[发明专利]针对业务问题的数据处理方法及其装置

权利要求书

1.一种针对业务问题的数据处理方法，其特征在于，包括：

特征提取步骤，对于用户输入的业务问题提取关键词，并且获取该用户的用户画像，基于所述关键词和所述用户画像生成特征数据；

分类步骤，将所述特征数据输入到预先训练好的分类模型，利用所述分类模型得到所述业务问题对应的业务分类；以及

第一匹配步骤，基于所述业务分类将所述特征数据输入到与该业务分类相对应的匹配模型，利用匹配模型得到该业务问题对应的第一解答，其中，对应于不同的业务分类预先训练好对应的匹配模型。

2.如权利要求1所述的针对业务问题的数据处理方法，其特征在于，在所述匹配步骤之后进一步包括：

第一判断步骤，判断所述第一匹配步骤输出的第一解答的相似度是否高于预先设置的第一阈值，若高于所述第一阈值则将所述第一匹配步骤输出的第一解答作为最终结果并结束流程，否则进一步继续以下的第二匹配步骤；以及

第二匹配步骤，将所述特征数据输入预先训练好的兜底模型，利用所述兜底模型得到所述业务问题对应的第二解答。

3.如权利要求1所述的针对业务问题的数据处理方法，其特征在于，在所述第二匹配步骤之后进一步包括：

第二判断步骤，判断所述第二匹配步骤输出的第二解答的相似度是否高于预先设定的第二阈值，若高于所述第二阈值则将所述第二匹配步骤输出的第二解答作为最终结果并结束流程，否则进一步继续以下的转接步骤；以及

转接步骤，转接到人工处理以实现所述业务问题的解答。

4.如权利要求1所述的针对业务问题的数据处理方法，其特征在于，所述特征提取步骤包括：

分词子步骤，对于与业务问题相关的基础数据进行分词处理得到词向量；

权重获取子步骤，结合预先形成的自定义词库得到该词对应的权重；以及

拼接子步骤，基于所述词向量和所述权重拼接构成句向量并作为所述特征数据，

其中，所述自定义词库通过对多轮分词方法构成。

5.如权利要求1所述的针对业务问题的数据处理方法，其特征在于，

所述分类模型是基于支持向量机算法对于收集到已知的业务问题和用户画像进行训练而构建。

6.如权利要求5所述的针对业务问题的数据处理方法，其特征在于，所述分类模型通过以下步骤而构建：

收集子步骤，收集与业务问题和用户画像相关的基础数据；

特征提取子步骤，对于基础数据进行特征提取后得到待训练的特征数据；

标注子步骤，对于所述待训练的特征数据赋予业务标签，所述业务标签用于标注与所述待训练的特征数据对应的业务分类；以及

训练子步骤，采用支持向量机算法，对于所述待训练的特征数据以及所述业务标签进行训练并得到分类模型。

7.如权利要求5所述的针对业务问题的数据处理方法，其特征在于，

所述支持向量机算法为核密度估计函数，由下述公式表示：

其中，n为样本数，h为带宽，x_i为独立同分布的样本点。

8.如权利要求5所述的针对业务问题的数据处理方法，其特征在于，

所述支持向量机算法为核密度估计函数，由下述公式表示：

其中，x_i为独立同分布的样本点，σ是方差，μ是均值。

9.如权利要求5所述的针对业务问题的数据处理方法，其特征在于，所述收集子步骤包括：

通过多轮分词方法获取与业务问题相关的自定义词库；以及

根据用户的相关信息构建用户画像。

10.如权利要求9所述的针对业务问题的数据处理方法，其特征在于，

在所述特征提取子步骤中，对于基础数据进行分词处理得到词向量，结合所述自定义词库得到该词对应的权重，基于所述词向量和所述权重构成句向量并作为所述待训练的特征数据。