信息推送方法、装置、存储介质以及电子设备与流程

1.本技术涉及金融科技领域，具体而言，涉及一种信息推送方法、装置、存储介质以及电子设备。

背景技术：

2.目前，在进行产品推广的过程中，推广人员使用的话术和技巧往往来自于自身训练，或者对以往资料中的推广案例进行学习，从而在对不同的用户进行产品推广时能带给用户良好的反馈，从而成功的完成产品推广。
3.但是，对于没有丰富经验的推广人员来说，由于经验的缺失和能力的欠缺，会导致在进行产品推广时不知道如何进行即准确又称心的回复，所以，通常会提供给推广人员一些简单基础的回复话术，从而提高话术回复的准确度。但是，由于当前提供的话术大多是模板式的、刻板的，不能根据用户的反应实时的、客观的变化话术，以至于对用户心理的需求的错误判断，导致推广失败，甚至可能导致用户的反感。
4.针对相关技术中进行产品推送时，难以针对不同用户的多样化的回复信息准确地推送信息的问题，目前尚未提出有效的解决方案。

技术实现要素：

5.本技术提供一种信息推送方法、装置、存储介质以及电子设备，以解决相关技术中进行产品推送时，难以针对不同用户的多样化的回复信息准确地推送信息的问题。
6.根据本技术的一个方面，提供了一种信息推送方法。该方法包括：获取向用户进行产品推送的过程中产生的通话语音；通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息，其中，语音信息中包括语义信息和情感信息；根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息；将目标推送信息发送至用户。
7.可选地，语言分析模型包括语音识别子模型，通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息包括：通过语音识别子模型对通话语音进行语义识别，得到语义信息；对语义信息进行情感分析，得到情感信息；将语义信息与情感信息进行组合，得到语音信息。
8.可选地，语义信息中包括内容信息和声音信息，语言分析模型还包括词典库和情感分析子模型，对语义信息进行情感分析，得到情感信息包括：从内容信息中确定多个关键词，将多个关键词与词典库中的样本关键词进行匹配，得到每个关键词对应的第一情感信息，其中，词典库中包括多个样本关键词以及每个样本关键词对应的样本第一情感信息；将多个关键词和声音信息输入情感分析子模型，处理得到第二情感信息，其中，情感分析子模型通过样本关键词、样本声音信息和样本第二情感信息训练得到；将第一情感信息和第二情感信息进行组合，得到情感信息。
9.可选地，在将多个关键词和声音信息输入情感分析子模型，处理得到第二情感信息之前，该方法还包括：从词典库中获取多个样本关键词，并确定每个样本关键词对应的样
本声音信息以及每个样本关键词对应的样本第二情感信息；将每个样本关键词、样本关键词对应的样本声音信息以及样本关键词对应的样本第二情感信息确定为一组第一样本数据，得到多组第一样本数据；通过多组第一样本数据对第一机器学习模型进行训练，得到情感分析子模型。
10.可选地，语义信息中还包括场景信息和多条语句之间的关系信息，根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息包括：将语义信息和情感信息输入目标模型，得到与语音信息对应的多个推送信息，其中，目标模型通过样本语音信息和样本推送信息训练得到；根据场景信息和多条语句之间的关系信息从多个推送信息中确定目标推送信息。
11.可选地，在将语义信息和情感信息输入目标模型，得到与语音信息对应的多个推送信息之前，该方法还包括：将每个历史语音信息、历史语音信息对应的历史推送信息确定为一组第二样本数据，得到多组第二样本数据；通过多组第二样本数据对第二机器学习模型进行训练，得到目标模型。
12.可选地，在将目标推送信息发送至用户之后，该方法还包括：获取用户对于目标推送信息的反馈信息；确定反馈信息对应的分值，并将分值与阈值进行比较；在分值高于阈值的情况下，获取目标推送信息对应的目标语音信息，并将目标推送信息和目标语音信息添加至第二样本数据。
13.根据本技术的另一方面，提供了一种信息推送装置。该装置包括：第一获取单元，用于获取向用户进行产品推送的过程中产生的通话语音；分析单元，用于通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息，其中，语音信息中包括语义信息和情感信息；第一确定单元，用于根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息；发送单元，用于将目标推送信息发送至用户。
14.根据本发明实施例的另一方面，还提供了一种计算机存储介质，计算机存储介质用于存储程序，其中，程序运行时控制计算机存储介质所在的设备执行一种信息推送方法。
15.根据本发明实施例的另一方面，还提供了一种电子设备，包含一个或多个处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种信息推送方法。
16.通过本技术，采用以下步骤：获取向用户进行产品推送的过程中产生的通话语音；通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息，其中，语音信息中包括语义信息和情感信息；根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息；将目标推送信息发送至用户。解决了相关技术中进行产品推送时，难以针对不同用户的多样化的回复信息准确地推送信息的问题。通过获取与用户沟通时的语音信息，根据语言分析模型从语音信息中获取语义信息和情感信息，根据语义信息和情感信息从多个推送信息中确定最适合回复的信息，进而达到了准确的确定目标用户对应的推送信息的效果。
附图说明
17.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
18.图1是根据本技术实施例提供的信息推送方法的流程图；
19.图2是根据本技术实施例提供的信息推送装置的示意图；
20.图3是根据本技术实施例提供的电子设备的示意图。
具体实施方式
21.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
22.为了使本技术领域的人员更好地理解本技术方案，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，所描述的实施例仅仅是本技术一部分的实施例，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，都应当属于本技术保护的范围。
23.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
24.需要说明的是，本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。
25.需要说明的是，本公开所确定的信息推送方法、装置、存储介质以及电子设备可用于金融科技领域，也可用于除金融科技领域之外的任意领域，本公开所确定的信息推送方法、装置、存储介质以及电子设备的应用领域不做限定。
26.为了便于描述，以下对本技术实施例涉及的部分名词或术语进行说明：
27.nlp模型：natural language processing自然语言处理模型。
28.根据本技术的实施例，提供了一种信息推送方法。
29.图1是根据本技术实施例的信息推送方法的流程图。如图1所示，该方法包括以下步骤：
30.步骤s101，获取向用户进行产品推送的过程中产生的通话语音。
31.具体的，产品推送的方式可以为推广人员向用户进行电话推广，或是人工智能语音向用户进行产品推广，在推广的时候，可以获取用户的通话语音，从而通过通话语音确定用户对于此次推广的态度以及反馈内容。
32.例如，推广内容可以为：“是否了解a产品”，用户的通话语音可以为：“试用过该产品”。
33.步骤s102，通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息，其中，语音信息中包括语义信息和情感信息。
34.具体的，在获取通话语音后，语言分析模型可以从语义维度和情感维度对该通话语音进行分析，从而判断该语音信息传递的文本信息和用户的态度信息。
35.例如，用户的通话语音为：“没听说过，以后不要再来骚扰了”，此时，可以获取用户的文本信息：“没听说过、不要、骚扰”，同时根据用户的语气进行情感判断，从而从两个维度同时确定用户对于此次推广的反应，并根据该反应确定对应的话术。
36.为了准确的识别通话语音，并根据通话语音确定用户语音中的语音信息。可选地，在本技术实施例提供的信息推送方法中，语言分析模型包括语音识别子模型，通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息包括：通过语音识别子模型对通话语音进行语义识别，得到语义信息；对语义信息进行情感分析，得到情感信息；将语义信息与情感信息进行组合，得到语音信息。
37.具体的，语音识别子模型可以为语音识别软件，负责对采集到的客户语音信息进行识别，转化为对应的语义信息。其中，语义信息中可以包括文本信息和声音信息，也即，通过语音识别软件中的声学模型进行语调的识别，根据语言模型进行文字的识别，从而将语音信息进行拆解分类。
38.进一步的，在得到语义信息后，可以根据语义信息中的不同词语以及不同词语对应的音调，以及整句话的语调，从而综合分析得到客户语音信息中表达出的用户对于此次推广的态度和想法，也即情感信息。
39.在得到语义信息和情感信息后，可以将两种信息进行汇总，从而得到完整的语音信息，并可以根据语音信息进行推送信息的获取。本实施例通过确定语义信息和情感信息，并根据语义信息和情感信息确定语音信息，达到了提高推送信息的准确度的效果。
40.为了准确的确定情感信息，可选地，在本技术实施例提供的信息推送方法中，语义信息中包括内容信息和声音信息，语言分析模型还包括词典库和情感分析子模型，对语义信息进行情感分析，得到情感信息包括：从内容信息中确定多个关键词，将多个关键词与词典库中的样本关键词进行匹配，得到每个关键词对应的第一情感信息，其中，词典库中包括多个样本关键词以及每个样本关键词对应的样本第一情感信息；将多个关键词和声音信息输入情感分析子模型，处理得到第二情感信息，其中，情感分析子模型通过样本关键词、样本声音信息和样本第二情感信息训练得到；将第一情感信息和第二情感信息进行组合，得到情感信息。
41.具体的，第一情感信息可以为词语的情感信息，词典库中可以存储多个样本关键词以及每个样本关键词对应的样本第一情感信息，其中，样本关键词可以为大量已经确定情感信息的词语，例如，“继续说”的情感信息可以为高兴，“不要说了”的情感信息可以为厌烦。
42.在获取了通话语音的语义信息后，可以先将语义信息中的内容信息进行分词，得到多个关键词，并根据词典库中的词语的情感信息对每个关键词的第一情感信息进行标注，从而确定语义信息对应的第一情感信息。
43.进一步的，在完成分词后，可以将每个关键词以及对应的声音信息输入情感分析子模型中，通过情感分析子模型对关键词及其声音信息进行分析，从而确定每个关键词对应的第二情感信息，其中，情感分析子模型可以为nlp模型，第二情感信息可以为每个关键词在结合声音信息后分析得到的情感信息。例如，用户的内容信息可以为“现在有事，不要
说了”，此时，如果仅凭词典库中记录的情感信息进行分析，则会判断用户的情感为厌烦，但是，如果用户此时的语气平和，则表明用户现在正在进行别的事物，并非厌烦本次推广，所以通过情感分析子模型将词语和声调同时进行分析，则可以更加准确的确定用户的真实情感。
44.在得到第一情感信息和第二情感信息后，可以将两种信息进行结合，并且可以增加权值，例如，第一情感信息的参考度为40％，第二情感信息的参考度为60％，从而准确的从用户通话语音中确定用户所表达的信息和情感。本实施例通过两个维度准确的确定用户的情感信息，为准确的确定用户对此次推广的态度和倾向性奠定了基础。
45.为了提高情感分析子模型对第二情感信息确定的准确性，可选地，在本技术实施例提供的信息推送方法中，在将多个关键词和声音信息输入情感分析子模型，处理得到第二情感信息之前，该方法还包括：从词典库中获取多个样本关键词，并确定每个样本关键词对应的样本声音信息以及每个样本关键词对应的样本第二情感信息；将每个样本关键词、样本关键词对应的样本声音信息以及样本关键词对应的样本第二情感信息确定为一组第一样本数据，得到多组第一样本数据；通过多组第一样本数据对第一机器学习模型进行训练，得到情感分析子模型。
46.需要说明的是，在使用情感分析子模型对第二情感信息进行确定之前，还需要先根据第一样本数据对情感分析子模型进行训练，从而提高判断的准确性。具体的，第一样本数据中可以包括样本关键词、每个样本关键词对应的样本声音信息以及每个样本关键词对应的样本第二情感信息，将第一样本数据输入未训练的情感分析子模型中进行训练，并在情感分析子模型可以正确的通过样本关键词、每个样本关键词对应的样本声音信息确定样本关键词对应的样本第二情感信息时完成训练，从而得到调优后的情感分析子模型。本实施例通过对情感分析子模型进行调优，提高了确定情感信息的准确度。
47.步骤s103，根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息。
48.具体的，在得到语义信息和情感信息之后，可以根据语义信息和情感信息在大量推广信息中确定与该语义信息和情感信息关联度最高的推送信息，并将该推送信息确定为目标推送信息。
49.为了准确获取目标推送信息，可选地，在本技术实施例提供的信息推送方法中，语义信息中还包括场景信息和多条语句之间的关系信息，根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息包括：将语义信息和情感信息输入目标模型，得到与语音信息对应的多个推送信息，其中，目标模型通过样本语音信息和样本推送信息训练得到；根据场景信息和多条语句之间的关系信息从多个推送信息中确定目标推送信息。
50.具体的，可以将语义信息和情感信息输入目标模型中，通过目标模型确定与语音信息对应的多个推送信息，其中，目标模型可以为将语义信息和情感信息进行大数据分析，并在大数据中进行匹配确定，从而得到关联度较高的多个推送信息。
51.进一步的，在得到多个推送信息后，可以结合用户所在的场景对应的场景信息以及与用户进行的多组对话产生的上下文关联信息，从多个推送信息中选择出与通话语音最接近的推送信息，从而得到目标推送信息。
52.可选地，在本技术实施例提供的信息推送方法中，在将语义信息和情感信息输入
目标模型，得到与语音信息对应的多个推送信息之前，该方法还包括：将每个历史语音信息、历史语音信息对应的历史推送信息确定为一组第二样本数据，得到多组第二样本数据；通过多组第二样本数据对第二机器学习模型进行训练，得到目标模型。
53.需要说明的是，在使用目标模型对多个推送信息进行确定之前，还需要先根据第二样本数据对目标模型进行训练，从而提高判断的准确性。具体的，第二样本数据中可以包括历史语音信息，以及每个历史语音信息对应的历史推送信息，将第二样本数据输入未训练的目标模型中进行训练，并在目标模型可以正确的通过历史语音信息得到正确的历史推送信息时完成训练，从而得到调优后的目标模型。本实施例通过对目标模型进行调优，提高了确定推送信息的准确度。
54.步骤s104，将目标推送信息发送至用户。
55.具体的，在从多个推送信息中确定目标推送信息后，可以直接将目标推送信息发送用户，从而完成对用户的回复，也可以通过消息推送技术推送至推广人员的移动端设备，并通过显示设备将目标推送信息向推广人员进行展示，从而使得推广人员可以根据目标推送信息进行话术回复。
56.本技术实施例提供的信息推送方法，通过获取向用户进行产品推送的过程中产生的通话语音；通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息，其中，语音信息中包括语义信息和情感信息；根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息；将目标推送信息发送至用户。解决了相关技术中进行产品推送时，难以针对不同用户的多样化的回复信息准确地推送信息的问题。通过获取与用户沟通时的语音信息，根据语言分析模型从语音信息中获取语义信息和情感信息，根据语义信息和情感信息从多个推送信息中确定最适合回复的信息，进而达到了准确的确定目标用户对应的推送信息的效果。
57.为了使得目标模型的推送消息确定能力逐渐提升，可选地，在本技术实施例提供的信息推送方法中，在将目标推送信息发送至用户之后，该方法还包括：获取用户对于目标推送信息的反馈信息；确定反馈信息对应的分值，并将分值与阈值进行比较；在分值高于阈值的情况下，获取目标推送信息对应的目标语音信息，并将目标推送信息和目标语音信息添加至第二样本数据。
58.具体的，在完成与用户的推广后，可以获取用户反馈的信息，并根据反馈信息进行评分，并根据分数确定此次推广使用的目标推送消息是否准确，并在分数高于分数阈值的情况下将此次推送的目标推送消息确定为有效消息，并将该目标推送消息以及该目标推送消息对应的语音信息添加至第二样本数据，从而完善第二样本数据，进一步对目标模型进行训练，从而达到提高目标模型的推送能力的效果。
59.例如，分数可以通过用户评价进行人工标定，用户评价可以为：优，则分数可以对应为80分，分数阈值可以为60分，则分数大于分数阈值，所以可以将该语音信息和对应的目标推送信息添加至第二样本数据，从而完成样本数据的补充。
60.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
61.本技术实施例还提供了一种信息推送装置，需要说明的是，本技术实施例的信息
推送装置可以用于执行本技术实施例所提供的用于信息推送方法。以下对本技术实施例提供的信息推送装置进行介绍。
62.图2是根据本技术实施例的信息推送装置的示意图。如图2所示，该装置包括：第一获取单元21，分析单元22，第一确定单元23，发送单元24。
63.第一获取单元21，用于获取向用户进行产品推送的过程中产生的通话语音。
64.分析单元22，用于通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息，其中，语音信息中包括语义信息和情感信息。
65.第一确定单元23，用于根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息。
66.发送单元24，用于将目标推送信息发送至用户。
67.本技术实施例提供的信息推送装置，通过第一获取单元21获取向用户进行产品推送的过程中产生的通话语音；分析单元22通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息，其中，语音信息中包括语义信息和情感信息。第一确定单元23根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息；发送单元24将目标推送信息发送至用户；解决了相关技术中进行产品推送时，难以针对不同用户的多样化的回复信息准确地推送信息的问题。通过获取与用户沟通时的语音信息，根据语言分析模型从语音信息中获取语义信息和情感信息，根据语义信息和情感信息从多个推送信息中确定最适合回复的信息，进而达到了准确的确定目标用户对应的推送信息的效果。
68.可选地，在本技术实施例提供的信息推送装置中，语言分析模型包括语音识别子模型，分析单元22包括：识别模块，用于通过语音识别子模型对通话语音进行语义识别，得到语义信息；分析模块，用于对语义信息进行情感分析，得到情感信息；组合模块，用于将语义信息与情感信息进行组合，得到语音信息。
69.可选地，在本技术实施例提供的信息推送装置中，语义信息中包括内容信息和声音信息，语言分析模型还包括词典库和情感分析子模型，分析模块包括：确定子模块，用于从内容信息中确定多个关键词，将多个关键词与词典库中的样本关键词进行匹配，得到每个关键词对应的第一情感信息，其中，词典库中包括多个样本关键词以及每个样本关键词对应的样本第一情感信息；处理子模块，用于将多个关键词和声音信息输入情感分析子模型，处理得到第二情感信息，其中，情感分析子模型通过样本关键词、样本声音信息和样本第二情感信息训练得到；组合子模块，用于将第一情感信息和第二情感信息进行组合，得到情感信息。
70.可选地，在本技术实施例提供的信息推送装置中，该装置还包括：第二获取单元，用于从词典库中获取多个样本关键词，并确定每个样本关键词对应的样本声音信息以及每个样本关键词对应的样本第二情感信息；第二确定单元，用于将每个样本关键词、样本关键词对应的样本声音信息以及样本关键词对应的样本第二情感信息确定为一组第一样本数据，得到多组第一样本数据；第一训练单元，用于通过多组第一样本数据对第一机器学习模型进行训练，得到情感分析子模型。
71.可选地，在本技术实施例提供的信息推送装置中，语义信息中还包括场景信息和多条语句之间的关系信息，第一确定单元23包括：输入模块，用于将语义信息和情感信息输入目标模型，得到与语音信息对应的多个推送信息，其中，目标模型通过样本语音信息和样
本推送信息训练得到；确定模块，用于根据场景信息和多条语句之间的关系信息从多个推送信息中确定目标推送信息。
72.可选地，在本技术实施例提供的信息推送装置中，该装置还包括：第三确定单元，用于将每个历史语音信息、历史语音信息对应的历史推送信息确定为一组第二样本数据，得到多组第二样本数据；第二训练单元，用于通过多组第二样本数据对第二机器学习模型进行训练，得到目标模型。
73.可选地，在本技术实施例提供的信息推送装置中，该装置还包括：第三获取单元，用于获取用户对于目标推送信息的反馈信息；第四确定单元，用于确定反馈信息对应的分值，并将分值与阈值进行比较；第四获取单元，用于在分值高于阈值的情况下，获取目标推送信息对应的目标语音信息，并将目标推送信息和目标语音信息添加至第二样本数据。
74.上述信息推送装置包括处理器和存储器，上述第一获取单元21，分析单元22，第一确定单元23，发送单元24等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
75.处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决相关技术中进行产品推送时，难以针对不同用户的多样化的回复信息准确地推送信息的问题。
76.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
77.本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现所述信息推送方法。
78.本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述信息推送方法。
79.如图3所示，本发明实施例提供了一种电子设备，电子设备30包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取向用户进行产品推送的过程中产生的通话语音；通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息，其中，语音信息中包括语义信息和情感信息；根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息；将目标推送信息发送至用户。本文中的设备可以是服务器、pc、pad、手机等。
80.本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取向用户进行产品推送的过程中产生的通话语音；通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息，其中，语音信息中包括语义信息和情感信息；根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息；将目标推送信息发送至用户。
81.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
82.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
83.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
84.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
85.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
86.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
87.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
88.还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
89.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：

1.一种信息推送方法，其特征在于，包括：获取向用户进行产品推送的过程中产生的通话语音；通过语言分析模型对所述通话语音进行语音分析，得到所述通话语音对应的语音信息，其中，所述语音信息中包括语义信息和情感信息；根据所述语义信息和所述情感信息确定所述通话语音对应的推送信息，得到目标推送信息；将所述目标推送信息发送至所述用户。2.根据权利要求1所述的方法，其特征在于，所述语言分析模型包括语音识别子模型，通过语言分析模型对所述通话语音进行语音分析，得到所述通话语音对应的语音信息包括：通过所述语音识别子模型对所述通话语音进行语义识别，得到语义信息；对所述语义信息进行情感分析，得到情感信息；将所述语义信息与所述情感信息进行组合，得到所述语音信息。3.根据权利要求2所述的方法，其特征在于，所述语义信息中包括内容信息和声音信息，所述语言分析模型还包括词典库和情感分析子模型，对所述语义信息进行情感分析，得到情感信息包括：从所述内容信息中确定多个关键词，将所述多个关键词与所述词典库中的样本关键词进行匹配，得到每个所述关键词对应的第一情感信息，其中，所述词典库中包括多个所述样本关键词以及每个所述样本关键词对应的样本第一情感信息；将多个所述关键词和所述声音信息输入所述情感分析子模型，处理得到第二情感信息，其中，所述情感分析子模型通过所述样本关键词、样本声音信息和样本第二情感信息训练得到；将所述第一情感信息和所述第二情感信息进行组合，得到所述情感信息。4.根据权利要求3所述的方法，其特征在于，在将多个所述关键词和所述声音信息输入所述情感分析子模型，处理得到第二情感信息之前，所述方法还包括：从所述词典库中获取多个所述样本关键词，并确定每个所述样本关键词对应的样本声音信息以及每个所述样本关键词对应的样本第二情感信息；将每个所述样本关键词、所述样本关键词对应的样本声音信息以及所述样本关键词对应的样本第二情感信息确定为一组第一样本数据，得到多组所述第一样本数据；通过多组所述第一样本数据对第一机器学习模型进行训练，得到所述情感分析子模型。5.根据权利要求1所述的方法，其特征在于，所述语义信息中还包括场景信息和多条语句之间的关系信息，根据所述语义信息和所述情感信息确定所述通话语音对应的推送信息，得到目标推送信息包括：将所述语义信息和所述情感信息输入目标模型，得到与所述语音信息对应的多个所述推送信息，其中，所述目标模型通过样本语音信息和样本推送信息训练得到；根据所述场景信息和所述多条语句之间的关系信息从多个所述推送信息中确定所述目标推送信息。6.根据权利要求5所述的方法，其特征在于，在将所述语义信息和所述情感信息输入目
标模型，得到与所述语音信息对应的多个所述推送信息之前，所述方法还包括：将每个历史语音信息、所述历史语音信息对应的历史推送信息确定为一组第二样本数据，得到多组所述第二样本数据；通过多组所述第二样本数据对第二机器学习模型进行训练，得到所述目标模型。7.根据权利要求6所述的方法，其特征在于，在将所述目标推送信息发送至所述用户之后，所述方法还包括：获取所述用户对于所述目标推送信息的反馈信息；确定所述反馈信息对应的分值，并将所述分值与阈值进行比较；在所述分值高于阈值的情况下，获取所述目标推送信息对应的目标语音信息，并将所述目标推送信息和所述目标语音信息添加至所述第二样本数据。8.一种信息推送装置，其特征在于，包括：第一获取单元，用于获取向用户进行产品推送的过程中产生的通话语音；分析单元，用于通过语言分析模型对所述通话语音进行语音分析，得到所述通话语音对应的语音信息，其中，所述语音信息中包括语义信息和情感信息；第一确定单元，用于根据所述语义信息和所述情感信息确定所述通话语音对应的推送信息，得到目标推送信息；发送单元，用于将所述目标推送信息发送至所述用户。9.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序，其中，所述程序运行时控制所述计算机存储介质所在的设备执行权利要求1至7中任意一项所述信息推送方法。10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述信息推送方法。

技术总结

本申请公开了一种信息推送方法、装置、存储介质以及电子设备，涉及金融科技领域。该方法包括：获取向用户进行产品推送的过程中产生的通话语音；通过语言分析模型对通话语音进行语音分析，得到通话语音对应的语音信息，其中，语音信息中包括语义信息和情感信息；根据语义信息和情感信息确定通话语音对应的推送信息，得到目标推送信息；将目标推送信息发送至用户。通过本申请，解决了相关技术中进行产品推送时，难以针对不同用户的多样化的回复信息准确地推送信息的问题。确地推送信息的问题。确地推送信息的问题。