[發(fā)明專利]意圖分類模型的訓(xùn)練方法、分類方法、系統(tǒng)、設(shè)備和介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811333427.8
• 申請日: 2018-11-09
• 公開（公告）號: CN109492104B
• 公開（公告）日: 2023-01-31
• 發(fā)明（設(shè)計）人: 楊俊
• 申請（專利權(quán)）人: 北京匯鈞科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36
• 代理公司: 上海弼興律師事務(wù)所 31283
• 代理人: 薛琦;羅朗

1.一種意圖分類模型的訓(xùn)練方法，其特征在于，所述訓(xùn)練方法包括：

獲取多組原始數(shù)據(jù)，每組原始數(shù)據(jù)包括用戶的輸入內(nèi)容以及所述用戶的行為數(shù)據(jù)；

標(biāo)注每組原始數(shù)據(jù)中輸入內(nèi)容的意圖類別；

根據(jù)所述多組原始數(shù)據(jù)以及所述多組原始數(shù)據(jù)中輸入內(nèi)容的意圖類別構(gòu)造多組訓(xùn)練數(shù)據(jù)；

根據(jù)所述多組訓(xùn)練數(shù)據(jù)訓(xùn)練所述意圖分類模型，所述意圖分類模型用于根據(jù)原始數(shù)據(jù)生成所述原始數(shù)據(jù)中輸入內(nèi)容的意圖類別；

所述行為數(shù)據(jù)包括實時行為數(shù)據(jù)和歷史行為數(shù)據(jù)；

所述實時行為數(shù)據(jù)包括用戶在輸入內(nèi)容之前訪問過的URL；

所述歷史行為數(shù)據(jù)包括用戶個人信息、用戶訂單數(shù)據(jù)、用戶畫像中的至少一個；

所述構(gòu)造多組訓(xùn)練數(shù)據(jù)的步驟包括：

對于每組原始數(shù)據(jù)，將行為數(shù)據(jù)輸入決策樹；

所述決策樹輸出所述行為數(shù)據(jù)的組合特征；

將所述組合特征轉(zhuǎn)換成組合特征向量；

利用所述組合特征向量構(gòu)造訓(xùn)練數(shù)據(jù)；

其中，根據(jù)所述決策樹組合所述行為數(shù)據(jù)，基于所述決策樹中根節(jié)點到所有葉節(jié)點之間經(jīng)過的節(jié)點構(gòu)成一個所述組合特征；

所述組合特征包括若干特征，所述若干特征對應(yīng)的信息增益均大于設(shè)定閾值且數(shù)量可自定義設(shè)置。

2.如權(quán)利要求1所述的意圖分類模型的訓(xùn)練方法，其特征在于，所述將所述組合特征轉(zhuǎn)換成組合特征向量的步驟包括：

利用one-hot轉(zhuǎn)換所述組合特征，得到組合特征向量。

3.如權(quán)利要求1所述的意圖分類模型的訓(xùn)練方法，其特征在于，構(gòu)造訓(xùn)練數(shù)據(jù)的步驟包括：

對于每組原始數(shù)據(jù)，對輸入內(nèi)容進(jìn)行命名實體識別，得到若干實體；

將所述若干實體轉(zhuǎn)換成實體特征向量；

對行為數(shù)據(jù)進(jìn)行清洗，得到行為特征；

將所述行為特征轉(zhuǎn)換成行為特征向量；

利用所述實體特征向量和所述行為特征向量構(gòu)造訓(xùn)練數(shù)據(jù)。

4.如權(quán)利要求3所述的意圖分類模型的訓(xùn)練方法，其特征在于，所述將所述行為特征轉(zhuǎn)換成行為特征向量的步驟包括：

利用word2vec轉(zhuǎn)換經(jīng)清洗的實時行為數(shù)據(jù)，得到行為特征向量；

利用one-hot轉(zhuǎn)換經(jīng)清洗的歷史行為數(shù)據(jù)，得到行為特征向量；

和/或，所述將所述若干實體轉(zhuǎn)換成實體特征向量的步驟包括：

利用word2vec轉(zhuǎn)換所述若干實體，得到實體特征向量。

5.一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1-4中任一項所述的意圖分類模型的訓(xùn)練方法。

6.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-4中任一項所述的意圖分類模型的訓(xùn)練方法的步驟。

7.一種意圖分類方法，其特征在于，所述意圖分類方法包括：

利用如權(quán)利要求1-4中任一項所述的意圖分類模型的訓(xùn)練方法訓(xùn)練意圖分類模型；

獲取用戶的輸入內(nèi)容；

對所述輸入內(nèi)容進(jìn)行命名實體識別，得到若干實體；

將所述若干實體轉(zhuǎn)換成實體特征向量；

獲取所述用戶的行為數(shù)據(jù)；

對所述行為數(shù)據(jù)進(jìn)行清洗，得到行為特征；

將所述行為特征轉(zhuǎn)換成行為特征向量；

將所述實體特征向量和所述行為特征向量輸入所述意圖分類模型；

輸出所述輸入內(nèi)容的意圖類別。

8.如權(quán)利要求7所述的意圖分類方法，其特征在于，在所述獲取所述用戶的行為數(shù)據(jù)的步驟之后，所述意圖分類方法還包括：

將所述行為數(shù)據(jù)輸入決策樹；

所述決策樹輸出所述行為數(shù)據(jù)的組合特征；

將所述組合特征轉(zhuǎn)換成組合特征向量；

將所述組合特征向量同所述實體特征向量、所述行為特征向量一起輸入意圖分類模型。