[發(fā)明專利]句子級用戶畫像生成方法、裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110171840.4
• 申請日: 2021-02-08
• 公開（公告）號: CN112989038B
• 公開（公告）日: 2022-06-21
• 發(fā)明（設(shè)計）人: 徐濤
• 申請（專利權(quán)）人: 浙江連信科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33;G06F40/289;G06F17/16
• 代理公司: 北京知果之信知識產(chǎn)權(quán)代理有限公司 11541
• 代理人: 卜榮麗;李志剛

1.一種句子級用戶畫像生成方法，其特征在于，包括：

接收會話語料，基于爬蟲系統(tǒng)對所述會話語料進(jìn)行處理獲取目標(biāo)語料，其中所述目標(biāo)語料包括一個或多個文本；

對所述一個或多個文本進(jìn)行分詞處理，獲得每個文本分詞的詞向量，基于所述每個文本分詞的詞向量生成該文本的句向量；

將所述句向量轉(zhuǎn)換為矩陣得到句矩陣，將所述句矩陣與所述句矩陣的轉(zhuǎn)置矩陣相乘得到交叉矩陣；

基于TextRank算法對所述交叉矩陣進(jìn)行概率轉(zhuǎn)移矩陣圖分解，生成句子級用戶畫像；

所述基于爬蟲系統(tǒng)對所述會話語料進(jìn)行處理獲取目標(biāo)語料包括：

搜索引擎爬蟲將對話語料和\或短文本發(fā)送給開放搜索引擎，基于所述對話語料和\或短文本進(jìn)行查詢得到搜索結(jié)果；

將所述搜索結(jié)果中的標(biāo)題文本和\或摘要文本作為目標(biāo)語料；

所述基于TextRank算法對所述交叉矩陣進(jìn)行概率轉(zhuǎn)移矩陣圖分解，生成句子級用戶畫像包括：

所述交叉矩陣包括多個句子節(jié)點，其中每個句子節(jié)點的權(quán)重默認(rèn)為1，節(jié)點間的邊權(quán)重為語義相似度分?jǐn)?shù)，阻尼系數(shù)為0.85，狀態(tài)向量等于0.15 + 0.85*M，其中M為交叉矩陣；

對所述交叉矩陣經(jīng)過若干個迭代后，得到一個穩(wěn)定態(tài)向量；

將向量數(shù)組中最大的N個數(shù)值所對應(yīng)的句子作為句子級用戶畫像，該數(shù)值在向量數(shù)組中的索引編號即對應(yīng)矩陣的行和\或列所對應(yīng)的句子。

2.根據(jù)權(quán)利要求1所述的句子級用戶畫像生成方法，其特征在于，

所述接收會話語料包括：

從人機(jī)會話系統(tǒng)中抽取出用戶留存的對話語料和\或短文本。

3.根據(jù)權(quán)利要求2所述的句子級用戶畫像生成方法，其特征在于，

所述對所述一個或多個文本進(jìn)行分詞處理，獲得每個文本分詞的詞向量包括：

基于開源分詞工具將對文本進(jìn)行分詞處理，并轉(zhuǎn)化為詞向量表示；

基于所述每個文本分詞的詞向量生成該文本的句向量包括：

將一個句子中的詞向量相加除以單詞的數(shù)量得到一個加權(quán)平均向量，所述加權(quán)平均向量為句向量。

4.根據(jù)權(quán)利要求1所述的句子級用戶畫像生成方法，其特征在于，

將所述句向量轉(zhuǎn)換為矩陣得到句矩陣，將所述句矩陣與所述句矩陣的轉(zhuǎn)置矩陣相乘得到交叉矩陣包括：

計算句矩陣和其轉(zhuǎn)置矩陣中句向量的點積，得到語義相似度的分?jǐn)?shù)矩陣，所述分?jǐn)?shù)矩陣為交叉矩陣。

5.一種句子級用戶畫像生成裝置，其特征在于，包括：

獲取模塊，用于接收會話語料，基于爬蟲系統(tǒng)對所述會話語料進(jìn)行處理獲取目標(biāo)語料，其中所述目標(biāo)語料包括一個或多個文本；

處理模塊，用于對所述一個或多個文本進(jìn)行分詞處理，獲得每個文本分詞的詞向量，基于所述每個文本分詞的詞向量生成該文本的句向量；

交叉模塊，用于將所述句向量轉(zhuǎn)換為矩陣得到句矩陣，將所述句矩陣與所述句矩陣的轉(zhuǎn)置矩陣相乘得到交叉矩陣；

生成模塊，用于基于TextRank算法對所述交叉矩陣進(jìn)行概率轉(zhuǎn)移矩陣圖分解，生成句子級用戶畫像；

所述獲取模塊包括搜索單元：

所述搜索單元用于搜索引擎爬蟲將對話語料和\或短文本發(fā)送給開放搜索引擎，基于所述對話語料和\或短文本進(jìn)行查詢得到搜索結(jié)果；

將所述搜索結(jié)果中的標(biāo)題文本和\或摘要文本作為目標(biāo)語料；

所述生成模塊還用于執(zhí)行以下步驟：

所述交叉矩陣包括多個句子節(jié)點，其中每個句子節(jié)點的權(quán)重默認(rèn)為1，節(jié)點間的邊權(quán)重為語義相似度分?jǐn)?shù)，阻尼系數(shù)為0.85，狀態(tài)向量等于0.15 + 0.85*M，其中M為交叉矩陣；

對所述交叉矩陣經(jīng)過若干個迭代后，得到一個穩(wěn)定態(tài)向量；

將向量數(shù)組中最大的N個數(shù)值所對應(yīng)的句子作為句子級用戶畫像，該數(shù)值在向量數(shù)組中的索引編號即對應(yīng)矩陣的行和\或列所對應(yīng)的句子。

6.根據(jù)權(quán)利要求5所述的句子級用戶畫像生成裝置，其特征在于，

所述獲取模塊包括抽取單元：

所述抽取單元用于從人機(jī)會話系統(tǒng)中抽取出用戶留存的對話語料和\或短文本。