[发明专利]一种基于决策树的行为规则获取方法、装置及设备

说明书

本申请属于人工智能领域，公开了一种基于决策树的行为规则获取方法、装置及设备，其中方法包括：将收集的测试人员的特征信息和对应的行为标记代码进行拆分，拆分成两组分别作为训练集和测试集，并根据训练集生成与测试人员所属的领域相同的初级决策树，然后再利用训练集对初级决策树进行训练，每完成一次训练，就将训练过程中训练集的所有不吻合特征信息筛选出来，并从测试集中随机等量的特征信息来进行替换，利用替换后的训练集再次对初级决策树进行训练，并迭代这个过程直至得到的不吻合特征信息的数量为0。这样，即使训练集和测试集的数量相对较少，也能够得到精准的最终决策树模型，使得根据最终决策树模型得到的每个行为规则更精准。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种基于决策树的行为规则获取方法、装置及设备。

背景技术

各行各业的人的行为都有一定的行为规则，一些公司为了能够更加准确的了解客户的需求，需要对公司客户的行为规则进行研究。

目前，根据人的行为形成的规则的提取，通常采用决策树来进行处理。决策树方法人们把决策问题的自然状态或条件出现的概率、行动方案、益损值、预测结果等，用一个树状图表示出来，并利用该图反映出人们思考、预测、决策的全过程。决策树是一种从无次序、无规则的样本数据集中推理出决策树表示形式的分类规则方法。它采用自顶向下的递归方式，在决策树的内部节点进行属性值的比较并根据不同的属性值判断从该节点向下的分支，在决策树的叶节点得到结论。因此从根节点到叶节点的一条路径就对应着一条规则。整棵决策树就对应着一组表达式规则。

但是，目前训练决策树通常需将样本集随机拆分为训练集和测试集，而模型准确度受样本影响较大，如果训练集中的样本包含的信息少，则会造成模型较大的误差。

发明内容

有鉴于此，本申请提供了一种基于决策树的行为规则获取方法、装置及设备。主要目的在于解决目前训练得到的决策树的准确度受训练样本的影响较大，致使决策树获取的行为规则的误差较大的技术问题。

依据本申请的第一方面，提供了一种基于决策树的行为规则获取方法，所述方法的步骤包括：

将收集的每个测试人员的特征信息和对应的行为标记代码作为样本集；

将所述样本集拆分成训练集和测试集；

根据所述训练集生成初级决策树；

利用所述初级决策树对所述训练集的特征信息进行训练处理，将所述训练集中每个特征信息对应的训练结果与对应的行为标记代码进行比对，将不匹配的训练结果按照对应行为标记代码进行修改，完成对所述初级决策树的训练过程；

将不匹配的训练结果对应的特征信息筛选出来作为不吻合特征信息，利用所述测试集中的特征信息等量替换训练集中不吻合特征信息，利用替换后的训练集对所述初级决策树进行再次训练过程，并重复等量替换和训练过程，直至筛选出来的不吻合特征信息的数量为0，获取每次重复训练后得到的至少一个决策树模型；

从至少一个决策树模型中筛选出一个最终决策树模型；

提取所述最终决策树模型中的各个支路，得到与每个支路一一对应的行为规则。

依据本申请的第二方面，提供了一种基于决策树的行为规则获取装置，所述装置包括：

收集单元，用于将收集的每个测试人员的特征信息和对应的行为标记代码作为样本集；

拆分单元，用于将所述样本集拆分成训练集和测试集；

生成单元，用于根据所述训练集生成初级决策树；

训练单元，用于利用所述初级决策树对所述训练集的特征信息进行训练处理，将所述训练集中每个特征信息对应的训练结果与对应的行为标记代码进行比对，将不匹配的训练结果按照对应行为标记代码进行修改，完成对所述初级决策树的训练过程；