[发明专利]用户分类的方法、计算机设备和可读存储介质

说明书

本申请涉及一种用户分类的方法、计算机设备和可读存储介质，其中，该用户分类的方法包括：获取对话内容，并将对话特征对话内容转换成语音文本；对对话特征语音文本进行纠错，输入纠错后的对话特征语音文本至预训练模型中，得到文本特征；输入对话特征至梯度迭代决策树中，得到用户分类标签，其中，对话特征对话特征包括对话特征文本特征，通过本申请，解决了相关技术中智能对话系统的用户分类结果不准确的问题，提高了智能对话系统的用户分类结果的准确性。

技术领域

本申请涉及机器学习技术领域，特别是涉及一种用户分类的方法、计算机设备和可读存储介质。

背景技术

在视频网站、购物网站等电商领域，用户画像系统已经非常成熟且足够强大，在该领域进行用户分类时，可以依托用户画像系统，得到静态画像特征，根据静态画像特征完成用户分类。

随着人工智能技术的飞速发展，智能对话系统应运而生，在相关技术中，智能对话系统也是根据用户的静态画像特征进行用户分类，然而，目前智能对话系统的用户画像系统内容较为单薄，直接依托用户画像系统完成智能对话系统的用户分类，用户分类结果很多时候是不准确的。

针对相关技术中，智能对话系统的用户分类结果不准确的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种用户分类的方法、计算机设备和可读存储介质，以至少解决相关技术中智能对话系统的用户分类结果不准确的问题。

第一方面，本申请实施例提供了一种用户分类的方法，应用于智能对话系统，所述方法包括：

获取对话内容，并将所述对话内容转换成语音文本；

对所述语音文本进行纠错，输入纠错后的所述语音文本至预训练模型中，得到文本特征；

输入对话特征至梯度迭代决策树中，得到用户分类标签，其中，所述对话特征包括所述文本特征。

在其中一些实施例中，所述对话特征还包括轮次特征，所述轮次特征包括行为特征，所述输入对话特征至梯度迭代决策树中之前，所述方法包括：

在同一个对话轮次下，获取行为记录，并提取所述行为记录中的行为，得到各轮次的所述行为特征，其中，所述行为包括静音、打断或挂断；

用one-hot表征同一个对话轮次下的所有轮次特征。

在其中一些实施例中，所述轮次特征还包括问句类型特征，所述输入对话特征至梯度迭代决策树中之前，所述方法包括：

在同一个对话轮次下，确定纠错后的所述语音文本中的问句，得到原始问句，输入所述原始问句至分类模型中，所述分类模型根据意图相似度召回问句，得到多个召回问句；

确定概率最大的召回问句，得到目标问句，并根据目标问句与问句类型特征的关联关系，确定各轮次的所述目标问句的问句类型特征，其中，所述问句类型特征包括正向、负向或中性；

用one-hot表征同一个对话轮次下的所有轮次特征。

在其中一些实施例中，在所述分类模型的训练过程中，意图相同的问句间的相似度为1，并且意图不同的问句间的相似度为：问句间的编辑距离相似度与预设概率的乘积。

在其中一些实施例中，所述得到原始问句之后，所述方法还包括：

确定所述原始问句是否存在于问法句式的列表中，若是，根据所述问法句式与问句类型特征的关联关系，确定所述原始问句的问句类型特征；

若否，输入所述原始问句至所述分类模型中。

在其中一些实施例中，所述问法句式设置有词槽，所述确定所述原始问句是否存在于问法句式的列表中之前，所述方法包括：识别出所述原始问句中的实体词，并将所述实体词填入所述词槽。