一种用户咨询意图预测方法、系统及计算机设备

技术领域

本发明涉及数据处理技术领域，具体涉及一种用户咨询意图预测方法、系统、计算机设备以及非易失性计算机可读存储介质。

背景技术

目前，在银行智能客服以服务效率、准确性、服务效果提升需求的前提下，需要快速提高智能客服的服务水平、以及咨询意图的识别能力，快速提供针对咨询意图以主动精准推送服务内容的能力。但是，当前的用户咨询意图预测一般集中在某一特定的场景中，仅利用该特定场景下的数据，比如，利用用户咨询时输入的文本内容进行语义分析，以确定用户咨询意图，该方案主要基于用户咨询时输入的文本内容这一场景。但是，由于单一场景下关于用户的有效信息的种类有限，会造成用户咨询意图预测的准确性不高的问题。

因此，现有技术还有待改进和提高。

发明内容

鉴于上述现有技术的不足之处，本发明的目的在于提供一种可用于金融科技或其他相关领域的用户咨询意图预测方法、系统、计算机设备以及非易失性计算机可读存储介质，能够提高用户咨询意图预测的准确性，以提升用户的使用体验。

为了达到上述目的，本发明采取了以下技术方案：

一种用户咨询意图预测方法，其中，包括：

通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表；

通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容，通过大数据归类分析得到所述操作内容的得分排名列表；

通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数，通过大数据归类分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表；

通过分析App内所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配，加权计算后得到意图得分排名列表；

基于所述意图得分排名列表预测所述目标用户的咨询意图。

在进一步的技术方案中，所述的用户咨询意图预测方法，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表之前，包括：

预先将目标用户可选择的业务类型进行属性分类，并根据各所述业务类型进行不同的权重划分；

预先将目标用户可选择的操作类型进行属性分类，并根据各所述操作类型进行不同的权重划分；

预先将目标用户可访问页面的浏览时长区间进行不同的权重划分。

在进一步的技术方案中，所述的用户咨询意图预测方法，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表，包括：

通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点；

根据所述操作断点对应的断点内容属性查询所述目标用户在后续操作记录中是否存在开通业务的成功记录；

对无对应成功记录、成功次数大于失败次数、成功次数小于失败次数分别设定对应的权重a1、a2、a3，归类统计对应次数后分析得到所述操作断点的得分排名列表。

在进一步的技术方案中，所述的用户咨询意图预测方法，其中，所述通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容，通过大数据归类分析得到所述操作内容的得分排名列表，包括：

通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容；

根据所述操作内容、业务类型属性、操作类型属性以及操作次数进行归类统计，分析得到所述操作内容的得分排名列表。

在进一步的技术方案中，所述的用户咨询意图预测方法，其中，所述通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数，通过大数据归类分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表，包括：

通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数；

根据所述页面属性对应的业务类型权重、以及浏览时长区间权重进行归类统计，分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表。

在进一步的技术方案中，所述的用户咨询意图预测方法，其中，所述通过分析App内所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配，加权计算后得到意图得分排名列表，包括：

预先在App内建立用户属性标签库，基于所述用户属性标签库获取所述目标用户对应的用户属性标签；

通过分析所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配；

将所述操作断点、所述操作内容以及所述业务类型属性与用户属性标签权重进行加权计算后得到意图得分排名列表。

在进一步的技术方案中，所述的用户咨询意图预测方法，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点中，所述操作断点包括：待办业务；

其中，所述待办业务的获取方式为：

通过分析所述目标用户在设定时间内线下网点业务办理以及电话咨询业务办理的历史记录，获取所述历史记录中存在的待办业务。

一种用户咨询意图预测系统，其中，包括：

第一分析归类模块，用于通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表；

第二分析归类模块，用于通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容，通过大数据归类分析得到所述操作内容的得分排名列表；

第三分析归类模块，用于通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数，通过大数据归类分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表；

标签匹配模块，用于通过分析App内所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配，加权计算后得到意图得分排名列表；

咨询意图预测模块，用于基于所述意图得分排名列表预测所述目标用户的咨询意图。

在进一步的技术方案中，所述的用户咨询意图预测系统，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表之前，包括：

预先将目标用户可选择的业务类型进行属性分类，并根据各所述业务类型进行不同的权重划分；

预先将目标用户可选择的操作类型进行属性分类，并根据各所述操作类型进行不同的权重划分；

预先将目标用户可访问页面的浏览时长区间进行不同的权重划分。

在进一步的技术方案中，所述的用户咨询意图预测系统，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表，包括：

通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点；

根据所述操作断点对应的断点内容属性查询所述目标用户在后续操作记录中是否存在开通业务的成功记录；

对无对应成功记录、成功次数大于失败次数、成功次数小于失败次数分别设定对应的权重a1、a2、a3，归类统计对应次数后分析得到所述操作断点的得分排名列表。

在进一步的技术方案中，所述的用户咨询意图预测系统，其中，所述通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容，通过大数据归类分析得到所述操作内容的得分排名列表，包括：

通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容；

根据所述操作内容、业务类型属性、操作类型属性以及操作次数进行归类统计，分析得到所述操作内容的得分排名列表。

在进一步的技术方案中，所述的用户咨询意图预测系统，其中，所述通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数，通过大数据归类分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表，包括：

通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数；

根据所述页面属性对应的业务类型权重、以及浏览时长区间权重进行归类统计，分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表。

在进一步的技术方案中，所述的用户咨询意图预测系统，其中，所述通过分析App内所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配，加权计算后得到意图得分排名列表，包括：

预先在App内建立用户属性标签库，基于所述用户属性标签库获取所述目标用户对应的用户属性标签；

通过分析所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配；

将所述操作断点、所述操作内容以及所述业务类型属性与用户属性标签权重进行加权计算后得到意图得分排名列表。

在进一步的技术方案中，所述的用户咨询意图预测系统，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点中，所述操作断点包括：待办业务；

其中，所述待办业务的获取方式为：

通过分析所述目标用户在设定时间内线下网点业务办理以及电话咨询业务办理的历史记录，获取所述历史记录中存在的待办业务。

一种计算机设备，其中，所述计算机设备包括至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器上存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行时，可实现如上述任一项所述的用户咨询意图预测方法。

一种非易失性计算机可读存储介质，其中，所述非易失性计算机可读存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时，可实现如上述任一项所述的用户咨询意图预测方法。

相较于现有技术，本发明提供了一种用户咨询意图预测方法、系统及计算机设备，其中，所述方法包括：通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表；通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容，通过大数据归类分析得到所述操作内容的得分排名列表；通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数，通过大数据归类分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表；通过分析App内所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配，加权计算后得到意图得分排名列表；基于所述意图得分排名列表预测所述目标用户的咨询意图。通过本发明的用户咨询意图预测方法能够提高用户咨询意图预测的准确性，以提升用户的使用体验。

附图说明

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，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，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它的附图。

图1为本发明实施例提供的一种用户咨询意图预测方法的流程示意图。

图2为本发明实施例提供的一种用户咨询意图预测系统的功能模块示意图。

图3为本发明实施例提供的所述计算机设备的硬件结构示意图。

具体实施方式

为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

在本发明的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。

下面结合附图，详细说明本发明的各种非限制性实施方式。

请参阅图1，本发明实施例提供了一种用户咨询意图预测方法，其中，包括步骤：

S100、通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表；

S200、通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容，通过大数据归类分析得到所述操作内容的得分排名列表；

S300、通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数，通过大数据归类分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表；

S400、通过分析App内所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配，加权计算后得到意图得分排名列表；

S500、基于所述意图得分排名列表预测所述目标用户的咨询意图。

进一步地，所述的用户咨询意图预测方法，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表之前，包括：

预先将目标用户可选择的业务类型进行属性分类，并根据各所述业务类型进行不同的权重划分；

预先将目标用户可选择的操作类型进行属性分类，并根据各所述操作类型进行不同的权重划分；

预先将目标用户可访问页面的浏览时长区间进行不同的权重划分。

具体实施时，预先将目标用户可选择的业务(银行)类型进行属性分类，例如将业务类型划分为(包括不限于)：理财、贷款、信用卡、活动、账户、交易等，并根据各所述业务类型进行不同的权重划分，例如分别给各所述业务类型设定对应的权重α1、α2、α3…αn；预先将目标用户可选择的操作类型进行属性分类，例如将操作类型划分为(包括不限于)：确定、取消、购买、拒绝、同意、查看详情、上传、退出、失败、原因等，并根据各所述操作类型进行不同的权重划分，例如分别给各所述操作类型设定对应的权重β1、β2、β3…βn；预先将目标用户可访问页面的浏览时长区间进行不同的权重划分，例如小于5秒、5-10秒、10-30秒，大于30秒分别设定对应的权重λ1、λ2、λ3…λn。

进一步地，所述的用户咨询意图预测方法，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表，包括：

通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点；

根据所述操作断点对应的断点内容属性查询所述目标用户在后续操作记录中是否存在开通业务的成功记录；

对无对应成功记录、成功次数大于失败次数、成功次数小于失败次数分别设定对应的权重a1、a2、a3，归类统计对应次数后分析得到所述操作断点的得分排名列表。

具体实施时，通过分析App内的n次访问以内的访问交互日志，获取目标用户在银行业务交互过程中遇到的操作断点，例如支付失败、取消购买、活动未完成等业务断点流程X；再根据所述操作断点对应的断点内容属性查询所述目标用户在后续操作记录中是否存在开通业务的成功记录；并对无对应成功记录、成功次数大于失败次数、成功次数小于失败次数分别设定对应的权重a1、a2、a3，归类统计对应次数后分析得到所述操作断点的得分排名列表；

[X1,X2,X3…Xn]*[a1,a2,a3]＝[X1a(x),X2a(y),X3a(z)…Xna(m)]

例如：【购买失败8分、转账失败6、风险测评过期6…】等。

进一步地，所述的用户咨询意图预测方法，其中，所述通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容，通过大数据归类分析得到所述操作内容的得分排名列表，包括：

通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容；

根据所述操作内容、业务类型属性、操作类型属性以及操作次数进行归类统计，分析得到所述操作内容的得分排名列表。

具体实施时，通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在银行业务交互过程中的具体操作内容，并会根据所述操作内容、业务类型属性Y、操作类型属性T以及操作次数N进行归类统计，加权计算得到所述操作内容的得分排名列表；

[β(T1)*α(Y1)*N1,β(T2)*α(Y2)*N2…β(Tn)*α(Yn)*N1]

例如：【查询账户余额：8分、修改配送地址：7分、查询理财详情5分…】等。

进一步地，所述的用户咨询意图预测方法，其中，所述通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数，通过大数据归类分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表，包括：

通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数；

根据所述页面属性对应的业务类型权重、以及浏览时长区间权重进行归类统计，分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表。

具体实施时，通过分析App内的n次访问以内的页面，使用现有技术中的自动读屏、OCR图片识别、分词、语义分析、图片识别等技术手段，自动获取所述目标用户在银行业务交互过程中访问的所述页面的页面内容、页面属性[P1,P2…Pn]以及所述页面属性对应的页面次数[Q1,Q2…Qn]；再根据预设的所述页面属性对应的业务类型权重α、浏览时长区间权重λ，各自对应相乘，加权计算得到所述页面属性的得分排名列表，最后基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表；

[α(P1)*Q1,α(P2)*Q2…α(Pn)*Qn]*[λ(1),λ(2)…λ(Pn)]

例如：【理财8分、贷款7分、活动4分…】等。

进一步地，所述的用户咨询意图预测方法，其中，所述通过分析App内所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配，加权计算后得到意图得分排名列表，包括：

预先在App内建立用户属性标签库，基于所述用户属性标签库获取所述目标用户对应的用户属性标签；

通过分析所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配；

将所述操作断点、所述操作内容以及所述业务类型属性与用户属性标签权重进行加权计算后得到意图得分排名列表。

具体实施时，预先在App内建立用户属性标签库，根据不同的业务类型属性、操作类型属性等进行标签分类，并将每个用户按照实际环境都标记上了相符合场景的标签；基于所述用户属性标签库获取所述目标用户对应的用户属性标签，再通过分析所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配；若所述目标用户满足当前标签，则将所述操作断点、所述操作内容以及所述业务类型属性再乘以用户属性标签权重μ，进行加权计算后得到最终结合用户属性标签的意图得分排名列表。

进一步地，所述的用户咨询意图预测方法，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点中，所述操作断点包括：待办业务；

其中，所述待办业务的获取方式为：

通过分析所述目标用户在设定时间内线下网点业务办理以及电话咨询业务办理的历史记录，获取所述历史记录中存在的待办业务。

具体实施时，通过分析所述目标用户在设定时间内线下网点业务办理以及电话咨询业务办理的历史记录，获取所述历史记录中存在的待办业务，例如预约网点、大额取现预约、外币取现预约等。

由以上方法实施例可知，本发明提供的用户咨询意图预测方法能够提高用户咨询意图预测的准确性，以提升用户的使用体验，其中，本发明中通过一系列不同维度的目标用户的有效信息，即基于目标用户的用户属性标签、操作断点、操作内容、页面浏览历史、线下网点访问记录、电话咨询记录等维度的有效信息，再通过多维度有效信息的归类统计后得到意图得分排名列表，最后，基于所述意图得分排名列表预测所述目标用户的咨询意图，即本发明通过对目标用户多维度的归类分析得到可预测的用户咨询意图的识别，可精准预测当次目标用户访问智能客服的咨询目的与意图，可有效提升智能客服的服务效果、服务效率以及问答识别的准确性。

应该理解的是，虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤，这些操作步骤并不是必然按照实施例或流程图的顺序依次执行。实施例或流程图中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。而且，实施例或流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流、交替或者同步地执行。

基于上述实施例，请参阅图2，本发明另一实施例还提供了一种用户咨询意图预测系统，其中，包括：

第一分析归类模块11，用于通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表；

第二分析归类模块12，用于通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容，通过大数据归类分析得到所述操作内容的得分排名列表；

第三分析归类模块13，用于通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数，通过大数据归类分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表；

标签匹配模块14，用于通过分析App内所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配，加权计算后得到意图得分排名列表；

咨询意图预测模块15，用于基于所述意图得分排名列表预测所述目标用户的咨询意图。

进一步地，所述的用户咨询意图预测系统，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表之前，包括：

预先将目标用户可选择的业务类型进行属性分类，并根据各所述业务类型进行不同的权重划分；

预先将目标用户可选择的操作类型进行属性分类，并根据各所述操作类型进行不同的权重划分；

预先将目标用户可访问页面的浏览时长区间进行不同的权重划分。

具体实施时，预先将目标用户可选择的业务(银行)类型进行属性分类，例如将业务类型划分为(包括不限于)：理财、贷款、信用卡、活动、账户、交易等，并根据各所述业务类型进行不同的权重划分，例如分别给各所述业务类型设定对应的权重α1、α2、α3…αn；预先将目标用户可选择的操作类型进行属性分类，例如将操作类型划分为(包括不限于)：确定、取消、购买、拒绝、同意、查看详情、上传、退出、失败、原因等，并根据各所述操作类型进行不同的权重划分，例如分别给各所述操作类型设定对应的权重β1、β2、β3…βn；预先将目标用户可访问页面的浏览时长区间进行不同的权重划分，例如小于5秒、5-10秒、10-30秒，大于30秒分别设定对应的权重λ1、λ2、λ3…λn。

进一步地，所述的用户咨询意图预测系统，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点，通过大数据归类分析得到所述操作断点的得分排名列表，包括：

通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点；

根据所述操作断点对应的断点内容属性查询所述目标用户在后续操作记录中是否存在开通业务的成功记录；

对无对应成功记录、成功次数大于失败次数、成功次数小于失败次数分别设定对应的权重a1、a2、a3，归类统计对应次数后分析得到所述操作断点的得分排名列表。

具体实施时，通过分析App内的n次访问以内的访问交互日志，获取目标用户在银行业务交互过程中遇到的操作断点，例如支付失败、取消购买、活动未完成等业务断点流程X；再根据所述操作断点对应的断点内容属性查询所述目标用户在后续操作记录中是否存在开通业务的成功记录；并对无对应成功记录、成功次数大于失败次数、成功次数小于失败次数分别设定对应的权重a1、a2、a3，归类统计对应次数后分析得到所述操作断点的得分排名列表；

[X1,X2,X3…Xn]*[a1,a2,a3]＝[X1a(x),X2a(y),X3a(z)…Xna(m)]

例如：【购买失败8分、转账失败6、风险测评过期6…】等。

进一步地，所述的用户咨询意图预测系统，其中，所述通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容，通过大数据归类分析得到所述操作内容的得分排名列表，包括：

通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在业务交互过程中的操作内容；

根据所述操作内容、业务类型属性、操作类型属性以及操作次数进行归类统计，分析得到所述操作内容的得分排名列表。

具体实施时，通过分析App内的n次访问以内的所述目标用户的点击操作记录，获取所述目标用户在银行业务交互过程中的具体操作内容，并会根据所述操作内容、业务类型属性Y、操作类型属性T以及操作次数N进行归类统计，加权计算得到所述操作内容的得分排名列表；

[β(T1)*α(Y1)*N1,β(T2)*α(Y2)*N2…β(Tn)*α(Yn)*N1]

例如：【查询账户余额：8分、修改配送地址：7分、查询理财详情5分…】等。

进一步地，所述的用户咨询意图预测系统，其中，所述通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数，通过大数据归类分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表，包括：

通过分析App内的n次访问以内的页面，获取所述目标用户在业务交互过程中访问的所述页面的页面内容、页面属性以及所述页面属性对应的页面次数；

根据所述页面属性对应的业务类型权重、以及浏览时长区间权重进行归类统计，分析得到所述页面属性的得分排名列表，基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表。

具体实施时，通过分析App内的n次访问以内的页面，使用现有技术中的自动读屏、OCR图片识别、分词、语义分析、图片识别等技术手段，自动获取所述目标用户在银行业务交互过程中访问的所述页面的页面内容、页面属性[P1,P2…Pn]以及所述页面属性对应的页面次数[Q1,Q2…Qn]；再根据预设的所述页面属性对应的业务类型权重α、浏览时长区间权重λ，各自对应相乘，加权计算得到所述页面属性的得分排名列表，最后基于所述页面属性的得分排名列表得到所述页面对应的业务类型属性的得分排名列表；

[α(P1)*Q1,α(P2)*Q2…α(Pn)*Qn]*[λ(1),λ(2)…λ(Pn)]

例如：【理财8分、贷款7分、活动4分…】等。

进一步地，所述的用户咨询意图预测系统，其中，所述通过分析App内所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配，加权计算后得到意图得分排名列表，包括：

预先在App内建立用户属性标签库，基于所述用户属性标签库获取所述目标用户对应的用户属性标签；

通过分析所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配；

将所述操作断点、所述操作内容以及所述业务类型属性与用户属性标签权重进行加权计算后得到意图得分排名列表。

具体实施时，预先在App内建立用户属性标签库，根据不同的业务类型属性、操作类型属性等进行标签分类，并将每个用户按照实际环境都标记上了相符合场景的标签；基于所述用户属性标签库获取所述目标用户对应的用户属性标签，再通过分析所述目标用户对应的用户属性标签，将所述操作断点、所述操作内容以及所述业务类型属性的得分排名列表与所述目标用户对应的用户属性标签进行匹配；若所述目标用户满足当前标签，则将所述操作断点、所述操作内容以及所述业务类型属性再乘以用户属性标签权重μ，进行加权计算后得到最终结合用户属性标签的意图得分排名列表。

进一步地，所述的用户咨询意图预测系统，其中，所述通过分析App内的n次访问以内的访问交互日志，获取目标用户在业务交互过程中遇到的操作断点中，所述操作断点包括：待办业务；

其中，所述待办业务的获取方式为：

通过分析所述目标用户在设定时间内线下网点业务办理以及电话咨询业务办理的历史记录，获取所述历史记录中存在的待办业务。

具体实施时，通过分析所述目标用户在设定时间内线下网点业务办理以及电话咨询业务办理的历史记录，获取所述历史记录中存在的待办业务，例如预约网点、大额取现预约、外币取现预约等。

由以上系统实施例可知，本发明提供的用户咨询意图预测系统能够提高用户咨询意图预测的准确性，以提升用户的使用体验，其中，本发明中通过一系列不同维度的目标用户的有效信息，即基于目标用户的用户属性标签、操作断点、操作内容、页面浏览历史、线下网点访问记录、电话咨询记录等维度的有效信息，再通过多维度有效信息的归类统计后得到意图得分排名列表，最后，基于所述意图得分排名列表预测所述目标用户的咨询意图，即本发明通过对目标用户多维度的归类分析得到可预测的用户咨询意图的识别，可精准预测当次目标用户访问智能客服的咨询目的与意图，可有效提升智能客服的服务效果、服务效率以及问答识别的准确性。

基于上述实施例，请参阅图3，本发明另一实施例还提供了一种计算机设备，其中，所述计算机设备10包括：

存储器120以及一个或多个处理器110，图3中以一个处理器110为例进行介绍，处理器110和存储器120可以通过通信总线或者其他方式连接，图3中以通过通信总线连接为例。

处理器110用于完成计算机设备10的各种控制逻辑，其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(AcornRISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核、或任何其它这种配置。

存储器120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的用户咨询意图预测方法对应的计算机程序。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元，从而执行计算机设备10的各种功能应用以及数据处理，即实现上述方法实施例中的用户咨询意图预测方法。

存储器120可以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装置、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备10使用所创建的数据等。此外，存储器120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、或其他非易失性固态存储器件。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个单元存储在存储器120中，当被一个或者多个处理器110执行时，可实现如上述任一项方法实施例中的用户咨询意图预测方法，例如，可实现以上描述的图1中的方法步骤S100至步骤S500。

本领域技术人员可以理解，图3中示出的硬件结构示意图，仅仅是与本发明方案相关的部分结构的示意图，并不构成对本发明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的部件，或者组合某些部件，或者具有不同的部件布置。

基于上述实施例，本发明还提供了一种非易失性计算机可读存储介质，其中，所述非易失性计算机可读存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时，可实现如上述任一项方法实施例中的用户咨询意图预测方法，例如，可实现以上描述的图1中的方法步骤S100至步骤S500。

作为示例，非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明并非限制，RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、SynchlinkDRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。

本发明的另一种实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被处理器执行时，可实现如上述任一项方法实施例中的用户咨询意图预测方法，例如，可实现以上描述的图1中的方法步骤S100至步骤S500。

以上所描述的实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施例的描述，本领域的技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存在于计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)执行各个实施例或者实施例的某些部分的方法。

除了其他之外，诸如“能够”、“能”、“可能”或“可以”之类的条件语言除非另外具体地陈述或者在如所使用的上下文内以其他方式理解，否则一般地旨在传达特定实施方式能包括(然而其他实施方式不包括)特定特征、元件和/或操作。因此，这样的条件语言一般地还旨在暗示特征、元件和/或操作对于一个或多个实施方式无论如何都是需要的或者一个或多个实施方式必须包括用于在有或没有输入或提示的情况下判定这些特征、元件和/或操作是否被包括或者将在任何特定实施方式中被执行的逻辑。

已经在本文中在本说明书和附图中描述的内容包括能够提供用户咨询意图预测方法、系统、计算机设备以及非易失性计算机可读存储介质的示例。当然，不能够出于描述本公开的各种特征的目的来描述元件和/或方法的每个可以想象的组合，但是可以认识到，所公开的特征的许多另外的组合和置换是可能的。因此，显而易见的是，在不脱离本公开的范围或精神的情况下能够对本公开做出各种修改，但是，所有这些各种修改都应属于本发明所附权利要求的保护范围。此外，或在替代方案中，本公开的其他实施例从对本说明书和附图的考虑以及如本文中所呈现的本公开的实践中可能是显而易见的。意图是，本说明书和附图中所提出的示例在所有方面被认为是说明性的而非限制性的。尽管在本文中采用了特定术语，但是它们在通用和描述性意义上被使用并且不用于限制的目的。