[发明专利]基于模糊强化学习的销售语音推送决策方法

权利要求书

1.一种基于模糊强化学习的销售语音推送决策方法，其特征在于：包括以下步骤：

S1，根据语句情感量化库，确定当前语音内容的情感量化值y；

S2，采用三角隶属度函数确定所述情感量化值在语句模糊变量值阈上的隶属度；

S3，所述隶属度组成当前语音内容的状态空间S；

S4，将所有推送语音信息组成当前语音内容的动作空间A；

S5，计算当前时刻t所述状态空间S中任一状态值s_i执行所述动作空间A中任一动作变量a_i时的回报值；

S6，根据Q-learning算法，迭代学习得到所述状态空间S中任一状态值s_i执行所述动作空间A中任一动作变量a_i时的Q值；

S7，选取最大Q值对应的动作变量a_i为当前语音内容的推送语音信息。

2.根据权利要求1所述的基于模糊强化学习的销售语音推送决策方法，其特征在于：所述语句情感量化库根据历史经验，抽取语句关键词，并语句及关键词评分。

3.根据权利要求1所述的基于模糊强化学习的销售语音推送决策方法，其特征在于：所述语句模糊变量值阈,其中分别代表很不高兴、不高兴、一般、高兴、很高兴；的取值范围为。

4.根据权利要求1所述的基于模糊强化学习的销售语音推送决策方法，其特征在于：所述动作空间A中所述所有推送语音信息的编码按照情感等级从低到高排列。

5.根据权利要求3所述的基于模糊强化学习的销售语音推送决策方法，其特征在于：所述回报值计算公式为：

，

其中为权重因子，表示所述语句模糊变量阈值中和变化的权重。

6.根据权利要求1所述的基于模糊强化学习的销售语音推送决策方法，其特征在于：所述Q值迭代规则为：，其中和为学习率，R为当前所述状态空间S中任一状态值s_i执行所述动作空间A中任一动作变量a_i后的回报值；为当前所述状态空间S中状态值s_i执行所述动作空间A中动作变量a_i后进入下一个状态值s_i’执行所述动作空间A中动作变量a_i的值；max代表取状态值s_i’执行所述动作空间A中所有动作变量a_i的值的最大值。

7.根据权利要求1所述的基于模糊强化学习的销售语音推送决策方法，其特征在于：所述状态值s_i为所述隶属度除以0.1取整后再乘以0.1。