[發明專利]一種報文生成方法、裝置及設備

有效

• 申請號: 202011119485.8
• 申請日: 2020-10-19
• 公開（公告）號: CN112214652B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 李懷松;張天翼;黃濤;姚開盛;謝雨杰;林謝雄;齊曉娜;張映;馬良;靳雅;曾慶瑜;王睿祺
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06F16/903
• 分類號: G06F16/903;G06F16/901;G06Q10/0635;G06Q40/04;G06Q50/26;G06F18/25;G06N3/0464;G06N3/08
• 代理公司: 北京晉德允升知識產權代理有限公司 11623
• 代理人: 王戈

1.一種報文生成方法，包括：

獲取用戶特征信息；所述用戶特征信息至少包括用戶的靜態特征信息以及交易行為特征信息；

對所述用戶特征信息進行編碼，形成所述用戶特征信息對應的第一特征向量；

根據所述用戶特征信息從檢索庫中進行匹配，得到所述用戶特征信息對應的多個風險描述語句；

對多個風險描述語句進行特征化處理，得到所述用戶特征信息對應的第二特征向量，具體包括：

對多個風險描述語句進行向量化處理，得到多個語句向量；

基于注意力機制，確定多個所述語句向量對應的第一權重向量；

根據所述第一權重向量對多個語句向量進行權重賦值，并加權求和，得到第二特征向量；

對所述第一特征向量以及所述第二特征向量進行融合，得到融合后的第三特征向量；

將所述第三特征向量輸入主題匹配模型中，得到所述第三特征向量對應的多個主題；

確定多個主題對應的風險描述語句，并生成包含所述主題以及所述風險描述語句的報文。

2.根據權利要求1所述的方法，所述主題匹配模型為GRU模型；

所述將所述第三特征向量輸入主題匹配模型中，得到所述第三特征向量對應的多個主題，具體包括：

將所述第三特征向量輸入所述GRU模型中，將所述GRU模型中最后一個節點的隱藏狀態作為所述GRU的最終輸出；所述最后一個節點的隱藏狀態包括所有時刻對應的主題。

3.根據權利要求1所述的方法，所述確定多個主題對應的風險描述語句，并生成包含所述主題以及所述風險描述語句的報文，具體包括：

將所述多個主題進行向量化處理，得到多個主題向量；

確定多個所述風險描述語句中的字符對應的字符向量；

基于注意力機制，確定每個所述字符向量對應的第二權重向量；

根據所述第二權重向量對所述字符向量進行權重賦值，并加權求和，得到字符特征向量；

將多個所述主題向量作為解碼器的初始輸入，將所述字符特征向量作為解碼器的當前時刻的輸入，得到確定順序的每個主題對應的字符；

將多個主題對應的字符按照順序進行拼接，生成包含所述主題以及所述風險描述語句的報文。

4.根據權利要求1所述的方法，所述對所述用戶特征信息進行編碼，形成所述用戶特征信息對應的第一特征向量，具體包括：

根據所述用戶特征信息生成用戶特征向量；

基于注意力機制根據第一預設轉移概率矩陣，確定所述用戶特征向量中的各個用戶特征向量的第三權重向量，所述第一預設轉移概率矩陣用于表征所述用戶特征向量中每個用戶特征向量之間的上下文聯系；

根據所述第三權重向量對所述用戶特征向量進行權重賦值，并加權求和，得到所述第一特征向量。

5.根據權利要求1所述的方法，所述根據所述用戶特征信息從檢索庫中進行匹配，得到所述用戶特征信息對應的多個風險描述語句，具體包括：

根據所述用戶特征信息以及所述檢索庫中各個用戶特征信息與風險描述語句之間的映射關系，確定所述用戶特征信息對應的多個風險描述語句。

6.根據權利要求1所述的方法，所述基于注意力機制，確定多個所述語句向量對應的第一權重向量，具體包括：

基于注意力機制根據第二預設轉移概率矩陣，確定多個所述語句向量中的各個語句向量的第一權重向量，所述第二預設轉移概率矩陣用于表征多個所述語句向量中每個語句向量之間的上下文聯系。

7.根據權利要求5所述的方法，所述根據所述用戶特征信息從檢索庫中進行匹配，得到所述用戶特征信息對應的多個風險描述語句之前，還包括：

根據歷史經驗數據建立包含各個用戶特征信息與風險描述語句之間的映射關系的檢索庫；

或者，根據風險用戶的歷史報文信息以及各個用戶特征信息與風險描述語句之間的映射關系，生成檢索庫建立模型。