本发明专利技术提供一种用户行为匹配方法及系统，该方法包括：获取用于描述当前用户行为的目标文本信息；获取各个行为类型对应的行为类型描述信息与所述目标文本信息之间的相似度计算结果；将所述目标文本信息输入到用户行为类型预测模型中，得到由所述用户行为类型预测模型输出的所述目标文本信息与各个所述行为类型之间的匹配概率值，其中，所述用户行为类型预测模型是由样本文本信息，对卷积神经网络模型进行训练得到的；根据所述相似度计算结果和所述匹配概率值，从多个所述行为类型中确定所述当前用户行为对应的目标行为类型。本发明专利技术提高了用户行为的匹配准确性和效率。
【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种用户行为匹配方法及系统。
技术介绍
1、在现实中，企业内部的内控合规人员需要根据员工的行为，找到适用的规则和规范，对其行为进行定性和处理。这要求内控合规人员具备高度的专业知识，对相关企业制度和规则有深入的了解和理解。例如，内控合规人员需要根据员工的行为，找到适用的员工行为处理准则，并进行相应的定性处罚。
2、然而，现有在将员工的这种行为相应规则内容进行匹配时，主要还是依赖于内控合规人员对相关的规则和制度有全面的了解，并能够将其应用到具体的行为过程中，导致现有针对个人行为与规则内容之间的匹配结果准确性和效率较低。
3、因此，现在亟需一种用户行为匹配方法及系统来解决上述问题。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供一种用户行为匹配方法及系统。
2、本专利技术提供一种用户行为匹配方法，包括：
3、获取用于描述当前用户行为的目标文本信息；
4、获取各个行为类型对应的行为类型描述信息与所述目标文本信息之间的相似度计算结果；
5、将所述目标文本信息输入到用户行为类型预测模型中，得到由所述用户行为类型预测模型输出的所述目标文本信息与各个所述行为类型之间的匹配概率值，其中，所述用户行为类型预测模型是由样本文本信息，对卷积神经网络模型进行训练得到的；
6、根据所述相似度计算结果和所述匹配概率值，从多个所述行为类型中确定所述当前用户行为对应的目标行为类型。
<
p>7、根据本专利技术提供的一种用户行为匹配方法，所述用户行为类型预测模型通过以下步骤训练得到：8、获取多个样本文本信息，所述样本文本信息为描述历史用户行为的文本信息；
9、获取各个所述样本文本信息的行为类型样本信息，并构建所述样本文本信息和所述行为类型样本信息对应的样本标签对，得到训练样本集；
10、通过所述训练样本集，对所述卷积神经网络模型进行训练，得到所述用户行为类型预测模型。
11、根据本专利技术提供的一种用户行为匹配方法，所述卷积神经网络模型为改进的textcnn模型，所述改进的textcnn模型中的卷积核的大小对应预设词向量提取特征，其中，所述预设词向量提取特征包括2个词向量特征、3个词向量特征和4个词向量特征。
12、根据本专利技术提供的一种用户行为匹配方法，所述获取各个行为类型对应的行为类型描述信息与所述目标文本信息之间的相似度计算结果，包括：
13、对所述目标文本信息和所述行为类型描述信息分别进行关键词提取处理，得到第一关键词和第二关键词，其中，所述第一关键词为所述目标文本信息中的关键词，所述第二关键词为所述行为类型描述信息中的关键词；
14、根据所述目标文本信息中的所述第一关键词，与各个所述行为类型描述信息中的所述第二关键词，计算所述目标文本信息与各个所述行为类型描述信息之间的余弦相似度，并基于预设排序条件，选取多个目标余弦相似度作为所述相似度计算结果。
15、根据本专利技术提供的一种用户行为匹配方法，所述对所述目标文本信息和所述行为类型描述信息分别进行关键词提取处理，得到第一关键词和第二关键词，包括：
16、通过词频-逆文档频率算法，对所述目标文本信息和所述行为类型描述信息分别进行关键词提取处理，得到所述第一关键词和所述第二关键词。
17、根据本专利技术提供的一种用户行为匹配方法，在所述通过所述训练样本集，对所述卷积神经网络模型进行训练，得到所述用户行为类型预测模型之后，所述方法还包括：
18、基于所述样本文本信息和所述行为类型样本信息对应的样本标签对，得到测试样本集；
19、通过所述测试样本集，对所述用户行为类型预测模型进行评估，将得到的评估结果对应的准确率作为预设匹配阈值；
20、所述根据所述相似度计算结果和所述匹配概率值，从多个所述行为类型中确定所述当前用户行为对应的目标行为类型，包括：
21、对所述相似度计算结果和所述匹配概率值进行求和处理，得到目标匹配概率值；
22、将所述目标匹配概率值与所述预设匹配阈值进行比对，并将大于或等于所述预设匹配阈值的所述目标匹配概率值对应的所述行为类型确定为所述目标行为类型。
23、本专利技术还提供一种用户行为匹配系统，包括：
24、用户行为信息采集模块，用于获取用于描述当前用户行为的目标文本信息；
25、第一处理模块，用于获取各个行为类型对应的行为类型描述信息与所述目标文本信息之间的相似度计算结果；
26、第二处理模块，用于将所述目标文本信息输入到用户行为类型预测模型中，得到由所述用户行为类型预测模型输出的所述目标文本信息与各个所述行为类型之间的匹配概率值，其中，所述用户行为类型预测模型是由样本文本信息，对卷积神经网络模型进行训练得到的；
27、匹配模块，用于根据所述相似度计算结果和所述匹配概率值，从多个所述行为类型中确定所述当前用户行为对应的目标行为类型。
28、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述用户行为匹配方法。
29、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述用户行为匹配方法。
30、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述用户行为匹配方法。
31、本专利技术提供的用户行为匹配方法及系统，根据各个行为类型对应的行为类型描述信息与用于描述当前用户行为的目标文本信息之间的相似度计算结果，以及由卷积神经网络模型通过目标文本信息预测得到的匹配概率值，确定当前用户行为对应的目标行为类型，与现有人工匹配用户行为的方式相比，具有更高的准确性和效率。
本文档来自技高网...
【技术保护点】
1.一种用户行为匹配方法，其特征在于，包括：
2.根据权利要求1所述的用户行为匹配方法，其特征在于，所述用户行为类型预测模型通过以下步骤训练得到：
3.根据权利要求2所述的用户行为匹配方法，其特征在于，所述卷积神经网络模型为改进的TextCNN模型，所述改进的TextCNN模型中的卷积核的大小对应预设词向量提取特征，其中，所述预设词向量提取特征包括2个词向量特征、3个词向量特征和4个词向量特征。
4.根据权利要求1所述的用户行为匹配方法，其特征在于，所述获取各个行为类型对应的行为类型描述信息与所述目标文本信息之间的相似度计算结果，包括：
5.根据权利要求4所述的用户行为匹配方法，其特征在于，所述对所述目标文本信息和所述行为类型描述信息分别进行关键词提取处理，得到第一关键词和第二关键词，包括：
6.根据权利要求2所述的用户行为匹配方法，其特征在于，在所述通过所述训练样本集，对所述卷积神经网络模型进行训练，得到所述用户行为类型预测模型之后，所述方法还包括：
7.一种用户行为匹配系统，其特征在于，包括：
>8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述用户行为匹配方法。9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述用户行为匹配方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述用户行为匹配方法。
...
【技术特征摘要】
1.一种用户行为匹配方法，其特征在于，包括：
2.根据权利要求1所述的用户行为匹配方法，其特征在于，所述用户行为类型预测模型通过以下步骤训练得到：
3.根据权利要求2所述的用户行为匹配方法，其特征在于，所述卷积神经网络模型为改进的textcnn模型，所述改进的textcnn模型中的卷积核的大小对应预设词向量提取特征，其中，所述预设词向量提取特征包括2个词向量特征、3个词向量特征和4个词向量特征。
4.根据权利要求1所述的用户行为匹配方法，其特征在于，所述获取各个行为类型对应的行为类型描述信息与所述目标文本信息之间的相似度计算结果，包括：
5.根据权利要求4所述的用户行为匹配方法，其特征在于，所述对所述目标文本信息和所述行为类型描述信息分别进行关键词提取处理，得到第一关键词和第二关键词...
【专利技术属性】
技术研发人员：陈泽艇，
申请(专利权)人：中银金融科技有限公司，
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。