【技術實現步驟摘要】
本公開的實施方式涉及大數據處理，更具體地，本公開的實施方式涉及一種會話消息的發送方法、會話消息的發送裝置、計算機可讀存儲介質以及電子設備。
技術介紹
1、本部分旨在為權利要求書中陳述的本公開的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。
2、現有的會話消息的發送方法中，可以從已有的消息模板中所提供的消息中選擇自己需要的消息并發送。但是，該方法存在如下缺陷：一方面，無法生成個性化的消息；另一方面，消息的重復使用率過高。
技術實現思路
1、但是，在相關的技術方案中，一方面，從已有的消息模板中選擇相應的會話消息，存在無法生成個性化消息以及消息重復使用率過高的問題；另一方面，基于所設定的規則自動生成會話消息，存在無法實時更新規則進而使得所得到的會話消息的精確度較低的問題。
2、為此，非常需要一種改進的會話消息的發送方法，以獲取消息發送端的第一待預測用戶屬性信息以及消息接收端的第二待預測用戶屬性信息，并獲取消息發送端的第一歷史消息以及消息接收端的第二歷史消息；再將第一待預測用戶屬性信息和第一歷史消息記錄、第二待預測用戶屬性信息和第二歷史消息記錄輸入至線上的會話生成模型中，得到與消息發送端對應的第一會話消息；進而基于預設的會話推薦模型對第一會話消息進行評分，得到第一評分結果，并根據第一評分結果從第一會話消息中確定待發送的會話消息；最后響應于針對待發送的會話消息的選擇操作確定目標會話消息，并將目標會話消息發送至消息接收端，從而可以在提高目標會
3、在本上下文中，本公開的實施方式期望提供一種會話消息的發送方法、會話消息的發送裝置、計算機可讀存儲介質以及電子設備。
4、根據本公開的一個方面，提供一種會話消息的發送方法，包括：
5、獲取消息發送端的第一待預測用戶屬性信息以及消息接收端的第二待預測用戶屬性信息，并獲取所述消息發送端的第一歷史消息以及消息接收端的第二歷史消息；
6、將所述第一待預測用戶屬性信息和第一歷史消息記錄、第二待預測用戶屬性信息和第二歷史消息記錄輸入至線上的會話生成模型中，得到與所述消息發送端對應的第一會話消息；
7、基于預設的會話推薦模型對所述第一會話消息進行評分，得到第一評分結果，并根據所述第一評分結果從所述第一會話消息中確定待發送的會話消息；
8、響應于針對所述待發送的會話消息的選擇操作確定目標會話消息，并將所述目標會話消息發送至所述消息接收端。
9、在本公開的一種示例性實施例中，所述線上的會話生成模型包括嵌入映射層、編碼層以及混合專家模型層；
10、其中，將所述第一待預測用戶屬性信息和第一歷史消息記錄、第二待預測用戶屬性信息和第二歷史消息記錄輸入至線上的會話生成模型中，得到與所述消息發送端對應的第一會話消息，包括：
11、根據所述第一待預測用戶屬性信息以及第二待預測用戶屬性信息生成待預測的用戶基礎信息，并根據所述第一歷史消息記錄、第二歷史消息記錄以及預設的模型提示參數，生成待預測的上下文信息；
12、基于所述嵌入映射層對所述待預測的用戶基礎信息進行詞嵌入處理，得到第一用戶特征，并基于所述嵌入映射層對所述待預測的上下文信息進行嵌入映射處理，得到上下文標志序列；
13、基于所述編碼層對所述第一用戶特征以及上下文標志序列進行編碼處理，得到上下文整體表征，并基于所述混合專家模型層對所述上下文標志序列以及上下文整體表征進行預測，得到與所述消息發送端對應的第一會話消息。
14、在本公開的一種示例性實施例中，所述混合專家模型層包括門控網絡模型以及專家神經網絡模型；
15、其中，基于所述混合專家模型層對所述上下文標志序列以及上下文整體表征進行預測，得到與所述消息發送端對應的第一會話消息，包括：
16、基于所述門控網絡模型根據所述上下文標志序列，確定所述專家神經網絡模型的模型權重，并根據所述模型權重從所述專家神經網絡中確定執行第一會話消息預測任務所需的目標神經網絡模型；
17、將所述上下文標志序列以及上下文整體表征輸入至所述目標神經網絡模型中，得到與所述消息發送端對應的第一會話消息。
18、在本公開的一種示例性實施例中，所述門控網絡模型包括第一門控網絡模型以及第二門控網絡模型；
19、其中，基于所述門控網絡模型根據所述上下文標志序列，確定所述專家神經網絡模型的模型權重，并根據所述模型權重從所述專家神經網絡中確定執行第一會話消息預測任務所需的目標神經網絡模型，包括：
20、基于所述第一門控網絡模型根據所述上下文標志序列，確定所述專家神經網絡模型在是否回復消息維度上的第一模型權重，并根據所述第一模型權重從所述專家神經網絡中確定執行是否回復消息維度上的第一會話消息預測任務所需的第一目標神經網絡模型；
21、基于第二門控網絡模型根據所述上下文標志序列，確定所述專家神經網絡模型在是否進行多次消息回復維度上的第二模型權重，并根據所述第二模型權重從所述專家神經網絡中確定執行是否進行多次消息回復維度上的第一會話消息預測任務所需的第二目標神經網絡模型。
22、在本公開的一種示例性實施例中，將所述上下文標志序列以及上下文整體表征輸入至所述目標神經網絡模型中，得到與所述消息發送端對應的第一會話消息，包括：
23、將所述上下文標志序列以及上下文整體表征輸入至所述第一目標神經網絡模型，得到在是否回復消息維度上的第一預測結果；
24、將所述上下文標志序列以及上下文整體表征輸入至所述第二目標神經網絡模型中，得到在是否進行多次消息回復維度上的第二預測結果；
25、根據所述第一預測結果以及第二預測結果，確定與所述消息發送端對應的第一會話消息。
26、在本公開的一種示例性實施例中，將所述上下文標志序列以及上下文整體表征輸入至所述第一目標神經網絡模型，得到在是否回復消息維度上的第一預測結果，包括：
27、將所述上下文標志序列以及上下文整體表征輸入至所述第一目標神經網絡模型中，得到第一輸出結果；
28、根據所述第一目標神經網絡模型對應的第一模型權重以及所述第一輸出結果，得到在是否回復消息維度上的第一預測結果。
29、在本公開的一種示例性實施例中，根據所述第一預測結果以及第二預測結果，確定與所述消息發送端對應的第一會話消息，包括：
30、為在是否回復消息維度上的第一預測結果配置第一維度權重值，并為在是否進行多次消息回復維度上的第二預測結果配置第二維度權重值；
31、對所述第一維度權重值和第一預測結果、第二維度權重值和第二預測結果進行加權求和，得到與所述消息發送端對應的第一會話消息。
32、在本公開的一種示例性實施例中，基于所述嵌入映射層對所述待預測的用戶基礎信息進行詞嵌入處理，得到第一用戶特征，包括：...
【技術保護點】
1.一種會話消息的發送方法，其特征在于，包括：
2.根據權利要求1所述的會話消息的發送方法，其特征在于，所述線上的會話生成模型包括嵌入映射層、編碼層以及混合專家模型層；
3.根據權利要求2所述的會話消息的發送方法，其特征在于，所述混合專家模型層包括門控網絡模型以及專家神經網絡模型；
4.根據權利要求3所述的會話消息的發送方法，其特征在于，所述門控網絡模型包括第一門控網絡模型以及第二門控網絡模型；
5.根據權利要求4所述的會話消息的發送方法，其特征在于，將所述上下文標志序列以及上下文整體表征輸入至所述目標神經網絡模型中，得到與所述消息發送端對應的第一會話消息，包括：
6.根據權利要求5所述的會話消息的發送方法，其特征在于，將所述上下文標志序列以及上下文整體表征輸入至所述第一目標神經網絡模型，得到在是否回復消息維度上的第一預測結果，包括：
7.根據權利要求5所述的會話消息的發送方法，其特征在于，根據所述第一預測結果以及第二預測結果，確定與所述消息發送端對應的第一會話消息，包括：
8.一種會話消息的發送
9.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-7任一項所述的會話消息的發送方法。
10.一種電子設備，包括：
...【技術特征摘要】
1.一種會話消息的發送方法，其特征在于，包括：
2.根據權利要求1所述的會話消息的發送方法，其特征在于，所述線上的會話生成模型包括嵌入映射層、編碼層以及混合專家模型層；
3.根據權利要求2所述的會話消息的發送方法，其特征在于，所述混合專家模型層包括門控網絡模型以及專家神經網絡模型；
4.根據權利要求3所述的會話消息的發送方法，其特征在于，所述門控網絡模型包括第一門控網絡模型以及第二門控網絡模型；
5.根據權利要求4所述的會話消息的發送方法，其特征在于，將所述上下文標志序列以及上下文整體表征輸入至所述目標神經網絡模型中，得到與所述消息發送端對應的第一會話...
【專利技術屬性】
技術研發人員：魯沛瑤，何穎，陳鴻翔，羅川江，
申請(專利權)人：杭州網易云音樂科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。