[发明专利]呼入场景下的客户行为预测方法及装置

权利要求书

1.一种呼入场景下的客户行为预测方法，其特征在于，包括：

获取目标客户呼叫请求，从所述目标客户呼叫请求中提取目标客户呼入信息；

根据目标客户呼入预测规则确定所述目标客户呼入信息对应的目标客户预测行为，根据所述目标客户预测行为推送对应的语音问题供客户选择；其中，创建目标客户呼入预测规则的步骤包括：根据各目标客户呼入信息构建各目标客户特征数据，将各目标客户特征数据输入基于客户特征模型数据和客户行为预测网络模型架构创建的客户行为预测网络模型中，得到各目标客户预测行为，根据各目标客户呼入信息与各目标客户预测行为的对应关系创建目标客户呼入预测规则；所述客户行为预测网络模型架构通过客户特征训练搜索数据和客户特征验证搜索数据构建。

2.根据权利要求1所述的呼入场景下的客户行为预测方法，其特征在于，构建客户行为预测网络模型架构包括：

执行如下迭代处理：

根据所述客户特征训练搜索数据、所述客户特征训练搜索数据对应的客户行为实际搜索数据、各结构参数和各结构参数对应的权重确定训练损失函数；

根据所述客户特征验证搜索数据、所述客户特征验证搜索数据对应的客户行为实际搜索数据、各结构参数和各结构参数对应的权重确定验证损失函数；

当当前迭代次数达到预设结构迭代次数时，确定各结构参数中的最大值为目标结构参数，根据目标结构参数和对应的权重构建客户行为预测网络模型架构，否则根据所述训练损失函数更新各结构参数对应的权重，根据所述验证损失函数和更新后的权重更新各结构参数，继续执行所述迭代处理。

3.根据权利要求2所述的呼入场景下的客户行为预测方法，其特征在于：

根据所述客户特征训练搜索数据、所述客户特征训练搜索数据对应的客户行为实际搜索数据、各结构参数和各结构参数对应的权重确定训练损失函数包括：

根据所述客户特征训练搜索数据、各结构参数和各结构参数对应的权重确定客户行为训练搜索数据；

根据所述客户行为训练搜索数据和对应的客户行为实际搜索数据确定训练损失函数；

根据所述客户特征验证搜索数据、所述客户特征验证搜索数据对应的客户行为实际搜索数据、各结构参数和各结构参数对应的权重确定验证损失函数包括：

根据所述客户特征验证搜索数据、各结构参数和各结构参数对应的权重确定客户行为验证搜索数据；

根据所述客户行为验证搜索数据和对应的客户行为实际搜索数据确定验证损失函数。

4.根据权利要求2所述的呼入场景下的客户行为预测方法，其特征在于，创建客户行为预测网络模型包括：

执行如下迭代处理：

根据所述客户特征模型数据、所述目标结构参数和对应的权重确定客户行为模型数据；

根据所述客户行为模型数据和对应的客户行为实际数据确定模型损失函数；

当当前迭代次数达到预设模型迭代次数时，根据目标结构参数和对应的权重构建客户行为预测网络模型，否则根据所述模型损失函数更新所述目标结构参数对应的权重，继续执行所述迭代处理。

5.一种呼入场景下的客户行为预测装置，其特征在于，包括：

目标客户呼入信息提取模块，用于信息获取目标客户呼叫请求，从所述目标客户呼叫请求中提取目标客户呼入信息；

预测行为确定模块，用于根据目标客户呼入预测规则确定所述目标客户呼入信息对应的目标客户预测行为，根据所述目标客户预测行为推送对应的语音问题供客户选择；其中，创建目标客户呼入预测规则的步骤包括：根据各目标客户呼入信息构建各目标客户特征数据，将各目标客户特征数据输入基于客户特征模型数据和客户行为预测网络模型架构创建的客户行为预测网络模型中，得到各目标客户预测行为，根据各目标客户呼入信息与各目标客户预测行为的对应关系创建目标客户呼入预测规则；所述客户行为预测网络模型架构通过客户特征训练搜索数据和客户特征验证搜索数据构建。