[发明专利]一种基于人工智能来实现业务分析的方法

权利要求书

1.一种基于人工智能来实现业务分析的方法，其特征在于，所述方法包括步骤：

(1)对原始通话录音转写文本进行降噪处理；

(2)将转写文本转成布尔向量，再通过杰卡德相似距离度量文本间的相似度，最后根据DBSCAN算法将紧密项相连的文本划为一类，从而得到了一个聚类的类别；

(3)通过人工抽样方法，提取类别下的文本进行识别，对类别进行业务判定，从而完成训练语料的制作工序；

(4)对训练语料进行词频计算，根据TF-IDF公式计算词的权重，从而进行文本特征提取；然后对文本特征进行归一化处理，抽象成一个向量化的样本集，最后保存成模型文件，提交给分类器继续训练；

(5)最后分类器对测试文本进行分析预测，找出概率最高的业务类别。

2.根据权利要求1所述的方法，其特征在于，所述降噪处理包括步骤：

(1)XML标记消除，通过正则表达式<[^>]+>去除ASR语音转写引擎转写后保留的<xml>标记；

(2)停用词处理，先将文本进行分词处理，然后将单词与停用词表的词进行匹配，过滤掉停用词。

3.根据权利要求1所述的方法，其特征在于，所述文本聚类包括步骤：

(1)将文本转化成n维布尔向量，即所有维度的取值为0或1，比如某文本A的布尔向量是(0,1,0,1,0,……1)，某文本B的布尔向量是(0,0,1,0,0,……0).向量的每个维度对应了一个词，1表示集合中包含该词，即向量中1对应位置的词出现在文本中，0表示集合不包含该元素。

(2)对所有文本向量集任意两两计算杰卡德系数，并保存于杰卡德系数矩阵中，用于计算杰卡德距离。再根据基于密度的DBSCAN算法，寻找密度相连的最大文本集合，从而得到一个聚类的集合。

4.根据权利要求1所述的方法，其特征在于，所述模型生成包括步骤：

(1)将训练语料读入内存，对每个文档进行分词处理；

(2)计算每个单词的在文档中的词频，以及单词出现的文档数，根据TF-IDF公式计算每个单词的权值；

(3)权重对词进行倒排序，按文档的单词数比例从文档选取一定数量。最后对这些特征词进行归一化处理，并保存到模型文件中。

5.根据权利要求1所述的方法，其特征在于，所述分类器是指基于朴素贝叶斯实现的文本分类器。