[发明专利]基于客户应答语料的客户画像方法及其相关设备

权利要求书

1.一种基于客户应答语料的客户画像方法，其特征在于，包括下述步骤：

接收客户应答语料、意图标签和真实值，其中，所述客户应答语料和所述意图标签具有一一对应的映射关系，所述意图标签和所述真实值具有一一对应的映射关系；

对所述客户应答语料进行分词操作，获得目标词语，对所述目标词语进行调整，获得目标关键词；

基于所述目标关键词构建特征字典，并基于所述特征字典对所述客户应答语料进行向量转换，获得语料特征向量，将所述语料特征向量中的每一维度的向量值，分别作为对应维度的预设的语料衍生变量的变量值；

基于不同的预设策略对所述真实值和所述意图标签进行变量确定操作，获得真实值衍生变量；

将所述语料衍生变量和所述真实值衍生变量作为自变量，基于预设的单变量分析方式对所述自变量进行筛选，获得目标变量；

基于所述目标变量调整预设的第一画像模型，获得第二画像模型,并基于所述目标变量所对应的变量值训练所述第二画像模型,获得目标画像模型；

接收待识别变量的值，将所述待识别变量的值输入至所述目标画像模型中，获得客户画像。

2.根据权利要求1所述的基于客户应答语料的客户画像方法，其特征在于，所述对所述客户应答语料进行分词操作，获得目标词语，对所述目标词语进行调整，获得目标关键词的步骤包括：

基于所述客户应答语料调整预设的初始分词词典，获得客户应答分词词典；

基于所述客户应答分词词典分别对每种所述意图标签下的客户应答语料进行分词，获得目标词语；

基于预设的关键词提取方式分别对每种所述意图标签下的所述目标词语进行提取，获得初始关键词；

对每种所述意图标签下的初始关键词进行筛选，获得所述目标关键词。

3.根据权利要求2所述的基于客户应答语料的客户画像方法，其特征在于，所述基于所述客户应答语料调整预设的初始分词词典，获得客户应答分词词典的步骤包括：

识别相同意图标签下的客户应答语料；

基于预设的初始分词词典对当前的意图标签下的客户应答语料进行分词，获得第一特征词；

基于所述关键词提取方式对所述第一特征词进行提取，获得第二特征词；

调整所述第二特征词，获得特有词；

将所述特有词添加入所述初始分词词典中，获得所述客户应答分词词典。

4.根据权利要求1所述的基于客户应答语料的客户画像方法，其特征在于，所述基于预设的单变量分析方式对所述自变量进行筛选，获得目标变量的步骤包括：

计算每一个自变量的缺失率，删除缺失率大于预设的缺失阈值的自变量，获得初始自变量；

计算所述初始自变量之间的相关系数，根据相关系数生成相关自变量集合；

从每个所述相关自变量集合中随机选择一个初始自变量作为所述目标变量。

5.根据权利要求4所述的基于客户应答语料的客户画像方法，其特征在于，所述计算所述初始自变量之间的相关系数的步骤包括：

所述相关系数的特征为：

其中，ρ_X,Y表示所述相关系数，X和Y表示不同的初始自变量，cov表示协方差，E表示期望，u_x表示X的期望,u_y表示Y的期望。

6.根据权利要求1所述的基于客户应答语料的客户画像方法，其特征在于，所述基于所述目标变量所对应的真实值训练所述第二画像模型,获得目标画像模型的步骤还包括：

基于所述目标变量所对应的真实值训练所述第二画像模型,获得初始画像模型；

基于所述目标变量，接收下一时间段中所述目标变量所对应的真实值，作为跨期样本；

通过所述跨期样本计算所述初始画像模型中每个目标变量在所述跨期样本上的稳定度；

基于所述稳定度调整所述目标变量，获得调整后的目标变量；

基于所述调整后的目标变量调整所述初始画像模型，获得调整后的初始画像模型，并基于所述调整后的目标变量所对应的真实值训练所述调整后的初始画像模型，获得所述目标画像模型。