[发明专利]一种基于大数据的涉外销售话术决策方法及系统

权利要求书

1.一种基于大数据的涉外销售话术决策方法，其特征在于，包括：

获取客户需求的文本描述；

对所述客户需求的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到多个需求表达词特征向量；

将所述多个需求表达词特征向量进行二维排列以得到需求表达词全局特征矩阵；

将所述需求表达词全局特征矩阵通过使用具有第一尺度的二维卷积核的第一文本卷积神经网络模型以得到第一尺度需求理解特征向量；

将所述需求表达词全局特征矩阵通过使用具有第二尺度的二维卷积核的第二文本卷积神经网络模型以得到第二尺度需求理解特征向量；

融合所述第一尺度需求理解特征向量和所述第二尺度需求理解特征向量以得到分类特征向量；以及

将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示话术决策建议标签。

2.根据权利要求1所述的基于大数据的涉外销售话术决策方法，其特征在于，所述对所述客户需求的文本描述进行分词处理后通过包含词嵌入层的上下文编码器以得到多个需求表达词特征向量，包括：

对所述客户需求的文本描述进行分词处理以获得多个需求表达词；

将所述多个需求表达词通过嵌入层以将所述多个需求表达词各个需求表达词转化为需求表达词嵌入向量以得到需求表达词嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个需求表达词进行嵌入编码；

将所述需求表达词嵌入向量的序列通过可学习嵌入矩阵分别转化为查询向量和关键向量；

计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；

对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；

将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及

将所述自注意力特征矩阵与以所述需求表达词嵌入向量的序列中各个需求表达词嵌入向量作为值向量分别进行相乘以得到所述多个需求表达词特征向量。

3.根据权利要求2所述的基于大数据的涉外销售话术决策方法，其特征在于，所述将所述需求表达词全局特征矩阵通过使用具有第一尺度的二维卷积核的第一文本卷积神经网络模型以得到第一尺度需求理解特征向量，包括：

使用所述第一文本卷积神经网络模型的各层在层的正向传递中分别进行：

对输入数据进行基于所述具有第一尺度的二维卷积核的卷积处理以得到卷积特征图；

对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及

对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述第一文本卷积神经网络模型的最后一层的输出为所述第一尺度需求理解特征向量，所述第一文本卷积神经网络模型的第一层的输入为所述需求表达词全局特征矩阵。

4.根据权利要求3所述的基于大数据的涉外销售话术决策方法，其特征在于，所述将所述需求表达词全局特征矩阵通过使用具有第二尺度的二维卷积核的第二文本卷积神经网络模型以得到第二尺度需求理解特征向量，包括：

使用所述第二文本卷积神经网络模型的各层在层的正向传递中分别进行：

对输入数据进行基于所述具有第二尺度的二维卷积核的卷积处理以得到卷积特征图；

对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及

对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述第二文本卷积神经网络模型的最后一层的输出为所述第二尺度需求理解特征向量，所述第二文本卷积神经网络模型的第一层的输入为所述需求表达词全局特征矩阵。