选项推荐方法、装置、设备及存储介质与流程

1.本技术涉及计算机领域，尤其涉及一种选项推荐方法、装置、设备及存储介质。


背景技术：

2.现阶段很多人都具有一定程度的困难选择症，当面临多个选择时，人们总是不知道该如何决策，从而丧失掉选择的最佳时机，以及惧怕选择带来的副作用。当人在进行选择时，如果不能直接选择出自己想要的那一个答案的话，那么必然就是存在两者或者多者之间都存在相应的合理性或者正确性，那么如何选择适合自己的答案就显得尤为重要了。


技术实现要素：

3.本技术提供了一种选项推荐方法、装置、设备及存储介质，用以实现从多个推荐选项中向用于推荐一个推荐选项。
4.第一方面，提供一种选项推荐方法，包括：
5.获取用户的性格、以及至少两个推荐选项；
6.获取所述至少两个推荐选项中各所述推荐选项的选项分数；
7.获取所述性格分别与各所述推荐选项的影响关系；
8.按照所述影响关系修正各所述推荐选项的选项分数，得到各所述推荐选项的修正后分数；
9.从所述修正后分数中选择分数取值最高的目标分数；
10.向所述用户推荐所述目标分数对应的推荐选项。
11.可选地，获取用户的性格，包括：
12.收集所述用户针对至少一个预设问题的问题答案、以及获取所述用户的音频数据；
13.基于所述至少一个问题答案预测所述用户的第一性格、以及基于所述音频数据预测所述用户的第二性格；
14.获取所述第一性格匹配的第一分数、以及所述第二性格匹配的第二分数；
15.基于所述第一分数和所述第二分数，计算第三分数；
16.将与所述第三分数匹配的性格作为所述用户的性格。
17.可选地，基于所述至少一个问题答案预测所述用户的第一性格，包括：
18.获取所述至少一个问题答案中各所述问题答案所匹配的第三性格；
19.基于所述第三性格，统计指示同一性格的问题答案的数量；
20.选择所述数量中取值最大的目标数量；
21.将所述目标数量所对应的性格作为所述第一性格。
22.可选地，基于所述第一分数和所述第二分数，计算第三分数，包括：
23.获取与第一预测方式匹配的第一权重系数、以及与第二预测方式匹配的第二权重系数，所述第一预测方式为采用所述预设问题预测所述用户的性格，所述第二预测方式为
采用所述音频数据预测所述用户的性格；
24.计算所述第一权重系数与所述第一分数的乘积得到第一乘积值、以及计算所述第二权重系数与所述第二分数的乘积得到第二乘积值；
25.对所述第一乘积值和所述第二乘积值求和，得到求和结果；
26.将所述求和结果作为所述第三分数。
27.可选地，获取所述至少两个推荐选项中各所述推荐选项的选项分数，包括：
28.对于任一所述推荐选项执行以下处理：
29.对所述推荐选项对应的文本数据进行分词，得到至少一个关键词；
30.基于所述至少一个关键词，确定所述推荐选项所匹配的意图；
31.获取与所述意图对应的意图得分；
32.将所述意图得分作为所述推荐选项的选项分数。
33.可选地，获取与所述意图对应的意图得分，包括：
34.获取与所述意图对应的目前影响分数、以及未来影响分数；
35.基于所述目前影响分数和所述未来影响分数，计算所述意图得分。
36.可选地，获取所述性格分别与各所述推荐选项的影响关系，包括：
37.对于任一所述推荐选项执行以下流程：
38.获取所述推荐选项所匹配的意图；
39.采用所述意图和所述性格，查询预先设置的意图与性格的影响关系表，确定所述意图和所述性格的目标影响关系；
40.将所述目标影响关系，作为所述性格与所述推荐选项的影响关系。
41.可选地，按照所述影响关系修正各所述推荐选项的选项分数，得到各所述推荐选项的修正后分数，包括：
42.对于任一推荐选项执行以下处理：
43.当所述影响关系为正向关系时，将所述推荐选项的选项分数增加第一分值，得到所述推荐选项的修正后分数；
44.当所述影响关系为反向关系时，将所述推荐选项的选项分数减少第二分值，得到所述推荐选项的修正后分数。
45.第二方面，提供一种选项推荐装置，包括：
46.第一获取单元，用于获取用户的性格、以及至少两个推荐选项；
47.第二获取单元，用于获取所述至少两个推荐选项中各所述推荐选项的选项分数；
48.第三获取单元，用于获取所述性格分别与各所述推荐选项的影响关系；
49.修正单元，用于按照所述影响关系修正各所述推荐选项的选项分数，得到各所述推荐选项的修正后分数；
50.选择单元，用于从所述修正后分数中选择分数取值最高的目标分数；
51.推荐单元，用于向所述用户推荐所述目标分数对应的推荐选项。
52.第三方面，提供一种电子设备，包括：处理器、存储器和通信总线，其中，处理器和存储器通过通信总线完成相互间的通信；
53.所述存储器，用于存储计算机程序；
54.所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的选项推
荐方法。
55.第四方面，提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的选项推荐方法。
56.本技术实施例提供的上述技术方案与现有技术相比具有如下优点：本技术实施例提供的技术方案中，获取用户的性格、以及至少两个推荐选项；获取至少两个推荐选项中各推荐选项的选项分数；获取性格分别与各推荐选项的影响关系；按照影响关系修正各推荐选项的选项分数，得到各推荐选项的修正后分数；从修正后分数中选择分数取值最高的目标分数；向用户推荐目标分数对应的推荐选项。本实施例通过用户的性格、各推荐选项的选项分数等一系列特征实现了从多个推荐选项中选择一个推荐选项向用户进行推荐。
附图说明
57.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
58.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
59.图1为本技术实施例中选项推荐方法的流程示意图；
60.图2为本技术实施例中选项推荐装置的结构示意图；
61.图3为本技术实施例中电子设备的结构示意图。
具体实施方式
62.为使本技术实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
63.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
64.本技术实施例提供一种选项推荐方法，该方法可应用于任一电子设备中；
65.本技术实施例所描述电子设备可以包括智能手机(如android手机、ios手机、windows phone手机等)、平板电脑、掌上电脑、笔记本电脑、视频矩阵、监控平台、移动互联网设备(mid，mobile internet devices)或穿戴式设备等，上述仅是举例，而非穷举，包含但不限于上述装置，当然，上述电子设备还可以为服务器，例如，云服务器。
66.如图1所示，该方法可包括以下步骤：
67.步骤101、获取用户的性格、以及至少两个推荐选项。
68.本实施例中，可以通过用户回答预设问题确定用户的性格，也可以通过用户产生的其他一些数据来确定用户的性格，比如根据用户的音频数据预测用户的性格。
69.当通过用户回答预设问题确定用户的性格时，向用户展示若干道题以供用户选择，并当收集到用户针对至少一个预设问题的问题答案后，基于至少一个问题答案预设用户的第一性格。
70.一种可选实施方式中，获取至少一个问题答案中各问题答案所匹配的第三性格；基于第三性格，统计指示同一性格的问题答案的数量；选择数量中取值最大的目标数量；将目标数量所对应的性格作为第一性格。
71.一个例子中，存在5道预设问题abcde，相应地收集到了用户的5个问题答案abcde，其中，问题答案a为用户针对预设问题a所选出的答案，问题答案b为用户针对预设问题b所选出的答案，依次类推，直到问题答案e为用户针对预设问题e所选出的答案。当问题答案abc均指示用户的性格为性格1，而问题答案de指示用户的性格为性格2时，此时，可以预测用户的第一性格为性格1。
72.另一种可选实施方式中，为了提高处理效率，当用户针对前两道预设问题给出的问题答案指示的性格为相反的性格(a，-a，比如：a表示外向，-a就表示内向)时，那么就会出有关该性格的正反两面进行选择的题目，最终判定的标准为某性格选择数量超出总出题数的一半，比如：如果继续出该性格的选择题目总数为3道，那么当用户选择了两次表示a性格的答案时，那可以认定为用户最终有关该性格的定论为a。此时如果追问题目总数为3题，前两题的答案都为a性格的话，第三题就可以不需要用户进行选择。当检测到用户在两道题中选择的答案对应的性格存在相反的情况下，后续所出的题目的选项将只会包含这两种性格，最终得出用户该性格的偏好。
73.当根据用户的音频数据预测用户的第二性格时，可以基于音频数据中对话的方式、语气、态度、词语等方面来预测用户的第二性格。比如：通过判断音频数据中是不是带有语气词，如“呀、咯”等，那么可以得知用户的个性是相对开朗、乐观的；通过收集其他的一些信息对应的数据，去辅助生成用户的个性数据。基于态度的实现可以通过其他手段检测音频数据是否属于消极等等。
74.本实施例中还可以结合预设问题以及音频数据，共同预测用户的性格。
75.一个可选实施例中，收集用户针对至少一个预设问题的问题答案、以及获取用户的音频数据；基于至少一个问题答案预测用户的第一性格、以及基于音频数据预测用户的第二性格；获取第一性格匹配的第一分数、以及第二性格匹配的第二分数；基于第一分数和第二分数，计算第三分数；将与第三分数匹配的性格作为用户的性格。
76.应理解，这里基于至少一个问题答案预测用户的第一性格的具体实现在前述内容中已进行描述，此处不再赘述。
77.应用中，可以预先设置性格与分数的对应关系，因此当获取第一性格和第二性格后，通过查询该对应关系，可以确定第一性格匹配的第一分数以及第二性格匹配的第二分数。
78.应理解，在计算得到第三分数后，同样可以通过查询上述性格与分数的对应关系，确定与第三分数匹配的性格。
79.应用中，可以为基于问题答案预测用户的性格以及基于音频数据预测用户的性格
这两种方式，分别设置权重系数，然后采用预设的权重运算公式，计算第三分数。
80.一个可选实施中，获取与第一预测方式匹配的第一权重系数、以及与第二预测方式匹配的第二权重系数，第一预测方式为采用预设问题预测用户的性格，第二预测方式为采用音频数据预测用户的性格；计算第一权重系数与第一分数的乘积得到第一乘积值、以及计算第二权重系数与第二分数的乘积得到第二乘积值；对第一乘积值和第二乘积值求和，得到求和结果；将求和结果作为第三分数。
81.应用中，第一权重系数和第二权重系数可以人为预先设置，本实施例对此不作具体限定。
82.应用中，第三分数的计算公式如下所示：
83.y＝p*x1+q*x2；
84.其中，y为第三分数，p为第一权重系数，x1为第一分数；q为第二权重系数，x2为第二分数。
85.应理解，应用中除了采用预设问题的问题答案预测用户的性格、以及基于音频数据预测用户的性格，还可以采用其它方式预测用户的性格，比如基于用户以往的观影记录、购物记录等，在这种情况下，在获取用户的性格时，要综合这些所有的方式，分别预测用户的性格，然后基于各性格的分数，借助上述权重公式，计算总的分数，并基于总的分数确定用户最终的性格。
86.步骤102、获取至少两个推荐选项中各推荐选项的选项分数。
87.对于任一推荐选项，一个可选实施例中，对推荐选项对应的文本数据进行分词，得到至少一个关键词；基于至少一个关键词，确定推荐选项所匹配的意图；获取与意图对应的意图得分；将意图得分作为推荐选项的选项分数。
88.具体地，可以使用分词工具对文本数据进行分词，例如，采用jieba分词对文本数据进行分词，得到若干个关键词。当然，具体采用的分词工具并不限于jieba分词，也可以是其他分词工具，此处并不限制具体采用何种分词工具。
89.本实施例中，预先设置有关键词与意图的对应关系，因此在得到至少一个关键词后，可以采用至少一个关键词查询该对应关系，可以确定与至少一个关键词匹配的意图。
90.一个例子中，当推荐选项为“帮我打开空调”时，那么该推荐选项匹配的意图可以为“开机”意图；当推荐选项为“我要好好学习”，那么该推荐选项匹配的意图为“学习”意图。
91.本实施例中，预先设置有意图与分数的对应关系，因此在确定推荐选项所匹配的意图后，可以采用意图查询该对应关系，确定与意图对应的意图得分。
92.应用中，由于推荐选项中的意图会对用户的当前以及未来产生不同的影响，因此本实施例中，还可以基于该意图对用户目前的影响以及未来的影响来确定意图的意图得分。
93.一个可选实施例中，获取与意图对应的目前影响分数、以及未来影响分数；基于目前影响分数和未来影响分数，计算意图得分。
94.应用中可以通过如下权重公式计算意图得分：
95.y＝目前影响分数*系数1+未来影响分数*系数2；
96.应用中，系数1和系数2可以人为基于经验设置。
97.步骤103、获取性格分别与各推荐选项的影响关系。
98.本实施例中具体通过性格与推荐选项中的意图，确定性格与推荐选项的影响关系。
99.对于任一推荐选项，一个可选实施例中，获取推荐选项所匹配的意图；采用意图和性格，查询预先设置的意图与性格的影响关系表，确定意图和性格的目标影响关系；将目标影响关系，作为性格与推荐选项的影响关系。
100.步骤104、按照影响关系修正各推荐选项的选项分数，得到各推荐选项的修正后分数。
101.本实施例中，影响关系包括正向关系、反向关系或没有关系。其中，正向关系指示推荐选项的意图与性格之间为互补的关系，如“学习”这一意图与性格“善于思考、善于总结”之间等成正向关系；反向关系指示推荐选项的意图与性格之间为互斥的关系。
102.当按照影响关系修正各推荐选项的选项分数时，一个可选实施中，对于任一推荐选项执行以下处理：当影响关系为正向关系时，将推荐选项的选项分数增加第一分值，得到推荐选项的修正后分数；当影响关系为反向关系时，将推荐选项的选项分数减少第二分值，得到推荐选项的修正后分数。
103.应理解，这里的第一分值和第二分值可以相同也可以不同，且第一分值和第二分值的具体取值可以人为基于经验预先设置，本实施例对此不作具体限定。
104.步骤105、从修正后分数中选择分数取值最高的目标分数。
105.步骤106、向用户推荐目标分数对应的推荐选项。
106.本实施例中，还可以在向用于推荐目标分数对应的推荐选项的同时，展示给出该推荐选项的原因，比如该推荐选项为至少两个推荐选项中得分最高的选项等。
107.本技术实施例提供的技术方案中，获取用户的性格、以及至少两个推荐选项；获取至少两个推荐选项中各推荐选项的选项分数；获取性格分别与各推荐选项的影响关系；按照影响关系修正各推荐选项的选项分数，得到各推荐选项的修正后分数；从修正后分数中选择分数取值最高的目标分数；向用户推荐目标分数对应的推荐选项。本实施例通过用户的性格、各推荐选项的选项分数等一系列特征实现了从多个推荐选项中选择一个推荐选项向用户进行推荐。
108.基于同一构思，本技术实施例中提供了一种选项推荐装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图2所示，该装置主要包括：
109.第一获取单元201，用于获取用户的性格、以及至少两个推荐选项；
110.第二获取单元202，用于获取至少两个推荐选项中各推荐选项的选项分数；
111.第三获取单元203，用于获取性格分别与各推荐选项的影响关系；
112.修正单元204，用于按照影响关系修正各推荐选项的选项分数，得到各推荐选项的修正后分数；
113.选择单元205，用于从修正后分数中选择分数取值最高的目标分数；
114.推荐单元206，用于向用户推荐目标分数对应的推荐选项。
115.第一获取单元201用于：
116.收集用户针对至少一个预设问题的问题答案、以及获取用户的音频数据；
117.基于至少一个问题答案预测用户的第一性格、以及基于音频数据预测用户的第二性格；
118.获取第一性格匹配的第一分数、以及第二性格匹配的第二分数；
119.基于第一分数和第二分数，计算第三分数；
120.将与第三分数匹配的性格作为用户的性格。
121.第一获取单元201用于：
122.获取至少一个问题答案中各问题答案所匹配的第三性格；
123.基于第三性格，统计指示同一性格的问题答案的数量；
124.选择数量中取值最大的目标数量；
125.将目标数量所对应的性格作为第一性格。
126.第一获取单元201用于：
127.获取与第一预测方式匹配的第一权重系数、以及与第二预测方式匹配的第二权重系数，第一预测方式为采用预设问题预测用户的性格，第二预测方式为采用音频数据预测用户的性格；
128.计算第一权重系数与第一分数的乘积得到第一乘积值、以及计算第二权重系数与第二分数的乘积得到第二乘积值；
129.对第一乘积值和第二乘积值求和，得到求和结果；
130.将求和结果作为第三分数。
131.第二获取单元202用于：
132.对于任一推荐选项执行以下处理：
133.对推荐选项对应的文本数据进行分词，得到至少一个关键词；
134.基于至少一个关键词，确定推荐选项所匹配的意图；
135.获取与意图对应的意图得分；
136.将意图得分作为推荐选项的选项分数。
137.第二获取单元202用于：
138.获取与意图对应的目前影响分数、以及未来影响分数；
139.基于目前影响分数和未来影响分数，计算意图得分。
140.第三获取单元203用于：
141.对于任一推荐选项执行以下流程：
142.获取推荐选项所匹配的意图；
143.采用意图和性格，查询预先设置的意图与性格的影响关系表，确定意图和性格的目标影响关系；
144.将目标影响关系，作为性格与推荐选项的影响关系。
145.修正单元204用于：
146.对于任一推荐选项执行以下处理：
147.当影响关系为正向关系时，将推荐选项的选项分数增加第一分值，得到推荐选项的修正后分数；
148.当影响关系为反向关系时，将推荐选项的选项分数减少第二分值，得到推荐选项的修正后分数。
149.基于同一构思，本技术实施例中还提供了一种电子设备，如图3所示，该电子设备主要包括：处理器301、存储器302和通信总线303，其中，处理器301和存储器302通过通信总
线303完成相互间的通信。其中，存储器302中存储有可被处理器301执行的程序，处理器301执行存储器302中存储的程序，实现如下步骤：
150.获取用户的性格、以及至少两个推荐选项；
151.获取至少两个推荐选项中各推荐选项的选项分数；
152.获取性格分别与各推荐选项的影响关系；
153.按照影响关系修正各推荐选项的选项分数，得到各推荐选项的修正后分数；
154.从修正后分数中选择分数取值最高的目标分数；
155.向用户推荐目标分数对应的推荐选项。
156.上述电子设备中提到的通信总线303可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线303可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
157.存储器302可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器301的存储装置。
158.上述的处理器301可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等，还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field-programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
159.在本技术的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的选项推荐方法。
160.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本技术实施例所述的流程或功能。该计算机可以时通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如dvd)或者半导体介质(例如固态硬盘)等。
161.需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些
要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
162.以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。