推荐词处理方法、电子设备和计算机可读存储介质与流程

1.本技术涉及云计算领域，尤其涉及云平台查询技术领域。


背景技术：

2.一些网站提供搜索功能供用户搜索所需内容，为了引导用户的浏览和购买意图，会在查询输入框中没有任何输入的时候，显示一个或多个推荐词推荐给用户，以提高用户的搜索效率。
3.目前的推荐方案，通常是结合热门榜单和网站当前活动构建词库，从词库中按序选取推荐词推荐给用户，针对不同用户推荐的推荐词是相同的，不能满足部分用户个性化的查询需求。


技术实现要素：

4.本技术提供一种推荐词处理方法、电子设备和计算机可读存储介质，以满足不同用户个性化的推荐需求。
5.本技术的一方面，提供一种推荐词处理方法，包括：
6.获取触发互动界面的当前用户的相关信息，所述相关信息至少包括用户行为信息；
7.基于所述相关信息确定与所述当前用户具有相似行为的参考用户；
8.将所述参考用户对应的操作对象信息，确定为与所述相关信息具有行为匹配关系的推荐词；
9.提供所述推荐词，以在所述互动界面中的关联位置进行展示。
10.本技术的另一方面，提供一种推荐词处理方法，包括：
11.获取触发互动界面的当前用户的相关信息，所述相关信息至少包括用户行为信息；
12.确定与所述相关信息具有行为匹配关系的推荐词，所述推荐词包括与所述当前用户具有相似行为的参考用户对应的操作对象信息，所述参考用户基于所述相关信息确定；
13.在所述互动界面中的关联位置提供所述推荐词。
14.本技术的另一方面，提供一种推荐词处理装置，包括：
15.信息获取模块，用于获取触发互动界面的当前用户的相关信息，所述相关信息至少包括用户行为信息；
16.用户确定模块，用于基于所述相关信息确定与所述当前用户具有相似行为的参考用户；
17.推荐词确定模块，用于将所述参考用户对应的操作对象信息，确定为与所述相关信息具有行为匹配关系的推荐词；
18.推荐词提供模块，用于提供所述推荐词，以在所述互动界面中的关联位置进行展示。
19.本技术的另一方面，提供一种推荐词处理装置，包括：
20.信息获取模块，用于获取触发互动界面的当前用户的相关信息，所述相关信息至少包括用户行为信息；
21.推荐词确定模块，用于确定与所述相关信息具有行为匹配关系的推荐词，所述推荐词包括与所述当前用户具有相似行为的参考用户对应的操作对象信息，所述参考用户基于所述相关信息确定；
22.推荐词提供模块，用于在所述互动界面中的关联位置提供所述推荐词。
23.本技术的另一方面，还提供一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，处理器在执行计算机程序时实现本技术任一实施例提供的方法。
24.本技术的另一方面，还提供一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现本技术任一实施例提供的方法。
25.本技术的另一方面，还提供一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本技术任一实施例提供的方法。
26.与现有技术相比，本技术具有如下优点：
27.根据本技术实施例，当前执行互动的用户触发互动界面后，获取当前用户的至少包括用户行为信息的相关信息，基于相关信息确定与当前用户具有相似行为的参考用户，进一步将参考用户对应的操作对象信息确定为与相关信息具有行为匹配关系的推荐词，并在互动界面中的关联位置提供上述推荐词。上述推荐过程是基于与当前用户具有相似行为的其他用户的行为推荐词，行为相似性比文本语义的匹配有更显性的联系，不易受制于当前算法对文本理解，对多义词以及难理解的文本顺序具有较好的理解效果，因此，采用本技术实施例的方案，生成的推荐词接近用户的互动意图和个人习惯，可以降低用户互动的时间成本，减轻操作繁琐程度，有效提高用户互动的转化率。并且，上述推荐过程参考了用户行为信息，相比于用户个人信息更能反映用户个人兴趣点，可以进一步加强推荐的效果。
28.此外，本技术实施例还可以结合用户行为信息的语义匹配关系确定推荐词，对用户行为信息进行了充分的挖掘和利用，可以进一步提高推荐词与用户个人兴趣点的匹配度。
附图说明
29.图1为用于实现本技术实施例的方法的一个应用场景的示意图。
30.图2为本技术一实施例提供的推荐词处理方法的示意性流程图。
31.图3为本技术另一实施例提供的推荐词处理方法的示意性流程图。
32.图4为本技术一实施例提供的推荐词处理装置的结构框图。
33.图5为本技术另一实施例提供的推荐词处理装置的结构框图。
34.图6为根据本技术实施例的电子设备的结构框图。
具体实施方式
35.在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术内涵的情况下做类似推广，因此本技术不受下面公开的具体实施的限制。
36.为了更清楚地展示本技术实施例中提供的推荐词处理方法，首先介绍可用于实现该方法的应用场景。
37.本技术实施例的方案可以应用于各种基于推荐词进行互动的应用场景，在互动界面提供选择或是输入推荐词的入口，推荐的推荐词可以作为用户输入信息的参考或是便于用户直接点击即可触发互动，从而起到减少用户交互操作和耗费时间的作用。
38.本技术实施例提供的推荐词处理方法可以应用于云服务搜索的场景下，云服务搜索是指云平台(也即是云计算平台)通过页面或是客户端提供搜索入口，软件服务商或是网站经营方作为云服务的商家用户，可以通过搜索入口查找自己所需的云服务资源。例如，有创建网站需求的网站经营方可以基于搜索入口查找各种功能模块，例如在线咨询、视频、电商服务、会员登录等各种基础功能模块，实现对应于电脑端或手机端的网页、小程序、客户端等访问系统的搭建。通过云平台搭建上述访问系统，可以节省购买物理硬件的成本，使用云计算的虚拟资源完成所需的计算需求，并且可以提高服务构建的效率，加速各类服务采用先进的架构，按序启用和弹性扩展资源，还可以通过云平台来实现数据的安全保密要求。当然，可以理解的是，本技术实施例还可以应用于其他搜索场景，例如，基于交易网站的商品搜索页面或是搜索引擎的搜索主页发起的搜索等。
39.图1为示例性的用于实现本技术实施例的方法的一个应用场景的示意图。在云服务搜索的应用场景下，云平台提供搜索服务，用户为软件服务商或是网站经营方等商家用户，用户操作行为对应的操作对象为云服务资源。在触发搜索界面时，商家用户所在的客户端向云平台发送推荐请求，云平台提取推荐请求携带的a商家用户的相关信息，其中至少包括用户行为信息，还可以包括用环境信息、个人信息等。云平台进一步从用户行为数据库中，基于相关信息确定与a商家用户具有相似行为的b商家用户，将b商家用户对应的操作对象信息作为推荐词，返回给a商家客户所在的客户端，在搜索界面中推荐词输入框的背景中作为底纹词展示。
40.上述推荐过程中，基于与一个用户具有相似行为的其他用户的行为推荐词，行为相似性比文本语义的匹配有更显性的联系，不易受制于当前算法对文本理解，对多义词以及难理解的文本顺序具有较好的理解效果，因此，采用本技术实施例的方案，生成的推荐词接近用户的互动意图和个人习惯，可以降低用户互动的时间成本，减轻操作繁琐程度，有效提高用户互动的转化率。并且，上述推荐过程参考了用户行为信息，相比于用户个人信息更能反映用户个人兴趣点，可以进一步加强推荐的效果。
41.本技术提供的推荐词处理方法，还可以应用于语音互动场景下，为用户提供语音输入的参考。用户可以通过特定操作或是语音唤醒触发互动界面，根据至少包括用户行为信息的相关信息确定推荐词，进一步可以将推荐词展示在互动界面的关联位置，以便于用户根据推荐词进行语音输入，并输出与推荐词对应的内容。
42.本技术实施例涉及的互动界面可以是网站页面、客户端页面或是设备界面。在搜索场景下，互动界面具体可以是搜索网站或搜索客户端的主页或是其他页面，或是其他网站包括有搜索入口的页面或是其他客户端的页面；在语音互动场景下，互动界面可以是用户终端或是语音互动设备的设备界面。互动界面可以展示在用户终端或是电子设备上，或是借助于虚拟现实技术(vr，virtual reality)、增强现实技术(ar，augmented reality)等虚拟技术进行展现。
43.本技术实施例中用户的相关信息可以包括用户行为信息，用户行为信息记录用户当前或是至少一个历史时间段的行为，可以包括当前时间点之前至少一个时间范围内的行为信息。例如，将某个时间点至当前时间点的时间范围内的行为信息作为实时行为信息，在当前时间点之前的其他时间范围内的行为信息作为历史行为信息，则用户行为信息可以包括实时行为信息、一个或多个历史行为信息中的一个或多个。
44.用户行为信息可以记录用户某次具体操作行为对应的操作类型、操作时间、操作位置、操作对象等至少一种信息。其中，操作类型例如在网站的浏览行为、点击行为、购买行为、搜索行为、语音互动行为等等，用户行为信息可以对应上述各种操作类型的行为信息中的一种或多种，也即是包括浏览行为信息、点击行为信息、搜索行为信息、互动行为信息购买行为信息中的至少一种。操作对象相应为用户在网站浏览的页面内容、购买的商品对象、搜索的商品对象、互动的语音内容或数据对象等等，操作对象信息为操作对象对应的相关信息，可以包括操作对象的名称、操作对象的分类、操作对象的标识(例如缩写)等。
45.用户行为信息可以从与客户端对应的记录文件中获取。一种实现方式中，客户端本地抓取用户行为，并记录在cookie文件(客户端记录文件)中，因此可以从客户端本地的cookie文件中读取到用户行为信息；另一种实现方式中，用户行为信息可以从服务器读取，客户端页面中嵌入有js(javascript)代码，用户访问页面时，js代码会记录用户行为，并发送至服务器生成访问日志，因此，可以从服务器收集的客户端访问日志中读取到用户行为信息。
46.除了用户行为信息，相关信息还可以包括当前用户所处的环境信息、个人信息中的一种或多种。环境信息是指用户所处的网络环境、时空环境等相关的信息，例如，网络环境相关的信息可以是当前互动界面的上下文信息，时空环境相关的信息可以是当前用户所处的位置信息、时间信息等。其中，位置信息可以基于客户端所在终端中定位系统的定位地址或是网络ip地址确定。个人信息可以包括当前用户的个人特征，例如用户兴趣爱好、用户提供的个人属性等。
47.在使用上述获取到的相关信息之前，为了提高信息处理的效率和推荐的效果，可以对相关信息进行预处理。例如，对相关信息进行数据清洗，去除掉其中冗余的无关信息，例如标点符号、无意义的词、乱码等；对于过长信息的情况，可以进行内容删减，保留表征关键内容的一个或多个关键词，仅将关键词用于后续的推荐词的确定；还可以进行数据的合规校验，将不符合预定规则的数据删除；或是识别相关信息中的同义词，对语义相同的词进行合并，从而避免后续无意义的重复处理。
48.一种可选的示例中，触发互动界面时，互动界面所在客户端可以向服务器发送推荐请求，进而可以提取推荐请求携带的相关信息，在确定推荐词后，将推荐词添加至互动界面中进行展示。另一种可选的示例中，可以在触发互动界面时，根据用户的个人信息从服务器获取记录的用户相关信息。
49.以当前触发互动界面的用户为当前用户，基于相关信息可以进一步确定与当前用户具有相似行为的参考用户，也即是说，包括用户行为信息的相关信息表征了用户行为的个人兴趣点，根据相关信息确定的参考用户与当前用户在行为上具有相似性，可以将参考用户的行为对应的操作对象的操作对象信息，作为推荐词推荐给当前用户，可以理解为，该操作对象信息与相关信息具有行为匹配关系。例如，当前用户a基于云平台的客户端进行计
算资源的搜索时，基于用户a的相关信息确定与当前用户a具有相似行为的参考用户b，从参考用户b的行为记录中识别到曾经搜索了“云服务器ecs”，则进一步将该“云服务器ecs”作为参考用户b的操作对象信息，推荐给当前用户a。
50.在基于相关信息确定与当前用户具有相似行为的参考用户时，以包括用户行为信息的相关信息作为依据。一种可选的示例中，可以将与当前用户在操作行为中共同对应同一操作对象的用户作为参考用户，具体而言，可以首先获取当前用户和其他用户的操作行为，查找在同一操作行为中共同出现的操作对象，构成操作对象组合。进一步，可以依据操作对象组合中对应的操作行为，查找操作对象对应的操作行为中共同出现的用户作为用户组合，用户组合中包括当前用户和一个或多个其他用户，该一个或多个其他用户也即是参考用户，操作对象组合中的当前用户和其他用户均访问过该操作对象组合中的操作对象。其中，操作对象组合中包括两个或两个以上的操作对象，可以两两组成操作对象组合，也可以两个以上的操作对象组成操作对象组合。同理，用户组合中可以包括两个或两个以上的用户。
51.另一种可选的示例中，还可以查找在同一操作行为共同出现并对应同一操作对象的用户添加至用户组合，将用户组合中一个或多个其他用户作为当前用户的参考用户，将在同一操作行为中共同出现的操作对象，或是在用户组合中用户对应的操作行为中共同出现的操作对象，构成操作对象组合。当然，还可以采用其他的任意适用的方式确定操作对象组合和用户组合，本技术对此并不作限制。在对操作对象组合和用户组合的筛选中，还可以设定相应的共同出现的次数阈值，将共同出现次数超出该阈值的作为共同出现的操作对象或用户。
52.相应的，在将参考用户对应的操作对象信息确定为与相关信息具有行为匹配关系的推荐词时，可以以操作对象组合和用户组合之间的对应关系构建图结构数据。图结构数据以点和边为结构的数据单元，该图结构数据中以操作对象和用户为节点，以节点之间共同出现的概率为节点连线也即是边的权重，进一步，基于节点连线的权重，可以进一步计算图结构数据中作为点的操作对象的相似度得分。
53.例如，根据当前用户a和参考用户b分别对应的操作对象a和b构建四个节点构成的图结构数据，当前用户a和参考用户b之间的节点连线的权重可以是两者在同一操作行为中共同出现的概率，操作对象a和操作对象b之间的节点连线的权重可以是两者在同一操作行为中共同出现的概率。针对进一步获得的操作对象a和b的相似度得分，可以理解的是，相似度得分比较高的操作对象则说明更贴近用户组合中非对应用户的个人习惯，可以作为互相的推荐对象，因此，可以选取相似度得分排序靠前的操作对象的信息作为推荐词。
54.上述由操作对象组合和用户组合构成的图结构数据，可以从所有操作对象组合和用户组合构成的整体的图结构数据中提取获得，也可以是由单独的一对操作对象组合和用户组合构成图结构数据。
55.其中，可以通过抓取和采集多个用户的操作行为，并汇集到对应的用户行为数据库中，将用户行为数据库中的用户作为参考用户的来源，从用户行为数据库中查找与当前用户具有相似行为的参考用户。
56.上述基于参考用户对应的操作对象信息确定提供给当前用户的推荐词的过程，可以通过基于用户的协同过滤算法实现，具体可以构造为机器学习模型，操作对象组合和用
户组合可以构成swing角形结构(秋千形状)的图结构数据，使得相似度的计算具有更高的抗噪音能力和准确性。例如，可以将一对操作对象和一对用户组成四边形结构，通过计算图结构数据的活跃度作为操作对象的相似度得分。当然，还可以根据实际需要选取其他适用的模型，本技术实施例对此并不做限制。
57.上述根据相关信息确定推荐词时，还可以从相关信息所表征的语义的角度确定推荐词，与上述依据相关信息确定相似行为的其他用户确定推荐词的方案进行结合，可以更进一步对用户行为信息进行充分的挖掘和利用，提高推荐推荐词与用户个人兴趣点的匹配度。
58.具体可以查找与相关信息具有语义匹配关系的词作为推荐词，语义匹配关系的确定可以通过计算语义向量的匹配关系来实现，通过对相关信息进行语义编码确定相关信息对应的语义向量，进一步查找对应的语义向量与相关信息的语义向量匹配的词，作为推荐词，也即是说，推荐词的语义向量与相关信息的语义向量是匹配的。其中，向量之间的匹配可以通过向量之间的相似度来表征，相似度符合超出设定阈值则可以作为匹配的向量。
59.其中，语义编码可以通过语义编码神经网络实现，语义编码神经网络可以将文本形式的相关信息编码成向量，可以采用预训练的dssm双塔模型(deep structured semantic model，深度语义模型)训练获得，双塔模型便于工程实现，系统鲁棒性较好。其编码过程中，通过输入层把文本形式的相关信息映射到低维向量空间转化成低维向量，进一步通过表示层中的词袋模型将该向量映射到高维空间，再通过多层隐藏层将映射到高维空间的向量转化为高维的语义向量，取用该高维的语义向量作为相关信息对应的向量。语义向量之间的匹配可以通过语义向量搜索系统进行向量相似度的计算来实现。
60.在查找对应的语义向量与相关信息的语义向量匹配的词时，如果将预先配置的语料库中每个词都进行匹配，则会消耗较大的计算资源和匹配时间，匹配效率较低。一种可选的示例中，可以采用结合近邻快速查找算法的向量召回的方式实现语义向量的匹配，将语料库中的词按照相似程度划分至不同的语料集合，使得相近的语料放在同一个语料集合中，在各语料集合中查找与相关信息的语义向量匹配的词，在一个语料集合中查找到与相关信息的语义向量匹配的词后，可以根据匹配的词确定下一个用于查找推荐词的语料集合，从而可以根据语料集合与相关信息的相似度来选取相似度比较高的语料集合进行推荐词的选取，例如，选择下一个与所确定的匹配的词相似的一个或多个语料集合，进行推荐词的选取，从而可以按照与相关信息相似的方向来选择推荐词，筛选掉一些与所确定的匹配的词相似度偏低的部分语料集合。
61.在语料集合中选取推荐词的过程中，在确定一个匹配的词后，可以将与该匹配的词相关性较差的词排除掉，可以进一步节省排除的这部分词的计算量。
62.基于与相关信息具有行为匹配关系以及语义匹配关系分别确定的推荐词可以合并为推荐词的组合，在组合时可以对行为匹配的推荐词和语义匹配的推荐词配置不同的权重，还可以进行同义词合并和数据合规校验，以提高获得互动结果的效率。
63.可以理解的是，在未获得当前用户的用户行为信息的情况下，也可以直接根据环境信息和个人信息等静态信息进行推荐词的推荐，例如，在云服务资源搜索场景下，可以为新创商家用户提供“建站模板”作为底纹词，方便商家进行网站搭建和服务管理。
64.在互动界面中提供推荐词时，可以在互动界面中的关联位置进行展示，便于用户
在查询时及时看到推荐词，进一步决定选择使用该推荐词，或是根据推荐词选择输入相关的推荐词，或是确定推荐词不符合互动意图后，输入其他推荐词。根据当前用户基于推荐词的互动操作，可以提供基于推荐词的互动结果。例如，在搜索场景下，若用户输入该推荐词，可以基于推荐词获取搜索结果，并提供到当前用户的客户端进行展示；在语音交互场景下，若用户根据该推荐词输入语音，则可以提供基于该语音的互动内容。
65.互动界面中的关联位置可以是与推荐词输入框的关联位置，具体可以是查询输入框的背景，将推荐词以推荐词输入框的底纹词的形式进行展示。关联位置还可以是推荐词输入框的附近位置，将推荐词添加至页面中或是以浮窗或是新增页面元素的形式展示在推荐词输入框的附近。具体展示形式和位置可以根据实际需求设置，本技术对此并不做限制。
66.需要说明的是，上述基于当前用户的相关信息确定参考用户以及根据参考用户的操作对象信息确定推荐词的过程，可以在服务器实现，也可以在客户端本地实现。为获取到较好的推荐效果，则使用的相关信息的种类可以更为复杂，用户行为数据库中收集更多的用户行为信息，相似用户的确定可以采用更为精确的算法，则可以在服务器甚至是云服务器实现上述过程。
67.本技术实施例还提供了客户端角度的推荐词处理过程，当前用户在客户端触发互动界面后，客户端获取该当前用户的相关信息，进一步确定与相关信息具有行为匹配关系的推荐词，该步骤可以在客户端本地实现，或是通过将相关信息发送至服务器并获取服务器基于相关信息确定的推荐词，进一步将推荐词展示在互动界面中的关联位置。其中，相关信息中至少包括用户行为信息，一种可选的示例中，可以通过访问互动界面所处客户端的关联文件路径，访问到客户端记录用户行为信息的文件，例如cookie文件，从中提取到用户行为信息。
68.图2示出了本技术一实施例提供的推荐词处理方法的示意性流程图。该方法可选地可以由当前用户所处的客户端或是服务器执行，但不仅限于此。如图2所示，该方法包括：
69.s210、获取触发互动界面的当前用户的相关信息，所述相关信息至少包括用户行为信息；
70.s220、基于所述相关信息确定与所述当前用户具有相似行为的参考用户；
71.s230、将所述参考用户对应的操作对象信息，确定为与所述相关信息具有行为匹配关系的推荐词；
72.s240、提供所述推荐词，以在所述互动界面中的关联位置进行展示。
73.在一些可选的实施例中，所述获取触发互动界面的当前用户的相关信息包括：提取触发所述互动界面时发送的推荐请求携带的相关信息。
74.在一些可选的实施例中，所述用户行为信息包括浏览行为信息、点击行为信息、搜索行为信息、互动行为信息、购买行为信息中的至少一种，所述用户行为信息包括当前时间点之前至少一个时间范围内的行为信息。
75.在一些可选的实施例中，所述基于所述相关信息确定与所述当前用户具有相似行为的参考用户包括：
76.根据所述当前用户和参考用户针对操作对象的操作行为，查找在同一操作行为中共同出现的操作对象，构成操作对象组合；
77.提取在所述操作对象组合的操作对象对应的操作行为中共同出现的用户，构成用
户组合，所述用户组合中包括所述当前用户和参考用户。
78.在一些可选的实施例中，所述将所述参考用户对应的操作对象信息，确定为与所述相关信息具有行为匹配关系的推荐词包括：
79.以操作对象组合和用户组合之间的对应关系构建图结构数据，所述图结构数据中以操作对象和用户为节点，以节点之间共同出现的概率为节点连线的权重；
80.基于节点连线的权重确定操作对象组合中操作对象的相似度得分；
81.选取相似度得分排序靠前的操作对象对应的操作对象信息，作为与所述相关信息具有行为匹配关系的推荐词。
82.在一些可选的实施例中，所述方法还包括：
83.确定与所述相关信息具有语义匹配关系的推荐词。
84.在一些可选的实施例中，所述确定与所述相关信息具有语义匹配关系的推荐词包括：
85.对所述相关信息进行语义编码获得所述相关信息对应的语义向量；
86.查找对应的语义向量与所述相关信息对应的语义向量匹配的词，作为与所述相关信息具有语义匹配关系的推荐词。
87.在一些可选的实施例中，所述查找对应的语义向量与所述相关信息对应的语义向量匹配的词包括：
88.将语料库中的词按照相似程度划分至不同的语料集合；
89.在所述语料集合中查找与所述相关信息对应的语义向量匹配的词，其中，根据上一个语料集合中匹配的词确定下一个用于查找的语料集合。
90.在一些可选的实施例中，在所述确定与所述相关信息具有语义匹配关系的推荐词之前，所述方法包括：
91.对所述相关信息进行内容删减，以保留表征关键内容的至少一个关键词。
92.在一些可选的实施例中，所述方法还包括：
93.根据所述当前用户基于所述推荐词的互动操作，提供基于所述推荐词的互动结果。
94.在一些可选的实施例中，所述相关信息还包括所述当前用户所处的环境信息和/或个人信息，所述环境信息包括所述互动界面的上下文信息、时间信息、位置信息中的至少一种，所述个人信息包括所述当前用户的个人特征。
95.在一些可选的实施例中，所述方法还包括：
96.对所述相关信息进行数据预处理，所述数据预处理包括数据清洗、数据合规校验、相似数据合并中至少一种。
97.根据本技术实施例，当前执行互动的用户触发互动界面后，获取当前用户的至少包括用户行为信息的相关信息，基于相关信息确定与当前用户具有相似行为的参考用户，进一步将参考用户对应的操作对象信息确定为与相关信息具有行为匹配关系的推荐词，并在互动界面中的关联位置提供上述推荐词。上述推荐过程是基于与当前用户具有相似行为的其他用户的行为推荐词，行为相似性比文本语义的匹配有更显性的联系，不易受制于当前算法对文本理解，对多义词以及难理解的文本顺序具有较好的理解效果，因此，采用本技术实施例的方案，生成的推荐词接近用户的互动意图和个人习惯，可以降低用户互动的时
间成本，减轻操作繁琐程度，有效提高用户互动的转化率。并且，上述推荐过程参考了用户行为信息，相比于用户个人信息更能反映用户个人兴趣点，可以进一步加强推荐的效果。
98.与上述实施例提供的方法相对应地，本技术实施例还提供一种推荐词处理方法，该方法可选地可以由当前用户所处的客户端执行，但不仅限于此。如图3所示，该方法包括：
99.s310、获取触发互动界面的当前用户的相关信息，所述相关信息至少包括用户行为信息；
100.s320、确定与所述相关信息具有行为匹配关系的推荐词，所述推荐词包括与所述当前用户具有相似行为的参考用户对应的操作对象信息，所述参考用户基于所述相关信息确定；
101.s330、在所述互动界面中的关联位置提供所述推荐词。
102.在一些可选的实施例中，所述获取触发互动界面的当前用户的相关信息包括：通过访问互动界面所处客户端的关联文件路径，读取用户行为信息。
103.根据本技术实施例，当前执行互动的用户触发互动界面后，获取当前用户的至少包括用户行为信息的相关信息，基于相关信息确定与当前用户具有相似行为的参考用户，进一步将参考用户对应的操作对象信息确定为与相关信息具有行为匹配关系的推荐词，并在互动界面中的关联位置提供上述推荐词。上述推荐过程是基于与当前用户具有相似行为的其他用户的行为推荐词，行为相似性比文本语义的匹配有更显性的联系，不易受制于当前算法对文本理解，对多义词以及难理解的文本顺序具有较好的理解效果，因此，采用本技术实施例的方案，生成的推荐词接近用户的互动意图和个人习惯，可以降低用户互动的时间成本，减轻操作繁琐程度，有效提高用户互动的转化率。并且，上述推荐过程参考了用户行为信息，相比于用户个人信息更能反映用户个人兴趣点，可以进一步加强推荐的效果。
104.与本技术实施例提供的方法的应用场景以及该方法相对应地，本技术实施例还提供一种推荐词处理装置400。参考图4，该装置400可以包括：
105.信息获取模块410，用于获取触发互动界面的当前用户的相关信息，所述相关信息至少包括用户行为信息；
106.用户确定模块420，用于基于所述相关信息确定与所述当前用户具有相似行为的参考用户；
107.推荐词确定模块430，用于将所述参考用户对应的操作对象信息，确定为与所述相关信息具有行为匹配关系的推荐词；
108.推荐词提供模块440，用于提供所述推荐词，以在所述互动界面中的关联位置进行展示。
109.可选地，所述信息获取模块，具体用于提取触发所述互动界面时发送的推荐请求携带的相关信息。
110.可选地，所述用户行为信息包括浏览行为信息、点击行为信息、搜索行为信息、互动行为信息、购买行为信息中的至少一种，所述用户行为信息包括当前时间点之前至少一个时间范围内的行为信息。
111.可选地，所述用户确定模块包括：
112.对象组合子模块，用于根据所述当前用户和参考用户针对操作对象的操作行为，查找在同一操作行为中共同出现的操作对象，构成操作对象组合；
113.用户组合子模块，用于提取在所述操作对象组合的操作对象对应的操作行为中共同出现的用户，构成用户组合，所述用户组合中包括所述当前用户和参考用户。
114.可选地，所述推荐词确定模块包括：
115.图构建子模块，用于以操作对象组合和用户组合之间的对应关系构建图结构数据，所述图结构数据中以操作对象和用户为节点，以节点之间共同出现的概率为节点连线的权重；
116.相似计算子模块，用于基于节点连线的权重确定操作对象组合中操作对象的相似度得分；
117.对象选取子模块，用于选取相似度得分排序靠前的操作对象对应的操作对象信息，作为与所述相关信息具有行为匹配关系的推荐词。
118.可选地，所述装置还包括：
119.语义推荐模块，用于确定与所述相关信息具有语义匹配关系的推荐词。
120.可选地，所述语义推荐模块包括：
121.语义向量获取子模块，用于对所述相关信息进行语义编码获得所述相关信息对应的语义向量；
122.词查找子模块，用于查找对应的语义向量与所述相关信息对应的语义向量匹配的词，作为与所述相关信息具有语义匹配关系的推荐词。
123.可选地，所述词查找子模块，具体用于将语料库中的词按照相似程度划分至不同的语料集合；在所述语料集合中查找与所述相关信息对应的语义向量匹配的词，其中，根据上一个语料集合中匹配的词确定下一个用于查找的语料集合。
124.可选地，所述装置还包括：
125.内容删减模块，用于在所述确定与所述相关信息具有语义匹配关系的推荐词之前，对所述相关信息进行内容删减，以保留表征关键内容的至少一个关键词。
126.可选地，所述装置还包括：
127.互动结果提供模块，用于根据所述当前用户基于所述推荐词的互动操作，提供基于所述推荐词的互动结果。
128.可选地，所述相关信息还包括所述当前用户所处的环境信息和/或个人信息，所述环境信息包括所述互动界面的上下文信息、时间信息、位置信息中的至少一种，所述个人信息包括所述当前用户的个人特征。
129.可选地，所述装置还包括：
130.预处理模块，用于对所述相关信息进行数据预处理，所述数据预处理包括数据清洗、数据合规校验、相似数据合并中至少一种。
131.根据本技术实施例，当前执行互动的用户触发互动界面后，获取当前用户的至少包括用户行为信息的相关信息，基于相关信息确定与当前用户具有相似行为的参考用户，进一步将参考用户对应的操作对象信息确定为与相关信息具有行为匹配关系的推荐词，并在互动界面中的关联位置提供上述推荐词。上述推荐过程是基于与当前用户具有相似行为的其他用户的行为推荐词，行为相似性比文本语义的匹配有更显性的联系，不易受制于当前算法对文本理解，对多义词以及难理解的文本顺序具有较好的理解效果，因此，采用本技术实施例的方案，生成的推荐词接近用户的互动意图和个人习惯，可以降低用户互动的时
间成本，减轻操作繁琐程度，有效提高用户互动的转化率。并且，上述推荐过程参考了用户行为信息，相比于用户个人信息更能反映用户个人兴趣点，可以进一步加强推荐的效果。
132.本技术实施例还提供另一种推荐词处理装置500，参考图5，该装置500可以包括：
133.信息获取模块510，用于获取触发互动界面的当前用户的相关信息，所述相关信息至少包括用户行为信息；
134.推荐词确定模块520，用于确定与所述相关信息具有行为匹配关系的推荐词，所述推荐词包括与所述当前用户具有相似行为的参考用户对应的操作对象信息，所述参考用户基于所述相关信息确定；
135.推荐词提供模块530，用于在所述互动界面中的关联位置提供所述推荐词。
136.可选的，所述信息获取模块，具体用于通过访问互动界面所处客户端的关联文件路径，读取用户行为信息。
137.本技术实施例提供的装置，可以用于实现本技术实施例提供的方法，具备相应的有益效果。
138.本技术实施例还提供了一种电子设备。图6示出根据本技术实施例的电子设备的结构框图。该电子设备可以为推荐词处理服务设备或数据库引擎设备。
139.如图6所示，该电子设备包括：存储器610和处理器620，存储器610内存储有可在处理器620上运行的计算机程序。处理器620执行该计算机程序时实现本技术任一实施例中的推荐词处理方法。存储器610和处理器620的数量可以为一个或多个。
140.如图6所示，该电子设备还包括：
141.通信接口630，用于与外界设备进行通信，进行数据交互传输。
142.如果存储器610、处理器620和通信接口630独立实现，则存储器610、处理器620和通信接口630可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(industry standard architecture，isa)总线、外部设备互连(peripheral component interconnect，pci)总线或扩展工业标准体系结构(extended industry standard architecture，eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
143.可选的，在具体实现上，如果存储器610、处理器620及通信接口630集成在一块芯片上，则存储器610、处理器620及通信接口630可以通过内部接口完成相互间的通信。
144.本技术实施例还提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现本技术任一实施例中提供的方法。
145.本技术实施例还提供了一种计算机程序产品，其包括计算机程序，该计算机程序在被处理器执行时实现本技术任一实施例中提供的方法。
146.本技术实施例还提供了一种芯片，该芯片包括，包括处理器，用于从存储器中调用并运行存储器中存储的指令，使得安装有芯片的通信设备执行本技术实施例提供的方法。
147.本技术实施例还提供了一种芯片，包括：输入接口、输出接口、处理器和存储器，输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连，处理器用于执行存储器中的代码，当代码被执行时，处理器用于执行申请实施例提供的方法。
148.应理解的是，上述处理器可以是中央处理器(central processing unit，cpu)，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。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advanced risc machines，arm)架构的处理器。
149.进一步地，可选的，上述存储器可以包括只读存储器和随机存取存储器，还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以包括只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以包括随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用。例如，静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic random access memory，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data date sdram，ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(sync link dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，dr ram)。
150.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本技术的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
151.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本技术的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
152.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
153.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
154.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执
行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
155.应理解的是，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
156.此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
157.以上，仅为本技术的具体实施方式，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，可轻易想到其各种变化或替换，这些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。