[發(fā)明專利]用戶性格判定方法、裝置、存儲器和電子設備

在審

• 申請?zhí)枺?/td>: 202011343567.0
• 申請日: 2020-11-26
• 公開（公告）號: CN112487184A
• 公開（公告）日: 2021-03-12
• 發(fā)明（設計）人: 姜鵬;唐杰;劉德兵;張鵬;仇瑜
• 申請（專利權）人: 北京智源人工智能研究院
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/205;G06N3/04;G06Q50/00
• 代理公司: 北京動力號知識產權代理有限公司 11775
• 代理人: 梁艷

1.一種用戶性格判定方法，其特征在于，包括：

獲取目標用戶在社交網絡中的發(fā)文數據并將其轉換為文本向量；

將所述文本向量輸入預先訓練的性格分類模型，輸出多個維度的性格分類概率，所述性格分類模型包括膨脹門卷積神經網絡和注意力網絡；

基于所述性格分類概率判定所述用戶的性格類型。

2.根據權利要求1所述的方法，其特征在于，所述獲取目標用戶在社交網絡中的發(fā)文數據并將其轉換為文本向量包括：

對所述發(fā)文數據進行預處理；

采用預訓練的詞向量模型對預處理后的發(fā)文數據進行向量化，得到所述文本向量。

3.根據權利要求2所述的方法，其特征在于，所述將所述文本向量輸入預先訓練的性格分類模型，輸出多個維度的性格分類概率包括：

將所述文本向量輸入多個膨脹門卷積神經網絡，得到多個輸出向量；

拼接所述多個輸出向量得到拼接向量；

利用注意力網絡為所述拼接向量進行打分；

將打分的拼接向量輸入全連接神經網絡編碼并進行非線性化處理；

將非線性化處理后的編碼輸入分類網絡得到所述多個維度的性格分類概率。

4.根據權利要求3所述的方法，其特征在于，所述多個膨脹門卷積神經網絡包括大小不同的過濾器。

5.根據權利要求4所述的方法，其特征在于，每個維度包括多種狀態(tài)，每種狀態(tài)對應一種性格類型。

6.根據權利要求5所述的方法，其特征在于，所述維度為4，每個維度包括2種狀態(tài)，性格分類概率小于預設閾值為第一狀態(tài)，對應第一性格類型，大于或等于預設閾值為第二狀態(tài)，對應第二性格類型。

7.一種用戶性格判定裝置，其特征在于，包括：

獲取模塊，用于獲取目標用戶在社交網絡中的發(fā)文數據并將其轉換為文本向量；

性格分類模型模塊，用于接收所述文本向量輸入，輸出多個維度的性格分類概率，所述性格分類模型包括膨脹門卷積神經網絡和注意力網絡；

判定模塊，用于基于所述性格分類概率判定所述用戶的性格類型。

8.根據權利要求7所述的裝置，其特征在于，所述性格分類模型模塊包括：

輸入層，用于獲取目標用戶在社交網絡中的發(fā)文數據轉換得到的文本向量；

膨脹門卷積神經網絡，用于處理所述文本向量得到多個輸出向量；

拼接層，用于拼接所述多個輸出向量得到拼接向量；

注意力網絡，用于為所述拼接向量進行打分；

全連接層，用于對所述打分的拼接向量編碼并進行非線性化處理；

分類網絡，用于根據非線性化處理后的編碼得到多個維度的性格分類概率。

9.一種存儲介質，其特征在于，存儲有多條計算機可讀指令，所述計算機可讀指令用于實現如權利要求1-6任一項所述的方法。

10.一種電子設備，其特征在于，包括處理器和與所述處理器連接的存儲介質，所述存儲介質存儲有多條指令，所述指令可被所述處理器加載并執(zhí)行，以使所述處理器能夠執(zhí)行如權利要求1-6任一項所述的方法。