[发明专利]基于大数据的场景提取方法、装置、设备和存储介质

权利要求书

1.一种基于大数据的场景提取方法，其特征在于，包括：

在预先建立的语料库中提取用户的日志文本，所述日志文本包括用户在车辆内至少一个操作场景中的操作信息；

对所述日志文本内的语句进行分词处理，并将每一个词通过预先建立的词向量模型转化成词向量，其中，所述词向量与用户的操作信息为一一对应的关系；

根据所述词向量和预先训练得到的BiLSTM+CRF模型，得到每个词向量的类别标签，所述BiLSTM+CRF模型用于表征词向量与类别标签的对应关系；

根据每个词向量对应的类别标签，对所述日志文本中的操作信息进行划分，得到场景操作序列，以根据所述场景操作序列确定用户的操作场景。

2.根据权利要求1所述的方法，其特征在于，所述类别标签包括操作场景的起始操作标签、中间操作标签、结束操作标签和系统操作标签；

所述根据每个词向量对应的类别标签，对所述日志文本中的操作信息进行划分，得到场景操作序列，包括：

选取任意一个起始操作标签对应的第一词向量；

获取所述中间操作标签对应的词向量中与所述第一词向量相关联的第二词向量，所述第二词向量的数量为0个或多个；

获取所述结束操作标签对应的词向量中与所述第一词向量或所述第二词向量相关联的第三词向量；

将所述第一词向量、所述第二词向量和所述第三词向量在所述日志文本中分别对应的操作信息确定为一个场景操作序列。

3.根据权利要求1所述的方法，其特征在于，所述在预先建立的语料库中提取用户的日志文本之前，所述方法还包括：

将用户在驾驶时的所有操作信息转换成自然语言语句；

根据所述自然语言语句生成日志文本，并将所述日志文本存储到语料库中。

4.根据权利要求1所述的方法，其特征在于，所述根据所述词向量和预先训练得到的BiLSTM+CRF模型，得到每个词向量的类别标签之前，所述方法还包括：

确定训练样本，所述训练样本包括用户的历史操作信息对应的词向量以及每个词向量对应的类别标签；

将所述训练样本输入BiLSTM+CRF进行训练，得到BiLSTM+CRF模型。

5.根据权利要求4所述的方法，其特征在于，所述语料库中存储有所有用户的用户标识以及每个用户的历史操作信息；

所述确定训练样本，包括：

根据用户标识，确定每个用户的历史行为序列，所述历史行为序列包括至少一条历史操作信息；

根据所述历史行为序列，为所述用户在对应操作场景中的历史操作信息标注类别标签；

将所述用户的历史操作信息转换成自然语言语句；

对所述自然语言语句进行分词，并将每一个词通过词向量模型转换成词向量，以得到与所述类别标签相对应的词向量。

6.根据权利要求5所述的方法，其特征在于，所述类别标签包括起始操作标签、中间操作标签、结束操作标签和系统操作标签；

所述根据所述历史行为序列，为所述用户在对应操作场景中的历史操作信息标注类别标签，包括：

根据所述历史行为序列，确定用户在对应操作场景中的起始操作、中间操作、结束操作和系统操作；

将起始操作对应的操作信息标注起始操作标签、中间操作对应的操作信息标注中间操作标签、结束操作和异常操作对应的操作信息标注结束操作标签以及系统操作对应的操作信息标注系统操作标签。

7.根据权利要求5所述的方法，其特征在于，所述将所述训练样本输入BiLSTM+CRF进行训练，包括：

将用户的历史行为序列中每条操作信息对应的词向量和每个词向量对应标注的类别标签作为输入量输入BiLSTM+CRF，得到BiLSTM+CRF输出的每个词向量对应的类别标签。