[发明专利]基于用户行为的人工智能体的设计方法及系统

说明书

基于用户行为的人工智能体设计的方法，包括：步骤S1，为指定人工智能体配置用户静态属性；S2，配置操作流程，模拟用户的正常行为；S3，在指定智能体运行过程中，保存智能体的行为数据；S4，收集平台的热点评论，根据指定参数，向指定平台发送评论内容；S5，根据记录数据，分析推荐算法对用户行为的影响。本发明还包括一种基于用户行为的人工智能体的系统，包括：属性配置模块，流程订制模块，数据保存模块，语料生成模块和行为分析模块。本发明可以模拟正常用户在各大社交平台的行为，并实现全自动化操作，通过实验数据，可以分析推荐算法对用户的影响，从而得到避免推荐算法对人的负面影响的途径。

技术领域

本发明涉及数据挖掘、机器学习技术领域，特别涉及一种基于用户行为的人工智能体的设计方法和系统。

背景技术

随着大数据、云计算和深度学习技术的发展，舆情传播又进入了万物皆媒、人机共生、算法当道的3.0智能时代。智能时代的信息传播和意见交互过程相当程度上已由媒体平台的推荐算法所控制。然而，现代人工智能技术通常是一个黑箱模型，同时，算法本身每时每刻都在通过与亿万用户的交互不断演化，从而使之与用户和媒体环境一起构成一个前所未有的人机耦合复杂系统。因此，对推荐算法的影响依然缺乏有效的评估方法。

专利CN201910585586.5提出了一种基于用户属性的社会工程学机器人模拟方法和装备，但该方法面向的对象单一且机器人灵活度较低。

发明内容

本发明要克服现有技术的上述缺点，拓展应用面，提供了一种基于用户行为的人工智能体的设计方法和系统，有效提高数据安全性，提供对推荐算法的影响的评价方法。

本发明结合人在各社交平台的操作行为，概率统计学和自然语言处理等方法，模拟人的行为，来衡量推荐算法的影响。

本发明实现上述发明目的所采用的技术方案如下：

本发明的一种基于用户行为的人工智能体的设计方法，包括以下步骤：

S1：为指定人工智能体配置用户静态属性，形成智能体的身份特征；

S2：为人工智能体配置操作流程，模拟用户的正常行为；

S3：在指定智能体运行过程中，保存智能体的行为数据；

S4：收集平台的热门预料，根据指定参数，向指定平台发送评论内容；

S5:根据人工智能体的记录数据，分析推荐算法对用户行为的影响；

优选的，所述步骤S1中：设置人工智能体的静态属性，刻画用户的画像，至少包括以下之一：姓名，性别，年龄，学历，地理位置，兴趣爱好和个人描述等，形成智能体的身份特征。

优选的，所述步骤S2中：设置人工智能体的行为参数，包括每日活跃时段，每日动作次数，每周活跃天数等，定制智能体的操作模式，包含调度模块，活动选择模块，阅读模块，推荐浏览模块，集合浏览模块，检索浏览模块，关注浏览模块，关注模块，观察模块，攻击模块等；根据不同模块的组合，定制不同行为的智能体。

优选的，所述步骤S3中：记录智能体的行为数据，包括动作类型，信息数据，评论内容；其中动作类型包括至少以下之一：休眠，开启，自动关注/取消关注，信息阅读，评论，点赞，收藏，转发；信息数据包括至少以下之一：信息标题，文本内容，文本长度，文本类型，发布时间，发布作者，所属平台，浏览量，评论量，转发量，点赞量，收藏量，分享量；评论内容包括至少以下之一：评论时间，评论内容，评论态度，所属文本，评论用户。

优选的，所述步骤S4中：

S4.1：在指定的平台下，抓取关注话题下的热门用户和热门评论的内容；

S4.2：将收集到的文本内容做成词典，进行权重统计和排序，生成语料库；