[发明专利]官微答复方法及装置

权利要求书

1.一种官微答复方法，其特征在于，包括：

获取用户在银行官微上提出的问题请求；其中，官微是指银行的官方微信、官方微博或官方网站上与用户互动的版本，任何能让用户向银行官方提出问题的软件、版块或网页；

利用预先设定的用于判定问题请求是否为无效请求的朴素贝叶斯模型，对提出的问题请求进行判定；

对提出的问题请求的判定结果不是无效请求时，基于问题请求类型确定模型，确定提出的问题请求的类型；所述问题请求类型确定模型是基于用户的历史请求数据预先建立的神经网络模型；

根据提出的问题请求的类型，在银行的知识库中进行查询，得到提出的问题请求对应的答复结果；

其中，利用预先设定的用于判定问题请求是否为无效请求的朴素贝叶斯模型，对提出的问题请求进行判定，包括：

根据提出的问题请求的内容，对提出的问题请求进行切分，确定提出的问题请求对应的词条向量；

根据提出的问题请求对应的词条向量，生成提出的问题请求对应的词汇表；

基于所述词汇表，统计得到提出的问题请求对应的词条向量的频率特征信息；

将提出的问题请求对应的词条向量的频率特征信息，输入预先设定的朴素贝叶斯模型中，判定提出的问题请求是否为无效请求；

其中，所述朴素贝叶斯模型的预先设定过程，包括：

获取用户的历史请求数据；

根据用户的历史请求数据，对每个历史问题请求进行打标，将有效的历史问题请求打标为正样本，将无效的历史问题请求打标为负样本；

根据用户的历史请求数据，确定每个历史问题请求对应的词条向量的频率特征信息；

以每个历史问题请求对应的词条向量的频率特征信息为输入，以每个历史问题请求的打标结果为输出，训练朴素贝叶斯分类器，得到所述朴素贝叶斯模型。

2.如权利要求1所述的方法，其特征在于，所述问题请求类型确定模型的预先建立过程，包括：

提取得到用户的历史请求数据；

根据用户的历史请求数据，进行数据清洗，确定得到用户特征变量；

以用户特征变量为输入，用户的历史请求数据中的问题请求类型为输出，构建用于预测问题请求类型的神经网络模型；

根据用户的历史请求数据，得到训练数据集和验证数据集；

利用训练数据集和验证数据集，对所述神经网络模型参数调整进行训练和验证，得到训练好的问题请求类型确定模型。

3.如权利要求1所述的方法，其特征在于，根据提出的问题请求的类型，在银行的知识库中进行查询，得到提出的问题请求对应的答复结果，包括：

根据提出的问题请求的类型，在银行的知识库中所述类型对应的子知识库中查询；

若查询得到匹配度高于第一预定值的知识，将匹配度高于第一预定值的知识，确定为提出的问题请求对应的答复结果；

若查询未得到匹配度高于第一预定值的知识，将匹配度高于第二预定值的知识，按照固定话术格式进行整合，将整合后的内容确定为提出的问题请求对应的答复结果。