[發(fā)明專利]一種基于智能營(yíng)銷場(chǎng)景的數(shù)據(jù)建模方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111221787.0
• 申請(qǐng)日: 2021-10-20
• 公開（公告）號(hào): CN114022192A
• 公開（公告）日: 2022-02-08
• 發(fā)明（設(shè)計(jì)）人: 李鵬偉;馮鑫;王彤;馬嘯陽
• 申請(qǐng)（專利權(quán)）人: 百融云創(chuàng)科技股份有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G10L15/02;G10L25/63;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京鼎佳達(dá)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11348
• 代理人: 劉鐵生;孟阿妮

本發(fā)明提供了一種基于智能營(yíng)銷場(chǎng)景的數(shù)據(jù)建模方法及系統(tǒng)，獲得通話記錄，所述通話記錄包括文本信息、語音信息；對(duì)所述文本信息進(jìn)行特征提取，獲得文本特征；對(duì)所述語音信息進(jìn)行特征提取，獲得語音特征；將所述文本特征、語音特征進(jìn)行特征融合；將所述融合特征信息輸入一層全聯(lián)接層，構(gòu)建雙模態(tài)模型；對(duì)所述雙模態(tài)模型進(jìn)行訓(xùn)練，獲得雙模態(tài)神經(jīng)網(wǎng)絡(luò)模型，訓(xùn)練數(shù)據(jù)均包括文本特征與語音特征的融合特征信息以及標(biāo)識(shí)成單意向率的標(biāo)識(shí)信息。解決了現(xiàn)有技術(shù)中存在處理輸入特征的相關(guān)性效果差，對(duì)于通話記錄中語音信息的特征提取能力差，模型預(yù)測(cè)精準(zhǔn)度較低的技術(shù)問題，達(dá)到了對(duì)營(yíng)銷客戶的精準(zhǔn)分析，降低營(yíng)銷成本，提高營(yíng)銷效率的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及智能營(yíng)銷領(lǐng)域，具體涉及一種基于智能營(yíng)銷場(chǎng)景的數(shù)據(jù)建模方法及系統(tǒng)。

背景技術(shù)

智能營(yíng)銷指的是以大數(shù)據(jù)和人工智能為技術(shù)基礎(chǔ)，通過智能分析和預(yù)測(cè)營(yíng)銷活動(dòng)中隱藏的模式和發(fā)展趨勢(shì)，提升企業(yè)營(yíng)銷的效率和效果的一種新型營(yíng)銷方式。相比傳統(tǒng)營(yíng)銷采用數(shù)據(jù)分析技術(shù)對(duì)非結(jié)構(gòu)化數(shù)據(jù)的處理存在局限，在數(shù)據(jù)的規(guī)范和預(yù)測(cè)上存在一定的滯后，智能營(yíng)銷則能夠快速分析大規(guī)模、多樣化的營(yíng)銷數(shù)據(jù)集，從數(shù)據(jù)中學(xué)習(xí)并表現(xiàn)出靈活的應(yīng)變能力，可以不斷自我優(yōu)化并實(shí)時(shí)預(yù)測(cè)發(fā)展趨勢(shì)，更有效地理解用戶行為并及時(shí)響應(yīng)用戶的需求變化。

目前用于智能營(yíng)銷的信息分析和預(yù)測(cè)的實(shí)現(xiàn)主要有兩種技術(shù)途徑，其中，第一種是通過邏輯回歸模型，但該模型在處理輸入特征之間的相關(guān)性方面效果不佳，第二種是神經(jīng)網(wǎng)絡(luò)模型，該模型對(duì)于通話類數(shù)據(jù)的特征僅能提取語義特征，難以獲得客戶的個(gè)性化信息，召回效果差。

但本申請(qǐng)發(fā)明人在實(shí)現(xiàn)本申請(qǐng)實(shí)施例中發(fā)明技術(shù)方案的過程中，發(fā)現(xiàn)上述技術(shù)至少存在如下技術(shù)問題：

現(xiàn)有技術(shù)存在主要將通話記錄文本作為訓(xùn)練數(shù)據(jù)，輸入模型的數(shù)據(jù)信息較為單一，且難以將通話記錄中語音信息和文本信息的特征進(jìn)行融合分析，使得模型預(yù)測(cè)精準(zhǔn)度較低。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有方法中的缺陷，本申請(qǐng)實(shí)施例的目的是，通過提供一種基于智能營(yíng)銷場(chǎng)景的數(shù)據(jù)建模方法及系統(tǒng)，解決了現(xiàn)有技術(shù)中存在的現(xiàn)有技術(shù)存在主要將通話記錄文本作為訓(xùn)練數(shù)據(jù)，輸入模型的數(shù)據(jù)信息較為單一，且難以將通話記錄中語音信息和文本信息的特征進(jìn)行融合分析，使得模型預(yù)測(cè)精準(zhǔn)度較低的技術(shù)問題，達(dá)到了將通話錄音中的情感特征與文本信息融合在一起，通過增加模型的輸入維度，充分挖掘營(yíng)銷過程中客戶的多維特征，最終達(dá)到對(duì)營(yíng)銷客戶的精準(zhǔn)分析，降低營(yíng)銷成本，提高營(yíng)銷效率的技術(shù)效果。

鑒于上述問題，提出了本申請(qǐng)實(shí)施例提供一種基于智能營(yíng)銷場(chǎng)景的數(shù)據(jù)建模方法及系統(tǒng)。

一方面，本申請(qǐng)實(shí)施例提供了一種基于智能營(yíng)銷場(chǎng)景的數(shù)據(jù)建模方法，其中，所述方法包括：獲得通話記錄，所述通話記錄包括文本信息、語音信息；對(duì)所述文本信息進(jìn)行特征提取，獲得文本特征；對(duì)所述語音信息進(jìn)行特征提取，獲得語音特征；將所述文本特征、語音特征進(jìn)行特征融合，獲得融合特征信息；將所述融合特征信息輸入一層全聯(lián)接層，通過回歸邏輯進(jìn)行分類預(yù)測(cè)，構(gòu)建雙模態(tài)模型；對(duì)所述雙模態(tài)模型進(jìn)行訓(xùn)練，獲得雙模態(tài)神經(jīng)網(wǎng)絡(luò)模型，所述雙模態(tài)神經(jīng)網(wǎng)絡(luò)模型為通過多組訓(xùn)練數(shù)據(jù)經(jīng)過訓(xùn)練獲得，其中，每組訓(xùn)練數(shù)據(jù)均包括文本特征與語音特征的融合特征信息以及標(biāo)識(shí)成單意向率的標(biāo)識(shí)信息。

另一方面，本申請(qǐng)實(shí)施例還提供了一種基于智能營(yíng)銷場(chǎng)景的數(shù)據(jù)建模系統(tǒng)，其中，所述系統(tǒng)包括：第一獲得單元，所述第一獲得單元用于獲得通話記錄，所述通話記錄包括文本信息、語音信息；第一提取單元，所述第一提取單元用于對(duì)所述文本信息進(jìn)行特征提取，獲得文本特征；第二提取單元，所述第二提取單元用于對(duì)所述語音信息進(jìn)行特征提取，獲得語音特征；第一融合單元，所述第一融合單元用于將所述文本特征、語音特征進(jìn)行特征融合，獲得融合特征信息；第一構(gòu)建單元，所述第一構(gòu)建單元用于將所述融合特征信息輸入一層全聯(lián)接層，通過回歸邏輯進(jìn)行分類預(yù)測(cè)，構(gòu)建雙模態(tài)模型；第一訓(xùn)練單元，所述第一訓(xùn)練單元用于對(duì)所述雙模態(tài)模型進(jìn)行訓(xùn)練，獲得雙模態(tài)神經(jīng)網(wǎng)絡(luò)模型。