申请/专利权人：天翼视联科技有限公司

申请日：2021-03-01

公开（公告）日：2024-04-16

公开（公告）号：CN113849634B

主分类号：G06F16/35

分类号：G06F16/35;G06F16/33;G06F16/34;G06F18/24;G06N3/045;G06N3/0442;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.04.02#专利申请权的转移;2022.02.18#专利申请权的转移;2022.01.14#实质审查的生效;2021.12.28#公开

摘要：本发明提供了用于提升深度模型推荐方案可解释性的方法。该方法可以包括：对用户回访数据进行预处理；训练摘要分类器；对回访数据进行特征提取；使用摘要生成器来生成摘要并计算摘要生成损失；基于摘要分类器来计算摘要分类损失；计算回访文本分类损失；以摘要生成损失、摘要分类损失和回访文本分类损失的总和最小化为目标来进行模型参数训练更新；基于模型参数训练更新来得到业务推荐模型。此外，本发明还提供了用于基于用户回访文本来生成业务推荐方案和用户回访摘要的方法，其中所生成的用户回访摘要可以通过使用序列拷贝机制来进行修正。通过本发明，能够显著提高用户业务需求预测的准确性和可解释性。

主权项：1.一种用于训练业务推荐模型的方法，所述业务推荐模型包括分别使用人工神经网络来实现的摘要分类器、特征编码器、摘要解码器和回访文本分类器，所述方法包括：步骤1：获得用户回访文本以及与所述用户回访文本相对应的用户回访摘要和业务推荐方案，并且对所述用户回访文本和所述用户回访摘要进行数据预处理以得到用户回访数据集；步骤2：使用所述用户回访数据集中的用户回访摘要并且将与该用户回访摘要相对应的业务推荐方案作为标签来训练所述摘要分类器；步骤3：使用所述特征编码器来对所述用户回访数据集中的用户回访文本进行特征提取，以得到回访文本隐状态向量；步骤4：将所述回访文本隐状态向量输入所述摘要解码器以获得生成摘要并且计算摘要生成损失；步骤5：基于经训练的所述摘要分类器来计算摘要分类损失；步骤6：基于所述回访文本分类器来计算回访文本分类损失；步骤7：以所述摘要生成损失、所述摘要分类损失和所述回访文本分类损失的总和最小化为目标来对所述特征编码器、所述摘要解码器和所述回访文本分类器的参数进行训练更新；以及重复执行步骤3-步骤7，直至所述参数收敛，从而完成所述业务推荐模型的训练。

全文数据：

权利要求：

百度查询： 天翼视联科技有限公司 用于提升深度模型推荐方案可解释性的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD