[发明专利]基于用户需求预测产品设计参数的方法、装置及设备

权利要求书

1.一种基于用户需求预测产品设计参数的方法，其特征在于，包括：

在用户需求数据中，提取第一用户需求要素；

将所述第一用户需求要素输入至预测模型，预测所述第一用户需求要素所对应的产品设计参数。

2.根据权利要求1所述的方法，其特征在于，在用户需求数据中，提取第一用户需求要素，包括：

对所述用户需求数据进行预处理；

对预处理后的用户需求数据进行数据标注；

利用BERT模型，在数据标注后的用户需求数据中抽取所述第一用户需求要素。

3.根据权利要求2所述的方法，其特征在于，对所述用户需求数据进行预处理，包括：

删除无效的用户需求数据；

对未被删除的用户需求数据进行分词处理。

4.根据权利要求2所述的方法，其特征在于，BERT模型的训练过程包括：

获取第一训练数据集；

将所述第一训练数据集输入至预训练的BERT模型，对预训练的BERT模型进行迭代训练，获得所述BERT模型。

5.根据权利要求1所述的方法，其特征在于，所述预测模型的训练过程包括：

获取第二用户需求要素和产品参数训练数据集；

对所述第二用户需求要素进行分析，获得用户需求数据集；

基于随机森林算法，在所述产品设计参数训练数据集中，提取与所述用户需求数据集相关的预设数量的特征参数，并计算各个所述特征参数的第一权重；

根据所述特征参数和所述第一权重，利用逻辑回归算法对与训练的预测模型进行训练，获得所述预测模型。

6.根据权利要求5所述的方法，其特征在于，获取第二用户需求要素，包括：

获取用户需求训练数据集；

对所述用户需求训练数据集进行预处理；

对预处理后的所述用户需求训练数据集进行数据标注；

将数据标注后的用户需求训练数据集输入至训练好的BERT模型，抽取所述第二用户需求要素。

7.根据权利要求5所述的方法，其特征在于，对所述第二用户需求要素进行分析，获得用户需求数据集，包括：

利用词频逆向文件频率TF-IDF算法计算表征所述用户需求要素的重要性的TF-IDF；

利用隐含狄利克雷分布LDA算法生成所述用户需求要素对应的文本主题；

对所述文本主题进行层级划分；

根据所述层级划分后的文本主题和所述TF-IDF，获取所述用户需求数据集。

8.根据权利要求5所述的方法，其特征在于，所述方法还包括：

根据所述用户需求数据集，构建用户需求图谱；

显示所述用户需求图谱。

9.根据权利要求5所述的方法，其特征在于，基于随机森林算法，在所述产品设计参数训练数据集中，提取与所述用户需求数据集相关的预设数量的特征参数，并计算各个所述特征参数的第一权重，包括：

基于随机森林算法，计算所述产品设计参数训练集中各产品设计参数的第二权重；

按照预设比例，删除所述产品设计参数中，第二权重较小的产品设计参数；

循环执行基于所述随机森林函数，计算未被删除的产品设计参数的第三权重，并按照所述预设比例，删除所述第三权重较小的产品设计参数；

在未被删除的产品设计参数的数量达到所述预设数量的情况下，确定未被删除的产品设计参数为所述特征参数，且所述未被删除的产品设计参数的权重为所述第一权重。

10.一种基于用户需求预测产品设计参数的装置，其特征在于，包括：

提取模块，用于在用户需求数据中，提取第一用户需求要素；

预测模块，用于将所述第一用户需求要素输入至预测模型，预测所述第一用户需求要素所对应的产品设计参数。