服务推荐方法以及装置与流程

1.本说明书实施例涉及计算机技术领域，特别涉及一种服务推荐方法。本说明书一个或者多个实施例同时涉及一种服务推荐装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序。


背景技术：

2.随着互联网技术的发展，人们的生活模式随之发生了很大的变化，用户日常生活中的行为动作可以自由选择在线上或者线下进行。如用户可以在线下开店，也可以在线上开店。然而线上平台通常会提供众多的服务工具供用户使用，用户通常对这些服务工具并不了解，导致用户使用过程容易出现瓶颈。
3.目前，通常提供专业的工作人员解决用户在服务工具使用过程中出现的问题，然而，由于用户数量庞大，服务工具使用过程中会出现各式各样的问题，工作人员工作量大，并且人工势必会引入不确定因素，导致服务效率低且服务效果差。因此，亟需一种高效的用户服务方案。


技术实现要素：

4.有鉴于此，本说明书实施例提供了一种服务推荐方法。本说明书一个或者多个实施例同时涉及一种服务推荐装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
5.根据本说明书实施例的第一方面，提供了一种服务推荐方法，包括：
6.获取待推荐对象的属性信息；
7.根据属性信息，确定待推荐对象对应的至少一个待推荐服务；
8.向待推荐对象顺序推荐至少一个待推荐服务；
9.响应于待推荐对象针对目标服务实时反馈的确认结果，向待推荐对象的应用平台配置目标服务，其中，目标服务为至少一个待推荐服务中的任一个。
10.根据本说明书实施例的第二方面，提供了一种服务推荐装置，包括：
11.获取模块，被配置为获取待推荐对象的属性信息；
12.确定模块，被配置为根据属性信息，确定待推荐对象对应的至少一个待推荐服务；
13.推荐模块，被配置为向待推荐对象顺序推荐至少一个待推荐服务；
14.配置模块，被配置为响应于待推荐对象针对目标服务实时反馈的确认结果，向待推荐对象的应用平台配置目标服务，其中，目标服务为至少一个待推荐服务中的任一个。
15.根据本说明书实施例的第三方面，提供了一种计算设备，包括：
16.存储器和处理器；
17.所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述服务推荐方法的步骤。
18.根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计
算机可执行指令，该指令被处理器执行时实现上述服务推荐方法的步骤。
19.根据本说明书实施例的第五方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述服务推荐方法的步骤。
20.本说明书一个实施例提供的服务推荐方法，获取待推荐对象的属性信息；根据属性信息，确定待推荐对象对应的至少一个待推荐服务；向待推荐对象顺序推荐至少一个待推荐服务；响应于待推荐对象针对目标服务实时反馈的确认结果，向待推荐对象的应用平台配置目标服务，其中，目标服务为至少一个待推荐服务中的任一个。通过向待推荐对象推荐至少一个待推荐服务，提供了推荐过程中的主动触达服务，由于待推荐服务是根据待推荐对象的属性信息确定的，使得待推荐服务更加适合待推荐对象，节省了服务推荐的时间，提高了服务推荐的效果，并且，在待推荐对象实时反馈确认结果之后，直接配置目标服务，提高了服务落地的效率。
附图说明
21.图1是本说明书一个实施例提供的一种服务推荐系统的框架图；
22.图2是本说明书一个实施例提供的另一种服务推荐系统的框架图；
23.图3是本说明书一个实施例提供的一种服务推荐方法的流程图；
24.图4是本说明书一个实施例提供的一种服务推荐方法中预设外呼交互模板的示意图；
25.图5是本说明书一个实施例提供的一种服务推荐方法中服务引导界面的界面示意图；
26.图6是本说明书一个实施例提供的一种服务推荐方法的处理过程流程图；
27.图7是本说明书一个实施例提供的另一种服务推荐方法的处理过程流程图；
28.图8是本说明书一个实施例提供的一种服务推荐装置的结构示意图；
29.图9是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
30.在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
31.在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
32.应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
33.首先，对本说明书一个或多个实施例涉及的名词术语进行解释。
34.外呼：通过电话呼叫的一种触达方式。
35.人工智能：人工智能(ai，artificialintelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能可以对人的意识、思维的信息过程的模拟。
36.在本说明书中，提供了一种服务推荐方法，本说明书同时涉及一种服务推荐装置，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。
37.随着互联网技术的发展，人们的生活模式随之发生了很大的变化，用户日常生活中的行为动作可以自由选择在线上或者线下进行。如用户可以在线下开店，也可以在线上开店。然而线上平台通常会提供众多的服务工具供用户使用，用户通常对这些服务工具并不了解，导致用户使用过程容易出现瓶颈。
38.目前，通常提供专业的工作人员解决用户在服务工具使用过程中出现的问题，然而，由于用户数量庞大，服务工具使用过程中会出现各式各样的问题，工作人员工作量大，并且人工势必会引入不确定因素，导致服务效率低且服务效果差。因此，亟需一种高效的用户服务方案。
39.以商家在线上运营为例，为了让商家在服务平台内更好的经营，服务平台提供了众多自运营工具来帮助商家获客引流和复访促活，但是当前现状有不少商家不了解服务平台的众多自运营工具，导致了商家并没有深入的使用。
40.目前，服务平台可以提供所有运营工具的工具使用文档，供商家自行阅读和对接。但由于服务平台中的运营工具数量多，文档繁琐，配置审核流程过长，商家阅读效率低，并且商家在自行对接的过程中可能会出现各种问题，只能找相关工作人员进行解决，导致数据散乱，服务平台容易错过有效信息，无法感知问题出现的原因进行方案优化。
41.为了解决上述问题，本说明书实施例提供可一种服务推荐方案，获取待推荐对象的属性信息；根据属性信息，确定待推荐对象对应的至少一个待推荐服务；向待推荐对象顺序推荐至少一个待推荐服务；响应于待推荐对象针对目标服务实时反馈的确认结果，向待推荐对象的应用平台配置目标服务，其中，目标服务为至少一个待推荐服务中的任一个。通过向待推荐对象推荐至少一个待推荐服务，提供了推荐过程中的主动触达服务，由于待推荐服务是根据待推荐对象的属性信息确定的，使得待推荐服务更加适合待推荐对象，节省了服务推荐的时间，提高了服务推荐的效果，并且，在待推荐对象实时反馈确认结果之后，直接配置目标服务，提高了服务落地的效率。
42.参见图1，图1示出了本说明书一个实施例提供的一种服务推荐系统的框架图，其中，服务推荐系统包括服务端100和客户端200，客户端200包括应用平台；
43.客户端200：向服务端100发送待推荐对象的属性信息；
44.服务端100：获取待推荐对象的属性信息；根据属性信息，确定待推荐对象对应的至少一个待推荐服务；向待推荐对象顺序推荐至少一个待推荐服务；响应于待推荐对象针对目标服务实时反馈的确认结果，向待推荐对象的应用平台配置目标服务，其中，目标服务为至少一个待推荐服务中的任一个；
45.进一步地，服务端100还可以将服务推荐结果发送至客户端200。
46.应用本说明书实施例的方案，获取待推荐对象的属性信息；根据属性信息，确定待
推荐对象对应的至少一个待推荐服务；向待推荐对象顺序推荐至少一个待推荐服务；响应于待推荐对象针对目标服务实时反馈的确认结果，向待推荐对象的应用平台配置目标服务，其中，目标服务为至少一个待推荐服务中的任一个。通过向待推荐对象推荐至少一个待推荐服务，提供了推荐过程中的主动触达服务，由于待推荐服务是根据待推荐对象的属性信息确定的，使得待推荐服务更加适合待推荐对象，节省了服务推荐的时间，提高了服务推荐的效果，并且，在待推荐对象实时反馈确认结果之后，直接配置目标服务，提高了服务落地的效率。
47.参见图2，图2示出了本说明书一个实施例提供的另一种服务推荐系统的框架图，该系统可以包括服务端100以及多个客户端200。多个客户端200之间通过服务端100可以建立通信连接，在服务推荐场景中，服务端100即用来在多个客户端200之间提供服务推荐服务，多个客户端200可以分别作为发送端或接收端，通过服务端100实现实时通信。
48.用户通过客户端200可与服务端100进行交互，以接收其它客户端200发送的数据，或将数据发送至其它客户端200等。在服务推荐场景中，可以是用户通过客户端200向服务端100发布数据流，服务端100根据该数据流进行服务推荐，并将服务推荐结果推送至其他建立通信的其他客户端中。
49.其中，客户端200与服务端100之间通过网络建立连接。网络为客户端与服务端之间提供了通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。客户端200所传输的数据可能需要经过编码、转码、压缩等处理之后才发布至服务端100。
50.客户端200可以为浏览器、app(application，应用程序)、或网页应用如h5(hypertext markuplanguage5，超文本标记语言第5版)应用、或轻应用(也被称为小程序，一种轻量级应用程序)或云应用等，客户端200可以基于服务端提供的相应服务的软件开发工具包(sdk，softwaredevelopmentkit)，如基于实时通信(rtc，realtimecommunication)sdk开发获得等。客户端200可以部署在电子设备中，需要依赖设备运行或者设备中的某些app而运行等。电子设备例如可以具有显示屏并支持信息浏览等，如可以是个人移动终端如手机、平板电脑、个人计算机等。在电子设备中通常还可以配置各种其它类应用，例如人机对话类应用、模型训练类应用、文本处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
51.服务端100可以包括提供各种服务的服务器，例如为多个客户端提供通信服务的服务器，又如为客户端上使用的模型提供支持的用于后台训练的服务器，又如对客户端发送的数据进行处理的服务器等。需要说明的是，服务端100可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器也可以是云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(cdn，contentdeliverynetwork)、以及大数据和人工智能平台等基础云计算服务的云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。
52.值得说明的是，本说明书实施例中提供的服务推荐方法一般由服务端执行，但是，在本说明书的其它实施例中，客户端也可以与服务端具有相似的功能，从而执行本说明书实施例所提供的服务推荐方法。在其它实施例中，本说明书实施例所提供的服务推荐方法
还可以是由客户端与服务端共同执行。
53.参见图3，图3示出了本说明书一个实施例提供的一种服务推荐方法的流程图，具体包括以下步骤：
54.步骤302：获取待推荐对象的属性信息。
55.本说明书一个或多个实施例中，为了向待推荐对象进行更好的服务推荐，可以获取待推荐对象的属性信息，根据待推荐对象的属性信息，向待推荐对象提供定制化推荐服务。
56.具体地，待推荐对象可以是真实场景中的对象，如商户、机构等；还可以是虚拟对象，如虚拟场景中的角色。本说明书实施例中，待推荐对象的数量可以是一个，也可以是多个。待推荐对象的属性信息是指待推荐对象自身的信息，如待推荐对象的名称、身份标识号(id，identitydocument)联系方式等等，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
57.实际应用中，获取待推荐对象的属性信息的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
58.本说明书一种可能的实现方式中，可以从存储有多个对象信息的预设数据库中选择待推荐对象，其中，多个对象携带各自的属性信息，进一步可以直接获取待推荐对象的属性信息。需要说明的是，从预设数据库中选择待推荐对象的方式可以是随机选择，也可以是根据预设选择条件从多个对象中筛选待推荐对象，预设选择条件包括但不限于指定对象类型，如商家。
59.本说明书另一种可能的实现方式中，可以接收服务推荐请求，其中，服务推荐请求中携带待推荐对象。进一步可以查找待推荐对象的属性信息。需要说明的是，服务推荐请求中还可以直接携带待推荐对象的属性信息，从而无需查找待推荐对象的属性信息，节省获取待推荐对象的属性信息的时间。
60.步骤304：根据属性信息，确定待推荐对象对应的至少一个待推荐服务。
61.本说明书一个或多个实施例中，获取待推荐对象的属性信息之后，进一步可以根据属性信息，确定待推荐对象对应的至少一个待推荐服务。
62.具体地，待推荐服务是指可以向待推荐对象推荐的服务。不同场景中的待推荐服务可能不同，如电商场景中，待推荐服务可以包括二维码收款、收款提示等；又如在教育场景中，待推荐服务可以包括随机点名、分数统计服务等。一个待推荐对象可以对应一个待推荐服务，也可以对应多个待推荐服务，如商家可能需要二维码收款服务的同时，还需要收款提示服务。
63.实际应用中，根据属性信息，确定待推荐对象对应的至少一个待推荐服务的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
64.本说明书一种可能的实现方式中，可以根据待识别对象的属性信息，识别待推荐对象的类别，根据待推荐对象的类别，确定待推荐对象对应的至少一个待推荐服务。
65.需要说明的是，可以利用预先训练的类别识别模型，对待处理对象的属性信息进行类别识别，确定待推荐对象的类别。从预设类别-服务匹配表中查找与待推荐对象的类别对应的服务，即可确定待推荐对象对应的至少一个待推荐服务。其中，预先训练的类别识别模型为机器学习模型，机器学习模型可以理解为经过训练的程序，可以在新数据中发现模
式并进行预测。这些模型表示为一个数学函数，它以输入数据的形式接受请求，对输入数据进行预测，然后提供输出作为响应。
66.本说明书另一种可能的实现方式中，可以利用预设推荐模型对待推荐对象的属性信息进行处理，从而确定待推荐对象对应的至少一个待推荐服务，也即，上述根据属性信息，确定待推荐对象对应的至少一个待推荐服务，可以包括以下步骤：
67.将属性信息输入预设推荐模型中，经预设推荐模型的处理，确定待推荐对象对应的至少一个待推荐服务。
68.具体地，预设推荐模型是机器学习模型。本说明书实施例中，预设推荐模型可以是bert、长短期记忆网络(lstm，longshorttermmemory)等，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
69.应用本说明书实施例的方案，将属性信息输入预设推荐模型中，经预设推荐模型的处理，确定待推荐对象对应的至少一个待推荐服务，通过利用预设推荐模型确定待推荐对象对应的至少一个待推荐服务，提高了获得待推荐服务的效率。
70.实际应用中，将属性信息输入预设推荐模型中，经预设推荐模型的处理，确定待推荐对象对应的至少一个待推荐服务的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
71.本说明书第一种可能的实现方式中，可以将待推荐对象的属性信息输入预设推荐模型，预设推荐模型可以直接输出待推荐对象对应的至少一个待推荐服务。
72.本说明书第二种可能的实现方式中，可以将预先设置的多个服务和待推荐对象的属性信息输入预设推荐模型中，经预设推荐模型的处理，获得多个服务针对待推荐对象的指标。进一步地，可以根据各服务的指标，选择适合待推荐对象的至少一个待推荐服务。本说明书一种可能的实现方式中，可以获取预先设置的指标阈值，将指标大于指标阈值的服务作为待推荐对象的待推荐服务。本说明书另一种可能的实现方式中，可以对各服务的指标进行排序，将前n个服务作为待推荐对象的待推荐服务。
73.本说明书第三种可能的实现方式中，可以将待推荐对象的属性信息输入预设推荐模型中，确定待推荐对象对应的服务关键词，进一步根据服务关键词确定待推荐对象对应的至少一个待推荐服务，也即，上述将属性信息输入预设推荐模型中，经预设推荐模型的处理，确定待推荐对象对应的至少一个待推荐服务，可以包括以下步骤：
74.将属性信息输入预设推荐模型中，经预设推荐模型的处理，获得待推荐对象对应的至少一个服务关键词；
75.根据至少一个服务关键词，确定待推荐对象对应的至少一个待推荐服务。
76.具体地，一个待推荐服务可以对应一个服务关键词，还可以对应多个服务关键词。如收款服务对应的服务关键词包括收款、结账、买单等等。
77.需要说明的是，将待推荐对象的属性信息输入预设推荐模型中，经预设推荐模型的处理，输出待推荐对象对应的至少一个服务关键词之后，可以对至少一个服务关键词进行分类，根据分类结果确定待推荐对象对应的至少一个待推荐服务。
78.示例性地，将待推荐对象的属性信息输入预设推荐模型中，经预设推荐模型的处理，获得待推荐对象对应的六个服务关键词，这六个服务关键词分别为查找、检索、搜索、收款、结账和买单。对待推荐对象对应的六个服务关键词进行分类，确定查找、检索和搜索为
第一类，收款、结账和买单为第二类，进一步确定第一类对应的待推荐服务为“搜索服务”，第二类对应的待推荐服务为“收款服务”。
79.应用本说明书实施例的方案，将属性信息输入预设推荐模型中，经预设推荐模型的处理，获得待推荐对象对应的至少一个服务关键词，根据至少一个服务关键词，确定待推荐对象对应的至少一个待推荐服务，提高了确定待推荐服务的效率以及准确性。
80.本说明书一种可选的实施例中，在将待推荐对象的属性信息输入预设推荐模型之前，还可以利用与待推荐对象类别相同的样本对象对预设推荐模型进行优化训练，也即，上述将属性信息输入预设推荐模型中，经预设推荐模型的处理，确定待推荐对象对应的至少一个待推荐服务之前，还可以包括以下步骤：
81.根据属性信息，从预设数据库中筛选与待推荐对象类别相同的多个样本对象，其中，样本对象携带样本属性信息和服务标签；
82.从多个样本对象中提取第一样本对象，其中，第一样本对象为多个样本对象中的任一个；
83.将第一样本对象的第一样本属性信息输入预设推荐模型中，获得第一预测服务；
84.对比第一样本对象的第一服务标签和第一预测服务，计算预测损失值；
85.根据预测损失值，调整预设推荐模型的模型参数，并返回执行从多个样本对象中提取第一样本对象的步骤，在达到预设停止条件的情况下，获得更新后的预设推荐模型。
86.需要说明的是，根据属性信息，从预设数据库中筛选与待推荐对象类别相同的多个样本对象的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。本说明书一种可能的实现方式中，可以识别待推荐对象的类别，在预设数据库中查找与待推荐对象类别相同的样本对象。本说明书另一种可能的实现方式中，可以将待推荐对象的属性信息与预设数据库中多个样本对象的样本属性信息进行匹配，确定与待推荐对象的属性信息相同或相似度高的样本对象，进一步将这些样本对象作为与待推荐对象类别相同的样本对象。
87.本说明书一种可能的实现方式中，预设停止条件包括预测损失值小于或等于预设阈值。在将第一样本对象的第一样本属性信息输入预设推荐模型中，获得第一预测服务，对比第一样本对象的第一服务标签和第一预测服务，计算预测损失值之后，可以将预测损失值与预设阈值进行比较。
88.具体地，若预测损失值大于预设阈值，则说明预测服务和服务标签之间的差异较大，也即预设推荐模型的预测能力较差。此时，可以根据预测损失值，调整预设推荐模型的模型参数，并返回执行从多个样本对象中提取第一样本对象的步骤，在预测损失值小于或等于预设阈值，说明预测服务和服务标签之间的差异较小，达到预设训练停止条件，获得更新后的预设推荐模型。
89.本说明书另一种可能的实现方式中，除了比较预测损失值和预设阈值的大小关系之外，还可以结合迭代次数，确定当前的预设推荐模型是否更新训练完成。
90.具体地，若预测损失值大于预设阈值，则调整预设推荐模型的模型参数，并返回执行从多个样本对象中提取第一样本对象的步骤，继续对预设推荐模型进行训练，在达到预设迭代次数的情况下，停止迭代，得到完成训练的预设推荐模型，其中，预设阈值、预设迭代次数具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
91.实际应用中，计算预测损失值的函数有很多，如交叉熵损失函数、l1范数损失函数、最大损失函数、均方误差损失函数、对数损失函数等，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
92.应用本说明书实施例的方案，根据属性信息，从预设数据库中筛选与待推荐对象类别相同的多个样本对象，其中，样本对象携带样本属性信息和服务标签；从多个样本对象中提取第一样本对象，其中，第一样本对象为多个样本对象中的任一个；将第一样本对象的第一样本属性信息输入预设推荐模型中，获得第一预测服务；对比第一样本对象的第一服务标签和第一预测服务，计算预测损失值；根据预测损失值，调整预设推荐模型的模型参数，并返回执行从多个样本对象中提取第一样本对象的步骤，在达到预设停止条件的情况下，获得更新后的预设推荐模型。通过利用与待推荐对象类别相同的多个样本对象对预设推荐模型进行更新训练，使得预设推荐模型预测待推荐对象的能力更强，进一步提高了服务推荐的准确性。
93.进一步地，由于一个对象可能包括多个服务标签，而这些服务标签不一定都能达到较好的服务效果，因此，可以在筛选到与待推荐对象类别相同的多个样本对象之后，对各样本对象的服务标签进行筛选，筛除服务效果差的服务标签，也即，上述根据属性信息，从预设数据库中筛选与待推荐对象类别相同的多个样本对象之后，还可以包括以下步骤：
94.获取多个样本对象的服务标签对应的服务反馈信息；
95.根据服务反馈信息，对多个样本对象的服务标签进行筛选，获得筛选后的服务标签。
96.具体地，服务反馈信息包括但不限于搜索曝光信息、点击信息、评价信息等，具体如搜索曝光次数，搜索曝光率等。
97.实际应用中，获取多个样本对象的服务标签对应的服务反馈信息的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
98.本说明书一种可能的实现方式中，可以从预设数据库中直接获取预设时间段内样本对象的服务标签的服务反馈信息。例如，获取样本对象的搜索服务在2022年11月1日内的点击次数有8次。
99.本说明书另一种可能的实现方式中，可以获取样本对象的日志信息，对日志信息进行分析，确定样本对象的服务标签对象的服务反馈信息。
100.需要说明的是，在获取多个样本对象的服务标签对应的服务反馈信息之后，可以根据预设筛选条件对多个样本对象的服务标签进行筛选，获得筛选后的服务标签，其中，预设筛选条件具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
101.示例性地，假设样本对象a的服务标签有两个，这两个服务标签分别为服务a和服务b。其中，服务a对应的点击次数为1889，服务b对应的点击次数为778，获取预设筛选条件，假设预设筛选条件为预设点击次数大于1000，则根据预设筛选条件去除服务b，获得筛选后的服务标签为服务a。
102.应用本说明书实施例的方案，获取多个样本对象的服务标签对应的服务反馈信息；根据服务反馈信息，对多个样本对象的服务标签进行筛选，获得筛选后的服务标签，去除了服务效果不好的标签，从而使得更新后的预设推荐模型的预测效果更好，进一步提高了服务推荐的准确性。
103.本说明书一种可选的实施例中，根据属性信息，确定待推荐对象对应的至少一个待推荐服务之后，还可以包括以下步骤：
104.对至少一个待推荐服务进行审核，删除至少一个待推荐服务中不符合预设审核规则的待推荐服务。
105.需要说明的是，为了保证向待推荐对象推荐的待推荐服务符合待推荐对象且可行，可以根据预设审核规则对至少一个待推荐服务进行审核，将至少一个待推荐服务中不符合预设审核规则的待推荐服务剔除掉。
106.实际应用中，预设审核规则可以是将待推荐服务与待推荐对象的属性信息进行二次匹配，删除与待推荐对象需求无关的待推荐服务，还可以是将服务评价差的待推荐服务直接删除。预设审核规则具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
107.应用本说明书实施例的方案，对至少一个待推荐服务进行审核，删除至少一个待推荐服务中不符合预设审核规则的待推荐服务，使得待推荐服务更加准确，进一步提高了服务推荐的准确性。
108.步骤306：向待推荐对象顺序推荐至少一个待推荐服务。
109.本说明书一个或多个实施例中，获取待推荐对象的属性信息，根据属性信息，确定待推荐对象对应的至少一个待推荐服务之后，进一步可以向待推荐对象顺序推荐至少一个待推荐服务。
110.具体地，向待推荐对象推荐至少一个待推荐服务时，为了提高服务推荐过程的效率，可以顺序向待推荐对象进行服务推荐。顺序推荐是指按照顺序依次向待推荐对象一个一个推荐待推荐服务，而不是全部将至少一个待推荐服务全部发送给待推荐对象，供待推荐对象进行选择。
111.需要说明的是，推荐顺序具体根据实际情况进行选择，本说明书实施例对此不作任何限定。本说明书一种可能的实现方式中，可以随机构建推荐顺序。本说明书另一种可能的实现方式中，可以根据各待推荐服务的预测指标对待推荐服务进行排序，优先向待推荐对象推荐预测指标较大的待推荐服务。
112.实际应用中，向待推荐对象顺序推荐至少一个待推荐服务的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
113.本说明书一种可能的实现方式中，可以向待推荐对象发送推荐弹窗，推荐弹窗中包括一个待推荐服务，若待推荐对象确定配置该弹窗中的待推荐服务，则可以点击该推荐弹窗。若预设交互时间之后，待推荐对象对推荐弹窗无操作，则可以认为待推荐对象不需要推荐弹窗内推荐的待推荐服务。进一步可以向待推荐对象发送包括其他待推荐服务的推荐弹窗，供待推荐对象选择。
114.本说明书另一种可能的实现方式中，可以对待推荐对象进行智能外呼，向待推荐对象顺序推荐至少一个待推荐服务，也即，上述向待推荐对象顺序推荐至少一个待推荐服务，可以包括以下步骤：
115.获取预设外呼交互模板；
116.利用预设外呼交互模板，对待推荐对象进行智能外呼，并向待推荐对象顺序推荐至少一个待推荐服务。
117.具体地，预设外呼交互模板是指预先设置的用于指导ai智能外呼的交互模板，预
设外呼交互模板可以理解为交互话术。
118.实际应用中，获取预设外呼交互模板的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。本说明书一种可能的实现方式中，可以获取多个人工交互内容，对人工交互内容进行分析，提取人工交互内容中的通用交互内容，进一步生成预设外呼交互模板。本说明书另一种可能的实现方式中，可以直接获取人工预先设置的预设外呼交互模板。
119.需要说明的是，利用预设外呼交互模板对待推荐对象进行智能外呼时，若待推荐对象有多个，则可以批量对待推荐对象进行智能外呼，在外呼过程中，向待推荐对象顺序推荐至少一个待推荐服务。
120.进一步地，可以检测智能外呼过程中待推荐对象的意图，在检测到表征待推荐对象需要人工介入的意图时，由人工向待推荐对象顺序推荐至少一个待推荐服务。其中，检测到表征待推荐对象需要人工介入的意图的方式如检测到关键词“转人工”、“人工客服”等。
121.参见图4，图4示出了本说明书一个实施例提供的一种服务推荐方法中预设外呼交互模板的示意图。开始智能外呼之后，首问语句为询问xx是否方便，xx即为待推荐对象，首问语句是指询问xx的第一句。若否，则结束智能外呼，向待推荐对象下发消息以进行二次引导；若是，则可以确认待推荐对象是否意愿配置yy服务，yy即为至少一个待推荐服务。若待推荐对象不需要配置该待推荐服务，则向待推荐对象顺序推荐下一待推荐服务，若待推荐对象不需要推荐的所有待推荐服务，也即若否，则结束智能外呼，向待推荐对象下发消息以进行二次引导。若待推荐有意愿配置yy服务，也即若是，则对待推荐对象进行身份验证，验证通过的情况下向待推荐对象的应用平台配置目标服务，配置完目标服务之后结束智能外呼，向待推荐对象下发消息以进行二次引导。其中，对待推荐对象进行身份认证可以理解为鉴权待推荐对象的身份。
122.应用本说明书实施例的方案，获取预设外呼交互模板，利用预设外呼交互模板，对待推荐对象进行智能外呼，并向待推荐对象顺序推荐至少一个待推荐服务。通过智能外呼的方式，可以实现批量向待推荐对象进行服务推荐，并且高效准确的实现服务推荐。
123.本说明书一种可选的实施例中，向待推荐对象顺序推荐至少一个待推荐服务之后，还可以包括以下步骤：
124.通过前端界面向待推荐对象发送服务引导内容；
125.接收待推荐对象基于服务引导内容发送的操作指令，向待推荐对象提供操作指令对应的服务。
126.具体地，通过前端界面向待推荐对象发送服务引导内容也即上述二次引导的过程。服务引导内容可以包括引导用户如何使用配置的待推荐服务，还可以包括与已配置的待推荐服务类似的服务，服务引导内容具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
127.需要说明的是，待推荐对象基于服务引导内容发送的操作指令可以是点击、双击、触控、鼠标悬停、滑动、长按、语音控制或摇一摇等任一方式，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
128.参见图5，图5示出了本说明书一个实施例提供的一种服务推荐方法中服务引导界面的界面示意图。服务引导页面中包括常见的问题和答案(q&a，qustion&answer)展示框，
还可以包括服务介绍、服务助手、服务后台等内容，各内容对应“查看详情”的操作控件，待推荐对象可以对任一操作控件进行操作，从而跳转至对应的服务界面。若待推荐对象县级服务介绍对应的操作控件，则向待推荐对象展示服务服务相关介绍内容，进一步还可以向待推荐对象进行语音播报。
129.应用本说明书实施例的方案，通过前端界面向待推荐对象发送服务引导内容；接收待推荐对象基于服务引导内容发送的操作指令，向待推荐对象提供操作指令对应的服务，在服务推荐结束后向待推荐对象进行二次引导，使得待推荐对象能够学习相关内容，从而获得自主配置服务的能力，进一步提高待推荐对象的使用体验度。
130.步骤308：响应于待推荐对象针对目标服务实时反馈的确认结果，向待推荐对象的应用平台配置目标服务，其中，目标服务为至少一个待推荐服务中的任一个。
131.本说明书一个或多个实施例中，在获取待推荐对象的属性信息，根据属性信息，确定待推荐对象对应的至少一个待推荐服务，向待推荐对象顺序推荐至少一个待推荐服务之后，进一步，在待推荐对象针对目标服务实时反馈确认结果之后，实时向待推荐对象的应用平台配置目标服务。
132.具体地，待推荐对象针对目标服务实时反馈确认结果的方式可以是在外呼过程中回复“确认”、“好的”、“同意”等内容，还可以是实时点击推荐弹窗，待推荐对象针对目标服务实时反馈的确认结果的方式具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
133.需要说明的是，响应于待推荐对象针对目标服务实时反馈的确认结果，可以实时将目标服务相关信息反馈至配置单元，由配置单元实时向待推荐对象的应用平移配置目标服务，进一步地，可以在外呼过程中向待推荐对象反馈配置成功。其中，待推荐对象的应用平台包括但不限于小程序、浏览器页面等，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
134.应用本说明书实施例的方案，获取待推荐对象的属性信息；根据属性信息，确定待推荐对象对应的至少一个待推荐服务；向待推荐对象顺序推荐至少一个待推荐服务；响应于待推荐对象针对目标服务实时反馈的确认结果，向待推荐对象的应用平台配置目标服务，其中，目标服务为至少一个待推荐服务中的任一个。通过向待推荐对象推荐至少一个待推荐服务，提供了推荐过程中的主动触达服务，由于待推荐服务是根据待推荐对象的属性信息确定的，使得待推荐服务更加适合待推荐对象，节省了服务推荐的时间，提高了服务推荐的效果，并且，在待推荐对象实时反馈确认结果之后，直接配置目标服务，提高了服务落地的效率。
135.本说明书一种可选的实施例中，向待推荐对象的应用平台配置目标服务之前，还可以包括以下步骤：
136.根据待推荐对象的属性信息，对待推荐对象进行身份验证；
137.向待推荐对象的应用平台配置目标服务，包括：
138.在身份验证通过的情况下，向待推荐对象的应用平台配置目标服务。
139.需要说明的是，根据待推荐对象的属性信息，对待推荐对象进行身份验证的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
140.本说明书一种可能的实现方式中，可以询问待推荐对象的属性信息，接收待推荐
对象反馈的属性信息，将待推荐反馈的属性信息与预先获取的待推荐对象的属性信息进行对比，在对比结果为一致的情况下，确认身份验证通过，向待推荐对象的应用平台配置目标服务。
141.本说明书另一种可能的实现方式中，可以根据预先获取的待推荐对象的属性信息，向待推荐对象发送验证信息，并向待推荐发送验证信息获取指令，若待推荐对象反馈的验证信息与向待推荐对象发送的验证信息一致，确认身份验证通过，向待推荐对象的应用平台配置目标服务。
142.示例性地，获取待推荐对象的联系号码为100000000，在智能外呼过程中通过该联系号码向待推荐对象发送验证信息“857857”，并询问待推荐对象验证信息是什么，若待推荐对象准确回答验证信息为“857857”，则确认身份验证通过，向待推荐对象的应用平台配置目标服务。
143.应用本说明书实施例的方案，根据待推荐对象的属性信息，对待推荐对象进行身份验证，在身份验证通过的情况下，向待推荐对象的应用平台配置目标服务，保证了服务推荐与落地配置之间的安全性，保证待推荐对象的权益，提高待推荐对象的体验度。
144.本说明书另一种可选的实施例中，向待推荐对象的应用平台配置目标服务之后，还可以包括以下步骤：
145.获取目标服务对应的目标服务数据；
146.根据目标服务数据，生成针对待推荐对象的建议信息；
147.将目标服务数据和建议信息反馈给待推荐对象。
148.具体地，目标服务数据包括目标服务对应的日均活跃用户数量(dau，dailyactiveuser)交易、复访等指标，指标包括数量、增长率等。
149.需要说明的是，获取目标服务对应的目标服务数据的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。本说明书一种可能的实现方式中，可以获取目标服务对应的服务日志，对服务日志进行分析，获得目标服务数据。本说明书另一种可能的实现方式中，可以利用数据统计工具直接统计获得目标服务对应的目标服务数据。
150.实际应用中，根据目标服务数据生成针对待推荐对象的建议信息的方式有多种，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
151.本说明书一种可能的实现方式中，可以利用预先设置的建议模板生成建议信息。
152.示例性地，假设交易数量为77，获取数量0-100对应的建议模板为“mm方面有待加强”，其中，mm为对应的服务。则生成针对待推荐对象的建议信息为“交易方面有待加强”。
153.本说明书另一种可能的实现方式中，可以将目标服务数据输入建议信息生成模型，经建议信息生成模型的处理，确定目标服务数据对应的建议信息。
154.进一步地，将目标服务数据和建议信息反馈给待推荐对象的方式有多种，包括但不限于短信、弹窗、外呼等，具体根据实际情况进行选择，本说明书实施例对此不作任何限定。
155.应用本说明书实施例的方案，获取目标服务对应的目标服务数据；根据目标服务数据，生成针对待推荐对象的建议信息；将目标服务数据和建议信息反馈给待推荐对象，实现了从主动服务到主动反馈的闭环流程，提高了待推荐对象的使用体验度。
156.需要说明的是，本说明书实施例提供的服务推荐方法，可以应用于多种场景下的
服务推荐过程，如电商运营场景下，向商户提供推荐相关服务，以使商户通过相关服务实现高效运营；或者，还可以应用于监管场景下，向工作人员提供推荐相关服务，以使工作人员通过相关服务高效完成监管，当然还可以应用于其他场景下，本说明书对服务推荐方法的应用场景不进行限制。
157.下述结合附图6，以本说明书提供的服务推荐方法在电商运营的应用为例，对所述服务推荐方法进行进一步说明。其中，图6示出了本说明书一个实施例提供的一种服务推荐方法的处理过程流程图，具体包括以下步骤：
158.步骤602：获取待推荐对象的属性信息。
159.步骤604：将属性信息输入预设推荐模型中，经预设推荐模型的处理，确定待推荐对象对应的至少一个推荐服务。
160.步骤606：获取预设外呼交互模板。
161.步骤608：利用预设外呼交互模板，对待推荐对象进行智能外呼，并向待推荐对象顺序推荐至少一个待推荐服务。
162.步骤610：根据待推荐对象的属性信息，对待推荐对象进行身份验证。
163.步骤612：响应于待推荐对象针对目标服务实时反馈的确认结果，在身份验证通过的情况下，向待推荐对象的应用平台配置目标服务。
164.步骤614：获取目标服务对应的目标服务数据。
165.步骤616：根据目标服务数据，生成针对待推荐对象的建议信息。
166.步骤618：将目标服务数据和建议信息反馈给待推荐对象。
167.需要说明的是，步骤602-步骤618的实现方式与上述图2所述的服务推荐方法的实现方式相同，本说明书实施例便不再赘述。
168.应用本说明书实施例的方案，获取待推荐对象的属性信息，将属性信息输入预设推荐模型中，经预设推荐模型的处理，确定待推荐对象对应的至少一个推荐服务，获取预设外呼交互模板，利用预设外呼交互模板，对待推荐对象进行智能外呼，并向待推荐对象顺序推荐至少一个待推荐服务，根据待推荐对象的属性信息，对待推荐对象进行身份验证，响应于待推荐对象针对目标服务实时反馈的确认结果，在身份验证通过的情况下，向待推荐对象的应用平台配置目标服务，获取目标服务对应的目标服务数据，根据目标服务数据，生成针对待推荐对象的建议信息，将目标服务数据和建议信息反馈给待推荐对象。通过向待推荐对象推荐至少一个待推荐服务，提供了推荐过程中的主动触达服务，由于待推荐服务是根据待推荐对象的属性信息确定的，使得待推荐服务更加适合待推荐对象，节省了服务推荐的时间，提高了服务推荐的效果，并且，在待推荐对象实时反馈确认结果之后，直接配置目标服务，提高了服务落地的效率。
169.参见图7，图7示出了本说明书一个实施例提供的另一种服务推荐方法的处理过程流程图。
170.外呼名单和能力准备：数据准备阶段，获取外呼名单，其中，外呼名单中包括至少一个待推荐商户。同时获取待推荐商户的属性信息，如获取入驻的商户的名称、商家的唯一id以及商家平台留下的联系方式。在获取外呼名单之后，可以根据属性信息，确定待推荐商户对应的至少一个待推荐服务，直接帮助待推荐商户一步到位地运营。具体地，可以考虑推荐的服务和待推荐商户自身的服务意图，通过预设推荐模型进行匹配关联。在训练预设推
荐模型的过程中还可以考虑与已配置待推荐服务的同类别商户的搜索曝光和点击结果，从而获得更精确的预设推荐模型。通过训练后的预设推荐模型进一步可以确定待推荐商户的至少一个待推荐服务，从而实现不同的待推荐商户对应不同的待推荐服务，也即“千商千面”。如商户a1对应的待推荐服务为x1，x2，x3；商户a2对应的待推荐服务为x4，x5等。不同商户对应的待推荐服务的数量可以不同，并且还可以预先设置预设外呼交互模板，其中，商家也即商户。
171.进一步地，对于需要主动外呼的商户，服务平台可以对商户的小程序平台进行质量巡检，保证小程序本身符合可用性，即可以让用户搜索得到并且用户体验不会出现白屏，控件不可用等问题，从而避免推广无效的商户，保障了用户侧后续的体验。其中，质量巡检的过程可以是模拟用户打开浏览小程序，从而删除表现不好的小程序。并且，对预设推荐模型产出的待推荐服务可以提前进行审核，即先审后呼，删除不符合预设审核规则的待推荐服务。
172.智能外呼系统对接自运营工具后台：平台接入外呼名单和各待推荐商户对应的待推荐服务，也即获取交互模板和数据配置，开启智能外呼和部署。若商户需要人工介入，则人工二次外呼。在外呼过程中判断商家是否授权，若是，则将相应的待推荐服务直接落到系统层面，对接相应服务后台，由服务平台对于已经提前审核过的待推荐服务和商家工单进行秒过，并向商家下发配置结果引导页。若否，则向商家下发自主引导页，以使商家自主选择。若智能外呼系统中，遇到商户明确表明需要人工介入时，将会转成人工系统进行合作。
173.服务平台告知商家配置结果并引导商家后续自行运营：外呼结束之后，对于配置成功或者未配置成功的商户，都可以进行后续的自运营的引导，告知商家后续可以在小程序运营平台上进行操作，使得商家可以循序渐进的实现自运营。
174.效果追踪和同步：为了能够持续性增加商户的自运营动力并且对主动外呼助运营形成闭环体验，可以以数据周报的形式，一目了然地告知商家近一周完成了哪些自运营动作，带来的了dau、交易、复访等指标的提升情况，并且建议后续的一些服务等，也即将效果反馈商户。
175.需要说明的是，对于整个外呼助运营，不仅包括帮助商家一键配置相关服务并且提供商家自己无法提供的算法匹配能力，还可以通过外呼助运营的整套解决方案帮助商家活动报名、政策参与等整合营销能力上的引导和一键采纳等。
176.应用本说明书实施例的方案，通过主动触达服务和引导商户使用自运营能力的批量外呼运营系统，提供了千商千面的服务建议，实现了外呼鉴权-多系统打通落地的一呼即配置的实时解决方案以及从主动服务到主动反馈的闭环商家体验流程，付出回报率(roi，returnon investment)明确且高，进一步使得商家对服务工具从认知到使用再到复盘，帮助商家能在服务平台更好的拉新和促活。
177.与上述方法实施例相对应，本说明书还提供了服务推荐装置实施例，图8示出了本说明书一个实施例提供的一种服务推荐装置的结构示意图。如图8所示，该装置包括：
178.获取模块802，被配置为获取待推荐对象的属性信息；
179.确定模块804，被配置为根据属性信息，确定待推荐对象对应的至少一个待推荐服务；
180.推荐模块806，被配置为向待推荐对象顺序推荐至少一个待推荐服务；
181.配置模块808，被配置为响应于待推荐对象针对目标服务实时反馈的确认结果，向待推荐对象的应用平台配置目标服务，其中，目标服务为至少一个待推荐服务中的任一个。
182.可选地，确定模块804，进一步被配置为将属性信息输入预设推荐模型中，经预设推荐模型的处理，确定待推荐对象对应的至少一个待推荐服务。
183.可选地，确定模块804，进一步被配置为将属性信息输入预设推荐模型中，经预设推荐模型的处理，获得待推荐对象对应的至少一个服务关键词；根据至少一个服务关键词，确定待推荐对象对应的至少一个待推荐服务。
184.可选地，确定模块804，进一步被配置为根据属性信息，从预设数据库中筛选与待推荐对象类别相同的多个样本对象，其中，样本对象携带样本属性信息和服务标签；从多个样本对象中提取第一样本对象，其中，第一样本对象为多个样本对象中的任一个；将第一样本对象的第一样本属性信息输入预设推荐模型中，获得第一预测服务；对比第一样本对象的第一服务标签和第一预测服务，计算预测损失值；根据预测损失值，调整预设推荐模型的模型参数，并返回执行从多个样本对象中提取第一样本对象的步骤，在达到预设停止条件的情况下，获得更新后的预设推荐模型。
185.可选地，确定模块804，进一步被配置为获取多个样本对象的服务标签对应的服务反馈信息；根据服务反馈信息，对多个样本对象的服务标签进行筛选，获得筛选后的服务标签。
186.可选地，推荐模块806，进一步被配置为获取预设外呼交互模板；利用预设外呼交互模板，对待推荐对象进行智能外呼，并向待推荐对象顺序推荐至少一个待推荐服务。
187.可选地，该装置还包括：审核模块，被配置为对至少一个待推荐服务进行审核，删除至少一个待推荐服务中不符合预设审核规则的待推荐服务。
188.可选地，该装置还包括：验证模块，被配置为根据待推荐对象的属性信息，对待推荐对象进行身份验证；配置模块808，进一步被配置为在身份验证通过的情况下，向待推荐对象的应用平台配置目标服务。
189.可选地，该装置还包括：发送模块，被配置为通过前端界面向待推荐对象发送服务引导内容；接收待推荐对象基于服务引导内容发送的操作指令，向待推荐对象提供操作指令对应的服务。
190.可选地，该装置还包括：反馈模块，被配置为获取目标服务对应的目标服务数据；根据目标服务数据，生成针对待推荐对象的建议信息；将目标服务数据和建议信息反馈给待推荐对象。
191.应用本说明书实施例的方案，获取待推荐对象的属性信息；根据属性信息，确定待推荐对象对应的至少一个待推荐服务；向待推荐对象顺序推荐至少一个待推荐服务；响应于待推荐对象针对目标服务实时反馈的确认结果，向待推荐对象的应用平台配置目标服务，其中，目标服务为至少一个待推荐服务中的任一个。通过向待推荐对象推荐至少一个待推荐服务，提供了推荐过程中的主动触达服务，由于待推荐服务是根据待推荐对象的属性信息确定的，使得待推荐服务更加适合待推荐对象，节省了服务推荐的时间，提高了服务推荐的效果，并且，在待推荐对象实时反馈确认结果之后，直接配置目标服务，提高了服务落地的效率。
192.上述为本实施例的一种服务推荐装置的示意性方案。需要说明的是，该服务推荐
装置的技术方案与上述的服务推荐方法的技术方案属于同一构思，服务推荐装置的技术方案未详细描述的细节内容，均可以参见上述服务推荐方法的技术方案的描述。
193.图9示出了本说明书一个实施例提供的一种计算设备的结构框图。该计算设备900的部件包括但不限于存储器910和处理器920。处理器920与存储器910通过总线930相连接，数据库950用于保存数据。
194.计算设备900还包括接入设备940，接入设备940使得计算设备900能够经由一个或多个网络960通信。这些网络的示例包括公用交换电话网(pstn，publicswitchedtelephone network)、局域网(lan，localareanetwork)、广域网(wan，wideareanetwork)、个域网(pan，personalareanetwork)或诸如因特网的通信网络的组合。接入设备940可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(nic，networkinterfacecard))中的一个或多个，诸如ieee802.11无线局域网(wlan，wirelesslocalareanetworks)无线接口、全球微波互联接入(wi-max，worldinteroperabilityformicrowaveaccess)接口、以太网接口、通用串行总线(usb，universalserialbus)接口、蜂窝网络接口、蓝牙接口、近场通信(nfc，nearfieldcommunication)接口，等等。
195.在本说明书的一个实施例中，计算设备900的上述部件以及图9中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图9所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
196.计算设备900可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或个人计算机(pc，personalcomputer)的静止计算设备。计算设备900还可以是移动式或静止式的服务器。
197.其中，处理器920用于执行如下计算机可执行指令，该计算机可执行指令被处理器执行时实现上述服务推荐方法的步骤。
198.上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的服务推荐方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述服务推荐方法的技术方案的描述。
199.本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述服务推荐方法的步骤。
200.上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的服务推荐方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述服务推荐方法的技术方案的描述。
201.本说明书一实施例还提供一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述服务推荐方法的步骤。
202.上述为本实施例的一种计算机程序的示意性方案。需要说明的是，该计算机程序的技术方案与上述的服务推荐方法的技术方案属于同一构思，计算机程序的技术方案未详细描述的细节内容，均可以参见上述服务推荐方法的技术方案的描述。
203.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围
内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
204.所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。
205.需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。
206.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，可以参见其它实施例的相关描述。
207.以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。