本公开涉及行为识别领域，具体涉及一种识别用户行为的方法及装置。
背景技术：
在现在这个高消费的时代,人们的生活水平有了很大的进步,随着科技进步、时代发展以及国家经济政策的普及,人们的物质需求日益增长。这就造成了人们在消费过程中存在许多冲动消费行为，许多用户因此选择向银行或其他平台贷款来满足自身的冲动消费的欲望；而用户这种贷款行为，不仅在还款时给用户造成了莫大的压力，同时还降低了还款率，在一些特殊案例中，还会带来社会问题，造成不好的社会影响。这些冲动消费的用户，在行为上通常表现为对某件希望获得的东西未曾经过深思熟虑就贸然决定消费来满足自身的欲望，如果此时能对用户冲动行为进行识别并对用户进行一定的引导，让其有机会获得更多的思索时间和机会，则可能避免冲动消费行为的发生。因此，亟需一种识别用户冲动消费行为的方法。
技术实现要素：
针对现有技术中的上述技术问题，本公开实施例提出了一种识别用户行为的方法及装置，以解决现有技术中无法识别用户冲动消费的行为，进而带来的个人财产和信誉损失的问题。
本公开实施例的第一方面提供了一种识别用户行为的方法，包括：
基于问题库与用户进行问答交互，识别所述用户回答问题时的情绪；
判断所述情绪是否符合预设定的情绪模型，若不符合所述情绪模型，则修改所述问题库；
基于修改后的问题库与所述用户的关联用户进行问答交互；
生成关联数据，并根据所述关联数据识别用户行为。
在一些实施例中，所述方法还包括：根据图数据库中所述用户的一度/二度关联用户建立用户画像；根据所述用户画像判断所述用户所属情绪模型类别，并进行预设定；根据所述预设定的情绪模型创建所述问题库。
在一些实施例中，判断所述情绪是否符合预设定的情绪模型，具体包括：根据所述用户在回答问题时的语气/微表情和回答内容判断所述用户是否符合所述预设定的情绪模型。
在一些实施例中，所述方法还包括：若不符合所述预设定的情绪模型，基于所述问题库与所述用户的问答交互生成用户的第一关联组；
基于修改后的问题库与所述用户的关联用户的问答交互生成所述关联用户的第二关联组；
所述关联数据具体为：所述第一关联组与所述第二关联组的数据集合。
在一些实施例中，若不符合所述预设定的情绪模型，则将问题、答案及识别到的用户情绪相关联，生成所述用户的问题-答案-情绪的第一关联组；根据所述第一关联组修改所述问题库。
在一些实施例中，所述基于修改后的问题库与所述用户的关联用户进行交互，将问题、答案及识别到的所述关联用户的情绪相关联，生成所述关联用户的问题-答案-情绪的第二关联组。
在一些实施例中，所述问题、识别到的情绪分别通过问题编号、情绪识别码记录；所述答案通过词嵌入的方法转化成数值向量记录。
在一些实施例中，所述根据所述关联数据识别用户行为，具体包括：将所述关联数据输入至预训练过的识别模型；所述识别模型输出所述用户行为。
本公开实施例的第二方面提供了一种识别用户行为的装置，包括：
第一问答交互模块，基于问题库与用户进行问答交互，识别所述用户回答问题时的情绪；
判断模型，用于判断所述情绪是否符合预设定的情绪模型，若不符合所述情绪模型，则修改所述问题库；
第二问答交互模块，基于修改后的问题库与所述用户的关联用户进行问答交互；
行为识别模块，用于生成关联数据，并根据所述关联数据识别用户行为。
在一些实施例中，所述判断模块具体用于根据所述用户在回答问题时的语气/微表情和回答内容判断所述用户是否符合所述预设定的情绪模型。
本公开实施例的第三方面提供了一种电子设备，包括：
存储器以及一个或多个处理器；
其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如前述各实施例所述的方法。
本公开实施例的第四方面提供了一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可用来实现如前述各实施例所述的方法。
本公开实施例的第五方面提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，可用来实现如前述各实施例所述的方法。
本公开实施例中，通过与用户及所述用户的关联用户的问答交互来判断用户的行为，不仅能轻易识别用户的冲动消费的行为，还能给用户更多的思索时间和机会避免冲动消费的发生，避免了财产和个人信誉的损失，用户体验良好。
附图说明
通过参考附图会更加清楚的理解本公开的特征和优点，附图是示意性的而不应理解为对本公开进行任何限制，在附图中：
图1是根据本公开的一些实施例所示的一种识别用户行为的方法的流程图；
图2是根据本公开的一些实施例所示的第一关联组的示意图；
图3是根据本公开的一些实施例所示的第二关联组的示意图；
图4是根据本公开的一些实施例所示的识别用户行为的系统工作示意图；
图5是根据本公开的一些实施例所示的一种识别用户行为的装置的结构框图；
图6是根据本公开的一些实施例所示的一种电子设备的结构示意图。
具体实施方式
在下面的详细描述中，通过示例阐述了本公开的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本公开显而易见的可以在没有这些细节的情况下实施。应当理解的是，本公开中使用“系统”、“装置”、“单元”和/或“模块”术语，是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而，如果其他表达式可以实现相同的目的，这些术语可以被其他表达式替换。
应当理解的是，当设备、单元或模块被称为“在……上”、“连接到”或“耦合到”另一设备、单元或模块时，其可以直接在另一设备、单元或模块上，连接或耦合到或与其他设备、单元或模块通信，或者可以存在中间设备、单元或模块，除非上下文明确提示例外情形。例如，本公开所使用的术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。
本公开所用术语仅为了描述特定实施例，而非限制本公开范围。如本公开说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件，而该类表述并不构成一个排它性的罗列，其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。
参看下面的说明以及附图，本公开的这些或其他特征和特点、操作方法、结构的相关元素的功能、部分的结合以及制造的经济性可以被更好地理解，其中说明和附图形成了说明书的一部分。然而，可以清楚地理解，附图仅用作说明和描述的目的，并不意在限定本公开的保护范围。可以理解的是，附图并非按比例绘制。
本公开中使用了多种结构图用来说明根据本公开的实施例的各种变形。应当理解的是，前面或下面的结构并不是用来限定本公开。本公开的保护范围以权利要求为准。
在现在这个高消费的时代,人们的生活水平有了很大的进步,随着科技进步、时代发展以及国家经济政策的普及,人们的物质需求日益增长。这就造成了人们在消费过程中存在许多冲动消费行为，许多用户因此选择向银行或其他平台贷款来满足自身的冲动消费的欲望；而用户这种贷款行为，不仅在还款时给用户造成了莫大的压力，同时还降低了还款率，在一些特殊案例中，还会带来社会问题，造成不好的社会影响。这些冲动消费的用户，在行为上通常表现为对某件希望获得的东西未曾经过深思熟虑就贸然决定消费来满足自身的欲望，如果此时对用户进行一定的引导，让其有机会获得更多的思索时间和机会，则可能避免冲动消费行为的发生。为解决上述的问题，本公开实施例提供了一种识别用户行为的方法，具体如图1所示：
s101、基于问题库与用户进行问答交互，识别所述用户回答问题时的情绪；
s102、判断所述情绪是否符合预设定的情绪模型，若不符合所述情绪模型，则修改所述问题库；
s103、基于修改后的问题库与所述用户的关联用户进行问答交互；
s104、生成关联数据，并根据所述关联数据识别用户行为。
在一些实施例中，所述方法还包括：根据图数据库中所述用户的一度/二度关联用户建立用户画像；根据所述用户画像判断所述用户所属情绪模型类别，并进行预设定；根据所述预设定的情绪模型创建所述问题库。
在一些实施例中，用户第一次贷款时具有一种情绪模型，可以将这种情绪模型作为第二次贷款时判断所述用户所属情绪模型类别的基准。
在一些实施例中，判断所述情绪是否符合预设定的情绪模型，具体包括：根据所述用户在回答问题时的语气/微表情和回答内容判断所述用户是否符合所述预设定的情绪模型。
例如，情绪模型可以是第一次使用贷款的用户情绪模型、熟练贷款的用户情绪模型、无收入/收入微薄还款能力弱的用户情绪模型或资产丰厚还款能力强的用户情绪模型等。
在一些实施中，所述方法还包括：如符合所述预设定的情绪模型，则待用户正常回答完毕所有问题后，识别用户行为。
在一些实施例中，所述方法还包括：若不符合所述预设定的情绪模型，基于所述问题库与所述用户的问答交互生成用户的第一关联组；
基于修改后的问题库与所述用户的关联用户的问答交互生成所述关联用户的第二关联组；
所述关联数据具体为：所述第一关联组与所述第二关联组的数据集合。
进一步地，若不符合所述预设定的情绪模型，则将问题、答案及识别到的用户情绪相关联，生成所述用户的问题-答案-情绪的所述第一关联组；根据所述第一关联组修改所述问题库。
进一步地，所述基于修改后的问题库与所述用户的关联用户进行交互，将问题、答案及识别到的所述关联用户的情绪相关联，生成所述关联用户的问题-答案-情绪的所述第二关联组。
具体地，基于问题库与用户进行问答交互中，用户在回答基础问题库中的某一具体问题时，如果识别到用户的情绪偏离用户画像所在的情绪模型时，将该问题计入一问题记录，并记录用户回答的内容；因此，在与用户的交互结束后将得到多个问题-答案-情绪的第一关联组；然后，基于第一关联组对基础问题库进行修改，基于修改后的问题库与用户的关联用户进行问答交互，生成对应的问题-答案-情绪的第二关联组；由于修改后的问题库中的问题是由第一关联组生成的，因此得到一个问题-答案-情绪的数据集合，最后根据此数据集合判断用户的行为是否是属于冲动消费，并结合贷款审核相关要求判断是否批准用户贷款以及批准用户贷款时的贷款额度。
在一些实施例中，所述问题、识别到的情绪分别通过问题编号、情绪识别码记录；所述答案通过词嵌入的方法转化成数值向量记录。
在一些实施例中，所述根据所述关联数据识别用户行为，具体包括：将所述关联数据输入至预训练过的识别模型；所述识别模型输出所述用户行为。
在一些实施例中，贷款用户为缺少信贷记录的初次贷款用户并且无收入证明，且在回答问题“贷款目的”时提出自己非常想买某奢侈品，属于初次使用贷款且高消费用户情绪模型，此时从第一问题库中选择问题提问用户，生成用户的问题-答案-情绪的第一关联组；如图2所示，为第一关联组的示意图：通过语音/视频提问用户的问题是贷款目的，得到用户的回答是购买名牌汽车，此时检测到用户回答问题时的情绪很紧张。
在一些实施例中，根据所述第一关联组修改所述问题库可由经训练得到的问题生成模块来完成。具体地，将第一关联组作为输入，输入至问题生成模块后，由问题生成模块生成第二问题库；例如，从图数据库中查找到用户的关联人是用户的母亲，第二问题库中的问题可以是“您知道您女儿正在计划贷款购买名牌汽车吗？”
进一步地，问题生成模块可以是一个sequence-to-sequence(seq2seq)生成器，具体实现可以使用rnn，lstm等常见算法。由于问题编号、情绪识别编码也被输入rnn，lstm模型，因此在答案相同但情绪不同时，生成器产生的问题是不同的。本质上，问题生成模块也是一个交互机器人，只是训练的数据以及目的不同，该交互机器人针对用户的回答生成一个用于关联用户的问题，而传统的机器人则是根据用户的问题生成一个答案。
在一些实施例中，交互机器人发起与该用户母亲的问答交互，除常规问题外，插入第二问题库中的问题。例如上述“您知道您女儿正在计划贷款购买名牌汽车吗？”等问题。此时，记录关联用户的回答以及相关的情绪识别，生成问题-答案-情绪的第二关联组，如图3所示。由于图3中的问题是图2中问题通过生成器模型得到的，因此计算机可以将两组数据关联，得到最终的一个数据集。通过类似的方法，在整个问答过程中将生成多个数据集。也就是说，在两轮对话后，计算机将得到一个可变长度的数值矩阵，分别对应了成对记录的用户与关联用户的问题-答案-情绪。将该数值矩阵输入至一个预训练的识别模型中，判断用户的行为。其中，预训练的识别模型可以是时序处理模型(例如rnn模型)，并通过人工标注的对话语料训练该识别模型，最终得到一个识别用户是否存在冲动消费行为的模型。上述识别用户行为的系统工作示意图如图4所示。
进一步地，还可以训练一个对当前用户申请贷款是否批准以及批准额度的模型，用来判断是否给该用户贷款及贷款额度。
本公开实施例还提供了一种识别用户行为的装置500，如图5所示，具体包括：
第一问答交互模块501，基于问题库与用户进行问答交互，识别所述用户回答问题时的情绪；
判断模型502，用于判断所述情绪是否符合预设定的情绪模型，若不符合所述情绪模型，则修改所述问题库；
第二问答交互模块503，基于修改后的问题库与所述用户的关联用户进行问答交互；
行为识别模块504，用于生成关联数据，并根据所述关联数据识别用户行为。
在一些实施例中，判断模型502具体用于根据所述用户在回答问题时的语气/微表情和回答内容判断所述用户是否符合所述预设定的情绪模型。
通过本公开实施例提供的通过与用户及所述用户的关联用户的问答交互来判断用户的行为，不仅能轻易识别用户的冲动消费的行为，还能给用户更多的思索时间和机会避免冲动消费的发生，避免了财产和个人信誉的损失，用户体验良好。
参考附图6，为本申请一个实施例提供的电子设备示意图。如图6所示，该电子设备600包括：
存储器630以及一个或多个处理器610；
其中，所述存储器630与所述一个或多个处理器610通信连接，所述存储器630中存储有可被所述一个或多个处理器执行的指令632，所述指令632被所述一个或多个处理器610执行，以使所述一个或多个处理器610执行本申请前述实施例中的方法。
具体地，处理器610和存储器630可以通过总线或者其他方式连接，图中以通过总线640连接为例。处理器610可以为中央处理器(centralprocessingunit，cpu)。处理器610还可以为其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器630作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的级联渐进网络等。处理器610通过运行存储在存储器630中的非暂态软件程序、指令以及模块632，从而执行处理器的各种功能应用以及数据处理。
存储器630可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器610所创建的数据等。此外，存储器630可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器630可选包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络(比如通过通信接口620)连接至处理器610。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请的一个实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被执行后执行本申请前述实施例中的方法。
前述的计算机可读取存储介质包括以存储如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方式或技术来实现的物理易失性和非易失性、可移动和不可移动介质。计算机可读取存储介质具体包括，但不限于，u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、可擦除可编程只读存储器(eprom)、电可擦可编程只读存储器(eeprom)、闪存或其他固态存储器技术、cd-rom、数字多功能盘(dvd)、hd-dvd、蓝光(blue-ray)或其他光存储设备、磁带、磁盘存储或其他磁性存储设备、或能用于存储所需信息且可以由计算机访问的任何其他介质。
尽管此处所述的主题是在结合操作系统和应用程序在计算机系统上的执行而执行的一般上下文中提供的，但本领域技术人员可以认识到，还可结合其他类型的程序模块来执行其他实现。一般而言，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组件、数据结构和其他类型的结构。本领域技术人员可以理解，此处所述的本主题可以使用其他计算机系统配置来实践，包括手持式设备、多处理器系统、基于微处理器或可编程消费电子产品、小型计算机、大型计算机等，也可使用在其中任务由通过通信网络连接的远程处理设备执行的分布式计算环境中。在分布式计算环境中，程序模块可位于本地和远程存储器存储设备的两者中。
本领域普通技术人员可以意识到，结合本文中所本申请的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对原有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
综上所述，本公开提出了一种识别用户行为的方法、装置、电子设备及其计算机可读存储介质。本公开实施例中，通过与用户及所述用户的关联用户的问答交互来判断用户的行为，不仅能轻易识别用户的冲动消费的行为，还能给用户更多的思索时间和机会避免冲动消费的发生，避免了财产和个人信誉的损失，用户体验良好。
应当理解的是，本公开的上述具体实施方式仅仅用于示例性说明或解释本公开的原理，而不构成对本公开的限制。因此，在不偏离本公开的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。此外，本公开所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
1.一种识别用户行为的方法，其特征在于，包括：
基于问题库与用户进行问答交互，识别所述用户回答问题时的情绪；
判断所述情绪是否符合预设定的情绪模型，若不符合所述情绪模型，则修改所述问题库；
基于修改后的问题库与所述用户的关联用户进行问答交互；
生成关联数据，并根据所述关联数据识别用户行为。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据图数据库中所述用户的一度/二度关联用户建立用户画像；根据所述用户画像判断所述用户所属情绪模型类别，并进行预设定；根据所述预设定的情绪模型创建所述问题库。
3.根据权利要求1所述的方法，其特征在于，判断所述情绪是否符合预设定的情绪模型，具体包括：根据所述用户在回答问题时的语气/微表情和回答内容判断所述用户是否符合所述预设定的情绪模型。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：若不符合所述预设定的情绪模型，基于所述问题库与所述用户的问答交互生成用户的第一关联组；
基于修改后的问题库与所述用户的关联用户的问答交互生成所述关联用户的第二关联组；
所述关联数据具体为：所述第一关联组与所述第二关联组的数据集合。
5.根据权利要求4所述的方法，其特征在于，若不符合所述预设定的情绪模型，则将问题、答案及识别到的用户情绪相关联，生成所述用户的问题-答案-情绪的第一关联组；根据所述第一关联组修改所述问题库。
6.根据权利要求4所述的方法，其特征在于，所述基于修改后的问题库与所述用户的关联用户进行交互，将问题、答案及识别到的所述关联用户的情绪相关联，生成所述关联用户的问题-答案-情绪的第二关联组。
7.根据权利要求5或6所述的方法，其特征在于，所述问题、识别到的情绪分别通过问题编号、情绪识别码记录；所述答案通过词嵌入的方法转化成数值向量记录。
8.根据权利要求1所述的方法，其特征在于，所述根据所述关联数据识别用户行为，具体包括：将所述关联数据输入至预训练过的识别模型；所述识别模型输出所述用户行为。
9.一种识别用户行为的装置，其特征在于，包括：
第一问答交互模块，基于问题库与用户进行问答交互，识别所述用户回答问题时的情绪；
判断模型，用于判断所述情绪是否符合预设定的情绪模型，若不符合所述情绪模型，则修改所述问题库；
第二问答交互模块，基于修改后的问题库与所述用户的关联用户进行问答交互；
行为识别模块，用于生成关联数据，并根据所述关联数据识别用户行为。
10.根据权利要求9所述的装置，其特征在于，所述判断模块具体用于根据所述用户在回答问题时的语气/微表情和回答内容判断所述用户是否符合所述预设定的情绪模型。
技术总结