产品数据推送方法、装置、计算机设备和存储介质与流程

1.本技术涉及人工智能的自然语言处理技术领域，特别是涉及一种产品数据推送方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.近年来，随着互联网的不断发展和快速完善，电商精细化运营称为维持客户量，保障品牌持续性增长的重要手段。电商领域的精细化运营，指的是通过用户分群，对不同需求的用户匹配不同的服务和内容，从而满足其个性化的需求。
3.目前，电商领域中，专业办公管理工具是企业连接客户，与客户沟通的重要渠道。企业的业务员通常需要使用办公管理工具与客户进行对话，向客户介绍产品，为了记住每位客户的喜好、特点和需求，向客户实现产品的精准推荐，客服或业务员经常会通过手工添加标签的方式标记每位客户的喜好、特点和需求。然而，当业务员面对成百上千的客户，通过手工维护标签，需要耗费大量时间和人力，且容易出错，影响产品推荐的准确度。
4.因此，需要提供一种能够提高产品推荐准确度的方案。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够提高产品推荐准确度的产品数据推送方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
6.第一方面，本技术提供了一种产品数据推送方法。所述方法包括：
7.一种产品数据推送方法，其特征在于，方法包括：
8.获取对象会话数据；
9.提取对象会话数据的会话特征数据，基于会话特征数据，构建会话对象的标签数据；
10.根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据；
11.接收针对待推荐产品和标签数据的产品反馈数据，根据产品反馈数据调整预设的产品关键词映射表。
12.在一个实施例中，产品关键词映射表包括每一产品关键词对应每一产品的分值；
13.根据会话特征数据和预设的产品关键词映射表，确定待推荐产品包括：
14.提取会话特征数据中的目标产品关键词，目标产品关键词为词频排列在预设名次内的产品关键词；
15.在预设的产品关键词映射表查找目标产品关键词对应每一产品的分值；
16.根据目标产品关键词对应每一产品的分值，构建目标产品关键词分值向量；
17.根据目标产品关键词分值向量，确定待推荐产品。
18.在一个实施例中，根据产品反馈数据调整预设的产品关键词映射表包括：
19.对产品反馈数据进行关键词识别，确定产品反馈数据所包含的感兴趣产品；
20.从预设的产品关键词映射表查找每一目标产品关键词对应感兴趣产品的分值；
21.按照预设的分值更新规则，调整每一目标产品关键词对应感兴趣产品的分值。
22.在一个实施例中，方法还包括：
23.获取会话对象的产品浏览购买行为数据；
24.根据产品浏览购买行为数据，确定会话对象的偏好产品；
25.从预设的产品关键词映射表查找每一目标产品关键词对应偏好产品的分值；
26.按照预设的分值更新规则，调整每一目标产品关键词对应偏好产品的分值。
27.在一个实施例中，提取对象会话数据的会话特征数据包括：
28.对对象会话数据进行分词处理，得到分词结果；
29.剔除分词结果中的停用词；
30.对剔除停用词后的分词结果进行词频统计，得到会话特征数据。
31.在一个实施例中，基于会话特征数据，构建会话对象的标签数据包括：
32.调用第三方词云图生成工具，根据预设的词云图样式参数，将会话特征数据转换成词云图，词云图包括会话对象的标签数据。
33.第二方面，本技术还提供了一种产品数据推送装置，所述装置包括：
34.数据获取模块，用于获取对象会话数据；
35.会话数据处理模块，用于提取对象会话数据的会话特征数据，基于会话特征数据，构建会话对象的标签数据；
36.数据推送模块，用于根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据；
37.数据反馈调整模块，用于接收针对待推荐产品和标签数据的产品反馈数据，根据反馈数据调整预设的产品关键词映射表。
38.在一个实施例中，产品关键词映射表包括每一产品关键词对应每一产品的分值；
39.数据推送模块，还用于提取会话特征数据中的目标产品关键词，目标产品关键词为词频排列在预设名次内的产品关键词，从预设的产品关键词映射表查找目标产品关键词对应每一产品的分值，根据目标产品关键词对应每一产品的分值，构建目标产品关键词分值向量，根据目标产品关键词分值向量，确定待推荐产品。
40.在一个实施例中，数据反馈调整模块还用于对反馈数据进行关键词识别，确定反馈数据所包含的感兴趣产品，从预设的产品关键词映射表查找每一目标产品关键词对应感兴趣产品的分值，按照预设的分值更新规则，调整每一目标产品关键词对应感兴趣产品的分值。
41.在一个实施例中，数据反馈调整模块还用于获取会话对象的产品浏览购买行为数据，根据产品浏览购买行为数据，确定会话对象的感兴趣产品，从预设的产品关键词映射表查找每一目标产品关键词对应感兴趣产品的分值，按照预设的分值更新规则，调整每一目标产品关键词对应感兴趣产品的分值。
42.在一个实施例中，对象会话数据处理模块还用于对对象会话数据进行分词处理，得到分词结果，剔除分词结果中的停用词，对剔除停用词后的分词结果进行词频统计，得到会话特征数据。
43.在一个实施例中，对象会话数据处理模块还用于调用第三方词云图生成工具，根
据预设的词云图样式参数，将会话特征数据转化成词云图，词云图包括对象的标签数据。
44.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
45.获取对象会话数据；
46.提取对象会话数据的会话特征数据，基于会话特征数据，构建会话对象的标签数据；
47.根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据；
48.接收针对待推荐产品和标签数据的产品反馈数据，根据产品反馈数据调整预设的产品关键词映射表。
49.第四方面，本技术还提供了一种计算机可读存储介质。所述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执行时实现以下步骤：
50.获取对象会话数据；
51.提取对象会话数据的会话特征数据，基于会话特征数据，构建会话对象的标签数据；
52.根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据；
53.接收针对待推荐产品和标签数据的产品反馈数据，根据产品反馈数据调整预设的产品关键词映射表。
54.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
55.获取对象会话数据；
56.提取对象会话数据的会话特征数据，基于会话特征数据，构建会话对象的标签数据；
57.根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据；
58.接收针对待推荐产品和标签数据的产品反馈数据，根据产品反馈数据调整预设的产品关键词映射表。
59.上述产品数据推送方法、装置、计算机设备、存储介质和计算机程序产品，提取对象会话数据的会话特征数据，并基于会话特征数据，构建会话对象的标签数据，然后，根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据，实现产品的自动推荐和标签数据的自动输出，进一步的，业务人员可凭借对会话对象的了解和专业业务知识，进一步判断推送的产品和标签数据是否准确，并给出产品反馈数据，接收针对待推荐产品和标签数据的产品反馈数据，并根据产品反馈数据调整预设的产品关键词映射表。上述方案，基于对象会话数据和预设的产品关键词映射表，同时推送待推荐产品和标签数据，实现了产品的智能推荐和标签数据的智能添加，省略了业务人员通过手工维护对象标签的繁琐操作，且减少手工添加标签出错的概率。并且，业务人员可凭借对会话对象的了解和专业业务知识，判断推送的产品和标签数据是否准确，给出产品反馈数据，再根据接收到的产品反馈数据调整产品关键词映射表，能够提高产品推荐的准确性，进一步
实现精细化的产品推荐。
附图说明
60.图1为一个实施例中产品数据推送方法的应用环境图；
61.图2为一个实施例中产品数据推送方法的流程示意图；
62.图3为一个实施例中确定待推荐产品步骤的流程示意图；
63.图4为一个实施例中根据产品反馈数据，调整预设的产品关键词映射表步骤的流程示意图；
64.图5为另一个实施例中根据产品反馈数据，调整预设的产品关键词映射表步骤的流程示意图；
65.图6为另一个实施例中产品数据推送方法的详细流程示意图；
66.图7为一个实施例中产品数据推送装置的结构框图；
67.图8为一个实施例中计算机设备的内部结构图。
具体实施方式
68.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
69.需要说明的是，本技术技术方案中所涉及的用户信息和数据、以及设备信息，均为经用户授权或者经过各方充分授权的信息和数据，对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
70.本技术实施例提供的产品数据推送方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。具体的，可以是业务人员通过终端102发送产品推荐消息至服务器104，服务器104响应该消息，获取该业务人员与对象的对象会话数据，提取对象会话数据的会话特征数据，并基于会话特征数据，构建会话对象的标签数据，根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据，接收针对待推荐产品和标签数据的产品反馈数据，并根据产品反馈数据调整预设的产品关键词映射表。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
71.在一个实施例中，如图2所示，提供了一种产品数据推送方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
72.步骤200，获取对象会话数据。
73.本实施例中，对象以客户为例进行说明。对象会话数据即指业务人员与客户的会话数据。本实施例中，对象会话数可以是企业员工与客户通过企业办公管理工具进行沟通所生成的会话数据，会话数据可以理解为聊天记录。具体实施时，可以是业务人员发送产品
推荐消息，产品推荐消息携带客户的身份标识数据和业务人员的身份标识数据，基于客户的身份标识数据和业务人员的身份标识数据，调用企业办公管理工具官方提供的数据拉取方法，拉取业务人员与客户的会话数据。在实际应用中，可以是批量拉取该企业员工与客户在企业办公管理工具的会话数据，并持久化保存该会话数据。
74.步骤400，提取对象会话数据的会话特征数据，并基于会话特征数据，构建会话对象的标签数据。
75.获取对象会话数据后，由于会话数据中通常包含了产品信息以及对象的偏好信息，因此，为了有针对性地进行产品推荐，可以是提取对象会话数据的会话特征数据，然后，基于会话特征数据，构建会话对象的标签数据。具体的，会话对象可以是指客户，标签数据包括客户的基本信息、个性特征、偏好数据以及可能感兴趣产品等数据。本实施例中，可以是基于会话特征数据，构建客户的用户画像数据。
76.步骤600，根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据。
77.产品关键词映射表包含产品库中的产品、标签数据和产品关键词的映射关系。具体的，可以是产品关键词对应具体的产品，每一款产品都对应有多个产品关键词，一个产品关键词可对应于多款产品。提取出的会话特征数据包含多个产品关键词，可以是提取会话特征数据中的产品关键词，然后，根据产品关键词在产品关键词映射表进行查找，再根据查找出的信息，确定待推荐产品。进一步的，推送待推荐产品和标签数据，供企业员工向客户进行产品推荐。
78.步骤800，接收针对待推荐产品和标签数据的产品反馈数据，并根据产品反馈数据调整预设的产品关键词映射表。
79.在推送待推荐产品和标签数据后，业务人员可以是结合标签数据对推送出的产品进行准确性确认，即结合自身对客户的了解、标签数据以及专业知识，确定推送出来的产品是否满足客户需求，若推送的产品为客户感兴趣的产品，即产品反馈数据可以为：“产品a为感兴趣产品”，若推送的产品不符合客户的需求，可以反馈推荐准确度不高，并输入正确的客户可能感兴趣的产品，产品反馈数据可以为“产品a并非感兴趣产品，感兴趣产品可能为产品b”。在接收到业务人员反馈的产品反馈数据后，可以根据产品反馈数据，调整预设的产品关键词映射表，更新产品关键词映射表中的数据，以便提高产品推荐的准确度。并且，可按照上述方式迭代循环，在每次推送待推荐产品后，业务人员均反馈相应的产品反馈数据，以便及时调整产品关键词映射表。
80.上述产品数据推送方法中，提取对象会话数据的会话特征数据，并基于会话特征数据，构建会话对象的标签数据，然后，根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据，实现产品的自动推荐和标签数据的自动输出，进一步的，业务人员可凭借对会话对象的了解和专业业务知识，进一步判断推送的产品和标签数据是否准确，并给出产品反馈数据，接收针对待推荐产品和标签数据的产品反馈数据，并根据产品反馈数据调整预设的产品关键词映射表。上述方案，基于对象会话数据和预设的产品关键词映射表，同时推送待推荐产品和标签数据，实现了产品的智能推荐和标签数据的智能添加，省略了业务人员通过手工维护对象标签的繁琐操作，且减少手工添加标签出错的概率。并且，业务人员可凭借对会话对象的了解和专业业务知识，判断推送的产
品和标签数据是否准确，并给出产品反馈数据，再根据接收到的产品反馈数据调整产品关键词映射表，能够提高产品推荐的准确性，实现精细化的产品推荐。
81.如图3所示，在一个实施例中，产品关键词映射表包括每一产品关键词对应每一产品的分值；
82.步骤600包括：
83.步骤620，提取会话特征数据中的目标产品关键词，目标产品关键词为词频排列在预设名次内的产品关键词。
84.步骤640，在预设的产品关键词映射表查找目标产品关键词对应每一产品的分值。
85.步骤660，根据目标产品关键词对应每一产品的分值，构建目标产品关键词分值向量。
86.步骤680，根据目标产品关键词分值向量，确定待推荐产品。
87.在实际应用中，产品关键词映射表在构建之初，业务人员针对每一款产品都设定有相应的多个产品关键词，并且，每一个产品关键词对于每一款产品都有一个具体的分值，例如，产品库中有100款产品，则产品关键词a对应该100款产品中的每款产品均有对应的分值，即产品关键词a的产品关键词分值向量为100维向量，且分值的大小与产品关键词的相关度呈正比。若产品关键词a与某款产品xx并无直接联系，则产品关键词a相对于产品xx的分值可以初始化为0，若产品关键词a与某款产品xx的相关性高，则产品关键词a相对于产品xx的分值可以初始化为5，本实施例中，产品关键词的分值的初始值可以是业务人员或专家根据专业知识和产品的历史销售数据确定。本实施例中，由于会话特征数据中包含多个产品关键词，因此，可以是提取会话特征数据中出现频次排名在前5名的产品关键词，将提取出的5个产品关键词作为目标产品关键词，然后，在预设的产品关键词映射表查找各个目标产品关键词对应于每一款产品的分值，并根据目标产品关键词对应每一产品的分值，构建目标产品关键词分值向量，然后，根据目标产品关键词分值向量，计算所有的目标产品关键词对于每一产品的分值的总和，得到以目标产品关键词为单位的每款产品的总得分，然后，将得分排名前五的产品确定为待推荐产品。举例说明，假如产品库中共有n个产品，每个词对于n个产品的分值可以用产品关键词分值向量vc表达：vc＝[c1,c2,
……
cn-1,cn]，其中cn表示词c对应第n个产品的得分，提取出来的通过词频最高的五个词c1、c2、c3、c4、c5计算出每个产品的总得分。第n个产品的总得分scoren为：scoren＝c1n+c2n+c3n+c4n+c5n，得分最高的前五个产品将被确定为待推荐产品。本实施例中，根据词频筛选出目标产品关键词，进而根据目标产品关键词在产品关键词映射表对应每一产品的分值，确定待推荐产品，能够使得筛选出待推荐产品更加贴合客户的需求，准确度更高。
[0088]
如图4所示，在一个实施例中，根据产品反馈数据调整预设的产品关键词映射表包括：
[0089]
步骤820，对产品反馈数据进行关键词识别，确定产品反馈数据所包含的感兴趣产品。
[0090]
步骤840，在预设的产品关键词映射表查找每一目标产品关键词对应感兴趣产品的分值。
[0091]
步骤860，按照预设的分值更新规则，调整每一目标产品关键词对应感兴趣产品的分值。
[0092]
产品反馈数据的获取方式可以是由业务人员手工输入，也可以是由后台根据客户的产品浏览购买行为数据确定。本实施例中，以产品反馈数据由业务人员手动输入为例进行说明。由上述实施例可知，每一个目标产品关键词针对每一款产品均有一个分值，当接收到业务人员反馈的产品反馈数据后，可以是对产品反馈数据进行关键词识别，确定产品反馈数据所包含的感兴趣产品，然后，在预设的产品关键词映射表查找每一目标产品关键词对应感兴趣产品的分值，然后，依据分值更新规则中的更新系数，更新每一目标产品关键词对应感兴趣产品的分值。举例说明，业务人员在跟客户交互的过程中，推断出客户感兴趣的产品，并在接收到推送的产品和标签数据后，确认推送的产品不是客户感兴趣的产品后，输入推断出的客户感兴趣产品，接收到业务人员反馈的产品反馈数据后，可对产品反馈数据进行关键词识别，确定业务人员输入的感兴趣产品，然后，根据预设的分值更新规则，更新与该客户聊天记录中词频最高的前五个目标产品关键词对于该感兴趣产品的得分。若业务人员输入的感兴趣产品是产品库中的第m个产品，业务人员与该客户的聊天记录中词频最高的五个词c1、c2、c3、c4、c5对第m个产品的分值为c1m、c2m、c3m、c4m、c5m，根据预设的分值更新规则，c1m、c2m、c3m、c4m、c5m分别被更新为αc1m、αc2m、αc3m、αc4m、αc5m，其中α为大于等于1的调整因子，从而提高了这五个目标产品关键词对于第m个产品的分值，加强该产品关键词与产品的相关性。本实施例中，根据预设的分值更新规则，更新每一目标产品关键词对应感兴趣产品的分值，能够简单快速更新产品关键词映射表，且还能提高后续产品推荐的准确度。
[0093]
如图5所示，在一个实施例中，方法还包括：
[0094]
步骤900，获取会话对象的产品浏览购买行为数据。
[0095]
步骤920，根据产品浏览购买行为数据，确定会话对象的偏好产品。
[0096]
步骤940，在预设的产品关键词映射表查找每一目标产品关键词对应偏好产品的分值。
[0097]
步骤960，按照预设的分值更新规则，调整每一目标产品关键词对应偏好产品的分值。
[0098]
产品浏览购买行为数据包括产品浏览数据和产品购买数据。具体的，可以是在企业的商城系统以及产品系统等平台，设下埋点，根据产品浏览购买行为数据检测到客户多次浏览某款产品或者购买了某款产品后，确定客户购买或多次浏览的偏好产品，然后，在预设的产品关键词映射表中查找每一目标产品关键词对应偏好产品的分值，同样的，可以是按照预设的分值更新规则，调整与该客户的聊天记录中词频最高的前五个目标产品关键词对应偏好产品的分值，若根据客户的产品浏览购买行为确定的偏好产品为产品库中的第n个产品，业务人员与该客户的聊天记录中词频最高的五个词c1、c2、c3、c4、c5对第m个产品的分值c1n、c2n、c3n、c4n、c5n，根据预设的分值更新规则，c1n、c2n、c3n、c4n、c5n分别被更新为αc1n、αc2n、αc3n、αc4n、αc5n，其中α为大于等于1的调整因子。本实施例中，根据客户的产品浏览购买行为数据，自动确定客户的偏好产品，进而根据预设的分值更新规则，更新每一目标产品关键词对应偏好产品的分值，能够简单快速更新产品关键词映射表，且还能提高后续产品推荐的准确度，进而能够推荐出更加符合客户偏好的产品。
[0099]
在一个实施例中，提取对象会话数据的会话特征数据包括：对对象会话数据进行分词处理，得到分词结果，剔除分词结果中的停用词，对剔除停用词后的分词结果进行词频
统计，得到会话特征数据。
[0100]
本实施例中，可以是采用jieba分词方法对对象会话数据进行分词处理，得到分词结果，然后，根据预设好的停用词字典，剔除掉分词结果中的停用词，过滤掉无意义的词语，例如“的”、“吧”、“呢”等，同时过滤掉emoji表情及标点符号等信息。然后，对剔除停用词后的分词结果进行词频统计，计算经过数据清洗后的分词结果的词频-逆向文件频率tf-idfi值，然后，根据tf-idfi值对词组进行降序排序，得到词频统计列表，将该词频统计列表作为会话特征数据。可以理解的是，在其他实施例中，还可以是使用基于字符串匹配的分词方法等其他分词方法，具体可视实际情况而定，在此不做限定。本实施例中，通过对象会话数据进行分词处理以及词频统计，将词频统计结果数据作为会话特征数据，能够为构建会话对象的标签数据提供数据基础，便于标签数据的添加。
[0101]
在一个实施例中，构建会话对象的标签数据包括：调用第三方词云图生成工具，根据预设的词云图样式参数，将会话特征数据转换成词云图，词云图包括会话对象的标签数据。
[0102]
词云图，又叫文字云，是对文本中出现频率较高的“关键词”予以视觉上的突出，出现次数越多，显示的字体越大，越突出，也表征这个关键词越重要。本实施例中，会话对象的标签数据以词云图的形式体现。具体的，可以是调用第三方词云图生成工具如wordcloud词云库，然后根据预设的词云图样式参数，将会话特征数据转化为词云图，该词云图中着重突出了会话对象的特征关键词。具体的，词云图的生成过程可以包括：根据预设的词云图样式参数，确定底图的形状、线条颜色和填充颜色，根据底图的形状确定画布的大小，再根据底图的线条颜色和填充颜色，在画布上绘制底图，以生成格式为二进制的底图。生成二进制的底图后，根据会话特征数据中各关键词的词频与关键词的词面积的正相关关系，确定底图面积中可分配给关键词的词面积，确定关键词的字体类型和字体颜色，将各关键词转换为符合所述字体类型和字体颜色、且占有所述词面积的字体图，再将字体图合并至底图，以生成词云图。本实施例中，通过生成词云图的方式构建会话对象的标签数据，能够过滤掉大量的低频低质的文本信息，使得业务人员能够非常直观地领略会话对象的特征，迅速推断出符合会话对象需求的产品。
[0103]
为了对本技术提供的产品数据推送方法做出更为清楚的说明，下面结合一个图6和具体实施例进行说明，该实施例可以包括以下步骤：
[0104]
步骤1：调用企业办公管理工具官方提供的数据拉取方法，拉取业务人员与客户的会话数据。
[0105]
步骤2：对对象会话数据进行分词处理，得到分词结果，剔除分词结果中的停用词，对剔除停用词后的分词结果进行词频统计，得到会话特征数据。
[0106]
步骤3：调用wordcloud词云库，根据预设的词云图样式参数，将会话特征数据转换成词云图，词云图包含客户的标签数据。
[0107]
步骤4：提取会话特征数据中的目标产品关键词，目标产品关键词为词频排列在预设名次内的产品关键词，在预设的产品关键词映射表查找目标产品关键词对应每一产品的分值，根据目标产品关键词对应每一产品的分值，构建目标产品关键词分值向量，根据目标产品关键词分值向量，筛选出得分最高的前5款产品，将其确定待推荐产品，并推送待推荐产品和词云图。例如，产品库中共有n个产品，每个词对于n个产品的分值可以用产品关键词
分值向量vc表达：vc＝[c1,c2,
……
cn-1,cn]，其中cn表示词c对应第n个产品的得分，提取出来的通过词频最高的五个词c1、c2、c3、c4、c5计算出每个产品的总得分。第n个产品的总得分scoren为：scoren＝c1n+c2n+c3n+c4n+c5n，得分最高的前五个产品将被确定为待推荐产品
[0108]
步骤5：接收针对待推荐产品和标签数据的产品反馈数据，对产品反馈数据进行关键词识别，确定产品反馈数据所包含的感兴趣产品，在预设的产品关键词映射表查找每一目标产品关键词对应感兴趣产品的分值，按照预设的分值更新规则，调整每一目标产品关键词对应感兴趣产品的分值。例如，业务人员输入的感兴趣产品是产品库中的第m个产品，业务人员与该客户的聊天记录中词频最高的五个词c1、c2、c3、c4、c5对第m个产品的分值为c1m、c2m、c3m、c4m、c5m，根据预设的分值更新规则，c1m、c2m、c3m、c4m、c5m分别被更新为αc1m、αc2m、αc3m、αc4m、αc5m，其中α为大于等于1的调整因子，从而提高了这五个目标产品关键词对于第m个产品的分值，加强该产品关键词与产品的相关性。
[0109]
步骤6：获取会话对象的产品浏览购买行为数据，根据产品浏览购买行为数据，确定会话对象的偏好产品。在预设的产品关键词映射表查找每一目标产品关键词对应偏好产品的分值。按照预设的分值更新规则，调整每一目标产品关键词对应偏好产品的分值。
[0110]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0111]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的产品数据推送方法的产品数据推送装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个产品数据推送装置实施例中的具体限定可以参见上文中对于产品数据推送方法的限定，在此不再赘述。
[0112]
在一个实施例中，如图7所示，提供了一种产品数据推送装置，包括：数据获取模块710、会话数据处理模块720、数据推送模块730和数据反馈调整模块740，其中：
[0113]
数据获取模块710，用于获取对象会话数据；
[0114]
会话数据处理模块720，用于提取对象会话数据的会话特征数据，基于会话特征数据，构建会话对象的标签数据；
[0115]
数据推送模块730，用于根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据；
[0116]
数据反馈调整模块740，用于接收针对待推荐产品和标签数据的产品反馈数据，根据反馈数据调整预设的产品关键词映射表。
[0117]
上述产品数据推送装置中，提取对象会话数据的会话特征数据，并基于会话特征数据，构建会话对象的标签数据，然后，根据会话特征数据和预设的产品关键词映射表，确定待推荐产品，并推送待推荐产品和标签数据，实现产品的自动推荐和标签数据的自动输出，进一步的，业务人员可凭借对会话对象的了解和专业业务知识，进一步判断推送的产品
和标签数据是否准确，并给出产品反馈数据，接收针对待推荐产品和标签数据的产品反馈数据，并根据产品反馈数据调整预设的产品关键词映射表。上述方案，基于对象会话数据和预设的产品关键词映射表，同时推送待推荐产品和标签数据，实现了产品的智能推荐和标签数据的智能添加，省略了业务人员通过手工维护对象标签的繁琐操作，且减少手工添加标签出错的概率。并且，业务人员可凭借对会话对象的了解和专业的业务知识，判断推送的产品和标签数据是否准确，进而给出产品反馈数据，再根据接收到的产品反馈数据调整产品关键词映射表，能够提高产品推荐的准确性，实现精细化的产品推荐。
[0118]
在一个实施例中，产品关键词映射表包括每一产品关键词对应每一产品的分值；
[0119]
数据推送模块730，还用于提取会话特征数据中的目标产品关键词，目标产品关键词为词频排列在预设名次内的产品关键词，从预设的产品关键词映射表查找目标产品关键词对应每一产品的分值，根据目标产品关键词对应每一产品的分值，构建目标产品关键词分值向量，根据目标产品关键词分值向量，确定待推荐产品。
[0120]
在一个实施例中，数据反馈调整模块740还用于对反馈数据进行关键词识别，确定反馈数据所包含的感兴趣产品，从预设的产品关键词映射表查找每一目标产品关键词对应感兴趣产品的分值，按照预设的分值更新规则，调整每一目标产品关键词对应感兴趣产品的分值。
[0121]
在一个实施例中，数据反馈调整模块740还用于获取会话对象的产品浏览购买行为数据，根据产品浏览购买行为数据，确定会话对象的感兴趣产品，从预设的产品关键词映射表查找每一目标产品关键词对应感兴趣产品的分值，按照预设的分值更新规则，调整每一目标产品关键词对应感兴趣产品的分值。
[0122]
在一个实施例中，对象会话数据处理模块720还用于对对象会话数据进行分词处理，得到分词结果，剔除分词结果中的停用词，对剔除停用词后的分词结果进行词频统计，得到会话特征数据。
[0123]
在一个实施例中，对象会话数据处理模块720还用于调用第三方词云图生成工具，根据预设的词云图样式参数，将会话特征数据转化成词云图，词云图包括对象的标签数据。
[0124]
上述产品数据推送装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0125]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(input/output，简称i/o)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储对象会话数据、标签数据以及产品反馈数据等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品数据推送方法。
[0126]
本领域技术人员可以理解，图8中示出的结构，仅仅是与本技术方案相关的部分结
构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0127]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述产品数据推送方法中的步骤。
[0128]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现述上述产品数据推送方法中的步骤。
[0129]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述产品数据推送方法中的步骤。
[0130]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0131]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0132]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。