[发明专利]一种用户类别判定方法、装置、存储介质及服务器

权利要求书

1.一种用户类别判定方法，其特征在于，包括：

获取待判定类别的用户在客户端中产生的目标文本信息、目标语音信息以及目标用户特征信息；

对目标文本信息进行特征提取，得到目标文本信息对应的文本特征向量；

对目标语音信息进行特征提取，得到目标语音信息对应的语音特征向量；

对所述目标用户特征信息进行编码，得到目标用户特征信息对应的用户特征向量；

对所述文本特征向量、所述语音特征向量以及所述用户特征向量进行线性映射，得到目标文本特征向量、目标语音特征向量以及目标用户特征向量，所述目标文本特征向量、所述目标语音特征向量以及所述目标记录表特征处于同一向量空间；

获取目标文本特征向量、目标语音特征向量以及目标用户特征向量对应的自注意力权重，所述自注意力权重通过自注意力机制学习样本文本特征向量、样本语音特征向量以及样本用户特征向量的关联关系得到；

根据目标文本特征向量、目标语音特征向量以及目标用户特征向量对应的自注意力权重，对所述目标文本特征向量、目标语音特征向量以及目标用户特征向量进行加权，得到融合向量；

基于所述融合向量判定所述用户的用户类别。

2.根据权利要求1所述的用户类别判定方法，其特征在于，所述基于所述融合向量判定所述用户的用户类别的步骤，包括：

基于所述融合向量及预设的类别判定模型，确定所述用户的用户类别；

在所述获取待判定类别的用户在客户端中产生的目标文本信息、目标语音信息以及目标用户特征信息的步骤之前，还包括：

获取用于训练的多个样本融合向量及每一样本融合向量对应的类别标记，所述样本融合向量为基于客户端的历史用户的文本信息、语音信息，用户特征信息进行特征提取以及融合处理得到的向量，所述类别标记用于指示用户的实际用户类型；利用所述多个样本融合向量及每一样本融合向量对应的类别标记对第一预设模型进行训练，得到训练好的第一模型，将所述第一模型确定为预设的类别判定模型。

3.根据权利要求1所述的用户类别判定方法，其特征在于，所述对目标文本信息进行特征提取，得到目标文本信息对应的文本特征向量的步骤，包括：

采用预设的文本模型对目标文本信息进行特征提取，得到目标文本信息对应的文本特征向量；

在所述获取待判定类别的用户在客户端中产生的目标文本信息、目标语音信息以及目标用户特征信息的步骤之前，还包括：

获取用于训练的多条样本文本信息及每一样本文本信息对应的类别标记，所述样本文本信息为基于客户端的历史用户的文本信息，所述类别标记用于指示用户的实际用户类型；利用所述多条样本文本信息及每一样本文本信息对应的类别标记对第二预设模型进行训练，得到训练好的第二模型，将所述第二模型确定为预设的文本模型。

4.根据权利要求3所述的用户类别判定方法，其特征在于，获取每一样本文本信息对应的类别标记的步骤，包括：

从每一样本文本信息中确定出关键词；

获取每一类别标记对应的关键词集合；

匹配每一样本文本信息对应的关键词与每一类别标记对应的关键词集合，确定匹配成功的关键词的类别标记，得到每一样本文本信息对应的类别标记。

5.根据权利要求1所述的用户类别判定方法，其特征在于，所述对目标语音信息进行特征提取，得到目标语音信息对应的语音特征向量的步骤，包括：

采用预设的语音模型对目标语音信息进行特征提取，得到目标语音信息对应的语音特征向量；

在所述获取待判定类别的用户在客户端中产生的目标文本信息、目标语音信息以及目标用户特征信息的步骤之前，还包括：

获取用于训练的多条样本语音信息及每一样本语音信息对应的类别标记，所述样本语音信息为基于客户端的历史用户的语音信息，所述类别标记用于指示用户的实际用户类型；利用所述多条样本语音信息及每一样本语音信息对应的类别标记对第三预设模型进行训练，得到训练好的第三模型，将所述第三模型确定为预设的语音模型。

6.根据权利要求1至5任一项所述的用户类别判定方法，其特征在于，所述用户特征信息包括：类别认证历史修改表信息、年龄表信息以及退款操作表信息。