[发明专利]基于语义的人格预测方法、用户设备、存储介质及装置

权利要求书

1.一种基于语义的人格预测方法，其特征在于，所述基于语义的人格预测方法包括以下步骤：

对待预测文本集中的待预测文本进行分词处理，以获得所述待预测文本中的各待操作文本特征词；

计算与所述待操作文本特征词对应的语义权重；

对由所述语义权重构成的文本向量进行聚类，以获得语义聚类向量；

对所述待预测文本进行分布式表示处理，以获得词向量；

基于预设卷积神经网络对所述词向量进行训练，以获得神经预测向量；

对所述语义聚类向量与所述神经预测向量进行拼接，以获得待输入向量；

根据所述待输入向量通过预设分类器进行用户人格的预测，以获得人格预测结果；

所述对由所述语义权重构成的文本向量进行聚类，以获得语义聚类向量，包括：

根据所述语义权重构建特征词矩阵；

对所述特征词矩阵进行奇异值分解，以获得语义矩阵；

对所述语义矩阵中的文本向量进行聚类，以获得语义聚类向量。

2.如权利要求1所述的基于语义的人格预测方法，其特征在于，所述计算与所述待操作文本特征词对应的语义权重，包括：

统计预设共现特征词在所述待预测文本集中的出现次数，所述预设共现特征词为在一个所述待预测文本中出现的两个待操作文本特征词；

根据所述出现次数确定与所述预设共现特征词对应的语义权重。

3.如权利要求1至2中任一项所述的基于语义的人格预测方法，其特征在于，所述基于预设卷积神经网络对所述词向量进行训练，以获得神经预测向量，包括：

基于预设卷积神经网络对所述词向量进行卷积和池化，以获得特征向量；

将预设词频向量与所述特征向量进行拼接，以获得拼接向量；

对所述拼接向量进行训练，以获得预测概率值，并将所述预测概率值组成神经预测向量；

所述预设词频向量为语言查询和字数向量。

4.如权利要求1至2中任一项所述的基于语义的人格预测方法，其特征在于，所述根据所述待输入向量通过预设分类器进行用户人格的预测，以获得人格预测结果，包括：

根据所述待输入向量通过预设分类器进行用户人格的预测，以获得与所述用户人格对应的人格概率；

在所述人格概率大于等于预设概率阈值时，将大于所述预设概率阈值的人格概率对应的用户人格作为人格预测结果。

5.如权利要求1至2中任一项所述的基于语义的人格预测方法，其特征在于，所述根据所述待输入向量通过预设分类器进行用户人格的预测，以获得人格预测结果之前，所述基于语义的人格预测方法还包括以下步骤：

获取待训练向量；

基于Adaboost算法确定与所述待训练向量对应的初始权值；

基于所述初始权值对所述待训练向量进行训练，以获得多个不同的第一弱分类器；

确定与各所述第一弱分类器对应的第一错误率；

在所述第一错误率小于等于预设错误率阈值时，将第一错误率小于等于预设错误率阈值的第一弱分类器进行组合，以组合得到强分类器，并将所述强分类器认定为预设分类器。

6.如权利要求5所述的基于语义的人格预测方法，其特征在于，所述确定与各所述第一弱分类器对应的第一错误率之后，所述基于语义的人格预测方法还包括以下步骤：

在所述第一错误率大于所述预设错误率阈值时，对所述初始权值进行调整，以获得第二权值；

基于所述第二权值对所述待训练向量进行训练，以获得第二弱分类器；

确定与所述第二弱分类器对应的第二错误率；

在所述第二错误率小于等于所述预设错误率阈值时，将获得的弱分类器进行组合，以组合得到强分类器，并将所述强分类器认定为预设分类器。

7.一种用户设备，其特征在于，所述用户设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行基于语义的人格预测程序，所述基于语义的人格预测程序被所述处理器执行时实现如权利要求1至6中任一项所述的基于语义的人格预测方法的步骤。