[发明专利]兴趣识别方法、装置、设备及存储介质

权利要求书

1.一种兴趣识别方法，其特征在于，包括：

获取语音通话数据，将所述语音通话数据转化为文本数据；

根据所述文本数据，构建异构图，并通过统计方法确定所述异构图中的高频词；

通过图神经网络的方式，对所述异构图进行分类处理，得到所述文本数据对应的至少一个分类；

通过隐含狄利克雷分布的方式，对每个分类中的文档进行主题分析处理，得到每个分类的主题以及每个主题中的关键词；

根据所述每个主题中的关键词和所述高频词，确定用户兴趣。

2.根据权利要求1所述的方法，其特征在于，所述根据所述文本数据，构建异构图，包括：

根据所述文本数据，确定文档节点和单词节点；

根据所述文档节点和单词节点，构建异构图。

3.根据权利要求2所述的方法，其特征在于，所述异构图包括特征矩阵和邻接矩阵；

相应地，所述根据所述文档节点和单词节点，构建异构图，包括：

通过所述文档节点和所述单词节点，构建特征矩阵；

通过所述特征矩阵中所有节点之间的关系，构建邻接矩阵。

4.根据权利要求3所述的方法，其特征在于，所述通过图神经网络的方式，对所述异构图进行分类处理，得到所述文本数据对应的至少一个分类，包括：

将所述特征矩阵和所述邻接矩阵输入至预设图变分自编码器模型，通过所述预设图变分自编码器模型的输出结果确定所述文本数据对应的至少一个分类。

5.根据权利要求4所述的方法，其特征在于，在所述将所述特征矩阵和所述邻接矩阵输入至预设图变分自编码器模型，通过所述预设图变分自编码器模型的输出结果确定所述文本数据对应的至少一个分类之前，还包括：

获取图变分自编码器模型训练样本，其中，所述图变分自编码器模型训练样本包括特征矩阵样本、邻接矩阵样本和重构邻接矩阵样本；

将所述图变分自编码器模型训练样本输入至图变分自编码器模型进行训练，得到预设图变分自编码器模型。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述通过隐含狄利克雷分布的方式，对每个分类中的文档进行主题分析处理，得到每个分类的主题以及每个主题中的关键词，包括：

对于每个分类中的文档，将所述文档输入至预设隐含狄利克雷分布模型；

通过所述隐含狄利克雷分布模型的输出结果，确定每个分类的主题以及每个主题中的关键词。

7.根据权利要求6所述的方法，其特征在于，在所述对于每个分类中的文档，将所述文档输入至预设隐含狄利克雷分布模型之前，还包括：

获取隐含狄利克雷分布模型训练样本，其中，所述隐含狄利克雷分布模型训练样本包括词条样本、主题样本和文档样本；

将所述隐含狄利克雷分布模型训练样本输入至隐含狄利克雷分布模型进行训练，得到预设隐含狄利克雷分布模型。

8.根据权利要求1至4任一项所述的方法，其特征在于，在所述将所述语音通话数据转化为文本数据之前，还包括：

对所述语音通话数据进行预处理，得到过滤后语音通话数据；

相应地，所述将所述语音通话数据转化为文本数据，包括：

将所述过滤后语音通话数据转化为文本数据。

9.一种兴趣识别装置，其特征在于，包括：

获取模块，用于获取语音通话数据，将所述语音通话数据转化为文本数据；

图构建模块，用于根据所述文本数据，构建异构图，并通过统计方法确定所述异构图中的高频词；

分类模块，用于通过图神经网络的方式，对所述异构图进行分类处理，得到所述文本数据对应的至少一个分类；

主题提取模块，用于通过隐含狄利克雷分布的方式，对每个分类中的文档进行主题分析处理，得到每个分类的主题以及每个主题中的关键词；

兴趣确定模块，用于根据所述每个主题中的关键词和所述高频词，确定用户兴趣。