【技术实现步骤摘要】
意图识别方法及装置
[0001]本专利技术涉及计算机
，尤其涉及一种意图识别方法及装置。
技术介绍
[0002]目前，传统的购买意图识别方法以协同过滤算法为例，因为用户的基数庞大，但是实际用户对产品的访问以及购买量十分有限，这使得用户行为数据非常少，并且由于算法本身的性质，导致只能在发生过访问行为或者购买行为的用户中进行推荐，许多新用户或者没有产生行为记录的用户，因为缺乏数据信息，无法进行有效的推荐。
技术实现思路
[0003]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0004]为此，本专利技术的第一个目的在于提出一种意图识别方法，以快速、准确地为实体用户识别出金融产品。
[0005]本专利技术的第二个目的在于提出一种意图识别装置。
[0006]本专利技术的第三个目的在于提出一种电子设备。
[0007]本专利技术的第四个目的在于提出一种存储有计算机指令的非瞬时计算机可读存储介质。
[0008]本专利技术的第五个目的在于提出一种计算机程序产品。...
【技术保护点】
【技术特征摘要】
1.一种意图识别方法，其特征在于，所述方法包括：获取金融产品对应的知识图谱，其中，所述知识图谱是基于多个用户实体购买金融产品的历史购买数据构建，所述知识图谱包括所述多个用户实体的交易网络关系图和金融产品购买网络图；基于图卷积神经网络GCN对所述金融产品购买网络图中任一用户实体金融产品的历史购买数据进行特征提取，以得到任一用户实体所购买的各金融产品的特征向量，并计算出各个特征向量之间的余弦相似度；根据交易网络关系图中各个用户实体之间的边权重，计算出任意两个用户实体的用户信任形似度，其中，所述边权重为任意两个用户实体之间的交易频率；将所述余弦相似度和所述用户信任形似度进行加权融合，以得到所述金融产品购买意图的融合相似度；基于所述融合相似度识别出与任一用户实体的购买意图最相似的目标金融产品，并将所述目标金融产品推荐给用户实体。2.根据权利要求1所述的方法，其特征在于，其中，所述知识图谱是基于多个用户实体购买金融产品的历史购买数据构建，包括：对所述多个用户实体购买金融产品的历史购买数据进行无效购买数据过滤，以得到有效的候选购买数据；对所述候选购买数据进行数据格式转换，以得到构建知识图谱的图谱数据，并基于所述图谱数据建立所述多个用户实体对应的知识图谱。3.根据权利要求1所述的方法，其特征在于，所述基于图卷积神经网络GCN对所述金融产品购买网络图中任一用户实体金融产品的历史购买数据进行特征提取，以得到任一用户实体所购买的各金融产品的特征向量，并计算出各个特征向量之间的余弦相似度，包括：控制所述GCN中的全连接embedding层对所述金融产品购买网络图中任一用户实体金融产品的历史购买数据进行特征提取，以得到任一用户实体所购买的各金融产品的特征向量；对所述各个特征向量进行聚类，以得到各个特征向量之间的余弦相似度。4.根据权利要求1所述的方法，其特征在于，所述根据交易网络关系图中各个用户实体之间的边权重，计算出任意两个用户实体的用户信任形似度，其中，所述边权重为任意两个用户实体之间的交易频率，包括：获取所述交易网络关系图中任意两个用户实体之间的采样边权重，并计算出任意两个用户实体中第一用户实体和第二用户实体各自与所述交易网络关系图中其他用户实体的边权重加总和；基于所述采样边权重与所述边权重加总和，计算出任意两个用户实体的用户信任形似度。5.根据权利要求1所述的方法，其特征在于，在基于所述融合相似度识别出与任一用户实体的购买意图最相似的目标金融产品，并将所述目标金融产品推荐给用户实体之前，还包括：截取预设比例的所述历史购买数据作为验证数据集；基于所述验证数据集对所述融合相似度进行验证，选取出最优的融合相似度。
6.一种意图识别装置，其特征在于，所述装置包括：获取模块，用于获取金融产品对应的知识图谱，其中，所述知识图谱是基于多个用户实体购买金融产品的历史购...
【专利技术属性】
技术研发人员：张振强，叶敏，连维淞，魏聪惠，王怡冰，薛飞，王俐，陈俊俊，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。