[發明專利]基于人工智能的訂單分級方法、裝置、設備及存儲介質

在審

• 申請號: 202110219481.5
• 申請日: 2021-02-26
• 公開（公告）號: CN112948592A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 王勇
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F40/284;G06K9/62;G06N3/04;G06N3/08;G06Q30/06
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 蔣學超

1.一種基于人工智能的訂單分級方法，其特征在于，包括：

獲取歷史訂單數據集，所述歷史訂單數據集包括多個標注了標簽的訂單數據；

對所述歷史訂單數據集進行數據清洗處理以得到樣本數據集，所述樣本數據集包括多個樣本數據，所述樣本數據由訂單數據經過數據清洗處理后得到；

根據所述樣本數據集構建知識圖譜，所述知識圖譜的節點為所述樣本數據集中的樣本數據；

獲取所述知識圖譜的各節點的節點向量，并將各節點的節點向量添加到預設的訓練樣本集中；

通過所述訓練樣本集對預設的文本分類模型進行訓練；

若接收到業務服務器發送的初始訂單數據，對所述初始訂單數據進行數據清洗處理以得到待測訂單數據；

將所述待測訂單數據添加到所述知識圖譜中；

獲取所述待測訂單數據的節點向量；

將所述待測訂單數據的節點向量輸入到訓練后的文本分類模型中，以由所述文本分類模型輸出所述待測訂單數據的標簽；

將所述待測訂單數據添加到所述待測訂單數據的標簽對應的數據隊列中。

2.根據權利要求1所述的基于人工智能的訂單分級方法，其特征在于，所述根據所述樣本數據集構建知識圖譜，包括：

將所述樣本數據集中的樣本數據作為節點添加到預設的節點集合中；

分別計算所述節點集合中任意兩個節點之間的余弦相似度；

判斷兩個節點之間的余弦相似度是否大于預設的余弦相似度閾值；

若兩個節點之間的余弦相似度大于預設的余弦相似度閾值，則在該兩個節點之間建立邊。

3.根據權利要求1所述的基于人工智能的訂單分級方法，其特征在于，所述獲取所述知識圖譜的各節點的節點向量，包括：

從所述知識圖譜的一節點出發，根據該節點與其它節點之間的邊進行隨機游走，得到預設長度的第一節點序列；

將所述第一節點序列輸入到預設的詞向量訓練模型中以得到該節點的節點向量。

4.根據權利要求1所述的基于人工智能的訂單分級方法，其特征在于，所述獲取所述知識圖譜的各節點的節點向量，包括：

從所述知識圖譜的一節點出發，根據該節點與其它節點之間的邊進行游走，得到預設長度的第二節點序列，其中，在游走過程中，返回到原來節點的概率為預設的返回概率參數，不返回到原來節點的概率為預設的離開概率參數；

將所述第二節點序列輸入到預設的詞向量訓練模型中以得到該節點的節點向量。

5.根據權利要求2所述的基于人工智能的訂單分級方法，其特征在于，所述將所述待測訂單數據添加到所述知識圖譜中，包括：

將所述待測訂單數據作為節點添加到所述節點集合中；

分別計算所述待測訂單數據與其它節點之間的余弦相似度；

判斷所述待測訂單數據與其它節點之間的余弦相似度是否大于預設的余弦相似度閾值；

若所述待測訂單數據與其它節點之間的余弦相似度大于預設的余弦相似度閾值，則在待測訂單數據與該節點之間建立邊。

6.根據權利要求1所述的基于人工智能的訂單分級方法，其特征在于，所述獲取所述待測訂單數據的節點向量，包括：

從所述待測訂單數據出發，根據所述待測訂單數據與其它節點之間的邊進行隨機游走，得到預設長度的第三節點序列；

將所述第三節點序列輸入到預設的詞向量訓練模型中以得到所述待測訂單數據的節點向量。

7.根據權利要求1所述的基于人工智能的訂單分級方法，其特征在于，所述獲取所述待測訂單數據的節點向量，包括：

從所述待測訂單數據出發，根據所述待測訂單數據與其它節點之間的邊進行游走，得到預設長度的第四節點序列，其中，在游走過程中，返回到原來節點的概率為預設的返回概率參數，不返回到原來節點的概率為預設的離開概率參數；

將所述第四節點序列輸入到預設的詞向量訓練模型中以得到所述待測訂單數據的節點向量。