【技术实现步骤摘要】
本专利技术属于检索匹配，具体涉及一种基于用户画像特征融合的标准化需求检索匹配方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、在当今信息技术迅速发展的背景下，标准化文件编写需求日益增长，尤其是在知识管理和内容创作领域。然而，现有技术在处理用户对标准化知识的描述时，往往缺乏有效的自动化方法来精准匹配和提供相关知识。传统的解决方案依赖于静态的分类体系和简单的关键词匹配，这些方法在面对复杂和多变的用户需求时显得力不从心。此外，由于缺乏对用户描述的深入理解和分析，这些技术无法有效地刻画用户画像，导致知识匹配的准确性和效率不高。因此，有必要开发一种新的技术方案，通过深度学习模型来学习和理解用户的描述，进而实现对用户需求的精确分类和画像刻画，最终达到精准匹配知识库中标准化知识的目的。当前针对标准化编写用户的用户画像特征抽取及依据用户画像进行需求与知识的匹配的研究还处于初级阶段，暂未有成熟的规则及方法。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种基于用户画像特征融合的标准化需求检索匹配方法及系统，本专利技术基于特征交叉拼接融合的深度学习算法对标准化编写用户画像特征进行抽取将用户画像特征进行总结归纳，形成特征指标集合，对文本中包含的语义信息进行学习，将特征抽取任务转化为特征指标分类任务，使用户画像刻画的更精准。
2、根据一些实施例，本专利技术的第一方案提供了一种基于用户画像特征融合的标准化需求检索匹配
3、基于用户画像特征融合的标准化需求检索匹配方法，包括：
4、获取标准编写者的标准撰写需求，利用预先训练好的特征交叉拼接融合网络模型进行分类，得到三个不同的用户画像指标映射向量；
5、基于用户画像指标映射向量知识库中的知识进行语义检索匹配；
6、其中，所述利用预先训练好的特征交叉拼接融合网络模型进行分类，得到三个不同的用户画像指标映射向量，具体为：
7、对标准撰写需求先进行字符拆分，拆分后进行池化操作及维度映射，得到维度映射特征；
8、对维度映射特征拆分成多个子特征后，将子特征两两进行多维对称交叉注意力处理，得到交叉注意力拼接特征；
9、将交叉注意力拼接特征进行多次卷积拼接实现特征交叉融合，得到交叉融合特征；
10、对交叉融合特征进行特征映射，得到三个不同的用户特征映射向量。
11、进一步地，所述对标准撰写需求先进行字符拆分，拆分后进行池化操作及维度映射，得到维度映射特征，具体为：
12、获取标准撰写需求文本数据进行词嵌入与特征初步提取，得到需求文本特征；
13、利用需求文本特征中的文本分界标签构建掩码矩阵，基于掩码矩阵对需求文本特征进行拆解；
14、对拆解后的特征进行池化操作，对池化操作后的特征进行字符相关度矩阵映射，得到维度映射特征。
15、进一步地，所述利用需求文本特征中的文本分界标签构建掩码矩阵，具体为：
16、根据n个文本分界标签将需求文本特征划分成了n+1个文本字段；
17、设置一维前置掩码矩阵，按照字段的顺序，依次将前置掩码矩阵中的对应顺序的元素定义为文本字段字符数量的1，其余元素设为0；
18、以此类推，最终得到n+1个掩码矩阵。
19、进一步地，所述对维度映射特征拆分成多个子特征后，将子特征两两进行多维对称交叉注意力处理，得到交叉注意力拼接特征，具体为：
20、将维度映射特征拆分成多个子特征后，两两输入到多个多维对称交叉注意力模块中；
21、每个多维对称交叉注意力模块先对两个输入合并进行多头注意力操作和批归一化；
22、再分别将两个输入与批归一化后的结果进行多头注意力操作，得到两个注意力特征；
23、分别将两个注意力特征以及对应的输入与批归一化后的结果进行拼接后，再进行批归一化和卷积操作，将两个卷积操作后的特征进行交叉拼接，作为每个多维对称交叉注意力模块的输出；
24、经过多个多维对称交叉注意力模块的处理，得到交叉注意力拼接特征。
25、进一步地，所述将交叉注意力拼接特征进行多次卷积拼接实现特征交叉融合，得到交叉融合特征，具体为：
26、将交叉注意力拼接特征进行拆分成四个交叉子特征；
27、将四个交叉子特征分别输入到四个卷积模块中进行处理，并将四个卷积模块的输出分别两两拼接，得到两个拼接输出后再分别进行卷积操作；
28、将两个卷积操作后的特征进行交叉拼接后再平均池化，平均池化后的特征分别与两个卷积操作后的特征进行交叉拼接和卷积操作，得到两个交叉卷积特征；
29、将两个交叉卷积特征合并输入分别进行两次不同的多头注意力操作，最终得到交叉融合特征。
30、进一步地，所述对交叉融合特征进行特征映射，得到三个不同的用户特征映射向量，具体为：
31、将交叉融合特征拆分成两个交叉融合子特征后分别进行卷积操作；
32、再将两个卷积操作的结果进行交叉拼接、卷积操作以及展平操作；
33、利用三个全连接层将展平操作的结果进行输出，得到三个不同的用户特征映射向量。
34、根据一些实施例，本专利技术的第二方案提供了一种基于用户画像特征融合的标准化需求检索匹配系统，采用如下技术方案：
35、基于用户画像特征融合的标准化需求检索匹配系统，包括：
36、用户画像特征映射模块，被配置为获取标准编写者的标准撰写需求，利用预先训练好的特征交叉拼接融合网络模型进行分类，得到三个不同的用户画像指标映射向量；
37、语义检索匹配模块，被配置为基于用户画像指标映射向量知识库中的知识进行语义检索匹配；
38、其中，所述利用预先训练好的特征交叉拼接融合网络模型进行分类，得到三个不同的用户画像指标映射向量，具体为：
39、对标准撰写需求先进行字符拆分，拆分后进行池化操作及维度映射，得到维度映射特征；
40、对维度映射特征拆分成多个子特征后，将子特征两两进行多维对称交叉注意力处理，得到交叉注意力拼接特征；
41、将交叉注意力拼接特征进行多次卷积拼接实现特征交叉融合，得到交叉融合特征；
42、对交叉融合特征进行特征映射，得到三个不同的用户特征映射向量。
43、根据一些实施例，本专利技术的第三方案提供了一种计算机可读存储介质。
44、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的基于用户画像特征融合的标准化需求检索匹配方法中的步骤。
45、根据一些实施例，本专利技术的第四方案提供了一种计算机设备。
46、一种计算机设备，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本文档来自技高网...
【技术保护点】
1.基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，包括：
2.如权利要求1所述的基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，所述对标准撰写需求先进行字符拆分，拆分后进行池化操作及维度映射，得到维度映射特征，具体为：
3.如权利要求2所述的基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，所述利用需求文本特征中的文本分界标签构建掩码矩阵，具体为：
4.如权利要求1所述的基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，所述对维度映射特征拆分成多个子特征后，将子特征两两进行多维对称交叉注意力处理，得到交叉注意力拼接特征，具体为：
5.如权利要求1所述的基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，所述将交叉注意力拼接特征进行多次卷积拼接实现特征交叉融合，得到交叉融合特征，具体为：
6.如权利要求1所述的基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，所述对交叉融合特征进行特征映射，得到三个不同的用户特征映射向量，具体为：
7.基于用户画像特征融合的标
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的基于用户画像特征融合的标准化需求检索匹配方法中的步骤。
9.一种计算机设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的基于用户画像特征融合的标准化需求检索匹配方法中的步骤。
10.一种计算机程序产品，其特征在于，所述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，实现如权利要求1-6中任一项所述的基于用户画像特征融合的标准化需求检索匹配方法中的步骤。
...【技术特征摘要】
1.基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，包括：
2.如权利要求1所述的基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，所述对标准撰写需求先进行字符拆分，拆分后进行池化操作及维度映射，得到维度映射特征，具体为：
3.如权利要求2所述的基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，所述利用需求文本特征中的文本分界标签构建掩码矩阵，具体为：
4.如权利要求1所述的基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，所述对维度映射特征拆分成多个子特征后，将子特征两两进行多维对称交叉注意力处理，得到交叉注意力拼接特征，具体为：
5.如权利要求1所述的基于用户画像特征融合的标准化需求检索匹配方法，其特征在于，所述将交叉注意力拼接特征进行多次卷积拼接实现特征交叉融合，得到交叉融合特征，具体为：
6.如权利要求1所述的基...
【专利技术属性】
技术研发人员：李敏，李刚，周鸣乐，韩德隆，田嘉凯，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
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。