[发明专利]基于用户画像的解决方案匹配方法及系统

说明书

本发明提供一种基于用户画像的解决方案匹配方法及系统，所述的方法包括：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；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。提高了用户画像的精度，通过获取与用户匹配度较高的分类标签，利用分类标签完成预设的解决方案的匹配，提高了解决方案的匹配精度。

技术领域

本发明涉及大数据技术领域，特别是涉及一种基于用户画像的解决方案匹配方法及系统。

背景技术

用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。在日常应用过程中，往往会根据业务场景的需求，将源自用户的数据信息进行标引，获取特征化、个性化的用户属性信息，然后再根据其属性信息进行用户潜在行为的分析和预测，为客户提供定制化的服务和解决方案。而目前，用户画像的精度较低，造成自动匹配解决方案的置信度也不高。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于用户画像的解决方案匹配方法及系统，用于解决现有技术中的基于用户画像自动匹配解决方案的置信度不高的问题。

为实现上述目的及其他相关目的，本发明提供一种基于用户画像的解决方案匹配方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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、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。

可选的，通过R和S来确定预设的解决方案的概率集合的步骤包括：

通过R和S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。