资源转移提醒方式的确定方法、装置和计算机设备制造方法及图纸

本申请涉及一种资源转移提醒方式的确定方法、装置和存储介质。上述方法包括：确定目标对象在回答预设的提醒问题时的对话数据；通过预先训练好的目标画像模型，确定目标对象的用户数据；将对话数据和用户数据进行数据融合，得到多模态数据，并对多模态数据进行数据编码，得到隐空间数据；分别对对话数据和隐空间数据进行情感评估，得到各自对应的评估分数，并根据每个评估分数，确定目标对象的资源转移提醒方式。采用本方法能够提高资源转移提醒方式的确定的准确性。式的确定的准确性。式的确定的准确性。

【技术实现步骤摘要】
资源转移提醒方式的确定方法、装置和计算机设备


[0001]本申请涉及信息处理
，特别是涉及一种资源转移提醒方式的确定方法、装置和计算机设备。

技术介绍

[0002]资源转移平台可提供资源转移的功能，资源转移平台通常需要阶段性的跟进目标对象对资源转移的执行情况。目前，主要通过情感识别模型来对目标对象的对话数据进行分析，以此确定提醒目标对象对进行资源转移的提醒方式。
[0003]然而，基于数据量有限的对话数据确定的资源转移提醒方式的准确性有限。因此，如何准确地得到资源转移提醒方式是本申请要解决的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高准确性的资源转移提醒方式的确定方法、装置、计算机设备、存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种资源转移提醒方式的确定方法。包括：
[0006]确定目标对象在回答预设的提醒问题时的对话数据；
[0007]通过预先训练好的目标画像模型，确定所述目标对象的用户数据；所述目标画像模型是综合历史用户数据和历史对话数据训练得到；
[0008]将所述对话数据和所述用户数据进行数据融合，得到多模态数据，并对所述多模态数据进行数据编码，得到隐空间数据；
[0009]分别对所述对话数据和所述隐空间数据进行情感评估，得到各自对应的评估分数，并根据每个所述评估分数，确定所述目标对象的资源转移提醒方式。
[0010]在其中一个实施例中，对话数据包括语音数据和文本数据；确定目标对象在回答预设的提醒问题时的对话数据，包括：当所述目标对象回答预设的提醒问题时，获取初始的语音数据和初始的文本数据；对所述初始的语音数据进行文本转换，得到候选的文本数据，并将初始的文本数据和候选的文本数据进行数据拼接，得到文本数据；将初始的语音数据进行频谱转换，得到语音数据。
[0011]在其中一个实施例中，所述目标画像模型包括编码器和解码器；所述通过预先训练好的目标画像模型，确定所述目标对象的用户数据，包括：获取所述目标对象的第一历史模态数据；所述第一历史模态数据通过所述目标对象对应的历史用户数据和历史对话数据确定得到；通过所述编码器，对所述第一历史模态数据进行数据编码，得到历史隐空间数据；所述历史隐空间数据表征目标对象在历史时刻的用户画像；通过所述解码器，对所述历史隐空间数据进行数据解码，得到第二历史模态数据；根据所述历史对话数据，对所述第二历史模态数据进行数据删除，得到所述目标对象的用户数据。
[0012]在其中一个实施例中，目标画像模型包括编码器、解码器和生成器；在所述通过预先训练好的目标画像模型，确定所述目标对象的用户数据之前，所述方法还包括：获取历史
用户数据和历史对话数据，并将所述历史用户数据和所述历史对话数据进行数据融合，得到第一历史模态数据；通过所述第一历史模态数据、所述编码器和所述解码器，对目标画像模型进行第一训练，直到训练停止条件时停止，得到训练好的初始画像模型；在所述第一历史模态数据中增加第一扰动数据，得到扰动模态数据；通过所述扰动模态数据、所述初始画像模型中的编码器、解码器和生成器，对所述初始画像模型进行第二训练，得到训练好的目标画像模型；其中，所述训练好的目标画像模型中的编码器，用于对所述多模态数据进行数据编码，得到隐空间数据。
[0013]在其中一个实施例中，通过所述扰动模态数据、所述初始画像模型中的编码器、解码器和生成器，对初始画像模型进行第二训练，得到训练好的目标画像模型，包括：通过所述初始画像模型中的编码器，对所述扰动模态数据进行数据编码，得到扰动隐空间数据；通过所述初始画像模型中的生成器，生成与所述第一扰动数据相对应的第二扰动数据；通过所述初始画像模型中的解码器，对所述扰动隐空间数据和所述第二扰动数据进行数据解码，得到第二历史模态数据；根据所述扰动模态数据和所述第二历史模态数据之间的差异，对所述初始画像模型进行训练，直到训练停止条件时停止，得到训练好的目标画像模型。
[0014]在其中一个实施例中，将对话数据和用户数据进行数据融合，得到多模态数据，包括：对所述用户数据进行脱敏处理，得到脱敏后的用户数据；对所述脱敏后的用户数据和所述对话数据分别进行预处理，得到预处理用户数据和预处理对话数据；确定所述预处理用户数据和所述预处理对话数据各自对应的权重；根据多个所述权重，对所述预处理用户数据和所述预处理对话数据进行数据融合，得到所述目标对象对应的多模态数据。
[0015]在其中一个实施例中，所述资源转移提醒方式的确定方法由目标评估模型执行；所述目标评估模型的训练步骤，包括：获取样本用户数据和样本对话数据；所述样本对话数据包括标注数据和非标注数据；获取所述标注数据对应的对话数据标签，并将所述样本用户数据和所述标注数据进行数据融合，得到样本模态数据；对所述样本模态数据进行数据编码，得到样本隐空间数据，并根据所述样本隐空间数据和所述标注数据，确定初始样本评估分数；根据所述初始样本评估分数和所述对话数据标签之间的差异，对目标评估模型进行第三训练，得到训练好的初始评估模型；根据所述样本用户数据和所述非标注数据，确定出候选样本评估分数；根据候选样本评估分数，对训练好的初始评估模型进行第四训练，直到达到训练停止条件时停止，得到训练好的目标评估模型。
[0016]在其中一个实施例中，所述目标评估模型包括第一评估模型和第二评估模型；所述初始样本评估分数包括第一样本评估分数和第二样本评估分数；所述根据所述初始样本评估分数和所述对话数据标签之间的差异，对目标评估模型进行第三训练，得到训练好的初始评估模型，包括：确定所述第一评估模型和所述第二评估模型各自对应的比例参数；根据所述第一样本评估分数与所述对话数据标签之间的差异，确定所述第一评估模型对应的第一损失函数；根据所述第二样本评估分数与所述对话数据标签之间的差异，确定所述第二评估模型对应的第二损失函数；根据多个所述比例参数，将所述第一损失函数和所述第二损失函数进行联合，得到联合损失函数；通过所述联合损失函数，并基于反向传播算法对目标评估模型中的模型参数进行更新，直到达到训练停止条件时停止，得到训练好的初始评估模型。
[0017]第二方面，本申请还提供了一种资源转移提醒方式的确定装置。包括：
[0018]数据确定模块，用于确定目标对象在回答预设的提醒问题时的对话数据；通过预先训练好的目标画像模型，确定所述目标对象的用户数据；所述目标画像模型是综合历史用户数据和历史对话数据训练得到；
[0019]数据处理模块，用于将所述对话数据和所述用户数据进行数据融合，得到多模态数据，并对所述多模态数据进行数据编码，得到隐空间数据；
[0020]情感评估模块，用于分别对所述对话数据和所述隐空间数据进行情感评估，得到各自对应的评估分数，并根据每个所述评估分数，确定所述目标对象的资源转移提醒方式。
[0021]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源转移提醒方式的确定方法，其特征在于，所述方法包括：确定目标对象在回答预设的提醒问题时的对话数据；通过预先训练好的目标画像模型，确定所述目标对象的用户数据；所述目标画像模型是综合历史用户数据和历史对话数据训练得到；将所述对话数据和所述用户数据进行数据融合，得到多模态数据，并对所述多模态数据进行数据编码，得到隐空间数据；分别对所述对话数据和所述隐空间数据进行情感评估，得到各自对应的评估分数，并根据每个所述评估分数，确定所述目标对象的资源转移提醒方式。2.根据权利要求1所述的方法，其特征在于，所述对话数据包括语音数据和文本数据；所述确定目标对象在回答预设的提醒问题时的对话数据，包括：当所述目标对象回答预设的提醒问题时，获取初始的语音数据和初始的文本数据；对所述初始的语音数据进行文本转换，得到候选的文本数据，并将所述初始的文本数据和所述候选的文本数据进行数据拼接，得到文本数据；将所述初始的语音数据进行频谱转换，得到语音数据。3.根据权利要求1所述的方法，其特征在于，所述目标画像模型包括编码器和解码器；所述通过预先训练好的目标画像模型，确定所述目标对象的用户数据，包括：获取所述目标对象的第一历史模态数据；所述第一历史模态数据通过所述目标对象对应的历史用户数据和历史对话数据确定得到；通过所述编码器，对所述第一历史模态数据进行数据编码，得到历史隐空间数据；所述历史隐空间数据表征目标对象在历史时刻的用户画像；通过所述解码器，对所述历史隐空间数据进行数据解码，得到第二历史模态数据；根据所述历史对话数据，对所述第二历史模态数据进行数据删除，得到所述目标对象的用户数据。4.根据权利要求1所述的方法，其特征在于，所述目标画像模型包括编码器、解码器和生成器；在所述通过预先训练好的目标画像模型，确定所述目标对象的用户数据之前，所述方法还包括：获取历史用户数据和历史对话数据，并将所述历史用户数据和所述历史对话数据进行数据融合，得到第一历史模态数据；通过所述第一历史模态数据、所述编码器和所述解码器，对目标画像模型进行第一训练，直到训练停止条件时停止，得到训练好的初始画像模型；在所述第一历史模态数据中增加第一扰动数据，得到扰动模态数据；通过所述扰动模态数据、所述初始画像模型中的编码器、解码器和生成器，对所述初始画像模型进行第二训练，得到训练好的目标画像模型；其中，所述训练好的目标画像模型中的编码器，用于对所述多模态数据进行数据编码，得到隐空间数据。5.根据权利要求4所述的方法，其特征在于，所述通过所述扰动模态数据、所述初始画像模型中的编码器、解码器和生成器，对所述初始画像模型进行第二训练，得到训练好的目标画像模型，包括：通过所述初始画像模型中的编码器，对所述扰动模态数据进行数据编码，得到扰动隐
空间数据；通过所述初始画像模型中的生成器，生成与所述第一扰动数据相对应的第二扰动数据；通过所述初始画像模型中的解码器，对所述扰动隐空间数据和所述第二扰动数据进行数据解码，得到第二历史模态数据；根据所述扰动模态数据和所述第二历史模态数据之间的差异，对所述初始画像模型进行训...

【专利技术属性】
技术研发人员：郑子彬，陈钦德，赵山河，周克涌，梁万山，李少华，
申请(专利权)人：中山大学，
类型：发明
国别省市：