[发明专利]基于用户画像的解决方案匹配方法及系统

权利要求书

1.一种基于用户画像的解决方案匹配方法，其特征在于，包括：

获取用户文本以及关联特征信息；

根据所述关联特征信息确定所述用户文本中的第一语句以及第二语句，其中，所述第一语句与所述关联特征信息匹配；

对所述第一语句以及所述第二语句分别进行编码化，并获取对应的第一特征矩阵和第二特征矩阵；

将所述第一特征矩阵和所述第二特征矩阵输入神经网络中，获取第一特征向量和第二特征向量，并将所述第一特征向量和所述第二特征向量进行融合处理，获取第三特征向量；

通过所述第三特征向量获取分类标签；

将所述分类标签与预设的解决方案进行匹配，完成解决方案匹配。

2.根据权利要求1所述的基于用户画像的解决方案匹配方法，其特征在于，所述神经网络包括第一子神经网络，将所述第一特征矩阵输入到所述第一子神经网络中，获取第一特征向量，当经过多次迭代训练后，获取第一模型，所述第一子神经网络包括输入层、隐藏层和输出层。

3.根据权利要求1所述的基于用户画像的解决方案匹配方法，其特征在于，所述神经网络包括第二子神经网络，将所述第二特征矩阵输入到第二子神经网络中，所述第二子神经网络包括输入层、卷积层、池化层、隐藏层和输出层，在卷积层中，通过一个或者多个尺寸的卷积核对所述第二特征矩阵进行卷积，获取一个或者多个尺寸的特征图，对一个或者多个尺寸的所述特征图分别进行池化处理并进行拼接，获取第二特征向量，当经过多次迭代训练后，获取第二模型。

4.根据权利要求1所述的基于用户画像的解决方案匹配方法，其特征在于，通过所述第三特征向量获取分类标签的步骤包括：

将所述第三特征向量输入到分类输出层，获取一个或者多个所述分类标签。

5.根据权利要求4所述的基于用户画像的解决方案匹配方法，其特征在于，将所述分类标签与预设的解决方案进行匹配，完成解决方案匹配的步骤包括：

获取一个或者多个分类标签和所述预设的解决方案，其中，定义分类标签的集合为R，定义所述预设的解决方案的集合为S；

通过R和S来确定预设的解决方案的概率集合，其中，预设的解决方案的概率集合为B。

6.根据权利要求5所述的基于用户画像的解决方案匹配方法，其特征在于，通过R和q来确定预设的解决方案的概率集合的步骤包括：

通过R和q来确定转移概率，并通过转移概率确定转移矩阵，其中，转移概率为a_ij，转移矩阵为A；

通过R、S、a_ij和A来确定解决方案的概率集合B。

7.根据权利要求6所述的基于用户画像的解决方案匹配方法，其特征在于，通过所述解决方案的概率集合B来获取各个预设的解决方案的概率，并对各个预设的解决方案的概率进行由高到低的排列，完成解决方案匹配。

8.一种基于用户数据推荐信息的系统，其特征在于，包括：

预处理模块，用于获取用户文本以及关联特征信息，根据所述关联特征信息确定所述用户文本中的第一语句以及第二语句，其中，所述第一语句与所述关联特征信息匹配，对所述第一语句以及所述第二语句分别进行编码化，并获取对应的第一特征矩阵和第二特征矩阵；

分类模块，用于将所述第一特征矩阵和所述第二特征矩阵输入神经网络中，获取第一特征向量和第二特征向量，并将所述第一特征向量和所述第二特征向量进行融合处理，获取第三特征向量，通过所述第三特征向量获取分类标签；

分析模块，用于将所述分类标签与预设的解决方案进行匹配，完成解决方案匹配；

所述预处理模块、所述分类模块与所述分类模块信号连接。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1-7中任一所述的方法。

10.一个种机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1-7中任一所述的方法。