产品的筛选方法、装置、电子设备以及存储介质与流程

1.本技术涉及人工智能技术领域，尤其涉及一种产品的筛选方法、装置、电子设备以及存储介质。


背景技术：

2.随着人民生活水平的提高，人们有更多的自己进行相关产品的采购。通常，当用户在有产品购买需求时，大多数是通过咨询相关客服人员。
3.然而，用户能否购买到合适的产品很大一部分原因取决于客服人员对用户购买需求是否充分了解，及客服人员对相关产品的熟悉程度。基于不同的客服人员的业务水平不同，给用户提供的服务水平也有差异，并且在了解及分析客户需求过程中耗时较长，长时间的产品筛选容易使用户产生抵触情绪，无法满足部分客户快捷、简单、精准的购物体验，用户体验差。


技术实现要素：

4.本技术实施例的主要目的在于提供一种产品的筛选方法、装置、电子设备以及存储介质，旨在为用户精准筛选产品，提高客户服务体验。
5.第一方面，本技术实施例提供一种产品的筛选方法，包括：
6.获取样本数据并筛选所述样本数据，得到目标样本数据；
7.构建多个支持向量机模型，多个所述支持向量机模型的核函数各不同，并从多个所述支持向量机模型中筛选符合预设要求的目标支持向量机模型；
8.利用所述目标样本数据训练所述目标支持向量机模型，得到预测模型；
9.当接收到目标用户的产品咨询请求时，获取所述目标用户的用户信息、及购买产品的历史数据，并采集所述目标用户与客服人员在咨询过程中的对话视频数据；
10.当根据所述用户信息及所述预测模型分析出所述目标用户具有产品购买意向时，根据所述对话视频数据提取对话语音数据、及所述目标用户的面部表情信息及肢体动作信息；并根据所述对话语音数据、所述面部表情信息及所述肢体动作信息获取第一备选产品数据，以及根据所述历史数据获取第二备选产品数据；
11.基于所述第一备选产品数据及第二备选产品数据筛选出目标产品。
12.第二方面，本技术实施例还提供一种产品的筛选装置，包括：
13.样本获取模块，用于获取样本数据并筛选所述样本数据，得到目标样本数据；
14.模型构建模块，用于构建多个支持向量机模型，多个所述支持向量机模型的核函数各不同，并从多个所述支持向量机模型中筛选符合预设要求的目标支持向量机模型；
15.模型训练模块，用于利用所述目标样本数据训练所述目标支持向量机模型，得到预测模型；
16.视频采集模块，用于当接收到目标用户的产品咨询请求时，获取所述目标用户的用户信息、及购买产品的历史数据，并采集所述目标用户与客服人员在咨询过程中的对话
视频数据；
17.产品预测模块，用于当根据所述用户信息及所述预测模型分析出所述目标用户具有产品购买意向时，根据所述对话视频数据提取对话语音数据、及所述目标用户的面部表情信息及肢体动作信息；并根据所述对话语音数据、所述面部表情信息及所述肢体动作信息获取第一备选产品数据，以及根据所述历史数据获取第二备选产品数据；
18.产品筛选模块，用于基于所述第一备选产品数据及第二备选产品数据筛选出目标产品。
19.第三方面，本技术实施例还提供一种电子设备，电子设备包括处理器、存储器、存储在存储器上并可被处理器执行的计算机程序以及用于实现处理器和存储器之间的连接通信的数据总线，其中计算机程序被处理器执行时，实现如本技术说明书提供的任一项产品的筛选方法的步骤。
20.第四方面，本技术实施例还提供一种存储介质，用于计算机可读存储，其特征在于，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现如本技术说明书提供的任一项产品的筛选方法的步骤。
21.本技术实施例提供一种产品的筛选方法、装置、电子设备及存储介质，其中，方法通过获取样本数据并筛选所述样本数据，得到目标样本数据；构建多个支持向量机模型，多个所述支持向量机模型的核函数各不同，并从多个所述支持向量机模型中筛选符合预设要求的目标支持向量机模型；利用所述目标样本数据训练所述目标支持向量机模型，得到预测模型；当接收到目标用户的产品咨询请求时，获取所述目标用户的用户信息、及购买产品的历史数据，并采集所述目标用户与客服人员在咨询过程中的对话视频数据；当根据所述用户信息及所述预测模型分析出所述目标用户具有产品购买意向时，根据所述对话视频数据提取对话语音数据、及所述目标用户的面部表情信息及肢体动作信息；并根据所述对话语音数据、所述面部表情信息及所述肢体动作信息获取第一备选产品数据，以及根据所述历史数据获取第二备选产品数据；基于所述第一备选产品数据及第二备选产品数据筛选出目标产品。本技术所提供的产品的筛选方法可以根据客户需求实现产品的精准筛选，从而可以将所筛选出的产品推荐给用户，以有效提高客户服务体验。
附图说明
22.为了更清楚地说明本技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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他的附图。
23.图1为本技术实施例提供的一种产品的筛选方法的步骤流程示意图；
24.图2为本技术实施例提供的一种产品的筛选装置的模块结构示意图；
25.图3为本技术实施例提供的一种电子设备的结构示意框图。
具体实施方式
26.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施
例，都属于本技术保护的范围。
27.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
28.应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
29.随着人民生活水平的提高，人们有更多的自己进行相关产品的采购。通常，当用户在有产品购买需求时，大多数是通过咨询相关客服人员。
30.然而，用户能否购买到合适的产品很大一部分原因取决于客服人员对用户购买需求是否充分了解，及客服人员对相关产品的熟悉程度。基于不同的客服人员的业务水平不同，给用户提供的服务水平也有差异，并且在了解及分析客户需求过程中耗时较长，长时间的产品筛选容易使用户产生抵触情绪，无法满足部分客户快捷、简单、精准的购物体验，用户体验差。
31.为了解决上述问题，本技术实施例提供了一种产品的筛选方法、装置、电子设备及存储介质，其中，本技术实施例提供的一种产品的筛选方法可应用于电子设备。该电子设备可以为手机、平板电脑、笔记本电脑、台式电脑、个人数字助理、穿戴式设备、或服务器，其中，服务器可以为独立的服务器，也可以为服务器集群。
32.本实施例中，为便于相关技术方案的理解，以该产品的筛选方法应用于数据管理平台的服务器为例进行说明。
33.下面结合附图，对本技术的一些实施例作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
34.请参照图1，图1为本技术实施例提供的一种产品的筛选方法的步骤流程示意图。
35.如图1所示，该产品的筛选方法包括步骤s1至步骤s6。
36.步骤s1：获取样本数据并筛选所述样本数据，得到目标样本数据。
37.从样本数据库中获取样本数据，该样本数据中包括噪声数据，为提高样本数据中有效特征含量，需要对数据进行降噪处理，其中，对数据降噪除杂处理的方法包括但不限于主成分分析法。利用主成分分析法对样本数据进行降噪、降维，可以有效提高数据有效性。
38.步骤s2：构建多个支持向量机模型，多个所述支持向量机模型的核函数各不同，并从多个所述支持向量机模型中筛选符合预设要求的目标支持向量机模型。
39.基于对于同一个数据集，使用不同的核函数进行映射，可以构造出不同的支持向量机模型，本技术实施例分别使用线性核函数、多项式核函数、径向基核函数和sigmoid核函数四种不同核函数进行映射和建模，以构建至少四种不同的支持向量机模型，然后使用预设的测试数据集进行预测，对比四种支持向量机模型的预测精度，并筛选预测精度最高的支持向量机模型作为目标支持向量机模型。
40.可以理解，所构建的支持向量机模型也可以是两个、三个或者五个，在此不做限定，只需满足不同的支持向量机模型使用不同的核函数，并且构建至少两个不同的支持向量机模型即可。
41.步骤s3：利用所述目标样本数据训练所述目标支持向量机模型，得到预测模型。
42.通过目标样本数据对目标支持向量机模型进行模型训练，并在在支持向量机模型训练过程中，利用预设算法对惩罚参数c和核函数参数g进行优化，选取最优的惩罚参数c及核函数参数g，从而获得预测模型，其中，惩罚参数c及核函数参数g的参数寻优算法包括k折交叉验证法、粒子群算法，遗传算法中的至少一者。
43.示例性地，将目标样本数据平均分为10份。在支持向量机模型训练过程中，需要对惩罚参数c和核函数的参数g进行优化，选取最好的参数，例如，使用k折交叉验证来进行参数寻优。
44.随机选择1份样本作为验证集，其余的9份样本作为训练集，在loo-cv下会得到10个模型，用10个模型的最终验证集的分类准确率的平均数做为模型的性能指标。当计算出所有模型对应的惩罚参数c和核函数参数g时，这些惩罚参数c和核函数参数g有可能会出现，若成对出现的惩罚参数c和核函数参数g验证准确率一样高，这时候选择的是惩罚参数最小的惩罚参数c和核函数参数g，认为惩罚参数c小的那个对象是最佳的选择，并根据所确定的惩罚参数c和核函数参数g确定预测模型。
45.步骤s4：当接收到目标用户的产品咨询请求时，获取所述目标用户的用户信息、及购买产品的历史数据，并采集所述目标用户与客服人员在咨询过程中的对话视频数据。
46.示例性地，在客服人员接收到目标用户的产品咨询请求时，根据产品咨询请求获取用户的授权信息，并根据用户的授权信息获取目标用户的用户信息、及购买产品的历史数据，并采集目标用户与客服人员在咨询过程中的对话视频数据，其中，用户信息用于分析用户是否具有购买产品的意向。例如，用户信息包括用户身份信息、用户工作类型、用户联系方式、用户信贷信息、及产品采购历史等。
47.步骤s5：当根据所述用户信息及所述预测模型分析出所述目标用户具有产品购买意向时，根据所述对话视频数据提取对话语音数据、及所述目标用户的面部表情信息及肢体动作信息；并根据所述对话语音数据、所述面部表情信息及所述肢体动作信息获取第一备选产品数据，以及根据所述历史数据获取第二备选产品数据。
48.示例性地，将用户信息输入至预测模型中对目标用户是否具有产品购买意向进行预测，当预测模型根据用户信息预测到当前目标用户具有产品购买意向时，通过视频数据分析出目标用户感兴趣的第一备选产品数据，并从目标用户购买产品的历史数据分析出目标用户感兴趣的第二备选产品数据。
49.例如，通过视频数据提取目标用户和客服人员的对话语音数据、及目标用户的在咨询过程中的面部表情信息及肢体动作信息，通过对话语音数据、及目标用户的在咨询过程中的面部表情信息及肢体动作信息可以分析出目标用户可能感兴趣的产品。
50.在一些实施方式中，所述根据所述对话语音数据、所述面部表情信息及所述肢体动作信息获取第一备选产品数据，包括：
51.从所述对话语音数据中提取出所述目标用户的兴趣产品，及对应所述兴趣产品的咨询时长；
52.根据所述面部表情信息及所述肢体动作信息分析出每一所述兴趣产品的感兴趣度；
53.根据所述感兴趣度及咨询时长从所述兴趣产品筛选出第一备选产品数据。
54.示例性地，从所述对话语音数据中提取目标用户的语音数据，并从目标用户的语
音数据中提取出所述目标用户的兴趣产品，及并统计目标用户对每一所述兴趣产品的咨询时长。通过将目标用户咨询对应兴趣产品时的面部表情输入至预设表情分析模型从而获得用户对兴趣产品的第一兴趣度，通过将目标用户咨询对应兴趣产品时的肢体动作输入至预设肢体分析模型从而获得用户对兴趣产品的第二兴趣度，根据第一兴趣度和第二兴趣度确定目标用户对每一兴趣产品的感兴趣度。
55.筛选感兴趣度超过预设值，且咨询时长超过预设时长的兴趣产品作为第一备选产品，从而得到第一备选产品数据。
56.在一些实施方式中，所述从所述对话语音数据中提取出所述目标用户的兴趣产品，包括：
57.从所述对话语音数据中提取所述目标用户对的第一语音数据，并将所述第一语音数据转换成第一文本，以及对所述第一文本进行关键词提取，得到第一关键词；
58.利用预设数据库从所述第一关键词中筛选出产品关键词，并根据所述产品关键词的词频确定所述目标用户的兴趣产品。
59.示例性地，利用语音提取模型从对话语音数据中提取所述目标用户的第一语音数据，将第一语音数据输入至预设的语音转换模型，以将第一语音数据转换成第一文本，并对第一文本进行词组拆分得到第一关键词，利用预设数据库从第一关键词中筛选出产品关键词，并根据产品关键词的词频确定目标用户的兴趣产品。
60.在一些实施方式中，从所述对话语音数据中提取所述目标用户的第一语音数据的方式还可以是：
61.将对话语音数据输入到语音提取模型的特征提取网络进行特征提取，获取所述对话语音数据对应的特征向量，所述对话语音数据包括所述目标用户的第一语音数据和客服人员的第二语音数据；
62.将预设向量和所述特征向量输入到所述语音提取模型的语音提取网络，以从所述对话语音数据中提取出所述目标用户的第一语音数据，其中，所述预设向量根据所述客服人员的语音数据获得，所述语音提取网络以所述预设向量为参考，调整所述第二语音数据和所述第一语音数据在所述对话语音数据中所占的比例，从而获取所述目标用户的第一语音数据。
63.示例性地，对话语音数据包括所述目标用户的第一语音数据和客服人员的第二语音数据，基于不同的用户对应的语音特征具有较大差别，从而可以利用语音提取模型提取到目标用户的第一语音数据。例如，将预设向量和特征向量输入到语音提取模型的语音提取网络，以从对话语音数据中提取出目标用户的第一语音数据，其中，预设向量根据客服人员的语音数据获得，语音提取网络以预设向量为参考，调整第二语音数据和第一语音数据在对话语音数据中所占的比例，从而获取第一语音数据。
64.在一些实施方式中，所述从所述对话语音数据中提取出所述目标用户的兴趣产品，包括：
65.从所述对话语音数据中提取所述目标用户对应的第一语音数据、及客服人员对应的第二语音数据；
66.将所述第一语音数据及所述第二语音数据输入预设的语音转换模型进行文本转换，以获取多个所述第一语音数据对应的第一文本、及所述第二语音信息对应的第二文本；
67.根据对话时间将所述第一文本和所述第二文本进行排序，以获取所述对话语音数据对应的对话记录文本；
68.利用预设的错词数据库判断所述对话记录文本中对应的所述第一文本的翻译是否有误；
69.当对应的所述第一文本的翻译有误时，根据所述对话记录文本修正对应翻译有误的所述第一文本，以获取第一修正文本；
70.对所述第一修正文本进行关键词提取，得到第二关键词；
71.利用预设数据库从所述第二关键词中筛选出产品关键词，并根据所述产品关键词的词频确定所述目标用户的兴趣产品。
72.示例性地，从对话语音数据中提取目标用户对应的第一语音数据、及客服人员对应的第二语音数据，并将第一语音数据及第二语音数据进行文本转换得到第一语音数据对应的第一文本、及第二语音数据对应的第二文本，并按照对话时间数据对第一文本、第二文本进行排序，得到对应的对话记录文本。
73.然而，在语音翻译过程中，由于咨询人员区域分布的复杂性，造成咨询人员的口音有较大差异，从而使得在某些语境下的使用语音翻译模型对某些特殊发音翻译时，翻译的准确度不足。如，卷舌音的“sh”平舌音和“s”，前鼻音的“ping”和后鼻音的“pin”，字母“j”和字母“z”、字母“l”和字母“n”、字母“f”和字母“h”等等。
74.将语音翻译出错率较高的词语、短句收集形成错词数据库，将通话记录文本中的第一文本与错词数据库中存储的预设文本对比，当第一文本和预设文本的相似度超过预设值时，判断通话记录文本中对应的第一文本的翻译有误。通过对翻译有误的第一文本上下文的语义对翻译有误的第一文本进行修正，得到第一修正文本，对第一修正文本进行关键词提取，得到第二关键词，利用预设数据库从第二关键词中筛选出产品关键词，并根据产品关键词的词频确定目标用户的兴趣产品，例如，将词频超过预设值的产品关键词对应的产品作为目标用户的兴趣产品。通过翻译文本的上下文修正翻译有误的文本，从而提高根据文本所获取的产品关键词的精准度。
75.在一些实施方式中，所述从所述对话语音数据中提取所述目标用户对应的第一语音数据、及客服人员对应的第二语音数据，包括：
76.根据所述对话语音数据对应的时间轴提取所述对话语音数据中声纹特征数据；
77.根据预设的声纹特征模型对所述声纹特征数据进行分类，以获取目标用户对应的多个第一声纹特征数据、及客服人员对应的多个第二声纹特征数据；
78.根据所述第一声纹特征数据获取对应的第一语音数据，并根据所述第二声纹特征数据获取对应的第二语音数据。
79.示例性地，每个人声音对应的声纹特征不同，按照通话时间的先后顺序提取对话语音数据中对应的声纹特征、并标记对应声纹特征所对应的时间信息。
80.首先需要说明的是，所谓声纹(voiceprint)，是用电声学仪器显示的携带言语信息的声波频谱。人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，人在讲话时使用的发声器官
‑‑
舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，所以任何两个人的声纹图谱都有差异。
81.每个人的语音声学特征既有相对稳定性，又有变异性，不是绝对的、一成不变的。
这种变异可来自生理、病理、心理、模拟、伪装，也与环境干扰有关。尽管如此，由于每个人的发音器官都不尽相同，因此在一般情况下，人们仍能区别不同的人的声音或判断是否是同一人的声音。
82.进一步地，声纹特征是与人类的发音机制的解剖学结构有关的声学特征，如频谱、倒频谱、共振峰、基音、反射系数等等、鼻音、带深呼吸音、沙哑音、笑声等；人类的声纹特征受社会经济状况、受教育水平、出生地、语义、修辞、发音、言语习惯等的影响。对于声纹特征，个人特点或受父母影响的韵律、节奏、速度、语调、音量等特征，可以从利用数学方法建模的角度出发，声纹自动识别模型目前可以使用的特征包括：声学特征，如倒频谱；词法特征，如说话人相关的词n-gram，音素n-gram等；韵律特征，如利用n-gram描述的基音和能量“姿势”等。
83.实际应用中，进行声纹特征提取时，可以提取录制的对话语音数据中的声纹特征数据，该声纹特征数据包括基音频谱及其轮廓、基音帧的能量、基音共振峰的出现频率及其轨迹、线性预测倒谱、线谱对、自相关和对数面积比、mel频率倒谱系数(mel frequency cepstrum coefficient，mfcc)、感知线性预测中的至少一者。
84.利用预设的声纹模型对所获取的声纹特征进行筛选分类，从而将声纹特征区分为与目标用户对应的多个第一声纹特征数据和与客服人员对应的多个第二声纹特征数据，其中，该预设的声纹模型可以是利用客服人员的语音数据进行声纹特征提取，并利用所提取的声纹特征数据进行训练获取的。
85.在将声纹特征分类后，根据第一声纹特征数据获取目标用户对应的多个第一语音数据，根据第二声纹特征数据获取客服人员对应的多个第二语音数据。
86.步骤s6：基于所述第一备选产品数据及第二备选产品数据筛选出目标产品。
87.在获取到目标用户感兴趣的第一备选产品数据及第二产品数据后，从第一产品数据及第二产品数据中筛选出向目标用户推荐的目标产品。
88.在一些实施方式中，所述基于所述第一备选产品数据及第二备选产品数据筛选出目标产品，包括：
89.统计所述第一备选产品数据及第二备选产品数据中的相同产品数据；
90.统计所述相同产品数据中涉及到的产品类别、及每一所述产品类别中对应的备选产品数量；
91.选择所述备选产品数量超过预设值的所述产品类别所对应的备选产品作为所述目标产品。
92.示例性地，通过获取第一备选产品数据及第二备选产品数据的交集，也即第一备选产品数据及第二备选产品数据中的相同产品数据，并分析相同产品数据中涉及到的产品类别及对应每一产品类别中的备选产品数量，选择备选产品数量超过预设值的产品类别所对应的备选产品作为目标产品。例如，第一备选产品数据及第二备选产品数据中的相同产品数据中涉及到a类产品5中、b类产品6中、c类产品1中，则将b类产品中所包含的备选产品作为目标产品。
93.请参阅图2，图2为本技术实施例所提供的产品的筛选装置200，该产品的筛选装置200包括样本获取模块201、模型构建模块202、模型训练模块203、视频采集模块204、产品预测模块205、产品筛选模块206。其中，样本获取模块201，用于获取样本数据并筛选所述样本
数据，得到目标样本数据；模型构建模块202，用于构建多个支持向量机模型，多个所述支持向量机模型的核函数各不同，并从多个所述支持向量机模型中筛选符合预设要求的目标支持向量机模型；模型训练模块203，用于利用所述目标样本数据训练所述目标支持向量机模型，得到预测模型；视频采集模块204，用于当接收到目标用户的产品咨询请求时，获取所述目标用户的用户信息、及购买产品的历史数据，并采集所述目标用户与客服人员在咨询过程中的对话视频数据；产品预测模块205，用于当根据所述用户信息及所述预测模型分析出所述目标用户具有产品购买意向时，根据所述对话视频数据提取对话语音数据、及所述目标用户的面部表情信息及肢体动作信息；并根据所述对话语音数据、所述面部表情信息及所述肢体动作信息获取第一备选产品数据，以及根据所述历史数据获取第二备选产品数据；产品筛选模块206，用于基于所述第一备选产品数据及第二备选产品数据筛选出目标产品。
94.在一些实施方式中，所述根据所述对话语音数据、所述面部表情信息及所述肢体动作信息获取第一备选产品数据，包括：
95.从所述对话语音数据中提取出所述目标用户的兴趣产品，及对应所述兴趣产品的咨询时长；
96.根据所述面部表情信息及所述肢体动作信息分析出每一所述兴趣产品的感兴趣度；
97.根据所述感兴趣度及咨询时长从所述兴趣产品筛选出第一备选产品数据。
98.在一些实施方式中，所述从所述对话语音数据中提取出所述目标用户的兴趣产品，包括：
99.从所述对话语音数据中提取所述目标用户对的第一语音数据，并将所述第一语音数据转换成第一文本，以及对所述第一文本进行关键词提取，得到第一关键词；
100.利用预设数据库从所述第一关键词中筛选出产品关键词，并根据所述产品关键词的词频确定所述目标用户的兴趣产品。
101.在一些实施方式中，所述从所述对话语音数据中提取所述目标用户的第一语音数据，包括：
102.将对话语音数据输入到语音提取模型的特征提取网络进行特征提取，获取所述对话语音数据对应的特征向量，所述对话语音数据包括所述目标用户的第一语音数据和客服人员的第二语音数据；
103.将预设向量和所述特征向量输入到所述语音提取模型的语音提取网络，以从所述对话语音数据中提取出所述目标用户的第一语音数据，其中，所述预设向量根据所述客服人员的语音数据获得，所述语音提取网络以所述预设向量为参考，调整所述第二语音数据和所述第一语音数据在所述对话语音数据中所占的比例，从而获取所述第一语音数据。
104.在一些实施方式中，所述从所述对话语音数据中提取出所述目标用户的兴趣产品，包括：
105.从所述对话语音数据中提取所述目标用户对应的第一语音数据、及客服人员对应的第二语音数据；
106.将所述第一语音数据及所述第二语音数据输入预设的语音转换模型进行文本转换，以获取多个所述第一语音数据对应的第一文本、及所述第二语音信息对应的第二文本；
107.根据对话时间将所述第一文本和所述第二文本进行排序，以获取所述对话语音数据对应的对话记录文本；
108.利用预设的错词数据库判断所述对话记录文本中对应的所述第一文本的翻译是否有误；
109.当对应的所述第一文本的翻译有误时，根据所述对话记录文本修正对应翻译有误的所述第一文本，以获取第一修正文本；
110.对所述第一修正文本进行关键词提取，得到第二关键词；
111.利用预设数据库从所述第二关键词中筛选出产品关键词，并根据所述产品关键词的词频确定所述目标用户的兴趣产品。
112.在一些实施方式中，所述从所述对话语音数据中提取所述目标用户对应的第一语音数据、及客服人员对应的第二语音数据，包括：
113.根据所述对话语音数据对应的时间轴提取所述对话语音数据中声纹特征数据；
114.根据预设的声纹特征模型对所述声纹特征数据进行分类，以获取目标用户对应的多个第一声纹特征数据、及客服人员对应的多个第二声纹特征数据；
115.根据所述第一声纹特征数据获取对应的第一语音数据，并根据所述第二声纹特征数据获取对应的第二语音数据。
116.在一些实施方式中，所述基于所述第一备选产品数据及第二备选产品数据筛选出目标产品，包括：
117.统计所述第一备选产品数据及第二备选产品数据中的相同产品数据；
118.统计所述相同产品数据中涉及到的产品类别、及每一所述产品类别中对应的备选产品数量；
119.选择所述备选产品数量超过预设值的所述产品类别所对应的备选产品作为所述目标产品。
120.参阅图3，图3为本技术实施例提供的电子设备的结构示意性框图。
121.如图3所示，电子设备300包括处理器301和存储器302，处理器301和存储器302通过总线303连接，该总线比如为i2c(inter-integrated circuit)总线。
122.具体地，处理器301用于提供计算和控制能力，支撑整个服务器的运行。处理器301可以是中央处理单元(central processing unit，cpu)，该处理器301还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
123.具体地，存储器302可以是flash芯片、只读存储器(rom，read-only memory)磁盘、光盘、u盘或移动硬盘等。
124.本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术实施例方案相关的部分结构的框图，并不构成对本技术实施例方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
125.其中，处理器301用于运行存储在存储器中的计算机程序，并在执行计算机程序时
实现本技术实施例提供的任意一种的产品的筛选方法。
126.在一些实施方式中，处理器301用于运行存储在存储器中的计算机程序，并在执行计算机程序时实现如下步骤：
127.获取样本数据并筛选所述样本数据，得到目标样本数据；
128.构建多个支持向量机模型，多个所述支持向量机模型的核函数各不同，并从多个所述支持向量机模型中筛选符合预设要求的目标支持向量机模型；
129.利用所述目标样本数据训练所述目标支持向量机模型，得到预测模型；
130.当接收到目标用户的产品咨询请求时，获取所述目标用户的用户信息、及购买产品的历史数据，并采集所述目标用户与客服人员在咨询过程中的对话视频数据；
131.当根据所述用户信息及所述预测模型分析出所述目标用户具有产品购买意向时，根据所述对话视频数据提取对话语音数据、及所述目标用户的面部表情信息及肢体动作信息，并根据所述对话语音数据、所述面部表情信息及所述肢体动作信息获取第一备选产品数据，以及根据所述历史数据获取第二备选产品数据；
132.基于所述第一备选产品数据及第二备选产品数据筛选出目标产品。
133.在一些实施方式中，处理器301在根据所述对话语音数据、所述面部表情信息及所述肢体动作信息获取第一备选产品数据时，包括：
134.从所述对话语音数据中提取出所述目标用户的兴趣产品，及对应所述兴趣产品的咨询时长；
135.根据所述面部表情信息及所述肢体动作信息分析出每一所述兴趣产品的感兴趣度；
136.根据所述感兴趣度及咨询时长从所述兴趣产品筛选出第一备选产品数据。
137.在一些实施方式中，处理器301在从所述对话语音数据中提取出所述目标用户的兴趣产品时，包括：
138.从所述对话语音数据中提取所述目标用户对的第一语音数据，并将所述第一语音数据转换成第一文本，以及对所述第一文本进行关键词提取，得到第一关键词；
139.利用预设数据库从所述第一关键词中筛选出产品关键词，并根据所述产品关键词的词频确定所述目标用户的兴趣产品。
140.在一些实施方式中，处理器301在从所述对话语音数据中提取所述目标用户的第一语音数据时，包括：
141.将对话语音数据输入到语音提取模型的特征提取网络进行特征提取，获取所述对话语音数据对应的特征向量，所述对话语音数据包括所述目标用户的第一语音数据和客服人员的第二语音数据；
142.将预设向量和所述特征向量输入到所述语音提取模型的语音提取网络，以从所述对话语音数据中提取出所述目标用户的第一语音数据，其中，所述预设向量根据所述客服人员的语音数据获得，所述语音提取网络以所述预设向量为参考，调整所述第二语音数据和所述第一语音数据在所述对话语音数据中所占的比例，从而获取所述第一语音数据。
143.在一些实施方式中，处理器301在从所述对话语音数据中提取出所述目标用户的兴趣产品时，包括：
144.从所述对话语音数据中提取所述目标用户对应的第一语音数据、及客服人员对应
的第二语音数据；
145.将所述第一语音数据及所述第二语音数据输入预设的语音转换模型进行文本转换，以获取多个所述第一语音数据对应的第一文本、及所述第二语音信息对应的第二文本；
146.根据对话时间将所述第一文本和所述第二文本进行排序，以获取所述对话语音数据对应的对话记录文本；
147.利用预设的错词数据库判断所述对话记录文本中对应的所述第一文本的翻译是否有误；
148.当对应的所述第一文本的翻译有误时，根据所述对话记录文本修正对应翻译有误的所述第一文本，以获取第一修正文本；
149.对所述第一修正文本进行关键词提取，得到第二关键词；
150.利用预设数据库从所述第二关键词中筛选出产品关键词，并根据所述产品关键词的词频确定所述目标用户的兴趣产品。
151.在一些实施方式中，处理器301在从所述对话语音数据中提取所述目标用户对应的第一语音数据、及客服人员对应的第二语音数据时，包括：
152.根据所述对话语音数据对应的时间轴提取所述对话语音数据中声纹特征数据；
153.根据预设的声纹特征模型对所述声纹特征数据进行分类，以获取目标用户对应的多个第一声纹特征数据、及客服人员对应的多个第二声纹特征数据；
154.根据所述第一声纹特征数据获取对应的第一语音数据，并根据所述第二声纹特征数据获取对应的第二语音数据。
155.在一些实施方式中，处理器301在基于所述第一备选产品数据及第二备选产品数据筛选出目标产品时，包括：
156.统计所述第一备选产品数据及第二备选产品数据中的相同产品数据；
157.统计所述相同产品数据中涉及到的产品类别、及每一所述产品类别中对应的备选产品数量；
158.选择所述备选产品数量超过预设值的所述产品类别所对应的备选产品作为所述目标产品。
159.需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的电子设备的具体工作过程，可以参考前述产品的筛选方法实施例中的对应过程，在此不再赘述。
160.本技术实施例还提供一种存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现如本技术说明书实施例提供的任一项产品的筛选方法的步骤。
161.其中，存储介质可以是前述实施例的电子设备的内部存储单元，例如电子设备的硬盘或内存。存储介质也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。
162.本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施例中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物
理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
163.应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
164.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。以上，仅为本技术的具体实施例，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。