基于大数据知识库的个性化解决方案推荐方法和系统

摘要

本发明提出了一种解决方案推荐方法，所述方法包括：获取用户的问题信息和个人信息，将所述用户的问题信息作为第一问题信息，将所述用户的个人信息作为第一个人信息；将所述第一问题信息及所述第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息；获取与所述第二问题信息及第二个人信息对应的解决方案；将获取到的所述解决方案推荐给所述用户。实现了获取解决方案的及时性和快捷性，且由于该方法和系统不再依赖于个人的主观经验，而是根据解决问题的客观历史数据，并且结合用户的个人信息进行推荐，推荐的解决方案更具有可靠性。此外，还提出了一种解决方案推荐系统。

权利要求

1.一种解决方案推荐方法，所述方法包括：

获取用户的问题信息和个人信息，将所述用户的问题信息作为第一问题信息，将所述用户的个人信息作为第一个人信息；所述用户的个人信息包括年龄、性别；

将所述第一问题信息及所述第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息；

获取与所述第二问题信息及第二个人信息对应的解决方案；

将获取到的所述解决方案推荐给所述用户，并将用户对所述解决方案的评分作为所述解决方案对应的解决效果的分数值；

其中，所述将所述第一问题信息及所述第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息，包括：将所述第一问题信息与所述知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合；

计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合；

查找所述第二解决案例集合中每个解决案例的解决效果的分数值；

将所述分数值最大的解决效果对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息；或者，根据获取的所述第二解决案例集合中每个解决案例的问题信息匹配度、个人信息匹配度和解决效果的分数值计算每个解决案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度；将所述第一匹配优先度对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

2.根据权利要求1所述的方法，其特征在于，在所述获取用户的问题信息和个人信息的步骤之前还包括：建立知识库，所述知识库包括多个解决案例，所述解决案例包括问题信息、个人信息、及与所述问题信息及个人信息对应的解决方案和解决效果的分数值。

3.根据权利要求1所述的方法，其特征在于，所述计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合的步骤包括：计算所述第一解决案例集合中每个解决案例的个人信息中的用户年龄与所述第一个人信息的用户年龄的差值的绝对值；

计算所述第一解决案例集合中每个解决案例的个人信息的用户所在地与所述第一个人信息中的用户所在地的距离；

根据计算得到的用户年龄的差值的绝对值和所述用户所在地的距离确定所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息之间的匹配度。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取用户对所述解决方案的反馈，根据所述反馈确定与所述解决方案对应的解决效果的分数值；

将所述第一问题信息、第一个人信息、推荐的所述解决方案及所述解决效果的分数值作为一个解决案例添加至所述知识库中，当所述知识库中解决案例的数量达到第一预设阈值时，形成大数据知识库。

5.根据权利要求1所述的方法，其特征在于，所述解决效果的分数值表征所述解决案例解决效果的好坏。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将用户的评分作为与解决方案对应的解决效果的分数值，然后将第一问题信息、以及为第一问题信息推荐的解决方案和解决效果的分数值一起作为一个新的解决案例添加到知识库中。

7.一种解决方案推荐系统，其特征在于，所述系统包括：

信息获取模块，用于获取用户的问题信息和个人信息，将所述用户的问题信息作为第一问题信息，将所述用户的个人信息作为第一个人信息；

确定模块，用于将所述第一问题信息及所述第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息；

解决方案获取模块，用于获取与所述第二问题信息及第二个人信息对应的解决方案；

推荐模块，用于将获取到的所述解决方案推荐给所述用户；

其中，所述确定模块包括：

第一获取单元，用于将所述第一问题信息与所述知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合；

第一计算单元，用于计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合；

第一查找单元，用于查找所述第二解决案例集合中每个解决案例的解决效果的分数值；

第一匹配单元，用于将所述分数值最大的解决效果对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息；

或者，

第二获取单元，用于将所述第一问题信息与所述知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合；

第二计算单元，用于计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合；

第二查找单元，用于查找所述第二解决案例集合中每个解决案例的解决效果的分数值；

匹配优先度计算单元，用于根据获取的所述第二解决案例集合中每个解决案例的问题信息匹配度、个人信息匹配度和解决效果的分数值计算每个解决案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度；

第二匹配单元，将所述第一匹配优先度对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

8.根据权利要求7所述的系统，其特征在于，所述第一计算单元或第二计算单元包括：年龄计算子单元，用于计算所述第一解决案例集合中每个解决案例的个人信息中的用户年龄与所述第一个人信息的用户年龄的差值的绝对值；

距离计算子单元，用于计算所述第一解决案例集合中每个解决案例的个人信息的用户所在地与所述第一个人信息中的用户所在地的距离；

个人信息匹配子单元，用于个人信息根据计算得到的用户年龄的差值的绝对值和所述用户所在地的距离确定所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息之间的匹配度。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

说明书

基于大数据知识库的个性化解决方案推荐方法和系统

技术领域

[0001] 本发明涉及计算机技术与人工智能技术领域，特别是涉及一种基于大数据知识库的个性化解决方案推荐方法和系统。

背景技术

[0002] 目前，传统的问题解决沟通模式为用户需要到专业机构找专家，与专家进行面对面的问题沟通，专家根据用户的问题，通过咨询结果、自身经验或者专家库中已有的数据进行参考推理，得到针对该用户的问题解决方案推荐给用户。上述这种方式过于依赖专家或专家库的主观经验和理论知识，同时，一旦专家或专家库的知识有误，则会产生错误的解决方案推荐结果，推荐方案会有偏差，对用户问题的解决具有不良的影响，延缓了用户获得有效解决方案的时效性。

发明内容

[0003] 基于此，有必要提供一种能够根据不同用户的个性化特征，准确、有效且及时的基于大数据知识库的个性化解决方案推荐方法和系统。

[0004] 一种解决方案推荐方法，所述包括：获取用户的问题信息和个人信息，将所述用户的问题信息作为第一问题信息，将所述用户的个人信息作为第一个人信息；将所述第一问题信息及所述第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息；获取与所述第二问题信息及第二个人信息对应的解决方案；将获取到的所述解决方案推荐给所述用户。

[0005] 在其中一个实施例中，在所述获取用户的问题信息和个人信息的步骤之前还包括：建立知识库，所述知识库包括多个解决案例，所述解决案例包括问题信息、个人信息、及与所述问题信息及个人信息对应的解决方案和解决效果的分数值。

[0006] 在其中一个实施例中，所述将所述第一问题信息及所述第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息的步骤包括：将所述第一问题信息与所述知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合；计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合；查找所述第二解决案例集合中每个解决案例的解决效果的分数值；将所述分数值最大的解决效果对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0007] 在其中一个实施例中，所述将所述第一问题信息及所述第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息的步骤包括：将所述第一问题信息与所述知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合；计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合；查找所述第二解决案例集合中每个解决案例的解决效果的分数值；根据获取的所述第二解决案例集合中每个解决案例的问题信息匹配度、个人信息匹配度和解决效果的分数值计算每个解决案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度；将所述第一匹配优先度对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0008] 在其中一个实施例中，所述计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合的步骤包括：计算所述第一解决案例集合中每个解决案例的个人信息中的用户年龄与所述第一个人信息的用户年龄的差值的绝对值；计算所述第一解决案例集合中每个解决案例的个人信息的用户所在地与所述第一个人信息中的用户所在地的距离；根据计算得到的用户年龄的差值的绝对值和所述用户所在地的距离确定所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息之间的匹配度。

[0009] 在其中一个实施例中，所述方法还包括：获取用户对所述解决方案的反馈，根据所述反馈确定与所述解决方案对应的解决效果的分数值；将所述第一问题信息、第一个人信息、推荐的所述解决方案及所述解决效果的分数值作为一个解决案例添加至所述知识库中，当所述知识库中解决案例的数量达到第一预设阈值时，形成大数据知识库。

[0010] 一种解决方案推荐系统，所述系统包括：信息获取模块，用于获取用户的问题信息和个人信息，将所述用户的问题信息作为第一问题信息，将所述用户的个人信息作为第一个人信息；确定模块，用于将所述第一问题信息及所述第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息；解决方案获取模块，用于获取与所述第二问题信息及第二个人信息对应的解决方案；推荐模块，用于将获取到的所述解决方案推荐给所述用户。

[0011] 在其中一个实施例中，所述装置还包括：建立模块，用于建立知识库，所述知识库包括多个解决案例，所述解决案例包括问题信息、个人信息、及与所述问题信息及个人信息对应的解决方案和解决效果的分数值。

[0012] 在其中一个实施例中，所述确定模块包括：第一获取单元，用于将所述第一问题信息与所述知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合；第一计算单元，用于计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合；第一查找单元，用于查找所述第二解决案例集合中每个解决案例的解决效果的分数值；第一匹配单元，用于将所述分数值最大的解决效果对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0013] 在其中一个实施例中，所述确定模块包括：第二获取单元，用于将所述第一问题信息与所述知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合；第二计算单元，用于计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合；第二查找单元，用于查找所述第二解决案例集合中每个解决案例的解决效果的分数值；匹配优先度计算单元，用于根据获取的所述第二解决案例集合中每个解决案例的问题信息匹配度、个人信息匹配度和解决效果的分数值计算每个解决案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度；第二匹配单元，将所述第一匹配优先度对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0014] 在其中一个实施例中，所述第一计算单元或第二计算单元包括：年龄计算子单元，用于计算所述第一解决案例集合中每个解决案例的个人信息中的用户年龄与所述第一个人信息的用户年龄的差值的绝对值；距离计算子单元，用于计算所述第一解决案例集合中每个解决案例的个人信息的用户所在地与所述第一个人信息中的用户所在地的距离；个人信息匹配子单元，用于个人信息根据计算得到的用户年龄的差值的绝对值和所述用户所在地的距离确定所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息之间的匹配度。

[0015] 在其中一个实施例中，所述系统还包括：反馈模块，用于获取用户对所述解决方案的反馈，根据所述反馈确定与所述解决方案对应的解决效果的分数值；添加模块，用于将所述第一问题信息、第一个人信息、推荐的所述解决方案及所述解决效果的分数值作为一个解决案例添加至所述知识库中，当所述知识库中解决案例的数量达到第一预设阈值时，形成大数据知识库。

[0016] 上述解决方案推荐方法和系统，通过获取用户的问题信息与个人信息，将用户的问题信息作为第一问题信息，将用户的个人信息作为第一个人信息，然后将第一问题信息及第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息，进而获取与第二问题信息及第二个人信息对应的解决方案，将获取到的解决方案推荐给用户。上述解决方案推荐方法和系统，通过在知识库中搜索与用户的问题信息和个人信息匹配的第二问题信息和第二个人信息，从而确定最能解决用户问题的解决方案，然后将该方案推荐给用户，实现了获取解决方案的及时性和快捷性，且由于该方法和系统不再依赖于个人的主观经验，而是根据解决问题的客观历史数据，并且结合用户的个人信息进行推荐，推荐的解决方案更具有可靠性。

附图说明

[0017] 图1为一个实施例中解决方案推荐方法的流程图；

[0018] 图2为一个实施例中确定与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息的方法流程图；

[0019] 图3为另一个实施例中确定与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息的方法流程图；

[0020] 图4为一个实施例中计算第一解决案例集合中每个解决案例的个人信息与第一个人信息的匹配度的方法流程图；

[0021] 图5为另一个实施例中解决方案推荐方法的流程图；

[0022] 图6为一个实施例中解决方案推荐系统的结构框图；

[0023] 图7为一个实施例中确定模块的结构框图；

[0024] 图8为另一个实施例中确定模块的结构框图；

[0025] 图9为一个实施例中计算单元的结构框图；

[0026] 图10为另一个实施例中解决方案推荐系统的结构框图。

具体实施方式

[0027] 为了使本发明的目的、技术方案及优点更加清楚明白，以下通过实施例，并结合附图，对本发明基于大数据知识库的个性化解决方案推荐方法和系统的具体实施方式进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

[0028] 如图1所示，在一个实施例中，提出了一种解决方案推荐方法，该方法包括：

[0029] 步骤102，获取用户的问题信息和个人信息，将用户的问题信息作为第一问题信息，将用户的个人信息作为第一个人信息。

[0030] 在本实施例中，用户问题信息和个人信息的获取可以通过终端来获取，比如，可以通过终端输入用户的问题信息和个人信息。其中，终端可以是智能手机、平板电脑、笔记本电脑、穿戴式智能设备等可以录入问题信息的电子设备。具体的，可在终端机上运行用户问题管理系统，通过该系统对用户的问题信息和用户的个人信息进行录入。其中，问题信息包括但不限于日常问题、专业问题等，用户的个人信息包括但不限于用户的年龄、性别、所在地等信息。

[0031] 步骤104，将第一问题信息及第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0032] 具体的，将第一问题信息与知识库中的各个问题信息进行匹配，分别计算各个问题信息与第一问题信息的匹配度，获取匹配度大于预设阈值的问题信息集合，然后将第一个人信息与问题信息集合中每个问题信息对应的个人信息进行匹配，计算问题信息集合中每个问题信息对应的个人信息与第一个人信息之间的匹配度，根据计算得到的知识库中问题信息与第一问题信息之间的匹配度和个人信息与第一个人信息之间的匹配度，确定与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。具体的，知识库中预存有多个解决案例，每个解决案例包括问题信息、个人信息、及与该问题信息和个人信息对应的解决方案和解决效果的分数值。同一个解决案例中，问题信息、个人信息、解决方案、解决效果的分数值之间是相互对应的。确定与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息的方法有多种，在一个实施例中，首先将第一问题信息与知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合，然后计算第一解决案例集合中每个解决案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合，然后获取第二解决案例集合中每个解决案例的解决效果的分数值，将分数值最大的解决效果对应的问题信息及个人信息作为与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。在另一个实施例中，将第一个问题信息与知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合，然后计算第一解决案例集合中每个解决案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合，然后获取第二解决案例集合中每个解决案例的解决效果的分数值，最后根据获取的第二解决案例集合中每个解决案例的问题信息与第一问题信息的匹配度，个人信息与第一个人信息的匹配度及对应的解决效果的分数值计算每个解决案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度，将第一匹配优先度对应的问题信息及个人信息作为与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0033] 步骤106，获取与第二问题信息及第二个人信息对应的解决方案。

[0034] 具体的，知识库中预先存储了大量的解决案例，每个解决案例包括问题信息、个人信息及与该问题信息及个人信息对应的解决方案、解决效果的分数值。其中，解决效果的分数值反映了解决效果的好坏，分数值越高，说明解决效果越好。计算得到与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息后，获取与该第二问题信息及第二个人信息对应的解决方案。由于第一问信息及个人信息与第二问题信息及第二个人信息之间的匹配度最大，其相似性也最大，能够解决第二问题信息的解决方案有很大概率可以解决用户的问题，因此可以利用第二问题信息的解决方案来为用户答疑解惑。

[0035] 步骤108，将获取到的解决方案推荐给用户。

[0036] 具体的，可以将获取到的与用户的问题信息及个人信息匹配的解决方案推荐给该用户。解决方案的信息可以通过网络推送给用户，也可以通过短信的形式发送到与用户对应的终端，还可以通过邮件等形式发送给用户。用户收到针对该用户的问题信息即第一问题信息的解决方案后，可以根据该解决方案的解决效果对该解决方案进行评分，将用户的评分作为与解决方案对应的解决效果的分数值，然后将第一问题信息、以及为第一问题信息推荐的解决方案和解决效果的分数值一起作为一个新的解决案例添加到知识库中，使知识库逐渐的完善。

[0037] 在本实施例中，通过获取用户的问题信息与个人信息，将用户的问题信息作为第一问题信息，将用户的个人信息作为第一个人信息，然后将第一问题信息及第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息，进而获取与第二问题信息及第二个人信息对应的解决方案，将获取到的解决方案推荐给用户。上述解决方案推荐方法，通过在知识库中搜索与用户的问题信息和个人信息匹配的第二问题信息和第二个人信息，从而确定最能解决用户问题的解决方案，然后将该方案推荐给用户，实现了获取解决方案的及时性和快捷性，且由于该方法和系统不再依赖于个人的主观经验，而是根据解决问题的客观历史数据，并且结合用户的个人信息进行推荐，推荐的解决方案更具有可靠性。

[0038] 在一个实施例中，在获取用户的问题信息和个人信息的步骤之前还包括：建立知识库，其中，知识库中包括多个解决案例，每个解决案例中包括问题信息、个人信息及与该问题信息及个人信息对应的解决方案和解决效果的分数值。

[0039] 在本实施例中，预先建立知识库，知识库中包括多个解决案例。每个解决案例中包括问题信息、个人信息及与该问题信息及个人信息对应的解决方案和解决效果的分数值，解决效果的分数值用于反映该解决方案对应的解决效果的优劣，分数值越大，说明解决效果越好，反之，分数值越小，解决效果就越差。分数值来源于用户对解决方案的反馈，用户的反馈可以通过评分来实现。本发明实施例中知识库可以为解决方案的大数据知识库，解决方案大数据知识库是知识工程中结构化、易操作、易利用、全面有组织的知识集群，可以针对专业领域问题求解的需求，采用专业知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与专业领域相关的理论知识、事实数据。例如，专业领域内有关的定义、定理和运算规则以及常识性知识等。

[0040] 如图2所示，在一个实施例中，将第一问题信息及第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息的步骤包括：

[0041] 步骤104A，将第一问题信息与知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合。

[0042] 在本实施例中，将第一问题信息与知识库中的各个解决案例的问题信息一一进行匹配，并计算每个问题信息与第一问题信息之间的匹配度，然后根据计算得到的匹配度，获取大于第一预设阈值的所有问题信息，将获取到的所有问题信息对应的解决案例作为第一解决案例。匹配度的预设阈值的取值范围在0到1之间。计算匹配度的方法可以有多种，比如，可以根据关键词进行匹配，将匹配成功的关键词数作为匹配度。其中，在进行关键词的匹配时，将关键词作为字符串，既可以采用字符串的精确匹配，也可以采用字符串的模糊匹配。具体的，提取第一问题信息中的关键词作为第一关键词，然后利用第一关键词与知识库中的问题信息进行匹配，匹配的关键词数越多，相应的匹配度也就越大，将匹配度大于预设阈值(比如，80％)的问题信息全部收集起来组成一个问题信息集合。在另一个实施例中，从获取的用户的问题信息中抽取关键词作为第一关键词，从大数据知识库中解决案例中的问题信息中抽取关键词作为第二关键词，用户问题信息与知识库中各个问题信息的匹配实际上就是第一关键词与第二关键词进行匹配，并将匹配成功的关键词数在第一关键词数中的占比作为相应的匹配度。比如，从用户的问题信息中提取的第一关键词的次数为10个，那么如果数据库中的某个问题信息中的关键词有7个与第一关键词匹配成功，那么该问题信息与第一问题信息的匹配度就是70％。

[0043] 步骤104B，计算第一解决案例集合中每个解决案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合。

[0044] 在本实施例中，将第一问题信息与知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合后，将第一解决案例集合中每个解决案例的个人信息与第一个人信息进行匹配，通过计算第一解决案例集合中每个解决案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合。具体的，个人信息包括但不限于用户年龄、性别、用户所在地等信息。个人信息之间匹配度的计算有多种，在一个实施例中，计算第一解决案例集合中每个解决案例的个人信息中的用户年龄与第一个人信息的用户年龄的差值的绝对值，绝对值越小说明年龄相差越小，其相应的匹配度就越大，可以通过设置一个年龄差值的绝对值与匹配度反相关的函数来计算相应的年龄匹配度。在另一个实施例中，有些时候用户的问题具有地域特色，所以可以通过计算每个解决案例的个人信息中的用户所在地与第一个人信息的用户所在地的距离来计算相应的所在地匹配度。此外，为了更准确的匹配用户的个人信息可以综合考虑用户的个人信息中年龄匹配度和用户所在地匹配度来计算个人信息的匹配度。

[0045] 步骤104C，查找第二解决案例集合中每个解决案例的解决效果的分数值。

[0046] 在本实施例中，获取到个人信息匹配度大于第二预设阈值的第二解决案例集合后，进一步的去获取该解决案例集合中每个解决案例的解决效果的分数值，分数值越大，说明解决效果越好。具体的，比如，首先获取问题信息匹配度大于90％的第一解决案例集合，此时第一解决案例集合中的问题信息基本上都和第一问题信息比较相似，接下来需要获取第一解决案例集合中个人信息与第一个人信息的匹配度，将匹配度大于95％的解决案例作为第二解决案例集合，此时第二解决案例集合中不但问题信息比较相似，用户的个人信息也比较相似。然后去获取第二解决案例集合中每个解决案例的解决效果的分数值，分数值越大，说明解决效果越好，也同时说明对应的解决方案越符合用户的需求。

[0047] 步骤104D，将分数值最大的解决效果对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0048] 在本实施例中，获取到第二解决案例集合中每个解决案例对应的解决效果的分数值后，通过比较各个解决案例的解决效果的分数值，将分数值最大的解决效果对应的问题信息作为与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息，进而获取与该第二问题信息及第二个人信息对应的解决方案，将该解决方案推荐给用户。

[0049] 如图3所示，在一个实施例中，将第一问题信息及第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息的步骤包括：

[0050] 步骤104a，将第一问题信息与所述知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合。

[0051] 在本实施例中，将第一问题信息与知识库中的各个解决案例的问题信息一一进行匹配，并计算每个问题信息与第一问题信息之间的匹配度，然后根据计算得到的匹配度，获取大于第一预设阈值的所有问题信息，将获取到的所有问题信息对应的解决案例作为第一解决案例。匹配度的预设阈值的取值范围在0到1之间。计算匹配度的方法可以有多种，比如，可以根据关键词进行匹配，将匹配成功的关键词数作为匹配度。其中，在进行关键词的匹配时，将关键词作为字符串，既可以采用字符串的精确匹配，也可以采用字符串的模糊匹配。具体的，提取第一问题信息中的关键词作为第一关键词，然后利用第一关键词与知识库中的问题信息进行匹配，匹配的关键词数越多，相应的匹配度也就越大，将匹配度大于预设阈值(比如，80％)的问题信息全部收集起来组成一个问题信息集合。在另一个实施例中，从获取的用户的问题信息中抽取关键词作为第一关键词，从大数据知识库中解决案例中的问题信息中抽取关键词作为第二关键词，用户问题信息与知识库中各个问题信息的匹配实际上就是第一关键词与第二关键词进行匹配，并将匹配成功的关键词数在第一关键词数中的占比作为相应的匹配度。比如，从用户的问题信息中提取的第一关键词的次数为10个，那么如果数据库中的某个问题信息中的关键词有7个与第一关键词匹配成功，那么该问题信息与第一问题信息的匹配度就是70％。

[0052] 步骤104b，计算第一解决案例集合中每个解决案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合。

[0053] 在本实施例中，将第一问题信息与知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合后，将第一解决案例集合中每个解决案例的个人信息与第一个人信息进行匹配，通过计算第一解决案例集合中每个解决案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合。具体的，个人信息包括但不限于用户年龄、用户所在地等信息。个人信息之间匹配度的计算有多种，在一个实施例中，计算第一解决案例集合中每个解决案例的个人信息中的用户年龄与第一个人信息的用户年龄的差值的绝对值，绝对值越小说明年龄相差越小，其相应的匹配度就越大，可以通过设置一个年龄差值的绝对值与匹配度反相关的函数来计算相应的年龄匹配度。在另一个实施例中，有些时候用户的问题具有地域特色，所以可以通过计算每个解决案例的个人信息中的用户所在地与第一个人信息的用户所在地的距离来计算相应的所在地匹配度。此外，为了更准确的匹配用户的个人信息可以综合考虑用户的个人信息中年龄匹配度和用户所在地匹配度来计算个人信息的匹配度。

[0054] 步骤104c，查找第二解决案例集合中每个解决案例的解决效果的分数值。

[0055] 在本实施例中，获取到个人信息匹配度大于第二预设阈值的第二解决案例集合后，进一步的去获取该解决案例集合中每个解决案例的解决效果的分数值，分数值越大，说明解决效果越好。

[0056] 步骤104d，根据获取的第二解决案例集合中每个解决案例的问题信息匹配度、个人信息匹配度和解决效果的分数值计算每个解决案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度。

[0057] 在本实施例中，获取第二解决案例集合中每个解决案例的问题信息匹配度、个人信息匹配度和解决效果的分数值，采用加权平均的方法计算问题信息集合中每个解决案例的匹配优先度。具体的，将问题信息的匹配度设为P1，将个人信息的匹配度设为P2，将解决效果的分数值设为P3，然后分别设置问题信息匹配度P1的权重参数为k1，个人信息匹配度P2的权重参数为k2，解决效果的分数值P3的权重参数为k3。其中，k1+k2+k3＝1，k1、k2、k3为大于0小于1的数。那么每个解决案例的匹配度优先度为P1*k1+P2*k2+P3*k3。然后将计算得到的最大的匹配优先度作为第一匹配优先度。

[0058] 步骤104e，将第一匹配优先度对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0059] 具体的，将计算得到的最大的匹配优先度作为第一匹配优先度，然后获取与该第一匹配优先度对应的问题信息和个人信息，该第一匹配优先度对应的问题信息及个人信息作为第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0060] 如图4所示，在一个实施例中，计算第一解决案例集合中每个解决案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合的步骤包括：

[0061] 步骤402，计算第一解决案例集合中每个解决案例的个人信息中的用户年龄与所述第一个人信息的用户年龄的差值的绝对值。

[0062] 具体的，个人信息包括用户的年龄、性别、用户所在地等信息。获取到问题信息匹配度大于第一预设阈值的第一解决案例集合后，获取第一解决案例集合中每个解决案例的个人信息中的用户年龄，并与第一个人信息的用户年龄进行比较，计算得到每个解决案例的个人信息中的用户年龄与第一个人信息的用户年龄之间的差值的绝对值。比如，若获取的第一用户信息中用户的年龄为36岁，其中一个解决案例中的个人信息中的用户年龄为32岁，那么两者年龄的差值为32-36＝-4，差值的绝对值就是4岁。

[0063] 步骤404，计算第一解决案例集合中每个解决案例的个人信息的用户所在地与所述第一个人信息中的用户所在地的距离。

[0064] 在本实施例中，获取第一解决案例集合中每个解决案例的个人信息的用户所在地，并与第一个人信息中的用户所在地进行比较，计算两者之间的距离。具体的，距离的计算可以采用模糊的估算，比如，如果两者分别在两个城市，那么可以将两个城市之间的距离作为两者的距离。如果两者在同一城市的不同区域，那么可以将两个区域之间的距离作为两者的距离，如果两者在同一城市同一区域，那么可以认为两者的距离很近，可以设为接近于0的正数。

[0065] 步骤406，根据计算得到的用户年龄的差值的绝对值和用户所在地的距离确定第一解决案例集合中每个解决案例的个人信息与第一个人信息之间的匹配度。

[0066] 在本实施例中，计算得到用户年龄的差值的绝对值和用户所在地的距离后，根据预设的函数关系计算第一解决案例集合中每个解决案例的个人信息与第一个人信息之间的匹配度。具体的，假设计算得到的用户年龄的差值的绝对值为X，用户所在地的距离为Y，那么个人信息匹配度可以表示为X和Y的函数，即f(X,Y)，其中，X和Y都是大于或等于0的数，并且X与函数f(X,Y)成反相关，Y与函数f(X,Y)也成反相关。也就是说，年龄差值的绝对值越大，其匹配度反而越小，距离越大，其匹配度也越小，反之，年龄差值的绝对值越小，距离越小，其对应的个人信息的匹配度越大。

[0067] 如图5所示，在一个实施例中，上述解决方案推荐方法还包括：

[0068] 步骤110，获取用户对解决方案的反馈，根据所述反馈确定与解决方案对应的解决效果的分数值。

[0069] 在本实施例中，获取用户对推荐的解决方案的反馈，根据用户的反馈来确定与解决方案对应的解决效果的分数值。具体的，用户的反馈可以直接通过打分的形式，比如满分为100分，根据解决的效果对推荐方案进行相应的打分，然后将用户的打分作为解决效果的分数值。还可以通过获取用户对解决方案的满意程度，然后将用户的满意程度转换为相应的分数进行存储，具体的，假设满意程度分为五种，分别是非常满意，满意，一般般，不满意，非常不满意，预先设置每种满意程度对应的分数值，比如，非常满意对应的分数值为100分，满意对应的分数值为80分，一般般对应的分数值为60分，不满意对应的分数值为30分，非常不满意对应的分数为0分。比如，用户对解决方案的评价为一般般，那么后台自动将对应60分作为解决效果的分数值。

[0070] 步骤112，将第一问题信息、第一个人信息、推荐的解决方案及解决效果的分数值作为一个解决案例添加至知识库中，当知识库中解决案例的数量达到第一预设阈值时，形成大数据知识库。

[0071] 具体的，获取用户对推荐方案的评分后，也就是获取了解决效果的分数值。将之前用户的问题信息即第一问题信息、个人信息，为该第一问题信息及个人信推荐的解决方案和上述解决效果的分数值一起作为一个新的解决案例添加至知识库中，通过该方法能够不断地完善知识库。当知识库中的解决案例的数量大于第一预设阈值(比如，第一预设阈值设为1万)时，就形成了大数据知识库，大数据知识库中解决案例的数量越大，能找到更为匹配的问题信息的概率就越大。由此，推荐的解决方案也会越来越可靠。

[0072] 如图6所示，在一个实施例中，提出了一种解决方案推荐系统，该系统包括：

[0073] 信息获取模块602，用于获取用户的问题信息和个人信息，将所述用户的问题信息作为第一问题信息，将所述用户的个人信息作为第一个人信息；

[0074] 确定模块604，用于将所述第一问题信息及所述第一个人信息与知识库中的问题信息及个人信息进行匹配，确定与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息；

[0075] 解决方案获取模块606，用于获取与所述第二问题信息及第二个人信息对应的解决方案；

[0076] 推荐模块608，用于将获取到的所述解决方案推荐给所述用户。

[0077] 在一个实施例中，上述解决方案推荐装置还包括：建立模块，用于建立知识库，所述知识库包括多个解决案例，所述解决案例包括问题信息、个人信息、及与所述问题信息及个人信息对应的解决方案和解决效果的分数值。

[0078] 如图7所示，在一个实施例中，确定模块包括：

[0079] 第一获取单元604A，用于将所述第一问题信息与所述知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合；

[0080] 第一计算单元604B，用于计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合；

[0081] 第一查找单元604C，用于查找所述第二解决案例集合中每个解决案例的解决效果的分数值；

[0082] 第一匹配单元604D，用于将所述分数值最大的解决效果对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0083] 如图8所示，在一个实施例中，确定模块包括：

[0084] 第二获取单元604a，用于将所述第一问题信息与所述知识库中的各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值的第一解决案例集合；

[0085] 第二计算单元604b，用于计算所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二解决案例集合；

[0086] 第二查找单元604c，用于查找所述第二解决案例集合中每个解决案例的解决效果的分数值；

[0087] 匹配优先度计算单元604d，用于根据获取的所述第二解决案例集合中每个解决案例的问题信息匹配度、个人信息匹配度和解决效果的分数值计算每个解决案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度；

[0088] 第二匹配单元604e，将所述第一匹配优先度对应的问题信息及个人信息作为与所述第一问题信息及第一个人信息匹配的第二问题信息及第二个人信息。

[0089] 如图9所示，在一个实施例中，第一计算单元包括：

[0090] 年龄计算子单元902，用于计算所述第一解决案例集合中每个解决案例的个人信息中的用户年龄与所述第一个人信息的用户年龄的差值的绝对值；

[0091] 距离计算子单元904，用于计算所述第一解决案例集合中每个解决案例的个人信息的用户所在地与所述第一个人信息中的用户所在地的距离；

[0092] 个人信息匹配子单元906，用于个人信息根据计算得到的用户年龄的差值的绝对值和所述用户所在地的距离确定所述第一解决案例集合中每个解决案例的个人信息与所述第一个人信息之间的匹配度。

[0093] 如图10所示，在一个实施例中，上述解决方案推荐系统还包括：

[0094] 反馈模块610，用于获取用户对所述解决方案的反馈，根据所述反馈确定与所述解决方案对应的解决效果的分数值；

[0095] 添加模块612，用于将所述第一问题信息、第一个人信息、推荐的所述解决方案及所述解决效果的分数值作为一个解决案例添加至所述知识库中，当所述知识库中解决案例的数量达到第一预设阈值时，形成大数据知识库。

[0096] 为了更好的理解与应用本发明提出的一种解决方案推荐系统，进行以下示例，需要说明的是，本发明所保护的范围不局限以下示例。

[0097] 具体的，获取甲用户的问题信息为：被蚊子咬了之后怎么办？；个人信息：26岁、女性、所在地为广州。首先，将甲用户的问题信息与知识库中各个解决案例的问题信息进行匹配，获取匹配度大于第一预设阈值(比如，80％)的第一解决案例集合，此时，第一解决案例集合中的问题信息都与甲用户的问题信息“被蚊子咬了之后怎么办”相似或相同。然后进一步将甲用户的个人信息与第一解决案例集合中的每个解决案例的个人信息进行匹配，由于被蚊子咬了之后不同年龄、不同性别的反应可能不同，而且不同地区的蚊子也有差别，被咬了之后皮肤出现的反应也不同。所以需要计算每个解决案例中个人信息与甲用户的个人信息的匹配度。具体的计算方法可以分别获取年龄的匹配度，性别的匹配度，用户所在地的匹配度，然后综合考虑年龄、性别、所在地三个因素的匹配度来计算个人信息的匹配度。获取个人信息的匹配度大于第二预设阈值(比如，90％)的第二解决案例集合，此时，第二解决案例集合中不但问题信息与甲用户的问题信息相同或相似，并且个人信息与甲用户的个人信息也相同或相似。之后，获取第二解决案例集合中每个解决案例对应的解决效果的分数值，假设其中一个解决案例的解决方案为：在被蚊子咬的地方涂抹肥皂水可以达到止痒消红肿。该方案的解决效果的分数值最大为100分。那么就将该方案作为最佳的解决方案推荐给甲用户。

[0098] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory ROM)或随机存储记忆体(Random Access Memory，RAM)等。

[0099] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0100] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。