一种基于智能营销场景的数据建模方法及系统技术方案

本发明专利技术提供了一种基于智能营销场景的数据建模方法及系统，获得通话记录，所述通话记录包括文本信息、语音信息；对所述文本信息进行特征提取，获得文本特征；对所述语音信息进行特征提取，获得语音特征；将所述文本特征、语音特征进行特征融合；将所述融合特征信息输入一层全联接层，构建双模态模型；对所述双模态模型进行训练，获得双模态神经网络模型，训练数据均包括文本特征与语音特征的融合特征信息以及标识成单意向率的标识信息。解决了现有技术中存在处理输入特征的相关性效果差，对于通话记录中语音信息的特征提取能力差，模型预测精准度较低的技术问题，达到了对营销客户的精准分析，降低营销成本，提高营销效率的效果。提高营销效率的效果。提高营销效率的效果。

【技术实现步骤摘要】
一种基于智能营销场景的数据建模方法及系统


[0001]本专利技术涉及智能营销领域，具体涉及一种基于智能营销场景的数据建模方法及系统。

技术介绍

[0002]智能营销指的是以大数据和人工智能为技术基础，通过智能分析和预测营销活动中隐藏的模式和发展趋势，提升企业营销的效率和效果的一种新型营销方式。相比传统营销采用数据分析技术对非结构化数据的处理存在局限，在数据的规范和预测上存在一定的滞后，智能营销则能够快速分析大规模、多样化的营销数据集，从数据中学习并表现出灵活的应变能力，可以不断自我优化并实时预测发展趋势，更有效地理解用户行为并及时响应用户的需求变化。
[0003]目前用于智能营销的信息分析和预测的实现主要有两种技术途径，其中，第一种是通过逻辑回归模型，但该模型在处理输入特征之间的相关性方面效果不佳，第二种是神经网络模型，该模型对于通话类数据的特征仅能提取语义特征，难以获得客户的个性化信息，召回效果差。
[0004]但本申请专利技术人在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：
[0005]现有技术存在主要将通话记录文本作为训练数据，输入模型的数据信息较为单一，且难以将通话记录中语音信息和文本信息的特征进行融合分析，使得模型预测精准度较低。

技术实现思路

[0006]针对现有方法中的缺陷，本申请实施例的目的是，通过提供一种基于智能营销场景的数据建模方法及系统，解决了现有技术中存在的现有技术存在主要将通话记录文本作为训练数据，输入模型的数据信息较为单一，且难以将通话记录中语音信息和文本信息的特征进行融合分析，使得模型预测精准度较低的技术问题，达到了将通话录音中的情感特征与文本信息融合在一起，通过增加模型的输入维度，充分挖掘营销过程中客户的多维特征，最终达到对营销客户的精准分析，降低营销成本，提高营销效率的技术效果。
[0007]鉴于上述问题，提出了本申请实施例提供一种基于智能营销场景的数据建模方法及系统。
[0008]一方面，本申请实施例提供了一种基于智能营销场景的数据建模方法，其中，所述方法包括：获得通话记录，所述通话记录包括文本信息、语音信息；对所述文本信息进行特征提取，获得文本特征；对所述语音信息进行特征提取，获得语音特征；将所述文本特征、语音特征进行特征融合，获得融合特征信息；将所述融合特征信息输入一层全联接层，通过回归逻辑进行分类预测，构建双模态模型；对所述双模态模型进行训练，获得双模态神经网络模型，所述双模态神经网络模型为通过多组训练数据经过训练获得，其中，每组训练数据均
包括文本特征与语音特征的融合特征信息以及标识成单意向率的标识信息。
[0009]另一方面，本申请实施例还提供了一种基于智能营销场景的数据建模系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得通话记录，所述通话记录包括文本信息、语音信息；第一提取单元，所述第一提取单元用于对所述文本信息进行特征提取，获得文本特征；第二提取单元，所述第二提取单元用于对所述语音信息进行特征提取，获得语音特征；第一融合单元，所述第一融合单元用于将所述文本特征、语音特征进行特征融合，获得融合特征信息；第一构建单元，所述第一构建单元用于将所述融合特征信息输入一层全联接层，通过回归逻辑进行分类预测，构建双模态模型；第一训练单元，所述第一训练单元用于对所述双模态模型进行训练，获得双模态神经网络模型。
[0010]另一方面，本申请实施例还提供了一种基于智能营销场景的数据建模系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面任一项所述方法的步骤。
[0011]本申请实施例中提供的一个或多个技术方案，至少有如下技术效果或优点：
[0012]本申请实施例基于某营销场景获得通话记录，所述通话记录包括文本信息、语音信息；对所述文本信息进行特征提取，获得文本特征；对所述语音信息进行特征提取，获得语音特征；将所述文本特征、语音特征进行特征融合，获得融合特征信息；将所述融合特征信息输入一层全联接层，通过回归逻辑进行分类预测，构建双模态模型；对所述双模态模型进行训练，获得双模态神经网络模型，所述双模态神经网络模型为通过多组训练数据经过训练获得，其中，每组训练数据均包括文本特征与语音特征的融合特征信息以及标识成单意向率的标识信息。基于此，能够构建一种基于智能营销场景的数据建模方法，达到了将通话录音中的情感特征与文本信息融合在一起，通过增加模型的输入维度，充分挖掘营销过程中客户的多维特征，最终达到了对营销客户的精准分析，降低营销成本，提高营销效率的技术效果。
[0013]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0014]通过阅读参照以下附图对非限制性实施例所做的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0015]图1为本申请实施例提供的一种基于智能营销场景的数据建模方法的流程示意图；
[0016]图2为本申请实施例另一种基于智能营销场景的数据建模方法的文字特征提取流程示意图；
[0017]图3为本申请实施例另一种基于智能营销场景的数据建模方法的语音特征提取流程示意图；
[0018]图4为本申请实施例另一种基于智能营销场景的数据建模方法的文本特征与语音融合，获得融合特征信息的流程示意图；
[0019]图5为本申请实施例另一种基于智能营销场景的数据建模方法的根据所述通话记
录，获得训练数据的流程示意图；
[0020]图6为本申请实施例一种基于智能营销场景的数据建模系统的结构示意图；
[0021]图7为本申请实施例示例性电子设备的结构示意图。
[0022]附图标记说明：第一获得单元11，第一提取单元12，第二提取单元13，第一融合单元14，第一构建单元15，第一训练单元16，电子设备50，处理器51，存储器52，输入装置53，输出装置54。
具体实施方式
[0023]本申请实施例通过提供一种基于智能营销场景的数据建模方法及系统，解决了现有技术中存在的现有技术存在主要将通话记录文本作为训练数据，输入模型的数据信息较为单一，且难以将通话记录中语音信息和文本信息的特征进行融合分析，使得模型预测精准度较低的技术问题，达到了将通话录音中的情感特征与文本信息融合在一起，通过增加模型的输入维度，充分挖掘营销过程中客户的多维特征，最终达到对营销客户的精准分析，降低营销成本，提高营销效率的技术效果。
[0024]下面，将参考附图对本申请的示例实施例中的技术方案进行清楚、详细的描述。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动的前提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能营销场景的数据建模方法，其中，所述方法包括：获得通话记录，所述通话记录包括文本信息、语音信息；对所述文本信息进行特征提取，获得文本特征；对所述语音信息进行特征提取，获得语音特征；将所述文本特征、语音特征进行特征融合，获得融合特征信息；将所述融合特征信息输入一层全联接层，通过回归逻辑进行分类预测，构建双模态模型；对所述双模态模型进行训练，获得双模态神经网络模型，所述双模态神经网络模型为通过多组训练数据经过训练获得，其中，每组训练数据均包括文本特征与语音特征的融合特征信息以及标识成单意向率的标识信息。2.如权利要求1所述的方法，其中，所述对所述文本信息进行特征提取，获得文本特征，包括：通过查表法将所述文本信息转换为输入向量；对所述输入向量进行编码，并采用多种不同卷积核大小进行特征提取，获得所述文字特征。3.如权利要求1所述的方法，其中，所述对所述语音信息进行特征提取，获得语音特征，包括：通过开源工具对所述语音信息进行特征提取，获得第一特征、第二特征，其中，所述第一特征为40维特征，所述第二特征为100维特征；将所述第一特征与所述第二特征进行拼接，获得第三特征，所述第三特征为140维特征；对所述第三特征进行编码，并采用多种不同卷积核大小进行特征提取，获得所述语音特征。4.如权利要求1所述的方法，其中，所述将所述文本特征、语音特征进行特征融合，获得融合特征信息，包括：将所述文本特征、所述语音特征通过自注意力机制进行计算，并将所述文本特征计算结果加到所述语音特征上，得到语音特征表达；将所述本文特征、所述语音特征表达通过融合算法进行融...

【专利技术属性】
技术研发人员：李鹏伟，冯鑫，王彤，马啸阳，
申请(专利权)人：百融云创科技股份有限公司，
类型：发明
国别省市：