(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111666322.6 (22)申请日 2021.12.3 0 (71)申请人 天翼电子商务有限公司 地址 100037 北京市西城区阜成门外大街 31号4层429D (72)发明人 王世雄　王宣皓　唐文华　朱鹏程　 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 30/00(2012.01) G06K 9/62(2022.01) G06N 20/20(2019.01) (54)发明名称 一种多行为时序特征的来电咨询意图的预 测方法 (57)摘要 本发明公开了一种多行为时序特征的来电 咨询意图的预测方法， 它涉及通讯支付技术领 域。 提取历史用户行为的时间特征信息， 通过 schedule定时计算不同业务类别下行为特征项 影响因子占比； 针对时间序列内用户多行为多类 别信息， 得出对应用户咨询问题类别的特征权重 计算方法； 计算历史时间段内多类别行为特征， 将相同业务类别下不同行为累加求和， 得出不同 业务类别下多行为特征表示矩阵 ， 并使用 xgboost算法对历史特征业务类别划分， 动态触 发schedule实现预测模型权重定期训练， 实现用 户历史行为信息预测来电询问的业务类别。 本发 明提升对用户诉求预测的准确率， 提高客服人员 的工作效率并维护用户感知， 便于精准服务用 户。 权利要求书2页 说明书5页 附图3页 CN 114529329 A 2022.05.24 CN 114529329 A 1.一种多行为时序特 征的来电咨询意图的预测方法， 其特 征在于， 其 步骤为： (1)提取历史用户行为的时间特征信 息， 并对该特征信 息进行清洗与预处理， 保证数据 的有效性； (2)针对步骤(1)提取到相应特征信息， 通过schedule定时计算不同业务类别下所有行 为特征项影响因子占比R(x)； (3)针对时间序列内用户多行为多类别信息， 得出对应用户咨询问题类别的特征权重 计算方法； (4)通过步骤(3)计算出历史时间段内多类别行为特征， 并将相同业务类别下不同行为 累加求和， 得 出不同业 务类别下多行为特 征表示矩阵； (5)动态更新用户咨询预测模型方法： 将历史多种行为特征表示矩阵使用xgboost算法 实现对历史特征业务类别的划分， 通过动态触发schedule实现预测模型权重定期训练， 实 现用户历史行为信息预测来电询问的业 务类别。 2.根据权利要求1所述的一种多行为时序特征的来电咨询意图的预测方法， 其特征在 于， 所述的步骤(2)统计历史时间内用户行为类别与咨询问题类别相同的数据个数k， 所有 用户历史行为特征个数s， 历史不同业务类别下行为特征影响因子R(x)， 其中R(x)＝k/s， 通 过schedule定时计算影响因子 。 3.根据权利要求1所述的一种多行为时序特征的来电咨询意图的预测方法， 其特征在 于， 所述的步骤(3)的具体步骤为： ①通过步骤(1)提取到的时间序列特 征数据， 将其对应的行为 业务类别进行 标注； ②对历史时间段内的多行为特征进行统计分析， 提取多行为 时间序列 特征拟合正态分 布曲线的特 征数据； ③基于正态分布计算的多行为时间序列特 征计算方法： a.正态分布方差项计算方法： 以每天为行为的时间周期划分， 挑选历史连续时间段内 每天业务行为预测准确率p(x， t)， 多行为时间序列的正态方差项计算公式具体如下： 式(1)中n为历史时间段的天数， x表示某业务类别的历史行为， t表示某时间点， p(x， t) 为历史某一行为某天预测正确的概率， 是历史时间段内某一行为预测正确概率的 均值； b.正态分布期望差项计算方法： 根据提取到的时间序列特征数据， 通过时间序列权重 计算函数， 得出特征对应业务类别的权重信息； 其中基于时间序列行为正态分布期望差计 算公式如下： 式(2)中t(n)为当前时间的时间戳， t(x， t)表示x业务类别的历史时间节点， T(x， t)公 式是计算x业 务类别的历史行为时间节点距离当前时间有z个周期； c.基于正态分布计算多行为时间序列特 征加权计算公式如下：权　利　要　求　书 1/2 页 2 CN 114529329 A 2式(3)中V(x,t)是基于正态分布计算公式得出， 其中k为缩放因子调节， 用于调整计算 结果范围， δ(x， t)为 正态分布方差项， T2(x,t)为正态分布期望 差项。权　利　要　求　书 2/2 页 3 CN 114529329 A 3