[發明專利]一種基于特征融合的電銷用戶意圖識別方法和系統

在審

• 申請號: 202011229635.0
• 申請日: 2020-11-06
• 公開（公告）號: CN112102013A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 彭馨;王強
• 申請（專利權）人: 北京讀我科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N20/00;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 錢娜

1.一種基于特征融合的電銷用戶意圖識別方法，其特征在于，包括：

獲取目標用戶的當前通話文本和目標用戶的標簽特征；

獲取預先構建的特征融合模型，其中，所述特征融合模型至少基于所述目標用戶的歷史通話文本和所述目標用戶的標簽特征構建；

將所述目標用戶的當前通話文本和目標用戶的標簽特征輸入所述特征融合模型進行識別，得到所述目標用戶的意圖識別結果。

2.根據權利要求1所述的方法，其特征在于，構建特征融合模型包括：

獲取目標用戶的第一歷史通話文本和目標用戶的第一標簽特征；

對所述第一歷史通話文本和第一標簽特征進行預處理，得到符合訓練要求的第二歷史通話文本和第二標簽特征；

將所述第二歷史通話文本和第二標簽特征構成的訓練數據分為第一訓練集和第二訓練集；

通過所述第一訓練集中的第二標簽特征數據對機器學習模型進行訓練，得到訓練后的機器學習模型；

通過所述第一訓練集中的第二歷史通話文本數據對神經網絡模型進行訓練，得到訓練后的神經網絡模型；

測試所述第二訓練集中的第二標簽特征數據在所述訓練后的機器學習模型的得分，以及所述第二訓練集中的第二歷史通話文本數據在所述訓練后的神經網絡模型的得分，將得分作為新的訓練數據；

基于所述新的訓練數據得到融合函數；

基于所述訓練后的機器學習模型、所述訓練后的神經網絡模型和所述融合函數構成特征融合模型。

3.根據權利要求2所述的方法，其特征在于，所述通過所述第一訓練集中的第二標簽特征數據對機器學習模型進行訓練，得到訓練后的機器學習模型，包括：

通過所述第一訓練集中的第二標簽特征數據采用XGBoost算法對機器學習模型進行訓練，得到訓練后的機器學習模型。

4.根據權利要求2所述的方法，其特征在于，所述神經網絡模型包括：BERT模型和長短期記憶網絡。

5.根據權利要求2所述的方法，其特征在于，所述基于所述新的訓練數據得到融合函數，包括：

基于所述新的訓練數據，采用機器學習算法，得到融合函數。

6.一種基于特征融合的電銷用戶意圖識別系統，其特征在于，包括：

第一獲取模塊，用于獲取目標用戶的當前通話文本和目標用戶的標簽特征；

第二獲取模塊，用于獲取預先構建的特征融合模型，其中，所述特征融合模型至少基于所述目標用戶的歷史通話文本和所述目標用戶的標簽特征構建；

識別模塊，用于將所述目標用戶的當前通話文本和目標用戶的標簽特征輸入所述特征融合模型進行識別，得到所述目標用戶的意圖識別結果。

7.根據權利要求6所述的系統，其特征在于，還包括：用于構建特征融合模型的構建模塊，其中，所述構建模塊包括：

獲取單元，用于獲取目標用戶的第一歷史通話文本和目標用戶的第一標簽特征；

預處理單元，用于對所述第一歷史通話文本和第一標簽特征進行預處理，得到符合訓練要求的第二歷史通話文本和第二標簽特征；

分發單元，用于將所述第二歷史通話文本和第二標簽特征構成的訓練數據分為第一訓練集和第二訓練集；

第一訓練單元，用于通過所述第一訓練集中的第二標簽特征數據對機器學習模型進行訓練，得到訓練后的機器學習模型；

第二訓練單元，用于通過所述第一訓練集中的第二歷史通話文本數據對神經網絡模型進行訓練，得到訓練后的神經網絡模型；

測試單元，用于測試所述第二訓練集中的第二標簽特征數據在所述訓練后的機器學習模型的得分，以及所述第二訓練集中的第二歷史通話文本數據在所述訓練后的神經網絡模型的得分，將得分作為新的訓練數據；

處理單元，用于基于所述新的訓練數據得到融合函數；

構成單元，用于基于所述訓練后的機器學習模型、所述訓練后的神經網絡模型和所述融合函數構成特征融合模型。