[發(fā)明專利]用于預判問題的方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710164723.9
• 申請日: 2017-03-20
• 公開（公告）號: CN108628882A
• 公開（公告）日: 2018-10-09
• 發(fā)明（設計）人: 楊俊
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 張一軍;姜勁

1.一種用于預判問題的方法，其特征在于，包括：

步驟一，將用戶特征轉換為數值形式的特征向量；

步驟二，采用訓練模型，對所述特征向量進行訓練，以獲得詞典向量；以及

步驟三，向用戶推送與所述詞典向量相對應的一個或多個問題。

2.根據權利要求1所述的方法，其特征在于，將用戶特征轉換為數值形式的特征向量還包括：通過特征分類、特征清洗、特征組合以及特征選擇，將用戶特征轉換為數值形式的特征向量；其中所述特征分類包括根據屬性對用戶特征進行分類，所述特征清洗包括對用戶特征的各個維度進行歸一化處理，所述特征組合包括通過決策樹對用戶特征加以組合，所述特征選擇包括通過計算用戶特征的信息增益，選擇排名靠前的用戶特征。

3.根據權利要求1所述的方法，其特征在于，根據屬性將所述用戶特征分類為：

離線特征和實時特征，其中離線特征包括統(tǒng)計特征和建模特征；以及

連續(xù)型特征和枚舉型特征。

4.根據權利要求1所述的方法，其特征在于，所述訓練模型包括編碼模型、解碼模型以及注意力模型。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

如果用戶沒有點擊向其推送的所述一個或多個問題，則收集用戶的進一步的特征，并且通過所述步驟一、所述步驟二和所述步驟三繼續(xù)進行問題的預判和推送。

6.一種用于預判問題的系統(tǒng)，其特征在于，包括：

特征工程模塊，用于將用戶特征轉換為數值形式的特征向量；

模型訓練模塊，用于采用訓練模型，對所述特征向量進行訓練，以獲得詞典向量；以及

線上預測模塊，用于向用戶推送與所述詞典向量相對應的一個或多個問題。

7.根據權利要求6所述的系統(tǒng)，其特征在于，所述特征工程模塊還用于：

通過特征分類、特征清洗、特征組合以及特征選擇，將用戶特征轉換為數值形式的特征向量；其中所述特征分類包括根據屬性對用戶特征進行分類，所述特征清洗包括對用戶特征的各個維度進行歸一化處理，所述特征組合包括通過決策樹對用戶特征加以組合，所述特征選擇包括通過計算用戶特征的信息增益，選擇排名靠前的用戶特征。

8.根據權利要求6所述的系統(tǒng)，其特征在于，根據屬性將所述用戶特征分類為：

離線特征和實時特征，其中離線特征包括統(tǒng)計特征和建模特征；以及

連續(xù)型特征和枚舉型特征。

9.根據權利要求6所述的系統(tǒng)，其特征在于，所述訓練模型包括編碼模型、解碼模型以及注意力模型。

10.根據權利要求6所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括：

增強學習模塊，用于如果用戶沒有點擊向其推送的所述一個或多個問題，則收集用戶的進一步的特征，并且通過所述特征工程模塊、所述模型訓練模塊和所述線上預測模塊繼續(xù)進行問題的預判和推送。

11.一種電子設備，其特征在于，包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行權利要求1-5中任一項所述的方法。

12.一種非暫態(tài)計算機可讀存儲介質，其特征在于，所述非暫態(tài)計算機可讀存儲介質存儲計算機指令，所述計算機指令用于使所述計算機執(zhí)行權利要求1-5中任一項所述的方法。