[發明專利]一種基于NLP事件匹配政策推薦方法、系統及存儲介質

在審

• 申請號: 202310088652.4
• 申請日: 2023-02-09
• 公開（公告）號: CN116108139A
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 郭海濤;陳恩澤;張勃濤
• 申請（專利權）人: 安徽智侒信信息技術有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F16/335
• 代理公司: 北京深川專利代理事務所(普通合伙) 16058
• 代理人: 郭麗紅

1.一種基于NLP事件匹配政策推薦方法，其特征在于，包括以下步驟：

S1、將激勵項的每個條件看作一個事件，基于NLP技術，實現事件抽取，對事件的每個要素預測其邏輯表達式，預測事件內每個要素之間的邏輯關系，連接事件內所有要素所形成的邏輯表達式，生成事件對應的邏輯表達式，最后，預測一個激勵項內所有事件間的邏輯關系，連接事件所對應的邏輯表達式，從而生成整個激勵項的邏輯表達式；

S2、事件抽取，將激勵項中每個條件中所涉及的要素提取出來，對信息分類組織，將每個事件所涉及的信息，放到一個數據庫表中，表名定義為事件類型，表字段為事件要素名；

S3、將每個事件轉化為邏輯表達式；

S3.1、參考事件中的要素所在的上下文，定義一個分類器，記為分類器1，判別該要素和值之間的邏輯運算類型，每個事件，將所識別出來的要素文本片段，前后加入對應的開始和結束標識符，要素和觸發詞分別用e和t開頭加數字進行編號，將這些字符對應到bert預訓練模型詞表中unused*字符。將拼接好的字符串作為詞嵌入，連同位置嵌入和segment嵌入，送入分類器1，預測出對應的邏輯運算符；

S3.2、使用每個要素的所引入的開始字符的embedding，表示該要素，設計第2個類器模型，記為分類器2，使用分類器2預測一個事件內各要素之間的邏輯關系運算符，基于預測的邏輯關系運算符，將一個事件內的各要素邏輯表達式連接起來；

S4、連接所有事件邏輯表達式，生成該激勵項所對應的條件的邏輯表達式，設計第3個類器模型，記為分類器3，將事件表示為其要素的集合，將各要素的開始字符經過mean-pooling，生成一個向量作為該事件的embedding，引入標識符context,/context標識兩個事件之間的上文和下文，將連接好的字符串作為word?embedding，連同其他embedding，以及全局CLS?embedding，一起送入分類器3，預測兩個事件所對應條件之間的邏輯關系運算符；

S5.結構化，將所生成的表達式，以及該激勵項中所有事件所對應的數據庫表名和各事件各個要素所對應到的表字段名，使用一個表，組織起來，以備后面的匹配計算使用；

S6、匹配引擎，對于接受政策推薦的企業客戶，遍歷所有激勵項的字典表示，對每條激勵，查詢所列表中，企業id所對應的記錄，根據所列的列名，返回對應的字段，將對應字段值，代入到對應的表達式，結果為0或1。1表示本企業滿足對應的條件，該條政策激勵項，可以推給本企業，0表示本企業不滿足對應的條件。

2.根據權利要求1所述的一種基于NLP文本多標簽分類的政策匹配方法，其特征在于：所述S1的事件抽取使用CasEE事件抽取算法，使用CasEE通過一個共享的文本編碼器實現事件抽取，使用三個解碼器分別用于事件類型檢測、觸發器抽取和事件元素抽取。

3.根據權利要求1或2所述的一種基于NLP文本多標簽分類的政策匹配方法，其特征在于：所述S3中抽取的事件，為了區分，每個要素加上對應的事件名。

4.根據權利要求1所述的一種基于NLP文本多標簽分類的政策匹配方法，其特征在于：所述S5匹配引擎時，先根據時間、發布機構地域信息，對待處理樣本進行排序，對排序后的樣本，選取一定數量的樣本優先進行處理，處理后的結果立刻返回，后續的樣本繼續處理，處理結果逐步追加到推薦列表。

5.一種基于NLP事件匹配政策推薦系統，其特征在于：包括處理器、存儲器、帶CUDA計算單元的顯卡，所述存儲器用于存儲所述處理指令文件和算法模型；顯卡所述顯卡用于事件抽取和文本分類模型的訓練和推斷，所述處理器配置滿足處理包含政策文本的數據獲取模塊、數據清洗模塊、上述基于事件匹配的政策推薦方法的性能需求。

6.一種計算機可讀存儲介質，其特征在于：其上存儲有計算機程序，所述計算機程序被處理器執行時實現上述基于事件匹配的政策推薦方法。