[发明专利]用户性格判定方法、装置、存储器和电子设备

权利要求书

1.一种用户性格判定方法，其特征在于，包括：

获取目标用户在社交网络中的发文数据并将其转换为文本向量；

将所述文本向量输入预先训练的性格分类模型，输出多个维度的性格分类概率，所述性格分类模型包括膨胀门卷积神经网络和注意力网络；

基于所述性格分类概率判定所述用户的性格类型。

2.根据权利要求1所述的方法，其特征在于，所述获取目标用户在社交网络中的发文数据并将其转换为文本向量包括：

对所述发文数据进行预处理；

采用预训练的词向量模型对预处理后的发文数据进行向量化，得到所述文本向量。

3.根据权利要求2所述的方法，其特征在于，所述将所述文本向量输入预先训练的性格分类模型，输出多个维度的性格分类概率包括：

将所述文本向量输入多个膨胀门卷积神经网络，得到多个输出向量；

拼接所述多个输出向量得到拼接向量；

利用注意力网络为所述拼接向量进行打分；

将打分的拼接向量输入全连接神经网络编码并进行非线性化处理；

将非线性化处理后的编码输入分类网络得到所述多个维度的性格分类概率。

4.根据权利要求3所述的方法，其特征在于，所述多个膨胀门卷积神经网络包括大小不同的过滤器。

5.根据权利要求4所述的方法，其特征在于，每个维度包括多种状态，每种状态对应一种性格类型。

6.根据权利要求5所述的方法，其特征在于，所述维度为4，每个维度包括2种状态，性格分类概率小于预设阈值为第一状态，对应第一性格类型，大于或等于预设阈值为第二状态，对应第二性格类型。

7.一种用户性格判定装置，其特征在于，包括：

获取模块，用于获取目标用户在社交网络中的发文数据并将其转换为文本向量；

性格分类模型模块，用于接收所述文本向量输入，输出多个维度的性格分类概率，所述性格分类模型包括膨胀门卷积神经网络和注意力网络；

判定模块，用于基于所述性格分类概率判定所述用户的性格类型。

8.根据权利要求7所述的装置，其特征在于，所述性格分类模型模块包括：

输入层，用于获取目标用户在社交网络中的发文数据转换得到的文本向量；

膨胀门卷积神经网络，用于处理所述文本向量得到多个输出向量；

拼接层，用于拼接所述多个输出向量得到拼接向量；

注意力网络，用于为所述拼接向量进行打分；

全连接层，用于对所述打分的拼接向量编码并进行非线性化处理；

分类网络，用于根据非线性化处理后的编码得到多个维度的性格分类概率。

9.一种存储介质，其特征在于，存储有多条计算机可读指令，所述计算机可读指令用于实现如权利要求1-6任一项所述的方法。

10.一种电子设备，其特征在于，包括处理器和与所述处理器连接的存储介质，所述存储介质存储有多条指令，所述指令可被所述处理器加载并执行，以使所述处理器能够执行如权利要求1-6任一项所述的方法。