[发明专利]一种基于智能营销场景的数据建模方法及系统

说明书

本发明提供了一种基于智能营销场景的数据建模方法及系统，获得通话记录，所述通话记录包括文本信息、语音信息；对所述文本信息进行特征提取，获得文本特征；对所述语音信息进行特征提取，获得语音特征；将所述文本特征、语音特征进行特征融合；将所述融合特征信息输入一层全联接层，构建双模态模型；对所述双模态模型进行训练，获得双模态神经网络模型，训练数据均包括文本特征与语音特征的融合特征信息以及标识成单意向率的标识信息。解决了现有技术中存在处理输入特征的相关性效果差，对于通话记录中语音信息的特征提取能力差，模型预测精准度较低的技术问题，达到了对营销客户的精准分析，降低营销成本，提高营销效率的效果。

技术领域

本发明涉及智能营销领域，具体涉及一种基于智能营销场景的数据建模方法及系统。

背景技术

智能营销指的是以大数据和人工智能为技术基础，通过智能分析和预测营销活动中隐藏的模式和发展趋势，提升企业营销的效率和效果的一种新型营销方式。相比传统营销采用数据分析技术对非结构化数据的处理存在局限，在数据的规范和预测上存在一定的滞后，智能营销则能够快速分析大规模、多样化的营销数据集，从数据中学习并表现出灵活的应变能力，可以不断自我优化并实时预测发展趋势，更有效地理解用户行为并及时响应用户的需求变化。

目前用于智能营销的信息分析和预测的实现主要有两种技术途径，其中，第一种是通过逻辑回归模型，但该模型在处理输入特征之间的相关性方面效果不佳，第二种是神经网络模型，该模型对于通话类数据的特征仅能提取语义特征，难以获得客户的个性化信息，召回效果差。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术存在主要将通话记录文本作为训练数据，输入模型的数据信息较为单一，且难以将通话记录中语音信息和文本信息的特征进行融合分析，使得模型预测精准度较低。

发明内容

针对现有方法中的缺陷，本申请实施例的目的是，通过提供一种基于智能营销场景的数据建模方法及系统，解决了现有技术中存在的现有技术存在主要将通话记录文本作为训练数据，输入模型的数据信息较为单一，且难以将通话记录中语音信息和文本信息的特征进行融合分析，使得模型预测精准度较低的技术问题，达到了将通话录音中的情感特征与文本信息融合在一起，通过增加模型的输入维度，充分挖掘营销过程中客户的多维特征，最终达到对营销客户的精准分析，降低营销成本，提高营销效率的技术效果。

鉴于上述问题，提出了本申请实施例提供一种基于智能营销场景的数据建模方法及系统。

一方面，本申请实施例提供了一种基于智能营销场景的数据建模方法，其中，所述方法包括：获得通话记录，所述通话记录包括文本信息、语音信息；对所述文本信息进行特征提取，获得文本特征；对所述语音信息进行特征提取，获得语音特征；将所述文本特征、语音特征进行特征融合，获得融合特征信息；将所述融合特征信息输入一层全联接层，通过回归逻辑进行分类预测，构建双模态模型；对所述双模态模型进行训练，获得双模态神经网络模型，所述双模态神经网络模型为通过多组训练数据经过训练获得，其中，每组训练数据均包括文本特征与语音特征的融合特征信息以及标识成单意向率的标识信息。

另一方面，本申请实施例还提供了一种基于智能营销场景的数据建模系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得通话记录，所述通话记录包括文本信息、语音信息；第一提取单元，所述第一提取单元用于对所述文本信息进行特征提取，获得文本特征；第二提取单元，所述第二提取单元用于对所述语音信息进行特征提取，获得语音特征；第一融合单元，所述第一融合单元用于将所述文本特征、语音特征进行特征融合，获得融合特征信息；第一构建单元，所述第一构建单元用于将所述融合特征信息输入一层全联接层，通过回归逻辑进行分类预测，构建双模态模型；第一训练单元，所述第一训练单元用于对所述双模态模型进行训练，获得双模态神经网络模型。