[发明专利]行为特征预测方法及装置

权利要求书

1.一种行为特征预测方法，其特征在于，所述的方法包括：

利用预设的人格量表从目标客户端获取目标客户的行为特征数据；

对所述的行为特征数据进行特征提取生成行为数据初始特征集合；

根据所述的初始特征集合和预先训练的行为特征预测模型确定行为特征预测结果；其中，所述的行为特征预测模型为利用从目标客户端获取的目标客户的行为特征历史数据进行模型训练确定的行为特征预测模型。

2.如权利要求1所述的行为特征预测方法，其特征在于，所述的人格量表包括：BFI-10量表、BFI量表、NEO-FFI量表、NEO-PI-R量表；

所述的行为特征数据包括：客户基本信息特征数据、无语义行为特征数据及高层语义行为特征数据；

所述的无语义行为特征数据包括：动作行为特征数据、声音行为特征数据。

3.如权利要求1所述的行为特征预测方法，其特征在于，所述的对所述的行为特征数据进行特征提取生成行为数据初始特征集合包括：

利用皮尔逊相关系数按预设的选取参数对所述的行为特征数据进行特征提取生成行为特征数据初始特征集合；其中，所述的预设的选取参数包括：特征的相关性参数及显著性参数。

4.如权利要求1所述的行为特征预测方法，其特征在于，所述的根据所述的初始特征集合和预先训练的行为特征预测模型确定行为特征预测结果包括：

利用预先训练的行为特征预测模型对所述的初始特征集合进行特征标签确定生成最优特征集；

根据确定的最优特征集确定行为特征预测结果数据。

5.如权利要求1所述的行为特征预测方法，其特征在于，所述的利用从目标客户端获取的目标客户的行为特征历史数据进行模型训练确定行为特征预测模型包括：

根据所述的历史数据利用网格搜索算法确定JMLLC-LS多标签模型的超参数；

利用遗传算法确定所述历史数据的初始特征集；

利用所述的超参数和初始特征集对JMLLC-LS多标签模型进行训练确定行为特征预测模型。

6.一种行为特征预测装置，其特征在于，所述的装置包括：

数据获取模块，用于利用预设的人格量表从目标客户端获取客户的行为特征数据；

初始特征提取模块，用于对所述的行为特征数据进行特征提取生成行为特征数据初始特征集合；

预测模块，用于根据所述的初始特征集合和预先训练的行为特征预测模型确定行为特征预测结果；其中，所述的行为特征预测模型为利用从目标客户端获取的目标客户的行为特征历史数据进行模型训练确定的行为特征预测模型。

7.如权利要求6所述的行为特征预测装置，其特征在于，所述的初始特征提取模块对所述的行为特征数据进行特征提取生成行为特征数据初始特征集合包括：

利用皮尔逊相关系数按预设的选取参数对所述的行为特征数据进行特征提取生成行为特征数据初始特征集合；其中，所述的预设的选取参数包括：特征的相关性参数及显著性参数。

8.如权利要求6所述的行为特征预测装置，其特征在于，所述预测模块包括：

标签特征确定单元，用于利用预先训练的行为特征预测模型对所述的初始特征集合进行特征标签确定生成最优特征集；

预测数据确定单元，用于根据确定的最优特征集确定行为特征预测结果数据。

9.如权利要求6所述的行为特征预测装置，其特征在于，所述的装置还包括：预测模型确定模块，用于利用从目标客户端获取的目标客户的行为特征历史数据进行模型训练确定行为特征预测模型；其包括：

网格搜索单元，用于根据所述的历史数据利用网格搜索算法确定JMLLC-LS多标签模型的超参数；

初始特征集确定单元，用于利用遗传算法确定所述历史数据的初始特征集；

模型训练单元，用于利用所述的超参数和初始特征集对JMLLC-LS多标签模型进行训练确定行为特征预测模型。