[发明专利]一种基于有监督学习算法优化筛选线索的方法在审
申请号: | 202110612678.5 | 申请日: | 2021-06-02 |
公开(公告)号: | CN113361585A | 公开(公告)日: | 2021-09-07 |
发明(设计)人: | 谭伟 | 申请(专利权)人: | 浪潮软件科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46;G06Q50/18 |
代理公司: | 济南信达专利事务所有限公司 37100 | 代理人: | 孙晶伟 |
地址: | 250100 山东省济*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 监督 学习 算法 优化 筛选 线索 方法 | ||
1.一种基于有监督学习算法优化筛选线索的方法,其特征是通过对线索数据进行标签化处理,提取主要特征构建并划分线索的训练集及测试集,其中对线索数据根据线索的实体要素、线索的来源、线索内容及产生线索的业务场景进行线索数据的有价值或无价值的标签分类,对有价值的线索数据提取相关特征,并根据相关特征类型处理线索数据构建并划分线索的训练集及测试集,
利用训练集和测试集对有监督学习算法构建的筛选模型进行训练及测试,
通过训练及测试,筛选模型应用于筛选线索。
2.根据权利要求1所述的一种基于有监督学习算法优化筛选线索的方法,其特征是根据线索数据在线索的实体要素、线索的来源、线索内容及产生线索的业务场景中的价值判断以及线索的实体要素、线索的来源、线索内容及产生线索的业务场景对于线索价值判断的权重,标注线索数据为有价值或无价值。
3.根据权利要求1或2所述的一种基于有监督学习算法优化筛选线索的方法,其特征是针对标注为有价值的线索数据,提取相关特征,相关特征包括基础特征以及关联特征,基础特征包括线索的基本信息,关联特征包括词条线索涉及的信息。
4.根据权利要求3所述的一种基于有监督学习算法优化筛选线索的方法,其特征是根据基础特征以及关联特征的类型,对线索数据进行处理。
5.根据权利要求1所述的一种基于有监督学习算法优化筛选线索的方法,其特征是利用留出法、交叉验证法或自助法划分线索的训练集及测试集。
6.根据权利要求1或4所述的一种基于有监督学习算法优化筛选线索的方法,其特征是利用朴素贝叶斯分类算法构建筛选模型进行线索有效性分类的线索描述,用于筛选线索。
7.一种基于有监督学习算法优化筛选线索的系统,其特征是包括分类模块、提取划分模块、训练测试模块及筛选模块,
分类模块对线索数据进行标签化处理,提取划分模块提取主要特征构建并划分线索的训练集及测试集,其中分类模块对线索数据根据线索的实体要素、线索的来源、线索内容及产生线索的业务场景进行线索数据的有价值或无价值的标签分类,提取划分模块对有价值的线索数据提取相关特征,并根据相关特征类型处理线索数据构建并划分线索的训练集及测试集,
训练测试模块利用训练集和测试集对有监督学习算法构建的筛选模型进行训练及测试,
通过训练及测试,筛选模块利用筛选模型筛选线索。
8.一种基于有监督学习算法优化筛选线索的装置,其特征是包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行权利要求1至6中任一项所述的一种基于有监督学习算法优化筛选线索的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浪潮软件科技有限公司,未经浪潮软件科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110612678.5/1.html,转载请声明来源钻瓜专利网。