本申请实施例属于人工智能领域，涉及一种基于人工智能的购买预测方法，包括：获取用户与坐席的保险业务沟通过程中的语音对话；将语音对话转化为文字数据，并按照预设格式对文字数据进行转换处理得到对话文本；基于预设模型对对话文本进行分类处理，得到与对话文本对应的主题标签；基于对话文本与主题标签构建对应的有向图；将有向图中各个节点的特征向量输入至预设的购买预测模型中，生成用户的保险购买预测结果。本申请还提供一种基于人工智能的购买预测装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，保险购买预测结果息可存储于区块链中。本申请有效提高了保险预测的处理效率，同时提高了生成的保险购买预测结果的准确性。准确性。准确性。
【技术实现步骤摘要】
基于人工智能的购买预测方法、装置、设备及存储介质
[0001]本申请涉及人工智能开发
，尤其涉及基于人工智能的购买预测方法、装置、计算机设备及存储介质。
技术介绍
[0002]在金融业务中，金融科技公司需要提前预测用户对小额保险、股票、基金等金融产品的购买倾向，有利于金融产品营销方提前做好营销和服务。
[0003]现有的产品购买预测方式，通常是依靠人工对客户在业务沟通中的个人反馈信息进行购买预测，这样的预测方式需要较高的人力成本，从而导致处理效率低下，并且人工预测依赖于较高的个人主观性，无法保证生成的保险预测结果的准确度。
技术实现思路
[0004]本申请实施例的目的在于提出一种基于人工智能的购买预测方法、装置、计算机设备及存储介质，以解决现有的产品购买预测预测方式需要较高的人力成本，从而导致处理效率低下，并且人工预测依赖于较高的个人主观性，无法保证生成的保险预测结果的准确度的技术问题。
[0005]为了解决上述技术问题，本申请实施例提供一种基于人工智能的购买预测方法，采用了如下所述的技术方案：
[0006]获取用户与坐席的保险业务沟通过程中的语音对话；
[0007]将所述语音对话转化为文字数据，并按照预设格式对所述文字数据进行转换处理得到对话文本；
[0008]基于预设模型对所述对话文本进行分类处理，得到与所述对话文本对应的主题标签；
[0009]基于所述对话文本与所述主题标签构建对应的有向图；
[0010]将所述有向图中各个节点的特征向量输入至预设的购买预测模型中，生成与所述用户对应的保险购买预测结果；其中，所述购买预测模型由图卷积网络与全连接层构成。
[0011]进一步的，所述基于预设模型对所述对话文本进行分类处理，得到与所述对话文本对应的主题标签的步骤，具体包括：
[0012]获取所述语音对话中的对话内容；
[0013]基于预设的文本表示模型生成与所述对话内容对应的文本表示数据；
[0014]基于预设的特征提取模型对所述文本表示数据进行特征提取，得到对应的特征数据；
[0015]将所述特征数据作为所述主题标签。
[0016]进一步的，所述基于所述对话文本与所述主题标签构建对应的有向图的步骤，具体包括：
[0017]获取预设的数据类型；
[0018]基于所述数据类型从所述对话文本中获取会话ID、坐席ID以及时间戳；
[0019]基于所述会话ID、所述坐席ID、所述时间戳以及所述主题标签构建有向图。
[0020]进一步的，所述将所述有向图中各个节点的特征向量输入至预设的购买预测模型中，生成与所述用户对应的保险购买预测结果的步骤，具体包括：
[0021]将所述有向图中各个节点的特征向量输入至所述购买预测模型的图卷积网络内，通过所述图卷积网络对所述有向图中各个节点的特征向量进行处理，得到对应的第一输出结果；
[0022]将所述第一输出结果输入至所述全连接层内，得到对应的第二输出结果；
[0023]将所述第二输出结果作为所述保险购买预测结果。
[0024]进一步的，所述通过所述图卷积网络对所述有向图中各个节点的特征向量进行处理，得到对应的第一输出结果的步骤，具体包括：
[0025]步骤A，通过所述图卷积网络将所述有向图中各个节点的特征向量编码成预设维数的第一节点特征向量；
[0026]步骤B，基于预设网络对所述第一节点特征向量进行更新处理，得到第二节点特征向量；
[0027]步骤C，基于所述第二节点特征向量进行下采样处理，得到对应的采样结果；
[0028]步骤D，基于所述采样结果进行全局平均池化处理，得到指定输出结果；
[0029]重复执行预设次数的步骤A
‑
步骤D，得到多个指定输出结果；
[0030]基于多个所述指定输出结果生成所述第一输出结果。
[0031]进一步的，所述基于多个所述指定输出结果生成所述第一输出结果的步骤，具体包括：
[0032]获取多个所述指定输出结果；
[0033]对所有所述指定输出结果进行相加处理，得到对应的和值；
[0034]将所述和值作为所述第一输出结果。
[0035]进一步的，在所述将所述有向图中各个节点的特征向量输入至预设的购买预测模型中，生成与所述用户对应的保险购买预测结果的步骤之后，还包括：
[0036]获取目标坐席的通讯信息；
[0037]基于所述保险购买预测结果生成与所述用户对应的保险购买预测信息；
[0038]基于所述通讯信息，将所述保险购买预测信息推送给所述目标坐席。
[0039]为了解决上述技术问题，本申请实施例还提供一种基于人工智能的购买预测装置，采用了如下所述的技术方案：
[0040]第一获取模块，用于获取用户与坐席的保险业务沟通过程中的语音对话；
[0041]第一处理模块，用于将所述语音对话转化为文字数据，并按照预设格式对所述文字数据进行转换处理得到对话文本；
[0042]第二处理模块，用于基于预设模型对所述对话文本进行分类处理，得到与所述对话文本对应的主题标签；
[0043]构建模块，用于基于所述对话文本与所述主题标签构建对应的有向图；
[0044]第一生成模块，用于将所述有向图中各个节点的特征向量输入至预设的购买预测模型中，生成与所述用户对应的保险购买预测结果；其中，所述购买预测模型由图卷积网络
与全连接层构成。
[0045]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0046]获取用户与坐席的保险业务沟通过程中的语音对话；
[0047]将所述语音对话转化为文字数据，并按照预设格式对所述文字数据进行转换处理得到对话文本；
[0048]基于预设模型对所述对话文本进行分类处理，得到与所述对话文本对应的主题标签；
[0049]基于所述对话文本与所述主题标签构建对应的有向图；
[0050]将所述有向图中各个节点的特征向量输入至预设的购买预测模型中，生成与所述用户对应的保险购买预测结果；其中，所述购买预测模型由图卷积网络与全连接层构成。
[0051]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
[0052]获取用户与坐席的保险业务沟通过程中的语音对话；
[0053]将所述语音对话转化为文字数据，并按照预设格式对所述文字数据进行转换处理得到对话文本；
[0054]基于预设模型对所述对话文本进行分类处理，得到与所述对话文本对应的主题标签；
[0055]基于所述对话文本与所述主题标签构建对应的有向图；
[0056]将所述有向图中各个节点的特征向量输入至预设的购买预测模型中，生成与所述用户对应的保险购买预测结果；其中，所述购买预测模型由图卷积网络与全连接层构成。本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的购买预测方法，其特征在于，包括下述步骤：获取用户与坐席的保险业务沟通过程中的语音对话；将所述语音对话转化为文字数据，并按照预设格式对所述文字数据进行转换处理得到对话文本；基于预设模型对所述对话文本进行分类处理，得到与所述对话文本对应的主题标签；基于所述对话文本与所述主题标签构建对应的有向图；将所述有向图中各个节点的特征向量输入至预设的购买预测模型中，生成与所述用户对应的保险购买预测结果；其中，所述购买预测模型由图卷积网络与全连接层构成。2.根据权利要求1所述的基于人工智能的购买预测方法，其特征在于，所述基于预设模型对所述对话文本进行分类处理，得到与所述对话文本对应的主题标签的步骤，具体包括：获取所述语音对话中的对话内容；基于预设的文本表示模型生成与所述对话内容对应的文本表示数据；基于预设的特征提取模型对所述文本表示数据进行特征提取，得到对应的特征数据；将所述特征数据作为所述主题标签。3.根据权利要求1所述的基于人工智能的购买预测方法，其特征在于，所述基于所述对话文本与所述主题标签构建对应的有向图的步骤，具体包括：获取预设的数据类型；基于所述数据类型从所述对话文本中获取会话ID、坐席ID以及时间戳；基于所述会话ID、所述坐席ID、所述时间戳以及所述主题标签构建有向图。4.根据权利要求1所述的基于人工智能的购买预测方法，其特征在于，所述将所述有向图中各个节点的特征向量输入至预设的购买预测模型中，生成与所述用户对应的保险购买预测结果的步骤，具体包括：将所述有向图中各个节点的特征向量输入至所述购买预测模型的图卷积网络内，通过所述图卷积网络对所述有向图中各个节点的特征向量进行处理，得到对应的第一输出结果；将所述第一输出结果输入至所述全连接层内，得到对应的第二输出结果；将所述第二输出结果作为所述保险购买预测结果。5.根据权利要求4所述的基于人工智能的购买预测方法，其特征在于，所述通过所述图卷积网络对所述有向图中各个节点的特征向量进行处理，得到对应的第一输出结果的步骤，具体包括：步骤A，通过所述图卷积网络将所述有向图中各个节点的特征向量编码成预设维数的第一节...
【专利技术属性】
技术研发人员：袁美璐，
申请(专利权)人：中国平安财产保险股份有限公司，
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。