[發(fā)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(tǒng)

在審

• 申請?zhí)枺?/td>: 202011229635.0
• 申請日: 2020-11-06
• 公開（公告）號: CN112102013A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計）人: 彭馨;王強(qiáng)
• 申請（專利權(quán)）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(chǎn)權(quán)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(biāo)用戶的當(dāng)前通話文本和目標(biāo)用戶的標(biāo)簽特征；

獲取預(yù)先構(gòu)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(biāo)用戶的歷史通話文本和所述目標(biāo)用戶的標(biāo)簽特征構(gòu)建；

將所述目標(biāo)用戶的當(dāng)前通話文本和目標(biāo)用戶的標(biāo)簽特征輸入所述特征融合模型進(jìn)行識別，得到所述目標(biāo)用戶的意圖識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，構(gòu)建特征融合模型包括：

獲取目標(biāo)用戶的第一歷史通話文本和目標(biāo)用戶的第一標(biāo)簽特征；

對所述第一歷史通話文本和第一標(biāo)簽特征進(jìn)行預(yù)處理，得到符合訓(xùn)練要求的第二歷史通話文本和第二標(biāo)簽特征；

將所述第二歷史通話文本和第二標(biāo)簽特征構(gòu)成的訓(xùn)練數(shù)據(jù)分為第一訓(xùn)練集和第二訓(xùn)練集；

通過所述第一訓(xùn)練集中的第二標(biāo)簽特征數(shù)據(jù)對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的機(jī)器學(xué)習(xí)模型；

通過所述第一訓(xùn)練集中的第二歷史通話文本數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型；

測試所述第二訓(xùn)練集中的第二標(biāo)簽特征數(shù)據(jù)在所述訓(xùn)練后的機(jī)器學(xué)習(xí)模型的得分，以及所述第二訓(xùn)練集中的第二歷史通話文本數(shù)據(jù)在所述訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型的得分，將得分作為新的訓(xùn)練數(shù)據(jù)；

基于所述新的訓(xùn)練數(shù)據(jù)得到融合函數(shù)；

基于所述訓(xùn)練后的機(jī)器學(xué)習(xí)模型、所述訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型和所述融合函數(shù)構(gòu)成特征融合模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述通過所述第一訓(xùn)練集中的第二標(biāo)簽特征數(shù)據(jù)對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的機(jī)器學(xué)習(xí)模型，包括：

通過所述第一訓(xùn)練集中的第二標(biāo)簽特征數(shù)據(jù)采用XGBoost算法對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的機(jī)器學(xué)習(xí)模型。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型包括：BERT模型和長短期記憶網(wǎng)絡(luò)。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述新的訓(xùn)練數(shù)據(jù)得到融合函數(shù)，包括：

基于所述新的訓(xùn)練數(shù)據(jù)，采用機(jī)器學(xué)習(xí)算法，得到融合函數(shù)。

6.一種基于特征融合的電銷用戶意圖識別系統(tǒng)，其特征在于，包括：

第一獲取模塊，用于獲取目標(biāo)用戶的當(dāng)前通話文本和目標(biāo)用戶的標(biāo)簽特征；

第二獲取模塊，用于獲取預(yù)先構(gòu)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(biāo)用戶的歷史通話文本和所述目標(biāo)用戶的標(biāo)簽特征構(gòu)建；

識別模塊，用于將所述目標(biāo)用戶的當(dāng)前通話文本和目標(biāo)用戶的標(biāo)簽特征輸入所述特征融合模型進(jìn)行識別，得到所述目標(biāo)用戶的意圖識別結(jié)果。

7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，還包括：用于構(gòu)建特征融合模型的構(gòu)建模塊，其中，所述構(gòu)建模塊包括：

獲取單元，用于獲取目標(biāo)用戶的第一歷史通話文本和目標(biāo)用戶的第一標(biāo)簽特征；

預(yù)處理單元，用于對所述第一歷史通話文本和第一標(biāo)簽特征進(jìn)行預(yù)處理，得到符合訓(xùn)練要求的第二歷史通話文本和第二標(biāo)簽特征；

分發(fā)單元，用于將所述第二歷史通話文本和第二標(biāo)簽特征構(gòu)成的訓(xùn)練數(shù)據(jù)分為第一訓(xùn)練集和第二訓(xùn)練集；

第一訓(xùn)練單元，用于通過所述第一訓(xùn)練集中的第二標(biāo)簽特征數(shù)據(jù)對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的機(jī)器學(xué)習(xí)模型；

第二訓(xùn)練單元，用于通過所述第一訓(xùn)練集中的第二歷史通話文本數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型；

測試單元，用于測試所述第二訓(xùn)練集中的第二標(biāo)簽特征數(shù)據(jù)在所述訓(xùn)練后的機(jī)器學(xué)習(xí)模型的得分，以及所述第二訓(xùn)練集中的第二歷史通話文本數(shù)據(jù)在所述訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型的得分，將得分作為新的訓(xùn)練數(shù)據(jù)；

處理單元，用于基于所述新的訓(xùn)練數(shù)據(jù)得到融合函數(shù)；

構(gòu)成單元，用于基于所述訓(xùn)練后的機(jī)器學(xué)習(xí)模型、所述訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型和所述融合函數(shù)構(gòu)成特征融合模型。