[发明专利]句子级用户画像生成方法、装置及存储介质

权利要求书

1.一种句子级用户画像生成方法，其特征在于，包括：

接收会话语料，基于爬虫系统对所述会话语料进行处理获取目标语料，其中所述目标语料包括一个或多个文本；

对所述一个或多个文本进行分词处理，获得每个文本分词的词向量，基于所述每个文本分词的词向量生成该文本的句向量；

将所述句向量转换为矩阵得到句矩阵，将所述句矩阵与所述句矩阵的转置矩阵相乘得到交叉矩阵；

基于TextRank算法对所述交叉矩阵进行概率转移矩阵图分解，生成句子级用户画像；

所述基于爬虫系统对所述会话语料进行处理获取目标语料包括：

搜索引擎爬虫将对话语料和\或短文本发送给开放搜索引擎，基于所述对话语料和\或短文本进行查询得到搜索结果；

将所述搜索结果中的标题文本和\或摘要文本作为目标语料；

所述基于TextRank算法对所述交叉矩阵进行概率转移矩阵图分解，生成句子级用户画像包括：

所述交叉矩阵包括多个句子节点，其中每个句子节点的权重默认为1，节点间的边权重为语义相似度分数，阻尼系数为0.85，状态向量等于0.15 + 0.85*M，其中M为交叉矩阵；

对所述交叉矩阵经过若干个迭代后，得到一个稳定态向量；

将向量数组中最大的N个数值所对应的句子作为句子级用户画像，该数值在向量数组中的索引编号即对应矩阵的行和\或列所对应的句子。

2.根据权利要求1所述的句子级用户画像生成方法，其特征在于，

所述接收会话语料包括：

从人机会话系统中抽取出用户留存的对话语料和\或短文本。

3.根据权利要求2所述的句子级用户画像生成方法，其特征在于，

所述对所述一个或多个文本进行分词处理，获得每个文本分词的词向量包括：

基于开源分词工具将对文本进行分词处理，并转化为词向量表示；

基于所述每个文本分词的词向量生成该文本的句向量包括：

将一个句子中的词向量相加除以单词的数量得到一个加权平均向量，所述加权平均向量为句向量。

4.根据权利要求1所述的句子级用户画像生成方法，其特征在于，

将所述句向量转换为矩阵得到句矩阵，将所述句矩阵与所述句矩阵的转置矩阵相乘得到交叉矩阵包括：

计算句矩阵和其转置矩阵中句向量的点积，得到语义相似度的分数矩阵，所述分数矩阵为交叉矩阵。

5.一种句子级用户画像生成装置，其特征在于，包括：

获取模块，用于接收会话语料，基于爬虫系统对所述会话语料进行处理获取目标语料，其中所述目标语料包括一个或多个文本；

处理模块，用于对所述一个或多个文本进行分词处理，获得每个文本分词的词向量，基于所述每个文本分词的词向量生成该文本的句向量；

交叉模块，用于将所述句向量转换为矩阵得到句矩阵，将所述句矩阵与所述句矩阵的转置矩阵相乘得到交叉矩阵；

生成模块，用于基于TextRank算法对所述交叉矩阵进行概率转移矩阵图分解，生成句子级用户画像；

所述获取模块包括搜索单元：

所述搜索单元用于搜索引擎爬虫将对话语料和\或短文本发送给开放搜索引擎，基于所述对话语料和\或短文本进行查询得到搜索结果；

将所述搜索结果中的标题文本和\或摘要文本作为目标语料；

所述生成模块还用于执行以下步骤：

所述交叉矩阵包括多个句子节点，其中每个句子节点的权重默认为1，节点间的边权重为语义相似度分数，阻尼系数为0.85，状态向量等于0.15 + 0.85*M，其中M为交叉矩阵；

对所述交叉矩阵经过若干个迭代后，得到一个稳定态向量；

将向量数组中最大的N个数值所对应的句子作为句子级用户画像，该数值在向量数组中的索引编号即对应矩阵的行和\或列所对应的句子。

6.根据权利要求5所述的句子级用户画像生成装置，其特征在于，

所述获取模块包括抽取单元：

所述抽取单元用于从人机会话系统中抽取出用户留存的对话语料和\或短文本。