产品推荐方法、装置、设备和存储介质与流程

1.本技术涉及计算机技术领域，具体涉及一种产品推荐方法、装置、设备和存储介质。


背景技术：

2.目前，随着人工智能领域的发展，越来越多的企业均通过人工智能来对特定业务进行改进，常见的即通过情绪识别来判断客户对产品的喜好情况，进而实现个性化推荐，然而传统的推荐过程中，调研人员需要通过复杂的沟通诱导用户阐述产品体验感受，而这种情绪采集方式经常会遇到沟通效果不佳，难以获得用户真实体验感受的情况，导致情绪识别不准确，进而影响产品推荐准确性。


技术实现要素：

3.本技术实施例提供一种产品推荐方法、装置、设备和存储介质，旨在解决现有技术中情绪识别不准确导致产品推荐准确性较差的技术问题。
4.一方面，本技术实施例提供一种产品推荐方法，所述产品推荐方法包括以下步骤：
5.响应产品推荐请求，获取所述产品推荐请求对应的目标产品；
6.接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；
7.获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；
8.将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。
9.在本技术一种可能的实现方式中，所述对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数，包括：
10.根据预设分词函数对所述用户反馈问卷进行分词处理，得到所述用户反馈问卷中的初始语料数据；
11.对所述初始语料数据进行词频统计，得到词频高于预设词频阈值的分词语料数据；
12.获取所述分词语料数据对应的分词语料向量，计算所述分词语料向量和预设情绪数据的情感倾向互信息；
13.根据所述预设情绪数据的情绪标签和所述分词语料向量的情感倾向互信息识别所述用户反馈问卷的文本情绪参数。
14.在本技术一种可能的实现方式中，所述接收目标用户基于所述目标产品生成的用户反馈问卷，包括：
15.访问产品数据库，获取所述目标产品关联的产品调研问卷；
16.向所述目标用户发送所述产品调研问卷，并接收所述目标用户基于所述产品调研
问卷传回的用户反馈问卷。
17.在本技术一种可能的实现方式中，所述获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数，包括：
18.获取所述目标用户的语音沟通数据，对所述语音沟通数据进行特征提取，得到所述语音沟通数据的频率倒谱系数和韵律特征；
19.将所述频率倒谱系数和所述韵律特征输入预设的语音情感模型进行情感识别，得到所述语音沟通数据的语音情绪参数。
20.在本技术一种可能的实现方式中，所述对所述语音沟通数据进行语音识别，得到语音情绪参数之前，还包括：
21.与所述目标用户建立通话交互连接，获取所述目标用户的用户语音信号；
22.对所述用户语音信号进行特征提取，得到所述目标用户的频率倒谱系数，将所述频率倒谱系数输入预设的性别识别模型进行性别识别，得到所述目标用户的性别标识；
23.按照所述性别标识向所述目标用户分配目标智能客服，并采集所述目标用户的语音沟通数据。
24.在本技术一种可能的实现方式中，所述将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品，包括：
25.获取所述目标产品的产品推荐度，以及预设的各产品推荐区间的第一推荐度阈值和第二推荐度阈值；
26.若所述产品推荐度大于所述第一推荐度阈值且小于第二推荐度阈值，则获取所述产品推荐区间的产品推荐等级；
27.将所述产品推荐等级设置为所述目标产品的目标推荐等级，按照所述目标推荐等级对所述目标产品进行推荐。
28.在本技术一种可能的实现方式中，所述将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品之前，包括：
29.获取预设的支持向量机模型；
30.访问预设数据库，获取各产品推荐等级对应的情感语音样本和情感文本样本；
31.将所述情感语音样本和所述情感文本样本输入所述支持向量机模型进行训练，得到产品推荐模型。
32.另一方面，本技术提供一种产品推荐装置，所述产品推荐装置包括：
33.产品获取模块，被配置为响应产品推荐请求，获取所述产品推荐请求对应的目标产品；
34.文本识别模块，被配置为接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；
35.语音识别模块，被配置为获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；
36.产品推荐模块，被配置为将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。
37.另一方面，本技术还提供一种产品推荐设备，所述产品推荐设备包括：
38.一个或多个处理器；
39.存储器；以及
40.一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的产品推荐方法的步骤。
41.另一方面，本技术还提供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进行加载，以执行所述的产品推荐方法中的步骤。
42.本技术中通过响应产品推荐请求，获取所述产品推荐请求对应的目标产品；接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。实现根据文本数据和语音数据多模态判断用户真实的情感反馈信息，提高产品推荐的准确性。
附图说明
43.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
44.图1为本技术实施例产品推荐方法的场景示意图；
45.图2为本技术实施例中产品推荐方法的一个实施例的流程示意图；
46.图3为本技术实施例提供的产品推荐方法中按照产品推荐度推荐目标产品的一个实施例的流程示意图；
47.图4为本技术实施例中提供的产品推荐方法中对目标用户进行识别的一个实施例的流程示意图；
48.图5为本技术实施例中提供的产品推荐装置的一个实施例的结构示意图；
49.图6为本技术实施例中提供的产品推荐设备的一个实施例的结构示意图。
具体实施方式
50.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
52.在本技术中，“示例性”一词用来表示“用作例子、例证或说明”。本技术中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。
53.目前，随着人工智能领域的发展，越来越多的企业均通过人工智能来对特定业务进行改进，常见的即通过情绪识别来判断客户对产品的喜好情况，进而实现个性化推荐，然而传统的推荐过程中，调研人员需要通过复杂的沟通诱导用户阐述产品体验感受，而这种情绪采集方式经常会遇到沟通效果不佳，难以获得用户真实体验感受的情况，导致情绪识别不准确，进而影响产品推荐准确性。
54.基于此，本技术提出一种产品推荐方法、装置、设备和计算机可读存储介质，以解决现有技术中情绪识别不准确导致产品推荐准确性较差的技术问题。
55.本发明实施例中的产品推荐方法应用于产品推荐装置，产品推荐装置设置于产品推荐设备，产品推荐设备中设置有一个或多个处理器、存储器，以及一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并被配置为由处理器执行以实施产品推荐方法；其中，产品推荐设备可以是智能终端，例如手机、平板电脑、网络设备和智能电脑等；可选的，产品推荐设备还可以是一台服务器，或者多台服务器组成的服务集群。
56.如图1所示，图1为本技术实施例产品推荐方法的场景示意图，本发明实施例中产品推荐场景包括产品推荐设备100(产品推荐设备100中集成有产品推荐装置)和目标业务终端200，产品推荐设备100中运行有产品推荐方法对应的计算机可读存储介质，以执行产品推荐方法的步骤。该目标业务终端200为与产品推荐设备100进行通信连接，并接受产品推荐设备推荐的目标产品的业务终端。
57.可以理解的是，图1所示产品推荐方法场景中的产品推荐设备，或者产品推荐设备中包含的装置并不构成对本发明实施例的限制，即产品推荐方法的场景中包含的产品推荐设备的设备数量、设备种类，或者各个设备中包含的装置数、装置种类不影响本发明实施例中技术方案的整体实现，均可以算作本发明实施例要求保护技术方案的等效替换或者衍生。
58.本发明实施例中产品推荐设备100主要用于：响应产品推荐请求，获取所述产品推荐请求对应的目标产品；
59.接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；
60.获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；
61.将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。
62.本发明实施例中的产品推荐设备100可以是独立的产品推荐设备，例如手机、平板电脑、网络设备、服务器和智能电脑等智能终端，也可以是由多个产品推荐设备组成的产品推荐网络或产品推荐集群。
63.本技术实施例提供一种产品推荐方法、装置、设备和计算机可读存储介质，以下分别进行详细说明。
64.本领域技术人员可以理解的是，图1中所示出的应用环境，仅仅是与本技术方案相关的其中一种应用场景，并不构成对本技术方案应用场景的限定，其它的应用环境还可以包括比图1所示出的更多或更少的产品推荐设备，或者产品推荐网络连接关系，例如图1中仅示出一个产品推荐设备，可以理解的是该产品推荐方法的场景还可以包括一个或多个产品推荐设备，具体在此不做限定；该产品推荐设备100种还可以包括存储器，用于存储目标产品数据和其它数据。
65.需要说明的是，图1所示的产品推荐方法的场景示意图仅仅是一个示例，本发明实施例描述的产品推荐方法的场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对本发明实施例提供的技术方案的限定。
66.基于上述产品推荐方法的场景，提出本发明所公开的产品推荐方法的各个实施例。
67.如图2所示，图2为本技术实施例中产品推荐方法的一个实施例的流程示意图，该产品推荐方法包括如下步骤201～步骤204：
68.201、响应产品推荐请求，获取所述产品推荐请求对应的目标产品；
69.本实施例中的产品推荐方法应用于产品推荐设备，产品推荐设备的种类和数量不做具体限定，即，产品推荐设备可以是一个或多个智能终端或者服务器，在一个具体实施例中，产品推荐设备为智能电脑。
70.具体的，产品推荐设备被配置为响应产品推荐请求，并根据产品推荐请求关联的目标产品对特定的目标用户进行文本和语音调研，从而得到目标用户针对该目标产品的文本情绪参数和语音情绪参数，通过文本情绪参数和语音情绪参数计算目标产品的产品推荐度，按照产品推荐度推荐该目标产品。
71.具体的，产品推荐设备在运行过程中，接收产品推荐请求，其中，该产品推荐请求为驱动产品推荐设备向用户进行个性化产品推荐的操作指令。可选的，该产品推荐请求的触发方式在此不做具体限定，即，该产品推荐请求可以由用户主动触发，例如，用户为产品销售人员，通过点击产品推荐设备上的产品推荐按钮，触发指定的目标产品关联的产品推荐请求。可选的，该产品推荐请求还可以由产品推荐设备自动触发，例如，产品推荐设备预先设置了产品推荐进程，在获取待推荐的目标产品时，自动触发产品推荐请求。
72.具体的，产品推荐设备在获取到该产品推荐请求后，解析该产品推荐请求，得到该产品推荐请求中待推荐的目标产品。其中，该目标产品可以为广告、软件和实物产品中至少一种。该目标产品的数量可以为单个或多个。
73.具体的，产品推荐设备预先设置了产品数据库，并获取各目标产品关联的产品调研问卷，将该产品调研问卷和目标产品关联存入该产品数据库中。产品推荐设备在获取到待推荐的目标产品后，还访问产品数据库，将该目标产品的产品标识输入产品数据库，获取该产品数据库中存储的与该目标产品相关联的产品调研问卷，并向目标用户发送该产品调
研问卷，通过该产品调研问卷采集目标用户的用户体验感受。
74.202、接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；
75.具体的，产品推荐设备在向目标用户发送产品调研问卷后，还接收目标用户基于该产品调研问卷传回的用户反馈问卷，并对该用户反馈问卷进行文本情绪识别，从而得到该用户反馈问卷中携带的文本情绪参数，其中，该文本情绪参数为表征该目标用户对该目标产品的使用情绪感受的参数。其中，产品推荐设备与目标用户通过目标业务终端进行通信连接。
76.具体的，产品推荐设备在获取到用户反馈问卷后，获取预设分词函数，根据该预设分词函数对该用户反馈问卷进行分词处理，从而得到该用户反馈问卷中的初始语料数据。
77.产品推荐设备在获取用户反馈问卷中的初始语料数据后，还对该初始语料数据进行词频统计，从而获取初始语料数据中每一分词语料的词频，并将该词频与预设词频阈值进行比较，根据比较结果对初始语料数据进行词频筛选，过滤初始语料中词频低于预设词频阈值的过滤分词语料，提取初始语料数据中词频高于预设词频阈值的分词语料数据。
78.产品推荐设备在获取到分词语料数据后，还对该分词语料数据进行特征提取，从而得到分词语料数据对应的分词语料向量，并计算该分词语料向量和预设情绪数据的情感倾向互信息，其中，该预设情绪数据为携带特定情绪标签的情感标签词。
79.产品推荐设备在获取到分词语料向量和预设情绪数据的情感倾向互信息后，根据该预设倾向参数的倾向标签和该情感倾向互信息识别该用户反馈问卷的文本情绪参数。
80.203、获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；
81.具体的，产品推荐设备还向参与填写产品调研问卷的目标客户进行电话回访，与目标用户建立通话交互连接，从而获取该目标用户的语音沟通数据，并对该语音沟通数据进行语音识别，得到语音情绪参数。
82.具体的，产品推荐设备在与目标用户建立通话交互连接后，还根据目标用户的性别标识分配目标智能客服，并通过目标智能客服在通话过程中采集目标用户的语音沟通数据。可选的，该目标智能客服为智能女声客服或智能男声客服。
83.具体的，产品推荐设备预先设置了用于对语音沟通数据进行情感识别的语音情感模型，该语音情感模型包括特征提取模块和情感识别模块。
84.产品推荐设备在获取目标用户的语音沟通数据后，将该语音沟通数据输入到该语音情感模型的特征提取模块中进行特征提取，提取语音沟通数据的频率倒谱系数和韵律特征，其中，该频率倒谱系数为梅尔频率倒谱系数(mfcc,mel frequency cepstrum coefficient)，该韵律特征为表征语音沟通数据中除音质特征之外的音高、音长和音强方面的变化特征。
85.产品推荐设备在获取到频率倒谱系数和韵律特征后，将该频率倒谱系数和韵律特征输入该语音情感模型中的情感识别模块，通过情感识别模块对频率倒谱系数和韵律特征进行情感分类识别，得到该语音沟通数据的语音情绪参数，其中，该语音情绪参数为表征语音沟通数据中目标用户对该目标产品的产品使用情绪的特征参数。
86.204、将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所
述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。
87.具体的，产品推荐设备在获取文本情绪参数和语音情绪参数后，将文本情绪参数和语音情绪参数输入预设的产品推荐模型，通过该产品推荐模型计算该目标用户对目标产品的产品推荐度，并按照该产品推荐度推荐该目标产品。
88.具体的，产品推荐设备预先设置了支持向量机模型，并通过不同产品推荐度对应的产品推荐等级的训练样本对该支持向量机模型进行训练，从而得到产品推荐模型。
89.具体的，产品推荐设备访问预设数据库，获取各预设的产品推荐等级对应的情感语音样本和情感文本样本，可选的，在一个具体实施例中，产品推荐设备预先设置了四个产品推荐等级，分别为推荐等级、无感等级、不推荐等级和反感等级，每个产品推荐等级对应三个情感语音样本和一个情感文本样本。
90.产品推荐设备在获取到情感语音样本和情感文本样本后，将情感语音样本和情感文本样本输入支持向量机模型进行训练，收敛后得到产品推荐模型。
91.产品推荐设备在获取产品推荐模型后，将文本情绪参数和语音情绪参数输入该产品推荐模型中计算该目标产品的产品推荐度，并在获得目标产品的产品推荐度后，根据该目标产品推荐度确定该目标产品的目标推荐等级，并在目标产品的目标推荐等级为推荐等级或无感等级时向目标用户推荐该目标产品。
92.可选的，产品推荐设备还能够记录目标智能客服沟通过程中的沟通数据，作为历史沟通数据，并将历史沟通数据作为产品推荐模型的训练样本，对该产品推荐模型进行优化，以提升产品推荐模型的推荐准确性。
93.本实施例中，产品推荐设备通过响应产品推荐请求，获取所述产品推荐请求对应的目标产品；接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。实现根据文本数据和语音数据多模态判断用户真实的情感反馈信息，提高产品推荐的准确性。
94.如图3所示，图3为本技术实施例提供的产品推荐方法中按照产品推荐度推荐目标产品的一个实施例的流程示意图，具体的，包括步骤301～步骤303：
95.301、获取所述目标产品的产品推荐度，以及预设的各产品推荐区间的第一推荐度阈值和第二推荐度阈值；
96.302、若所述产品推荐度大于所述第一推荐度阈值且小于第二推荐度阈值，则获取所述产品推荐区间的产品推荐等级；
97.303、将所述产品推荐等级设置为所述目标产品的目标推荐等级，按照所述目标推荐等级对所述目标产品进行推荐。
98.基于上述实施例，本实施例中，产品推荐设备在通过将文本情绪参数和语音情绪参数输入该产品推荐模型中计算得到该目标产品的产品推荐度后，还根据产品推荐度确定该目标产品的目标推荐等级，按照目标推荐等级向目标用户进行产品推荐。
99.具体的，产品推荐设备预先设置了若干个产品推荐区间，不同产品推荐区间对应不同产品推荐等级，可选的，在一个具体实施例中，产品推荐设备设置了四个产品推荐区
间，分别为推荐区间、无感区间、不推荐区间和反感区间。
100.具体的，产品推荐设备在获取目标产品的产品推荐度后，还获取各产品推荐区间的第一推荐度阈值和第二推荐度阈值，其中，第一推荐度阈值为表征该产品推荐区间的推荐度最小值阈值，该第二推荐度为表征该产品推荐区间的推荐度最大值阈值。
101.产品推荐设备在获取各产品推荐区间的第一推荐度阈值和第二推荐度阈值后，将目标产品的产品推荐度和第一推荐阈值和第二推荐阈值进行比较，根据比较结果判断产品推荐度所落入的产品推荐区间。
102.可选的，若该产品推荐度大于该第一推荐度阈值且小于第二推荐度阈值，即该产品推荐度处于第一推荐度阈值和第二推荐度阈值的区间内，则产品推荐设备将第一推荐度阈值和第二推荐度阈值关联的产品推荐区间为该目标产品的产品推荐区间。
103.具体的，产品推荐设备在获取到目标产品的产品推荐区间后，还进一步获取该产品推荐区间关联的产品推荐等级，并将该产品推荐等级设置为该目标产品的目标推荐等级。
104.具体的，产品推荐设备在获取到目标产品的目标推荐等级后，若该目标推荐等级为推荐等级或无感等级，则产品推荐设备将该目标产品推荐到各目标用户。
105.可选的，若该目标推荐等级为不推荐等级或反感等级，则产品推荐设备遍历用户反馈问卷和语音沟通数据，根据用户反馈问卷和语音沟通数据捕获目标产品的体验缺陷位置，对该目标产品的体验缺陷位置进行优化，得到优化后的目标产品。
106.本实施例中，产品推荐设备通过获取所述目标产品的产品推荐度，以及预设的各产品推荐区间的第一推荐度阈值和第二推荐度阈值；若所述产品推荐度大于所述第一推荐度阈值且小于第二推荐度阈值，则获取所述产品推荐区间的产品推荐等级；将所述产品推荐等级设置为所述目标产品的目标推荐等级，按照所述目标推荐等级对所述目标产品进行推荐。实现根据用户的产品推荐度进行灵活推荐，提高产品推荐的准确性。
107.如图4所示，图4为本技术实施例中提供的产品推荐方法中对目标用户进行识别的一个实施例的流程示意图，具体的，包括步骤401～步骤403：
108.401、与所述目标用户建立通话交互连接，获取所述目标用户的用户语音信号；
109.402、对所述用户语音信号进行特征提取，得到所述目标用户的频率倒谱系数，将所述频率倒谱系数输入预设的性别识别模型进行性别识别，得到所述目标用户的性别标识；
110.403、按照所述性别标识向所述目标用户分配目标智能客服，并采集所述目标用户的语音沟通数据。
111.基于上述实施例，本实施例中，产品推荐设备向参与填写产品调研问卷的目标客户进行电话回访，与目标用户建立通话交互连接，从而获取该目标用户的语音沟通数据，并对该语音沟通数据进行语音识别，得到语音情绪参数。
112.具体的，产品推荐设备与目标用户建立通话交互连接，并在接入目标用户语音后，获取目标用户的用户语音信号，其中该用户语音信号为目标用户接听语音时的声音、声纹和语调等声音特征。
113.具体的，产品推荐设备预先设置了识别用户性别特征的性别识别模型，并在获取用户语音信号后，将用户语音信号输入该性别识别模型，通过该性别识别模型对用户语音
信号进行特征提取，得到目标用户的频率倒谱系数，其中，该频率倒谱系数为mel频率倒谱系数。
114.产品推荐设备在获取到频率倒谱系数后，将该频率倒谱系数输入该性别识别模型中的性别分类模块进行性别识别，得到该目标用户的性别标识。
115.产品推荐设备在获取目标用户的性别标识后，按照性别标识向目标用户分配目标智能客服，并调用目标智能客服采集目标用户的语音沟通数据。
116.具体的，产品推荐设备在获取目标用户的性别标识后，将该性别标识输入预设的智能客服数据库，获取该智能客服数据库中与该性别标识相关联的目标智能客服，将目标智能客服接入该目标用户的语音通话中，采集目标用户的语音沟通数据。可选的，在一个具体实施例中，若目标用户的性别标识为男性标识，则产品推荐设备向目标用户分配女声智能客服；若目标用户的性别标识为女性标识，则向目标用户分配男声智能客服。可选的，在其它实施例中，产品推荐设备还根据目标用户的历史回访数据和性别标识匹配目标用户的目标智能客服。
117.本实施例中，产品推荐设备通过与所述目标用户建立通话交互连接，获取所述目标用户的用户语音信号；对所述用户语音信号进行特征提取，得到所述目标用户的频率倒谱系数，将所述频率倒谱系数输入预设的性别识别模型进行性别识别，得到所述目标用户的性别标识；按照所述性别标识向所述目标用户分配目标智能客服，并采集所述目标用户的语音沟通数据。实现提高语音沟通数据的采集准确性，确保该语音沟通数据的真实性。
118.为了更好实施本技术实施例中产品推荐方法，在产品推荐方法基础之上，本技术实施例中还提供一种产品推荐装置，如图5所示，图5为本技术实施例提供的产品推荐装置的结构示意图，具体的，所述产品推荐装置500包括：
119.产品获取模块501，被配置为响应产品推荐请求，获取所述产品推荐请求对应的目标产品；
120.文本识别模块502，被配置为接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；
121.语音识别模块503，被配置为获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；
122.产品推荐模块504，被配置为将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。
123.在本技术一种可能的实现方式中，产品推荐装置对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数，包括：
124.根据预设分词函数对所述用户反馈问卷进行分词处理，得到所述用户反馈问卷中的初始语料数据；
125.对所述初始语料数据进行词频统计，得到词频高于预设词频阈值的分词语料数据；
126.获取所述分词语料数据对应的分词语料向量，计算所述分词语料向量和预设情绪数据的情感倾向互信息；
127.根据所述预设情绪数据的情绪标签和所述分词语料向量的情感倾向互信息识别
所述用户反馈问卷的文本情绪参数。
128.在本技术一种可能的实现方式中，产品推荐装置接收目标用户基于所述目标产品生成的用户反馈问卷，包括：
129.访问产品数据库，获取所述目标产品关联的产品调研问卷；
130.向所述目标用户发送所述产品调研问卷，并接收所述目标用户基于所述产品调研问卷传回的用户反馈问卷。
131.在本技术一种可能的实现方式中，产品推荐装置获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数，包括：
132.获取所述目标用户的语音沟通数据，对所述语音沟通数据进行特征提取，得到所述语音沟通数据的频率倒谱系数和韵律特征；
133.将所述频率倒谱系数和所述韵律特征输入预设的语音情感模型进行情感识别，得到所述语音沟通数据的语音情绪参数。
134.在本技术一种可能的实现方式中，产品推荐装置对所述语音沟通数据进行语音识别，得到语音情绪参数之前，还包括：
135.与所述目标用户建立通话交互连接，获取所述目标用户的用户语音信号；
136.对所述用户语音信号进行特征提取，得到所述目标用户的频率倒谱系数，将所述频率倒谱系数输入预设的性别识别模型进行性别识别，得到所述目标用户的性别标识；
137.按照所述性别标识向所述目标用户分配目标智能客服，并采集所述目标用户的语音沟通数据。
138.在本技术一种可能的实现方式中，产品推荐装置将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品，包括：
139.获取所述目标产品的产品推荐度，以及预设的各产品推荐区间的第一推荐度阈值和第二推荐度阈值；
140.若所述产品推荐度大于所述第一推荐度阈值且小于第二推荐度阈值，则获取所述产品推荐区间的产品推荐等级；
141.将所述产品推荐等级设置为所述目标产品的目标推荐等级，按照所述目标推荐等级对所述目标产品进行推荐。
142.在本技术一种可能的实现方式中，产品推荐装置将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品之前，包括：
143.获取预设的支持向量机模型；
144.访问预设数据库，获取各产品推荐等级对应的情感语音样本和情感文本样本；
145.将所述情感语音样本和所述情感文本样本输入所述支持向量机模型进行训练，得到产品推荐模型。
146.本实施例中，产品推荐装置通过响应产品推荐请求，获取所述产品推荐请求对应的目标产品；接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；将所述文本情绪参数和所述语音情绪参数输入
预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。实现根据文本数据和语音数据多模态判断用户真实的情感反馈信息，提高产品推荐的准确性。
147.本发明实施例还提供一种产品推荐设备，如图6所示，图6为本技术实施例中提供的产品推荐设备的一个实施例结构示意图。
148.产品推荐设备集成了本发明实施例所提供的任意一种产品推荐装置，该产品推荐设备包括：
149.一个或多个处理器；
150.存储器；以及
151.一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述产品推荐方法实施例中任一实施例中所述的产品推荐方法中的步骤。
152.具体来讲：产品推荐设备可以包括一个或者一个以上处理核心的处理器601、一个或一个以上计算机可读存储介质的存储器602、电源603和输入单元604等部件。本领域技术人员可以理解，图6中示出的产品推荐设备结构并不构成对产品推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
153.处理器601是该产品推荐设备的控制中心，利用各种接口和线路连接整个产品推荐设备的各个部分，通过运行或执行存储在存储器602内的软件程序和/或模块，以及调用存储在存储器602内的数据，执行产品推荐设备的各种功能和处理数据，从而对产品推荐设备进行整体监控。可选的，处理器601可包括一个或多个处理核心；优选的，处理器601可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器601中。
154.存储器602可用于存储软件程序以及模块，处理器601通过运行存储在存储器602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据产品推荐设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器601对存储器602的访问。
155.产品推荐设备还包括给各个部件供电的电源603，优选的，电源603可以通过电源管理系统与处理器601逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源603还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
156.该产品推荐设备还可包括输入单元604，该输入单元604可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
157.尽管未示出，产品推荐设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，产品推荐设备中的处理器601会按照如下的指令，将一个或一个以上的应用程序的进
程对应的可执行文件加载到存储器602中，并由处理器601来运行存储在存储器602中的应用程序，从而实现各种功能，如下：
158.响应产品推荐请求，获取所述产品推荐请求对应的目标产品；
159.接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；
160.获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；
161.将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。
162.为此，本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行本发明实施例所提供的任一种产品推荐方法中的步骤。例如，所述计算机程序被处理器进行加载可以执行如下步骤：
163.响应产品推荐请求，获取所述产品推荐请求对应的目标产品；
164.接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；
165.获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；
166.将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。
167.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
168.具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
169.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
170.以上对本技术实施例所提供的一种产品推荐方法进行了详细介绍，本文中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种产品推荐方法，其特征在于，所述产品推荐方法包括：响应产品推荐请求，获取所述产品推荐请求对应的目标产品；接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。2.如权利要求1所述的产品推荐方法，其特征在于，所述对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数，包括：根据预设分词函数对所述用户反馈问卷进行分词处理，得到所述用户反馈问卷中的初始语料数据；对所述初始语料数据进行词频统计，得到词频高于预设词频阈值的分词语料数据；获取所述分词语料数据对应的分词语料向量，计算所述分词语料向量和预设情绪数据的情感倾向互信息；根据所述预设情绪数据的情绪标签和所述分词语料向量的情感倾向互信息识别所述用户反馈问卷的文本情绪参数。3.如权利要求1所述的产品推荐方法，其特征在于，所述接收目标用户基于所述目标产品生成的用户反馈问卷，包括：访问产品数据库，获取所述目标产品关联的产品调研问卷；向所述目标用户发送所述产品调研问卷，并接收所述目标用户基于所述产品调研问卷传回的用户反馈问卷。4.如权利要求1所述的产品推荐方法，其特征在于，所述获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数，包括：获取所述目标用户的语音沟通数据，对所述语音沟通数据进行特征提取，得到所述语音沟通数据的频率倒谱系数和韵律特征；将所述频率倒谱系数和所述韵律特征输入预设的语音情感模型进行情感识别，得到所述语音沟通数据的语音情绪参数。5.如权利要求1所述的产品推荐方法，其特征在于，所述对所述语音沟通数据进行语音识别，得到语音情绪参数之前，还包括：与所述目标用户建立通话交互连接，获取所述目标用户的用户语音信号；对所述用户语音信号进行特征提取，得到所述目标用户的频率倒谱系数，将所述频率倒谱系数输入预设的性别识别模型进行性别识别，得到所述目标用户的性别标识；按照所述性别标识向所述目标用户分配目标智能客服，并采集所述目标用户的语音沟通数据。6.如权利要求1所述的产品推荐方法，其特征在于，所述将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品，包括：获取所述目标产品的产品推荐度，以及预设的各产品推荐区间的第一推荐度阈值和第
二推荐度阈值；若所述产品推荐度大于所述第一推荐度阈值且小于第二推荐度阈值，则获取所述产品推荐区间的产品推荐等级；将所述产品推荐等级设置为所述目标产品的目标推荐等级，按照所述目标推荐等级对所述目标产品进行推荐。7.如权利要求1-6任一项所述的产品推荐方法，其特征在于，所述将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品之前，包括：获取预设的支持向量机模型；访问预设数据库，获取各产品推荐等级对应的情感语音样本和情感文本样本；将所述情感语音样本和所述情感文本样本输入所述支持向量机模型进行训练，得到产品推荐模型。8.一种产品推荐装置，其特征在于，所述产品推荐装置包括：产品获取模块，被配置为响应产品推荐请求，获取所述产品推荐请求对应的目标产品；文本识别模块，被配置为接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；语音识别模块，被配置为获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；产品推荐模块，被配置为将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。9.一种产品推荐设备，其特征在于，所述产品推荐设备包括：一个或多个处理器；存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至7中任一项所述的产品推荐方法的步骤。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至7中任一项所述的产品推荐方法的步骤。

技术总结
本申请提供一种产品推荐方法、装置、设备和存储介质，本申请中的方法包括：响应产品推荐请求，获取所述产品推荐请求对应的目标产品；接收目标用户基于所述目标产品生成的用户反馈问卷，对所述用户反馈问卷进行文本情绪识别，得到文本情绪参数；获取所述目标用户的语音沟通数据，对所述语音沟通数据进行语音识别，得到语音情绪参数；将所述文本情绪参数和所述语音情绪参数输入预设的产品推荐模型计算所述目标产品的产品推荐度，按照所述产品推荐度推荐所述目标产品。实现根据文本数据和语音数据多模态判断用户真实的情感反馈信息，提高产品推荐的准确性。高产品推荐的准确性。高产品推荐的准确性。


技术研发人员：高静
受保护的技术使用者：平安银行股份有限公司
技术研发日：2023.06.16
技术公布日：2023/9/22