本發(fā)明涉及計算機技術(shù)與人工智能技術(shù)領(lǐng)域，特別是涉及一種基于大數(shù)據(jù)知識庫的個性化解決方案推薦方法和系統(tǒng)。

背景技術(shù)：

目前，傳統(tǒng)的問題解決溝通模式為用戶需要到專業(yè)機構(gòu)找專家，與專家進行面對面的問題溝通，專家根據(jù)用戶的問題，通過咨詢結(jié)果、自身經(jīng)驗或者專家?guī)熘幸延械臄?shù)據(jù)進行參考推理，得到針對該用戶的問題解決方案推薦給用戶。上述這種方式過于依賴專家或?qū)＜規(guī)斓闹饔^經(jīng)驗和理論知識，同時，一旦專家或?qū)＜規(guī)斓闹R有誤，則會產(chǎn)生錯誤的解決方案推薦結(jié)果，推薦方案會有偏差，對用戶問題的解決具有不良的影響，延緩了用戶獲得有效解決方案的時效性。

技術(shù)實現(xiàn)要素：

基于此，有必要提供一種能夠根據(jù)不同用戶的個性化特征，準(zhǔn)確、有效且及時的基于大數(shù)據(jù)知識庫的個性化解決方案推薦方法和系統(tǒng)。

一種解決方案推薦方法，所述包括：獲取用戶的問題信息和個人信息，將所述用戶的問題信息作為第一問題信息，將所述用戶的個人信息作為第一個人信息；將所述第一問題信息及所述第一個人信息與知識庫中的問題信息及個人信息進行匹配，確定與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息；獲取與所述第二問題信息及第二個人信息對應(yīng)的解決方案；將獲取到的所述解決方案推薦給所述用戶。

在其中一個實施例中，在所述獲取用戶的問題信息和個人信息的步驟之前還包括：建立知識庫，所述知識庫包括多個解決案例，所述解決案例包括問題信息、個人信息、及與所述問題信息及個人信息對應(yīng)的解決方案和解決效果的分?jǐn)?shù)值。

在其中一個實施例中，所述將所述第一問題信息及所述第一個人信息與知識庫中的問題信息及個人信息進行匹配，確定與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息的步驟包括：將所述第一問題信息與所述知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合；計算所述第一解決案例集合中每個解決案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合；查找所述第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值；將所述分?jǐn)?shù)值最大的解決效果對應(yīng)的問題信息及個人信息作為與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

在其中一個實施例中，所述將所述第一問題信息及所述第一個人信息與知識庫中的問題信息及個人信息進行匹配，確定與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息的步驟包括：將所述第一問題信息與所述知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合；計算所述第一解決案例集合中每個解決案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合；查找所述第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值；根據(jù)獲取的所述第二解決案例集合中每個解決案例的問題信息匹配度、個人信息匹配度和解決效果的分?jǐn)?shù)值計算每個解決案例的匹配優(yōu)先度，將計算得到的最大匹配優(yōu)先度作為第一匹配優(yōu)先度；將所述第一匹配優(yōu)先度對應(yīng)的問題信息及個人信息作為與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

在其中一個實施例中，所述計算所述第一解決案例集合中每個解決案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合的步驟包括：計算所述第一解決案例集合中每個解決案例的個人信息中的用戶年齡與所述第一個人信息的用戶年齡的差值的絕對值；計算所述第一解決案例集合中每個解決案例的個人信息的用戶所在地與所述第一個人信息中的用戶所在地的距離；根據(jù)計算得到的用戶年齡的差值的絕對值和所述用戶所在地的距離確定所述第一解決案例集合中每個解決案例的個人信息與所述第一個人信息之間的匹配度。

在其中一個實施例中，所述方法還包括：獲取用戶對所述解決方案的反饋，根據(jù)所述反饋確定與所述解決方案對應(yīng)的解決效果的分?jǐn)?shù)值；將所述第一問題信息、第一個人信息、推薦的所述解決方案及所述解決效果的分?jǐn)?shù)值作為一個解決案例添加至所述知識庫中，當(dāng)所述知識庫中解決案例的數(shù)量達(dá)到第一預(yù)設(shè)閾值時，形成大數(shù)據(jù)知識庫。

一種解決方案推薦系統(tǒng)，所述系統(tǒng)包括：信息獲取模塊，用于獲取用戶的問題信息和個人信息，將所述用戶的問題信息作為第一問題信息，將所述用戶的個人信息作為第一個人信息；確定模塊，用于將所述第一問題信息及所述第一個人信息與知識庫中的問題信息及個人信息進行匹配，確定與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息；解決方案獲取模塊，用于獲取與所述第二問題信息及第二個人信息對應(yīng)的解決方案；推薦模塊，用于將獲取到的所述解決方案推薦給所述用戶。

在其中一個實施例中，所述裝置還包括：建立模塊，用于建立知識庫，所述知識庫包括多個解決案例，所述解決案例包括問題信息、個人信息、及與所述問題信息及個人信息對應(yīng)的解決方案和解決效果的分?jǐn)?shù)值。

在其中一個實施例中，所述確定模塊包括：第一獲取單元，用于將所述第一問題信息與所述知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合；第一計算單元，用于計算所述第一解決案例集合中每個解決案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合；第一查找單元，用于查找所述第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值；第一匹配單元，用于將所述分?jǐn)?shù)值最大的解決效果對應(yīng)的問題信息及個人信息作為與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

在其中一個實施例中，所述確定模塊包括：第二獲取單元，用于將所述第一問題信息與所述知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合；第二計算單元，用于計算所述第一解決案例集合中每個解決案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合；第二查找單元，用于查找所述第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值；匹配優(yōu)先度計算單元，用于根據(jù)獲取的所述第二解決案例集合中每個解決案例的問題信息匹配度、個人信息匹配度和解決效果的分?jǐn)?shù)值計算每個解決案例的匹配優(yōu)先度，將計算得到的最大匹配優(yōu)先度作為第一匹配優(yōu)先度；第二匹配單元，將所述第一匹配優(yōu)先度對應(yīng)的問題信息及個人信息作為與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

在其中一個實施例中，所述第一計算單元或第二計算單元包括：年齡計算子單元，用于計算所述第一解決案例集合中每個解決案例的個人信息中的用戶年齡與所述第一個人信息的用戶年齡的差值的絕對值；距離計算子單元，用于計算所述第一解決案例集合中每個解決案例的個人信息的用戶所在地與所述第一個人信息中的用戶所在地的距離；個人信息匹配子單元，用于個人信息根據(jù)計算得到的用戶年齡的差值的絕對值和所述用戶所在地的距離確定所述第一解決案例集合中每個解決案例的個人信息與所述第一個人信息之間的匹配度。

在其中一個實施例中，所述系統(tǒng)還包括：反饋模塊，用于獲取用戶對所述解決方案的反饋，根據(jù)所述反饋確定與所述解決方案對應(yīng)的解決效果的分?jǐn)?shù)值；添加模塊，用于將所述第一問題信息、第一個人信息、推薦的所述解決方案及所述解決效果的分?jǐn)?shù)值作為一個解決案例添加至所述知識庫中，當(dāng)所述知識庫中解決案例的數(shù)量達(dá)到第一預(yù)設(shè)閾值時，形成大數(shù)據(jù)知識庫。

上述解決方案推薦方法和系統(tǒng)，通過獲取用戶的問題信息與個人信息，將用戶的問題信息作為第一問題信息，將用戶的個人信息作為第一個人信息，然后將第一問題信息及第一個人信息與知識庫中的問題信息及個人信息進行匹配，確定與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息，進而獲取與第二問題信息及第二個人信息對應(yīng)的解決方案，將獲取到的解決方案推薦給用戶。上述解決方案推薦方法和系統(tǒng)，通過在知識庫中搜索與用戶的問題信息和個人信息匹配的第二問題信息和第二個人信息，從而確定最能解決用戶問題的解決方案，然后將該方案推薦給用戶，實現(xiàn)了獲取解決方案的及時性和快捷性，且由于該方法和系統(tǒng)不再依賴于個人的主觀經(jīng)驗，而是根據(jù)解決問題的客觀歷史數(shù)據(jù)，并且結(jié)合用戶的個人信息進行推薦，推薦的解決方案更具有可靠性。

附圖說明

圖1為一個實施例中解決方案推薦方法的流程圖；

圖2為一個實施例中確定與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息的方法流程圖；

圖3為另一個實施例中確定與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息的方法流程圖；

圖4為一個實施例中計算第一解決案例集合中每個解決案例的個人信息與第一個人信息的匹配度的方法流程圖；

圖5為另一個實施例中解決方案推薦方法的流程圖；

圖6為一個實施例中解決方案推薦系統(tǒng)的結(jié)構(gòu)框圖；

圖7為一個實施例中確定模塊的結(jié)構(gòu)框圖；

圖8為另一個實施例中確定模塊的結(jié)構(gòu)框圖；

圖9為一個實施例中計算單元的結(jié)構(gòu)框圖；

圖10為另一個實施例中解決方案推薦系統(tǒng)的結(jié)構(gòu)框圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下通過實施例，并結(jié)合附圖，對本發(fā)明基于大數(shù)據(jù)知識庫的個性化解決方案推薦方法和系統(tǒng)的具體實施方式進行進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，在一個實施例中，提出了一種解決方案推薦方法，該方法包括：

步驟102，獲取用戶的問題信息和個人信息，將用戶的問題信息作為第一問題信息，將用戶的個人信息作為第一個人信息。

在本實施例中，用戶問題信息和個人信息的獲取可以通過終端來獲取，比如，可以通過終端輸入用戶的問題信息和個人信息。其中，終端可以是智能手機、平板電腦、筆記本電腦、穿戴式智能設(shè)備等可以錄入問題信息的電子設(shè)備。具體的，可在終端機上運行用戶問題管理系統(tǒng)，通過該系統(tǒng)對用戶的問題信息和用戶的個人信息進行錄入。其中，問題信息包括但不限于日常問題、專業(yè)問題等，用戶的個人信息包括但不限于用戶的年齡、性別、所在地等信息。

步驟104，將第一問題信息及第一個人信息與知識庫中的問題信息及個人信息進行匹配，確定與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

具體的，將第一問題信息與知識庫中的各個問題信息進行匹配，分別計算各個問題信息與第一問題信息的匹配度，獲取匹配度大于預(yù)設(shè)閾值的問題信息集合，然后將第一個人信息與問題信息集合中每個問題信息對應(yīng)的個人信息進行匹配，計算問題信息集合中每個問題信息對應(yīng)的個人信息與第一個人信息之間的匹配度，根據(jù)計算得到的知識庫中問題信息與第一問題信息之間的匹配度和個人信息與第一個人信息之間的匹配度，確定與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。具體的，知識庫中預(yù)存有多個解決案例，每個解決案例包括問題信息、個人信息、及與該問題信息和個人信息對應(yīng)的解決方案和解決效果的分?jǐn)?shù)值。同一個解決案例中，問題信息、個人信息、解決方案、解決效果的分?jǐn)?shù)值之間是相互對應(yīng)的。確定與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息的方法有多種，在一個實施例中，首先將第一問題信息與知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合，然后計算第一解決案例集合中每個解決案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合，然后獲取第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值，將分?jǐn)?shù)值最大的解決效果對應(yīng)的問題信息及個人信息作為與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。在另一個實施例中，將第一個問題信息與知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合，然后計算第一解決案例集合中每個解決案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合，然后獲取第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值，最后根據(jù)獲取的第二解決案例集合中每個解決案例的問題信息與第一問題信息的匹配度，個人信息與第一個人信息的匹配度及對應(yīng)的解決效果的分?jǐn)?shù)值計算每個解決案例的匹配優(yōu)先度，將計算得到的最大匹配優(yōu)先度作為第一匹配優(yōu)先度，將第一匹配優(yōu)先度對應(yīng)的問題信息及個人信息作為與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

步驟106，獲取與第二問題信息及第二個人信息對應(yīng)的解決方案。

具體的，知識庫中預(yù)先存儲了大量的解決案例，每個解決案例包括問題信息、個人信息及與該問題信息及個人信息對應(yīng)的解決方案、解決效果的分?jǐn)?shù)值。其中，解決效果的分?jǐn)?shù)值反映了解決效果的好壞，分?jǐn)?shù)值越高，說明解決效果越好。計算得到與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息后，獲取與該第二問題信息及第二個人信息對應(yīng)的解決方案。由于第一問信息及個人信息與第二問題信息及第二個人信息之間的匹配度最大，其相似性也最大，能夠解決第二問題信息的解決方案有很大概率可以解決用戶的問題，因此可以利用第二問題信息的解決方案來為用戶答疑解惑。

步驟108，將獲取到的解決方案推薦給用戶。

具體的，可以將獲取到的與用戶的問題信息及個人信息匹配的解決方案推薦給該用戶。解決方案的信息可以通過網(wǎng)絡(luò)推送給用戶，也可以通過短信的形式發(fā)送到與用戶對應(yīng)的終端，還可以通過郵件等形式發(fā)送給用戶。用戶收到針對該用戶的問題信息即第一問題信息的解決方案后，可以根據(jù)該解決方案的解決效果對該解決方案進行評分，將用戶的評分作為與解決方案對應(yīng)的解決效果的分?jǐn)?shù)值，然后將第一問題信息、以及為第一問題信息推薦的解決方案和解決效果的分?jǐn)?shù)值一起作為一個新的解決案例添加到知識庫中，使知識庫逐漸的完善。

在本實施例中，通過獲取用戶的問題信息與個人信息，將用戶的問題信息作為第一問題信息，將用戶的個人信息作為第一個人信息，然后將第一問題信息及第一個人信息與知識庫中的問題信息及個人信息進行匹配，確定與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息，進而獲取與第二問題信息及第二個人信息對應(yīng)的解決方案，將獲取到的解決方案推薦給用戶。上述解決方案推薦方法，通過在知識庫中搜索與用戶的問題信息和個人信息匹配的第二問題信息和第二個人信息，從而確定最能解決用戶問題的解決方案，然后將該方案推薦給用戶，實現(xiàn)了獲取解決方案的及時性和快捷性，且由于該方法和系統(tǒng)不再依賴于個人的主觀經(jīng)驗，而是根據(jù)解決問題的客觀歷史數(shù)據(jù)，并且結(jié)合用戶的個人信息進行推薦，推薦的解決方案更具有可靠性。

在一個實施例中，在獲取用戶的問題信息和個人信息的步驟之前還包括：建立知識庫，其中，知識庫中包括多個解決案例，每個解決案例中包括問題信息、個人信息及與該問題信息及個人信息對應(yīng)的解決方案和解決效果的分?jǐn)?shù)值。

在本實施例中，預(yù)先建立知識庫，知識庫中包括多個解決案例。每個解決案例中包括問題信息、個人信息及與該問題信息及個人信息對應(yīng)的解決方案和解決效果的分?jǐn)?shù)值，解決效果的分?jǐn)?shù)值用于反映該解決方案對應(yīng)的解決效果的優(yōu)劣，分?jǐn)?shù)值越大，說明解決效果越好，反之，分?jǐn)?shù)值越小，解決效果就越差。分?jǐn)?shù)值來源于用戶對解決方案的反饋，用戶的反饋可以通過評分來實現(xiàn)。本發(fā)明實施例中知識庫可以為解決方案的大數(shù)據(jù)知識庫，解決方案大數(shù)據(jù)知識庫是知識工程中結(jié)構(gòu)化、易操作、易利用、全面有組織的知識集群，可以針對專業(yè)領(lǐng)域問題求解的需求，采用專業(yè)知識表示方式在計算機存儲器中存儲、組織、管理和使用的互相聯(lián)系的知識片集合。這些知識片包括與專業(yè)領(lǐng)域相關(guān)的理論知識、事實數(shù)據(jù)。例如，專業(yè)領(lǐng)域內(nèi)有關(guān)的定義、定理和運算規(guī)則以及常識性知識等。

如圖2所示，在一個實施例中，將第一問題信息及第一個人信息與知識庫中的問題信息及個人信息進行匹配，確定與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息的步驟包括：

步驟104A，將第一問題信息與知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合。

在本實施例中，將第一問題信息與知識庫中的各個解決案例的問題信息一一進行匹配，并計算每個問題信息與第一問題信息之間的匹配度，然后根據(jù)計算得到的匹配度，獲取大于第一預(yù)設(shè)閾值的所有問題信息，將獲取到的所有問題信息對應(yīng)的解決案例作為第一解決案例。匹配度的預(yù)設(shè)閾值的取值范圍在0到1之間。計算匹配度的方法可以有多種，比如，可以根據(jù)關(guān)鍵詞進行匹配，將匹配成功的關(guān)鍵詞數(shù)作為匹配度。其中，在進行關(guān)鍵詞的匹配時，將關(guān)鍵詞作為字符串，既可以采用字符串的精確匹配，也可以采用字符串的模糊匹配。具體的，提取第一問題信息中的關(guān)鍵詞作為第一關(guān)鍵詞，然后利用第一關(guān)鍵詞與知識庫中的問題信息進行匹配，匹配的關(guān)鍵詞數(shù)越多，相應(yīng)的匹配度也就越大，將匹配度大于預(yù)設(shè)閾值(比如，80％)的問題信息全部收集起來組成一個問題信息集合。在另一個實施例中，從獲取的用戶的問題信息中抽取關(guān)鍵詞作為第一關(guān)鍵詞，從大數(shù)據(jù)知識庫中解決案例中的問題信息中抽取關(guān)鍵詞作為第二關(guān)鍵詞，用戶問題信息與知識庫中各個問題信息的匹配實際上就是第一關(guān)鍵詞與第二關(guān)鍵詞進行匹配，并將匹配成功的關(guān)鍵詞數(shù)在第一關(guān)鍵詞數(shù)中的占比作為相應(yīng)的匹配度。比如，從用戶的問題信息中提取的第一關(guān)鍵詞的次數(shù)為10個，那么如果數(shù)據(jù)庫中的某個問題信息中的關(guān)鍵詞有7個與第一關(guān)鍵詞匹配成功，那么該問題信息與第一問題信息的匹配度就是70％。

步驟104B，計算第一解決案例集合中每個解決案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合。

在本實施例中，將第一問題信息與知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合后，將第一解決案例集合中每個解決案例的個人信息與第一個人信息進行匹配，通過計算第一解決案例集合中每個解決案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合。具體的，個人信息包括但不限于用戶年齡、性別、用戶所在地等信息。個人信息之間匹配度的計算有多種，在一個實施例中，計算第一解決案例集合中每個解決案例的個人信息中的用戶年齡與第一個人信息的用戶年齡的差值的絕對值，絕對值越小說明年齡相差越小，其相應(yīng)的匹配度就越大，可以通過設(shè)置一個年齡差值的絕對值與匹配度反相關(guān)的函數(shù)來計算相應(yīng)的年齡匹配度。在另一個實施例中，有些時候用戶的問題具有地域特色，所以可以通過計算每個解決案例的個人信息中的用戶所在地與第一個人信息的用戶所在地的距離來計算相應(yīng)的所在地匹配度。此外，為了更準(zhǔn)確的匹配用戶的個人信息可以綜合考慮用戶的個人信息中年齡匹配度和用戶所在地匹配度來計算個人信息的匹配度。

步驟104C，查找第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值。

在本實施例中，獲取到個人信息匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合后，進一步的去獲取該解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值，分?jǐn)?shù)值越大，說明解決效果越好。具體的，比如，首先獲取問題信息匹配度大于90％的第一解決案例集合，此時第一解決案例集合中的問題信息基本上都和第一問題信息比較相似，接下來需要獲取第一解決案例集合中個人信息與第一個人信息的匹配度，將匹配度大于95％的解決案例作為第二解決案例集合，此時第二解決案例集合中不但問題信息比較相似，用戶的個人信息也比較相似。然后去獲取第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值，分?jǐn)?shù)值越大，說明解決效果越好，也同時說明對應(yīng)的解決方案越符合用戶的需求。

步驟104D，將分?jǐn)?shù)值最大的解決效果對應(yīng)的問題信息及個人信息作為與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

在本實施例中，獲取到第二解決案例集合中每個解決案例對應(yīng)的解決效果的分?jǐn)?shù)值后，通過比較各個解決案例的解決效果的分?jǐn)?shù)值，將分?jǐn)?shù)值最大的解決效果對應(yīng)的問題信息作為與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息，進而獲取與該第二問題信息及第二個人信息對應(yīng)的解決方案，將該解決方案推薦給用戶。

如圖3所示，在一個實施例中，將第一問題信息及第一個人信息與知識庫中的問題信息及個人信息進行匹配，確定與第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息的步驟包括：

步驟104a，將第一問題信息與所述知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合。

在本實施例中，將第一問題信息與知識庫中的各個解決案例的問題信息一一進行匹配，并計算每個問題信息與第一問題信息之間的匹配度，然后根據(jù)計算得到的匹配度，獲取大于第一預(yù)設(shè)閾值的所有問題信息，將獲取到的所有問題信息對應(yīng)的解決案例作為第一解決案例。匹配度的預(yù)設(shè)閾值的取值范圍在0到1之間。計算匹配度的方法可以有多種，比如，可以根據(jù)關(guān)鍵詞進行匹配，將匹配成功的關(guān)鍵詞數(shù)作為匹配度。其中，在進行關(guān)鍵詞的匹配時，將關(guān)鍵詞作為字符串，既可以采用字符串的精確匹配，也可以采用字符串的模糊匹配。具體的，提取第一問題信息中的關(guān)鍵詞作為第一關(guān)鍵詞，然后利用第一關(guān)鍵詞與知識庫中的問題信息進行匹配，匹配的關(guān)鍵詞數(shù)越多，相應(yīng)的匹配度也就越大，將匹配度大于預(yù)設(shè)閾值(比如，80％)的問題信息全部收集起來組成一個問題信息集合。在另一個實施例中，從獲取的用戶的問題信息中抽取關(guān)鍵詞作為第一關(guān)鍵詞，從大數(shù)據(jù)知識庫中解決案例中的問題信息中抽取關(guān)鍵詞作為第二關(guān)鍵詞，用戶問題信息與知識庫中各個問題信息的匹配實際上就是第一關(guān)鍵詞與第二關(guān)鍵詞進行匹配，并將匹配成功的關(guān)鍵詞數(shù)在第一關(guān)鍵詞數(shù)中的占比作為相應(yīng)的匹配度。比如，從用戶的問題信息中提取的第一關(guān)鍵詞的次數(shù)為10個，那么如果數(shù)據(jù)庫中的某個問題信息中的關(guān)鍵詞有7個與第一關(guān)鍵詞匹配成功，那么該問題信息與第一問題信息的匹配度就是70％。

步驟104b，計算第一解決案例集合中每個解決案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合。

在本實施例中，將第一問題信息與知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合后，將第一解決案例集合中每個解決案例的個人信息與第一個人信息進行匹配，通過計算第一解決案例集合中每個解決案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合。具體的，個人信息包括但不限于用戶年齡、用戶所在地等信息。個人信息之間匹配度的計算有多種，在一個實施例中，計算第一解決案例集合中每個解決案例的個人信息中的用戶年齡與第一個人信息的用戶年齡的差值的絕對值，絕對值越小說明年齡相差越小，其相應(yīng)的匹配度就越大，可以通過設(shè)置一個年齡差值的絕對值與匹配度反相關(guān)的函數(shù)來計算相應(yīng)的年齡匹配度。在另一個實施例中，有些時候用戶的問題具有地域特色，所以可以通過計算每個解決案例的個人信息中的用戶所在地與第一個人信息的用戶所在地的距離來計算相應(yīng)的所在地匹配度。此外，為了更準(zhǔn)確的匹配用戶的個人信息可以綜合考慮用戶的個人信息中年齡匹配度和用戶所在地匹配度來計算個人信息的匹配度。

步驟104c，查找第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值。

在本實施例中，獲取到個人信息匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合后，進一步的去獲取該解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值，分?jǐn)?shù)值越大，說明解決效果越好。

步驟104d，根據(jù)獲取的第二解決案例集合中每個解決案例的問題信息匹配度、個人信息匹配度和解決效果的分?jǐn)?shù)值計算每個解決案例的匹配優(yōu)先度，將計算得到的最大匹配優(yōu)先度作為第一匹配優(yōu)先度。

在本實施例中，獲取第二解決案例集合中每個解決案例的問題信息匹配度、個人信息匹配度和解決效果的分?jǐn)?shù)值，采用加權(quán)平均的方法計算問題信息集合中每個解決案例的匹配優(yōu)先度。具體的，將問題信息的匹配度設(shè)為P1，將個人信息的匹配度設(shè)為P2，將解決效果的分?jǐn)?shù)值設(shè)為P3，然后分別設(shè)置問題信息匹配度P1的權(quán)重參數(shù)為k1，個人信息匹配度P2的權(quán)重參數(shù)為k2，解決效果的分?jǐn)?shù)值P3的權(quán)重參數(shù)為k3。其中，k1+k2+k3＝1，k1、k2、k3為大于0小于1的數(shù)。那么每個解決案例的匹配度優(yōu)先度為P1*k1+P2*k2+P3*k3。然后將計算得到的最大的匹配優(yōu)先度作為第一匹配優(yōu)先度。

步驟104e，將第一匹配優(yōu)先度對應(yīng)的問題信息及個人信息作為與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

具體的，將計算得到的最大的匹配優(yōu)先度作為第一匹配優(yōu)先度，然后獲取與該第一匹配優(yōu)先度對應(yīng)的問題信息和個人信息，該第一匹配優(yōu)先度對應(yīng)的問題信息及個人信息作為第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

如圖4所示，在一個實施例中，計算第一解決案例集合中每個解決案例的個人信息與第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合的步驟包括：

步驟402，計算第一解決案例集合中每個解決案例的個人信息中的用戶年齡與所述第一個人信息的用戶年齡的差值的絕對值。

具體的，個人信息包括用戶的年齡、性別、用戶所在地等信息。獲取到問題信息匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合后，獲取第一解決案例集合中每個解決案例的個人信息中的用戶年齡，并與第一個人信息的用戶年齡進行比較，計算得到每個解決案例的個人信息中的用戶年齡與第一個人信息的用戶年齡之間的差值的絕對值。比如，若獲取的第一用戶信息中用戶的年齡為36歲，其中一個解決案例中的個人信息中的用戶年齡為32歲，那么兩者年齡的差值為32-36＝-4，差值的絕對值就是4歲。

步驟404，計算第一解決案例集合中每個解決案例的個人信息的用戶所在地與所述第一個人信息中的用戶所在地的距離。

在本實施例中，獲取第一解決案例集合中每個解決案例的個人信息的用戶所在地，并與第一個人信息中的用戶所在地進行比較，計算兩者之間的距離。具體的，距離的計算可以采用模糊的估算，比如，如果兩者分別在兩個城市，那么可以將兩個城市之間的距離作為兩者的距離。如果兩者在同一城市的不同區(qū)域，那么可以將兩個區(qū)域之間的距離作為兩者的距離，如果兩者在同一城市同一區(qū)域，那么可以認(rèn)為兩者的距離很近，可以設(shè)為接近于0的正數(shù)。

步驟406，根據(jù)計算得到的用戶年齡的差值的絕對值和用戶所在地的距離確定第一解決案例集合中每個解決案例的個人信息與第一個人信息之間的匹配度。

在本實施例中，計算得到用戶年齡的差值的絕對值和用戶所在地的距離后，根據(jù)預(yù)設(shè)的函數(shù)關(guān)系計算第一解決案例集合中每個解決案例的個人信息與第一個人信息之間的匹配度。具體的，假設(shè)計算得到的用戶年齡的差值的絕對值為X，用戶所在地的距離為Y，那么個人信息匹配度可以表示為X和Y的函數(shù)，即f(X,Y)，其中，X和Y都是大于或等于0的數(shù)，并且X與函數(shù)f(X,Y)成反相關(guān)，Y與函數(shù)f(X,Y)也成反相關(guān)。也就是說，年齡差值的絕對值越大，其匹配度反而越小，距離越大，其匹配度也越小，反之，年齡差值的絕對值越小，距離越小，其對應(yīng)的個人信息的匹配度越大。

如圖5所示，在一個實施例中，上述解決方案推薦方法還包括：

步驟110，獲取用戶對解決方案的反饋，根據(jù)所述反饋確定與解決方案對應(yīng)的解決效果的分?jǐn)?shù)值。

在本實施例中，獲取用戶對推薦的解決方案的反饋，根據(jù)用戶的反饋來確定與解決方案對應(yīng)的解決效果的分?jǐn)?shù)值。具體的，用戶的反饋可以直接通過打分的形式，比如滿分為100分，根據(jù)解決的效果對推薦方案進行相應(yīng)的打分，然后將用戶的打分作為解決效果的分?jǐn)?shù)值。還可以通過獲取用戶對解決方案的滿意程度，然后將用戶的滿意程度轉(zhuǎn)換為相應(yīng)的分?jǐn)?shù)進行存儲，具體的，假設(shè)滿意程度分為五種，分別是非常滿意，滿意，一般般，不滿意，非常不滿意，預(yù)先設(shè)置每種滿意程度對應(yīng)的分?jǐn)?shù)值，比如，非常滿意對應(yīng)的分?jǐn)?shù)值為100分，滿意對應(yīng)的分?jǐn)?shù)值為80分，一般般對應(yīng)的分?jǐn)?shù)值為60分，不滿意對應(yīng)的分?jǐn)?shù)值為30分，非常不滿意對應(yīng)的分?jǐn)?shù)為0分。比如，用戶對解決方案的評價為一般般，那么后臺自動將對應(yīng)60分作為解決效果的分?jǐn)?shù)值。

步驟112，將第一問題信息、第一個人信息、推薦的解決方案及解決效果的分?jǐn)?shù)值作為一個解決案例添加至知識庫中，當(dāng)知識庫中解決案例的數(shù)量達(dá)到第一預(yù)設(shè)閾值時，形成大數(shù)據(jù)知識庫。

具體的，獲取用戶對推薦方案的評分后，也就是獲取了解決效果的分?jǐn)?shù)值。將之前用戶的問題信息即第一問題信息、個人信息，為該第一問題信息及個人信推薦的解決方案和上述解決效果的分?jǐn)?shù)值一起作為一個新的解決案例添加至知識庫中，通過該方法能夠不斷地完善知識庫。當(dāng)知識庫中的解決案例的數(shù)量大于第一預(yù)設(shè)閾值(比如，第一預(yù)設(shè)閾值設(shè)為1萬)時，就形成了大數(shù)據(jù)知識庫，大數(shù)據(jù)知識庫中解決案例的數(shù)量越大，能找到更為匹配的問題信息的概率就越大。由此，推薦的解決方案也會越來越可靠。

如圖6所示，在一個實施例中，提出了一種解決方案推薦系統(tǒng)，該系統(tǒng)包括：

信息獲取模塊602，用于獲取用戶的問題信息和個人信息，將所述用戶的問題信息作為第一問題信息，將所述用戶的個人信息作為第一個人信息；

確定模塊604，用于將所述第一問題信息及所述第一個人信息與知識庫中的問題信息及個人信息進行匹配，確定與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息；

解決方案獲取模塊606，用于獲取與所述第二問題信息及第二個人信息對應(yīng)的解決方案；

推薦模塊608，用于將獲取到的所述解決方案推薦給所述用戶。

在一個實施例中，上述解決方案推薦裝置還包括：建立模塊，用于建立知識庫，所述知識庫包括多個解決案例，所述解決案例包括問題信息、個人信息、及與所述問題信息及個人信息對應(yīng)的解決方案和解決效果的分?jǐn)?shù)值。

如圖7所示，在一個實施例中，確定模塊包括：

第一獲取單元604A，用于將所述第一問題信息與所述知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合；

第一計算單元604B，用于計算所述第一解決案例集合中每個解決案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合；

第一查找單元604C，用于查找所述第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值；

第一匹配單元604D，用于將所述分?jǐn)?shù)值最大的解決效果對應(yīng)的問題信息及個人信息作為與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

如圖8所示，在一個實施例中，確定模塊包括：

第二獲取單元604a，用于將所述第一問題信息與所述知識庫中的各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值的第一解決案例集合；

第二計算單元604b，用于計算所述第一解決案例集合中每個解決案例的個人信息與所述第一個人信息的匹配度，獲取匹配度大于第二預(yù)設(shè)閾值的第二解決案例集合；

第二查找單元604c，用于查找所述第二解決案例集合中每個解決案例的解決效果的分?jǐn)?shù)值；

匹配優(yōu)先度計算單元604d，用于根據(jù)獲取的所述第二解決案例集合中每個解決案例的問題信息匹配度、個人信息匹配度和解決效果的分?jǐn)?shù)值計算每個解決案例的匹配優(yōu)先度，將計算得到的最大匹配優(yōu)先度作為第一匹配優(yōu)先度；

第二匹配單元604e，將所述第一匹配優(yōu)先度對應(yīng)的問題信息及個人信息作為與所述第一問題信息及第一個人信息匹配的第二問題信息及第二個人信息。

如圖9所示，在一個實施例中，第一計算單元包括：

年齡計算子單元902，用于計算所述第一解決案例集合中每個解決案例的個人信息中的用戶年齡與所述第一個人信息的用戶年齡的差值的絕對值；

距離計算子單元904，用于計算所述第一解決案例集合中每個解決案例的個人信息的用戶所在地與所述第一個人信息中的用戶所在地的距離；

個人信息匹配子單元906，用于個人信息根據(jù)計算得到的用戶年齡的差值的絕對值和所述用戶所在地的距離確定所述第一解決案例集合中每個解決案例的個人信息與所述第一個人信息之間的匹配度。

如圖10所示，在一個實施例中，上述解決方案推薦系統(tǒng)還包括：

反饋模塊610，用于獲取用戶對所述解決方案的反饋，根據(jù)所述反饋確定與所述解決方案對應(yīng)的解決效果的分?jǐn)?shù)值；

添加模塊612，用于將所述第一問題信息、第一個人信息、推薦的所述解決方案及所述解決效果的分?jǐn)?shù)值作為一個解決案例添加至所述知識庫中，當(dāng)所述知識庫中解決案例的數(shù)量達(dá)到第一預(yù)設(shè)閾值時，形成大數(shù)據(jù)知識庫。

為了更好的理解與應(yīng)用本發(fā)明提出的一種解決方案推薦系統(tǒng)，進行以下示例，需要說明的是，本發(fā)明所保護的范圍不局限以下示例。

具體的，獲取甲用戶的問題信息為：被蚊子咬了之后怎么辦？；個人信息：26歲、女性、所在地為廣州。首先，將甲用戶的問題信息與知識庫中各個解決案例的問題信息進行匹配，獲取匹配度大于第一預(yù)設(shè)閾值(比如，80％)的第一解決案例集合，此時，第一解決案例集合中的問題信息都與甲用戶的問題信息“被蚊子咬了之后怎么辦”相似或相同。然后進一步將甲用戶的個人信息與第一解決案例集合中的每個解決案例的個人信息進行匹配，由于被蚊子咬了之后不同年齡、不同性別的反應(yīng)可能不同，而且不同地區(qū)的蚊子也有差別，被咬了之后皮膚出現(xiàn)的反應(yīng)也不同。所以需要計算每個解決案例中個人信息與甲用戶的個人信息的匹配度。具體的計算方法可以分別獲取年齡的匹配度，性別的匹配度，用戶所在地的匹配度，然后綜合考慮年齡、性別、所在地三個因素的匹配度來計算個人信息的匹配度。獲取個人信息的匹配度大于第二預(yù)設(shè)閾值(比如，90％)的第二解決案例集合，此時，第二解決案例集合中不但問題信息與甲用戶的問題信息相同或相似，并且個人信息與甲用戶的個人信息也相同或相似。之后，獲取第二解決案例集合中每個解決案例對應(yīng)的解決效果的分?jǐn)?shù)值，假設(shè)其中一個解決案例的解決方案為：在被蚊子咬的地方涂抹肥皂水可以達(dá)到止癢消紅腫。該方案的解決效果的分?jǐn)?shù)值最大為100分。那么就將該方案作為最佳的解決方案推薦給甲用戶。

本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory ROM)或隨機存儲記憶體(Random Access Memory，RAM)等。

以上所述實施例的各技術(shù)特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。

以上所述實施例僅表達(dá)了本發(fā)明的幾種實施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。