淘宝（中国）软件有限公司

本申请实施例提供一种问答信息处理方法、设备、存储介质及程序产品。在本申请实施例中，通过主控智能模块对任务智能模块的调度，并基于各任务智能模块的技能约束描述，对任务智能模块的生成行为进行约束，解决模型幻觉问题；同时，采用双引擎异步协同机制，同步调用规则引擎保证低延迟响应，异步调用推理引擎生成可靠性更高的方案，解决时效性与可靠性之间的矛盾；而工单记录模块作为全局存储单元，实现服务信息的持久化，三者相互配合，共同实现了高效、稳定、可控的智能客服服务。

本申请实施例提供一种推荐模型的训练方法、装置、电子设备及计算机存储介质。训练方法包括：获取待推荐用户的用户侧特征以及待推荐对象的目标侧特征，用户侧特征与目标侧特征为异构特征，用户侧特征包括多个第一特征字段，目标侧特征包括多个第二特征字段；基于第一特征字段的取值信息对用户侧特征中的第一特征字段进行加权平均处理，获得第一特征字段的用户侧编码特征；基于第二特征字段的取值信息对目标侧特征中的第二特征字段进行加权平均处理，获得第二特征字段的目标侧编码特征；基于多个用户侧编码特征和多个目标侧编码特征对推荐模型进行训练，获得目标推荐模型，从而缓解了因特征尺度失配而导致模型训练操作的损失函数波动较大的情况。

本申请实施例提供了一种任务类型识别方法、装置、电子设备、存储介质及程序产品。该方法响应于识别出提问信息对应的初始任务类型的类型信息，提取得到的所述类型信息中的任务表征短语，避免了由于格式偏差导致的类型信息不准确的问题；利用与所述任务表征短语匹配的目标校验规则集，分别从多个维度对所述任务表征短语进行类型校验；所述目标校验规则集包括与所述初始任务类型相关的多个维度的校验规则，在一定程度上实现了对任务表征短语进行多重校验，并且在响应于多个维度均校验通过，将所述初始任务类型确定为所述提问信息表征的任务类型，提高了类型信息的可靠性。

本申请实施例提供了一种答复信息生成方法、装置、电子设备、存储介质及程序产品。该方法响应于获取到商品对应的咨询信息，在所述商品对应的图片集中筛选与所述咨询信息匹配的初始图片集，实现了咨询信息与图片集中各图片的语义匹配，避免了对图片进行文本识别导致的识别结果不准确的问题；在此基础上，调用语义相关性模型，以根据各初始图片与所述咨询信息的语义相关性，确定目标图片，确保了目标图片与咨询信息在语义层面的准确性，并且在验证目标图片和咨询信息相匹配的情况下，生成并推送包含目标图片的答复信息，避免了答复内容和咨询信息不匹配的情况。