[发明专利]基于模型融合的意图识别方法、装置、电子设备及介质

说明书

本发明涉及智能决策技术，揭露了一种基于模型融合的意图识别方法，包括：将标准特征集分配至单边用户和多边用户，将分配后数据进行缺失值填充和异常值处理，得到标准单边数据和标准多边数据，分别根据标准单边数据和标准多边数据构建、测试得到标准单场景模型和标准多场景模型，分别对预设个数标准单场景模型和标准多场景模型进行模型融合，得到单场景融合模型和多场景融合模型，根据待识别数据的用户类别调用对应模型进行意图识别得到意图识别结果。此外，本发明还涉及区块链技术，所述时序特征集可存储于区块链的节点。本发明还提出一种基于模型融合的意图识别装置、电子设备以及计算机可读存储介质。本发明可以解决意图识别准确度较低的问题。

技术领域

本发明涉及智能决策技术领域，尤其涉及一种基于模型融合的意图识别方法、装置、电子设备及计算机可读存储介质。

背景技术

在信息技术快速发展的当下，数字化、科技化在金融领域使用更加广泛，其中面向终端零售的业务在数字科技化转型上体现得更加明显，消费者需要更加灵活便捷的服务。消费者的后续反馈和意向通常是我们需要关注的重点，因此需要基于消费者的行为数据进行意愿度识别，根据意愿度识别结果有助于发现更多消费者关心的潜在产品，对服务进行更好的改进。

现有的意图识别方法通常是利用单个模型进行单独识别，不考虑其他场景和维度，进行意图识别的准确度较低。

发明内容

本发明提供一种基于模型融合的意图识别方法、装置及计算机可读存储介质，其主要目的在于解决意图识别的准确度较低的问题。

为实现上述目的，本发明提供的一种基于模型融合的意图识别方法，包括：

获取用户的业务数据集，对所述业务数据集进行特征提取，得到业务特征集；

根据所述业务特征集对所述业务数据集中的业务数据进行时序计算，得到时序特征集，并将所述时序特征集和所述业务特征集进行汇总得到标准特征集；

对所述用户进行用户分类，得到单边用户和多边用户，将所述标准特征集分配至所述单边用户和所述多边用户中，得到所述单边用户对应的单边数据集和所述多边用户对应的多边数据集；

对所述单边数据集和所述多边数据集进行缺失值填充和异常值处理，得到标准单边数据集和标准多边数据集；

将所述标准单边数据集划分为训练数据集和测试数据集，基于所述训练数据集构建单场景模型，并利用所述测试数据集对所述单场景模型进行测试处理，根据得到的第一测试结果输出标准单场景模型；

根据所述标准多边数据集构建多场景模型并对所述多场景模型进行测试处理，根据得到的第二测试结果输出标准多场景模型；

对预设个数的所述标准单场景模型进行模型融合，得到单场景融合模型，对预设个数的所述标准多场景模型进行模型融合，得到多场景融合模型，所述单场景融合模型和所述多场景融合模型均包括融合公式；

获取待识别数据，识别所述待识别数据对应的用户类别，根据所述用户类别调用所述单场景融合模型或所述多场景融合模型对所述待识别数据进行意图识别处理，得到意图识别结果。

可选地，所述基于所述训练数据集构建单场景模型，包括：

利用所述标准特征集构建初始决策树，对所述初始决策树进行决策树添加处理，得到更新决策树；

将所述训练数据集输入至所述更新决策树中，得到预测值集合，根据所述预测值集合和预设的灶性损失函数计算所述更新决策树的损失值；

当所述损失值大于或者等于预设的损失阈值时，再次执行所述对所述初始决策树进行决策树添加处理的操作，直至所述损失值小于所述损失阈值时，输出当前的更新决策树为单场景模型。

可选地，所述利用所述标准特征集构建初始决策树，包括：