(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111276912.8 (22)申请日 2021.10.2 9 (71)申请人 中国平安财产保险股份有限公司 地址 518000 广东省深圳市福田区益田路 5033号平安金融中心12、 13、 38、 39、 40 层 (72)发明人 赵亚龙　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 熊永强 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 30/02(2012.01) G06Q 40/08(2012.01) G06N 20/00(2019.01) (54)发明名称 一种基于多任务学习模型的产品推荐方法 及相关设备 (57)摘要 本申请实施例应用于人工智能领域， 公开了 一种基于多任务学习模型的产品推荐方法及相 关设备， 包括： 获取用户的第一特征集合和第一 客服的第二特征集合； 将第一特征集合和第二特 征集合输入 预训练的点击转化预测模 型， 得到第 一客服的点击转化预测值； 若点击转化预测值满 足预设点击转化条件， 则获取第一产品的产品信 息； 根据产品信息和点击转化预测值确定第一客 服推荐第一产品的推荐值； 若推荐值满足推荐条 件， 则确定包括通过第一客服向用户推荐第一产 品的产品推荐方案。 采用本申请实施例， 能够确 定最适合用户的客服， 进而还可以确定该客服向 用户推荐的产品， 有利于提高产品推荐的效果。 本申请涉及区块链技术， 上述特征/数据/信息可 存储于区块链中。 权利要求书3页 说明书17页 附图4页 CN 113919921 A 2022.01.11 CN 113919921 A 1.一种基于多任务学习模型的产品推荐方法， 其特 征在于， 包括： 获取用户的第 一特征集合和第 一客服的第 二特征集合， 所述第 一客服为多个客服中的 任一客服； 将所述第一特征集合和所述第 二特征集合输入至预训练 的点击转化预测模型中， 得到 所述第一 客服对应的点击转 化预测值； 若所述第一客服对应的点击转化预测值满足预设点击转化条件， 则获取所述第 一客服 的第一产品的产品信息； 根据所述第一产品的产品信息和所述第一客服对应的点击转化预测值确定所述第一 客服推荐所述第一产品的推荐值； 若所述第一客服推荐所述第一产品的推荐值满足推荐条件， 则确定产品推荐方案， 所 述产品推荐方案包括 通过所述第一 客服向所述用户推荐所述第一产品。 2.根据权利要求1所述的方法， 其特征在于， 所述点击转化预测模型包括点击预测模型 和转化预测模型； 所述将所述第一特征集合和所述第二特征集合输入至预训练的点击转化 预测模型中， 得到所述第一 客服对应的点击转 化预测值之前， 所述方法还 包括： 获取训练样本集， 所述训练样本集包括 点击训练样本集和转 化训练样本集； 将所述点击训练样本集输入至初始点击转化预测模型中的初始点击预测模型进行训 练， 得到的第一损失函数值； 将所述转化训练样本集输入至所述初始点击转化预测模型中的所述初始点击预测模 型和初始转 化预测模型进行训练， 得到第二损失函数值； 根据所述第 一损失函数值和所述第 二损失函数值确定目标损失函数值， 所述目标损失 函数值为所述第一损失函数值和所述第二损失函数值的和； 根据所述目标损失函数值、 所述点击训练样本集和所述转化训练样本集对所述初始点 击转化预测模型进行迭代训练， 若所述 目标损失函数值满足训练结束条件， 则确定所述 目 标损失函数值满足训练结束条件时的初始点击转 化预测模型为所述 点击转化预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述点击训练样本集输入至所述初 始点击转 化预测模型中的初始点击预测模型进行训练， 得到的第一损失函数值， 包括： 确定所述点击训练样本集中的第 一正样本集合和第 一负样本集合， 所述第 一正样本集 合包括所述点击训练样本集中携带已发生点击标签的训练样本， 所述第一负样本集合包括 所述点击训练样本集中携带 未发生点击标签的训练样本； 通过所述初始点击预测模型确定第 一点击训练样本发生点击的第 一概率， 通过所述初 始点击预测模型确定第二点击训练样本未发生点击的第二概率， 所述第一点击训练样本为 所述第一正样本集合中的任一样本， 所述第二点击训练样本为所述第一负样本集合中的任 一样本； 根据所述点击训练样本集中各个第一点击训练样本的第一概率和各个第二点击训练 样本的第二 概率， 确定所述第一损失函数值。 4.根据权利要求2所述的方法， 其特征在于， 所述将所述转化训练样本集输入至所述初 始点击转 化预测模型中的初始转 化预测模型进行训练， 得到第二损失函数值， 包括： 若第一转化训练样本携带已发生点击且已发生转化标签， 则将所述第 一转化训练样本 确定为所述转化训练样本集中的第二正样本集合中的样本， 否则， 将所述第一转化训练样权　利　要　求　书 1/3 页 2 CN 113919921 A 2本确定为所述 转化训练样本集中的第二负 样本集合中的样本； 通过所述初始点击预测模型和所述初始转化预测模型确定第二转化训练样本发生转 化的第三概率， 通过所述初始点击预测模型和所述初始 转化预测模型确定第三转化训练样 本未发送转化的第四概率， 所述第二转化训练样本为所述第二正样本集合中的任一样本， 所述第三 转化训练样本为所述第二负 样本集合中的任一样本； 根据所述转化训练样本集中各个第二转化训练样本的第三概率和各个第三转化训练 样本的第四概 率， 确定所述第二损失函数值。 5.根据权利要求1所述的方法， 其特征在于， 所述点击转化预测模型包括点击预测模型 和转化预测模型； 所述将所述第一特征集合和所述第二特征集合输入至预训练的点击转化 预测模型中， 得到所述第一 客服对应的点击转 化预测值， 包括： 将所述第一特征集合和所述第 二特征集合输入至预训练 的点击转化预测模型中， 通过 所述点击预测模型对所述第一特征集合和所述第二特征集合进行 处理， 得到所述第一客服 对应的点击预测值， 通过所述转化预测模型对所述第一特征集合和所述第二特征集合进 行 处理， 得到所述第一 客服对应的转 化预测值； 根据所述第 一客服对应的点击预测值和所述第 一客服对应的转化预测值， 确定所述第 一客服对应的点击转化预测值， 所述第一客服对应的点击转化预测值为所述第一客服对应 的点击预测值与所述第一 客服对应的转 化预测值的积。 6.根据权利要求1所述的方法， 其特征在于， 所述产品信 息包括所述第 一产品的产品期 限以及所述产品期限对应的产品价格， 所述根据所述第一产品的产品信息和所述第一客服 对应的点击转 化预测值确定所述第一 客服推荐所述第一产品的推荐值， 包括： 根据预设的期限与权重的对应关系确定所述第一产品的第一产品期限对应的第一权 重， 所述第一产品期限为所述第一产品的多个产品期限中的任一产品期限； 确定所述第 一客服对应的点击转化预测值、 所述第 一权重与和所述第 一产品期限对应 的产品价格的积， 为所述第一 客服推荐所述第一产品的推荐值； 若确定所述第 一客服推荐所述第 一产品的推荐值在预设的推荐值 区间范围内， 则确定 所述第一 客服推荐所述第一产品的推荐值满足推荐条件。 7.根据权利要求1所述的方法， 其特征在于， 在确定产品推荐方案之后， 所述方法还包 括： 向所述第一客服的客服终端发送所述用户的联系信 息， 所述联系信 息包括所述用户的 联系方式； 获取所述第一客服的客服终端通过所述联系方式与所述用户的用户终端建立通话连 接时的语音数据， 并获取客 服声纹库中所述第一 客服的声纹数据； 将所述语音数据与 所述第一客服的声纹数据进行比对， 分离出所述第 一客服的语音数 据和所述用户的语音数据； 对所述第一客服的语音数据和所述用户的语音数据进行语音识别处理， 确定所述用户 的语音内容和所述第一 客服的语音内容； 提取所述用户的语音内容中的第 一关键信 息， 提取所述第 一客服的语音内容中的第 二 关键信息， 根据所述第一关键信息更新所述第一特征集合， 并根据所述第二关键信息更新 所述第二特 征集合。权　利　要　求　书 2/3 页 3 CN 113919921 A 3