[发明专利]一种人工智能分类匹配方法及系统

权利要求书

1.一种人工智能分类匹配方法，其特征在于，包括：

S1、接收用户输入的的需求信息数据；

S2、根据所述需求信息数据结合所述用户的用户特征，提取出用户的目标特征数据；步骤S2中，采用word2vec模型根据所述需求信息数据提取出用户的目标特征数据；用户特征利用word2vec模型前向过程来实现，即通过将用户的行为日志作为输入层，从而映射出输出层的用户特征；所述目标特征数据利用word2vec模型的后向过程实现，即将所述用户特征和需求信息数据作为输入层，从而映射出输出层的目标特征数据；

S3、将所述目标特征数据与数据库中的信息数据进行特征比对，并判断出推荐信息数据，所述推荐信息数据为与目标特征数据相似度高于预设值的信息数据；步骤S3中，通过调用短路径算法将所述目标特征数据与数据库中的信息数据进行特征比对，所述短路径算法计算相似度具体为：

其中，所述用户的目标特征数据p＝[p₁，p₂，……，p_n]，p_i为所述用户的目标特征数据的第i个特征向量，q＝[q₁，q₂，……，q_n]，q_i为数据库中任一信息数据的相应第i个特征向量；

S4、将所述推荐信息数据从输出端口输出给用户。

2.根据权利要求1所述的人工智能分类匹配方法，其特征在于，所述用户特征包括行为特征和基础信息构成，所述行为特征通过调用数据库中针对所述用户一定时间内的行为日志构成的统计数据得到。

3.根据权利要求2所述的人工智能分类匹配方法，其特征在于，所述统计数据为对所述用户一段时间内浏览记录的输入信息数据采用时间衰减因子分别做权重判断后的集合，所述时间衰减因子为1/[log(t)+1]，其中t为该输入信息数据距离当前需求信息数据输入时的时间。

4.根据权利要求3所述的人工智能分类匹配方法，其特征在于，采用负向样本算法对目标特征数据中与所述需求信息数据匹配的特征数据极大化其出现概率，而对与所述需求信息数据不匹配的特征数据极小化其出现概率。

5.根据权利要求1所述的人工智能分类匹配方法，其特征在于，所述用户的需求信息数据将存入所述数据库中作为针对所述用户的行为日志，从而更新针对所述用户的统计数据。

6.根据权利要求1所述的人工智能分类匹配方法，其特征在于，步骤S4还包括：

将所述推荐信息数据从输出端口输出给提出相同需求信息数据的其他用户。

7.一种人工智能分类匹配系统，其特征在于，包括：

输入接口，用于用户登录，并接收用户输入的需求信息数据；

请求模块，用于将所述输入接口接收到的需求信息数据发送给云端，并请求云端根据所述需求信息数据结合所述用户的用户特征提取出用户的目标特征数据，采用word2vec模型根据所述需求信息数据提取出用户的目标特征数据；用户特征利用word2vec模型前向过程来实现，即通过将用户的行为日志作为输入层，从而映射出输出层的用户特征；所述目标特征数据利用word2vec模型的后向过程实现，即将所述用户特征和需求信息数据作为输入层，从而映射出输出层的目标特征数据；云端将所述目标特征数据与数据库中的信息数据进行特征比对，并判断出推荐信息数据，所述推荐信息数据为与目标特征数据相似度高于预设值的信息数据；通过调用短路径算法将所述目标特征数据与数据库中的信息数据进行特征比对，所述短路径算法计算相似度具体为：

其中，所述用户的目标特征数据p＝[p₁，p₂，……，p_n]，p_i为所述用户的目标特征数据的第i个特征向量，q＝[q₁，q₂，……，q_n]，q_i为数据库中任一信息数据的相应第i个特征向量；

输出接口，将所述推荐信息数据输出给用户。