用于生成预测信息的方法、装置、电子设备和介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于生成预测信息的方法、装置、电子设备和介质。

背景技术

随着互联网的发展以及民众保险意识的增强，在缺少用户主观的信息提交和交互记录的情况下，很难判断用户对保险是否需要的意图。无法明确用户的保险需求，由此不能更好的提供保险服务。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了用于生成预测信息的方法、装置、电子设备和介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种用于生成预测信息的方法，该方法包括：获取用户的用户相关信息；基于所述用户相关信息，确定所述用户相关信息的情绪标签；接收所述用户针对目标信息采集页面输入的个人信息；基于所述情绪标签和所述个人信息，生成预测信息。

第二方面，本公开的一些实施例提供了一种用于生成预测信息的装置，装置包括：获取单元，被配置成获取用户的用户相关信息；确定单元，被配置成基于所述用户相关信息，确定所述用户相关信息的情绪标签；接收单元，被配置成接收所述用户针对目标信息采集页面输入的个人信息；生成单元，被配置成基于所述情绪标签和所述个人信息，生成预测信息。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中所描述的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：通过获取用户的用户相关信息确定用户相关信息的情绪标签。然后，接收用户主观输入的个人信息，以此来生成用于判断用户的保险需求意图的预测信息。另外，用户相关信息中包括用户的浏览记录信息，由此，本实施例提供的方法可以在用户的交互记录和主观填写的个人信息的基础上对用户进行判断。因此，生成的预测信息的准确度较高，可以为服务人员提供较为准确的提示，以便于服务人员为用户更好的提供保险服务，侧面提高用户体验。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的用于生成预测信息的方法的一个应用场景的示意图；

图2是根据本公开的用于生成预测信息的方法的一些实施例的流程图；

图3是根据本公开的用于生成预测信息的装置的一些实施例的结构示意图；

图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开一些实施例的用于生成预测信息的方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以获取用户的用户相关信息102。然后，计算设备101可以基于所述用户相关信息102，确定所述用户相关信息102的情绪标签103。之后，计算设备101可以接收所述用户针对目标信息采集页面输入的个人信息104。最后，计算设备101可以基于所述情绪标签103和所述个人信息104，生成预测信息105。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的用于生成预测信息的方法的一些实施例的流程200。该方法可以由图1中的计算设备101来执行。该用于生成预测信息的方法，包括以下步骤：

步骤201，获取用户的用户相关信息。

在一些实施例中，用于生成预测信息的方法的执行主体(如图1所示的计算设备101)可以通过无线连接方式获取用户的用户相关信息。这里，上述用户相关信息可以包括但不限于以下至少一项：所述用户浏览内容的浏览记录信息和所述用户输入的情绪相关信息，其中，所述浏览记录信息包括所述浏览内容的情绪标签信息、所述用户的浏览时长和所述用户的点击行为。具体地，上述浏览内容的情绪标签信息可以是预先设置的。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过如下步骤获取上述用户相关信息：第一步，响应于检测到上述用户针对用于表征目标活动页面的进入控件的点击操作，显示所述目标活动页面，其中，所述目标活动页面包括内容展示区和内容撰写区；第二步，响应于检测到上述用户针对上述内容展示区中的内容的用户操作(例如，滑动操作、点击操作、拖拽操作)，获取浏览记录相关信息，以及将所述浏览记录相关信息确定为上述用户相关信息中的浏览记录信息；第三步，响应于检测到上述用户针对上述内容撰写区的输入操作，接收上述用户输入的信息，以及将上述用户输入的信息确定为上述用户相关信息中的情绪相关信息；第四步，将上述浏览记录相关信息和上述用户输入的信息进行组合，得到上述用户相关信息。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

步骤202，基于所述用户相关信息，确定所述用户相关信息的情绪标签。

在一些实施例中，上述执行主体可以通过如下步骤确定上述用户相关信息的情绪标签：第一步，上述执行主体可以基于上述用户浏览内容的浏览记录信息，计算确定上述用户对上述浏览内容的接受度；第二步，上述执行主体可以基于上述用户输入的情绪相关信息，确定上述用户的情绪属性；第三步，上述执行主体可以基于上述接受度和上述情绪属性，确定上述用户相关信息的情绪标签。这里，情绪标签可以是用于表征用户当前情绪的描述信息。作为示例，情绪标签可以是“高兴”，可以是“自信”，也可以是“好奇”。

在一些实施例的一些可选的实现方式中，上述执行主体可以将浏览记录信息中浏览内容的情绪标签信息、所述用户的浏览时长和所述用户的点击行为，按照预设浏览权重进行计算得到用于表征浏览内容的接受度的得分。

在一些实施例的一些可选的实现方式中，上述执行主体可以将上述用户输入的情绪相关信息输入至预先训练的情绪属性判断模型，得到情绪属性信息。这里，上述情绪属性判断模型可以是基于与训练的字向量语言模型，例如，自然语言处理模型(NaturalLanguage Processing，NLP)。

在一些实施例的一些可选的实现方式中，上述执行主体可以将上述情绪属性信息和上述接受度按照预设情绪权重进行计算，得到计算结果。然后，上述执行主体可以基于上述计算结果从预设情绪标签库中选择情绪标签作为上述用户相关信息的情绪标签。

步骤203，接收所述用户针对目标信息采集页面输入的个人信息。

在一些实施例中，上述执行主体可以通过无线连接方式接收上述用户针对上述目标信息采集页面输入的个人信息。这里，上述个人信息包括用户个人属性标签信息和用户家庭属性标签信息。具体地，上述用户个人属性标签信息包括但不限于以下至少一项：年龄、性别、职业、个人收入、学历、居住地、有无社保、是否曾被拒保、所患疾病、身体质量指数、烟酒等生活习惯、购险预算。上述用户家庭属性标签信息包括但不限于以下至少一项：家庭收入、家庭结构(婚姻状况、子女个数、老人赡养情况)、家庭债务情况。

步骤204，基于所述情绪标签和所述个人信息，生成预测信息。

在一些实施例中，上述执行主体可以将上述情绪标签和上述个人信息输入至预选训练的预测信息生成模型，得到预测信息。这里，上述预测信息生成模型是通过训练样本集合训练得到的。上述预测信息可以是用于表征用户的保险需求的分数，也可以是用于表征用户的保险需求的文字信息。作为示例，预测信息可以是“85.9分”，预测信息也可以是“该用户有85.9％的概率有保险需求”。

在一些实施例的一些可选的实现方式中，上述预测信息生成模型可以是通过如下步骤训练得到的：第一步，获取训练样本集合，其中，训练样本包括样本情绪标签、样本个人信息和样本预测信息；第二步，从上述训练样本集合中选取训练样本；第三步，将训练样本集合的训练样本中的样本情绪标签和样本个人信息输入初始模型；第四步，将输出的预测信息和上述样本预测信息进行比较，得到信息损失值；第五步，将上述信息损失值与预设阈值进行比较，得到比较结果；第六步，根据比较结果确定上述初始模型是否训练完成；第七步，响应于确定上述初始模型训练完成，将上述初始模型确定为预测信息生成模型。

上述方法还包括：响应于确定初始模型未训练完成，调整初始模型中的相关参数，以及从上述训练样本集中重新选取样本，使用调整后的初始模型作为初始模型，继续执行上述训练步骤。

上文陈述的信息损失值可以是将上述输出的预测信息与对应的样本预测信息作为参数，输入执行的损失函数中得到的值。这里，损失函数(例如平方损失函数、指数损失函数等)通常是用来估量模型的预测值(例如该样本情绪标签和样本个人信息对应的上述样本预测信息)与真实值(例如通过上述步骤得到的预测信息)的不一致程度。它是一个非负实值函数。一般情况下，损失函数越小，模型的鲁棒性就越好。损失函数可以根据实际需求来设置。作为示例，损失函数可以是交叉熵损失函数(Cross Entropy)。

在这里，上述初始模型可以是未经训练，或者训练后未达到预设条件的模型。上述初始模型也可以是具有深度神经网络结构的模型。该神经网络模型可以具有现有的各种神经网络结构。例如，神经网络结构可以是卷积神经网络(Convolutional Neural Network，CNN)。初始模型的存储位置在本公开中同样不限制。

可选的，上述执行主体可以按照预设周期对预测信息生成模型的训练样本集合进行更新，以提高生成预测信息的准确度。

在一些实施例的一些可选的实现方式中，上述方法还包括：将上述预测信息传输至具有显示功能的目标设备，以及控制上述设备显示上述预测信息。

本公开的上述各个实施例中的一个实施例具有如下有益效果：通过获取用户的用户相关信息确定用户相关信息的情绪标签。然后，接收用户主观输入的个人信息，以此来生成用于判断用户的保险需求意图的预测信息。另外，用户相关信息中包括用户的浏览记录信息，由此，本实施例提供的方法可以在用户的交互记录和主观填写的个人信息的基础上对用户进行判断。因此，生成的预测信息的准确度较高，可以为服务人员提供较为准确的提示，以便于服务人员为用户更好的提供保险服务，侧面提高用户体验。

进一步参考图3，作为对上述各图上述方法的实现，本公开提供了一种用于生成预测信息的装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图3所示，一些实施例的用于生成预测信息的装置300包括：获取单元301、确定单元302、接收单元303和生成单元304。其中，获取单元301，被配置成获取用户的用户相关信息；确定单元302，被配置成基于所述用户相关信息，确定所述用户相关信息的情绪标签；接收单元303，被配置成接收所述用户针对目标信息采集页面输入的个人信息；生成单元304，被配置成基于所述情绪标签和所述个人信息，生成预测信息。

在一些实施例的一些可选的实现方式中，上述用户相关信息包括：所述用户浏览内容的浏览记录信息和所述用户输入的情绪相关信息，其中，所述浏览记录信息包括所述浏览内容的情绪标签信息、所述用户的浏览时长和所述用户的点击行为。

在一些实施例的一些可选的实现方式中，用于生成预测信息的装置300的确定单元302被进一步配置成：基于所述用户浏览内容的浏览记录信息，计算确定所述用户对所述浏览内容的接受度；基于所述用户输入的情绪相关信息，确定所述用户的情绪属性；基于所述接收度和所述情绪属性，确定所述用户相关信息的情绪标签。

在一些实施例的一些可选的实现方式中，上述基于所述用户输入的情绪相关信息，确定所述用户的情绪属性，包括：将所述用户输入的情绪相关信息输入至预先训练的情绪属性判断模型，得到情绪属性信息。

在一些实施例的一些可选的实现方式中，上述个人信息包括用户个人属性标签信息和用户家庭属性标签信息。

在一些实施例的一些可选的实现方式中，用于生成预测信息的装置300的生成单元304被进一步配置成：将所述情绪标签和所述个人信息输入至预先训练的预测信息生成模型，得到预测信息。

在一些实施例的一些可选的实现方式中，用于生成预测信息的装置300被进一步配置成：将所述预测信息传输至具有显示功能的目标设备，以及控制所述目标设备显示所述预测信息。

可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。

下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)400的结构示意图。图4示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取用户的用户相关信息；基于所述用户相关信息，确定所述用户相关信息的情绪标签；接收所述用户针对目标信息采集页面输入的个人信息；基于所述情绪标签和所述个人信息，生成预测信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元、接收单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取用户的用户相关信息的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。