中内容的关联性；将用户输入语料输入所述深度学习模型，输出推荐操作路径。这样，通过知识图谱和深度学习模型，学习完整的操作路径和操作相关描述的对应关系，可以直接通过用户输入语料，匹配其对应的操作路径，提升了操作路径的获取效率，提升用户的使用体验。

技术领域

本申请涉及人工智能或金融的技术领域，特别是涉及一种基于知识图谱的操作路径推荐方法及相关产品。

背景技术

随着互联网金融产品的增速发展，同一金融产品内可能存储较多功能或程序。随着功能的逐渐增多，座席人员在使用内部知识库的时候，面对的存储知识文档和知识分类也较多。

在此情况下，金融产品或知识库的使用者在面对复杂的内容时，很难找到所需操作的对应路径。若使用者是客户，则会导致客户黏性低，产品转化率低；若使用者是座席人员，则会导致座席人员难以快速找到解答问题，顾客等待时间长，座席接听率降低的问题。

因此，如何提升用户找到需要操作路径的效率，是本领域技术人员亟需解决的技术问题。

发明内容

有鉴于此，本申请实施例提供了一种基于知识图谱的操作路径推荐方法及相关产品，旨在提升用户找到需要操作路径的效率。

第一方面，本申请实施例提供了一种基于知识图谱的操作路径推荐方法，包括：

获取目标产品中的标识信息、类别信息和操作路径，所述目标产品为应用程序或知识库，所述标识信息、类别信息和操作路径一一对应；

利用所述标识信息、类别信息和操作路径，构建知识图谱；

基于所述知识图谱，构建深度学习模型，所述深度学习模型用于学习所述知识图谱中内容的关联性；

将用户输入语料输入所述深度学习模型，输出推荐操作路径。

可选的，所述利用所述文本信息、类别信息和操作路径，构建知识图谱，

包括：

利用所述文本信息、类别信息和操作路径，生成暂存数据库；

对所述暂存数据库进行数据清洗，得到原子级文本，所述原子级文本包括文档标题字段、类别字段和操作路径字段；

利用所述原子级文本，构建知识图谱，所述知识图谱以所述类别字段为索引。

可选的，所述基于所述知识图谱，构建深度学习模型，包括：

对所述知识图谱进行命名实体识别的深度学习，分别得到所述标识信息、类别信息和操作路径的实体类型；

对所述实体类型进行消歧和整合，得到所述标识信息、类别信息和操作路径的共用类别；

基于所述标识信息、类别信息和操作路径的共用类别，建立所述标识信息、类别信息和操作路径的对应关系；

利用所述标识信息、类别信息和操作路径的对应关系，生成深度学习模型。

可选的，所述方法还包括：

获取用户连续访问的操作路径；

基于所述用户连续访问的操作路径，训练所述深度学习模型，得到迭代学习模型，所述迭代学习模型用于学习所述用户连续访问的操作路径的关联性；