本技術涉及智能決策領域，且更為具體地，涉及一種基于用戶先驗信息引導的智能決策生成系統(tǒng)。

背景技術：

1、隨著問題的復雜化，越來越需要高級的決策支持工具來處理多變量、多目標和多約束的決策問題。智能決策生成系統(tǒng)是能夠模擬人類決策過程的人工智能系統(tǒng)，這些系統(tǒng)通過分析大量數據，識別其中的模式和關系，然后利用這些信息來生成決策或預測，它們在提高決策質量、加快決策速度以及處理大量復雜數據方面發(fā)揮著重要作用。

2、然而，目前存在的決策生成系統(tǒng)缺乏實際經驗的支持，如缺少基于歷史數據(用戶的歷史信息)來進行智能決策，這容易導致決策過程效率低下，使得決策偏離實際情況，從而影響決策過程的可靠性和準確性。

3、因此，期望一種基于用戶先驗信息引導的智能決策生成系統(tǒng)。

技術實現思路

1、為了解決上述技術問題，提出了本技術。本技術的實施例提供了一種基于用戶先驗信息引導的智能決策生成系統(tǒng)，其通過獲取目標對象的歷史決策案例數據和待審核決策內容，其中，所述歷史決策案例數據中的各個決策案例數據包含案例內容和決策標簽，并采用基于人工智能的數據處理和分析技術對所述歷史決策案例數據進行語義編碼和全局語義聚合，對所述待審核決策內容進行語義理解，以此根據所述歷史決策案例數據和所述待審核決策內容之間的語義關聯匹配特征來智能的得到決策類型標簽的輔助決策結果。通過該方式，系統(tǒng)能夠更好地利用過去的決策經驗來指導當前的決策過程，以此提供更加精準的決策建議，提高決策的質量和效率。

2、根據本技術的一個方面，提供了一種基于用戶先驗信息引導的智能決策生成系統(tǒng)，其包括：

3、歷史決策案例數據獲取模塊，用于獲取目標對象的歷史決策案例數據，其中，所述歷史決策案例數據中的各個決策案例數據包含案例內容和決策標簽；

4、案例數據語義編碼模塊，用于分別對所述歷史決策案例數據中的各個決策案例數據進行語義編碼以得到決策案例數據語義編碼向量的集合；

5、案例間語義特征提取模塊，用于對所述決策案例數據語義編碼向量的集合排列為歷史決策案例數據全局語義矩陣后進行決策案例間關聯語義特征提取以得到決策案例間局部語義維度關聯表示向量；

6、語義聚合模塊，用于將所述決策案例數據語義編碼向量的集合輸入融合節(jié)點重要性的節(jié)點消息交互聚合網絡以得到決策案例間樣本維度語義聚合表示向量；

7、多尺度語義融合模塊，用于融合所述決策案例間局部語義維度關聯表示向量和所述決策案例間樣本維度語義聚合表示向量以得到決策案例間多維度多尺度語義聚合表示向量；

8、待審核決策內容獲取模塊，用于獲取待審核決策內容；

9、待審核決策內容語義編碼模塊，用于對所述待審核決策內容進行語義編碼以得到待審核決策內容語義編碼向量；

10、語義匹配關聯模塊，用于以所述待審核決策內容語義編碼向量作為查詢向量，計算相對于所述決策案例間多維度多尺度語義聚合表示向量的查詢結果以得到語義匹配關聯矩陣作為語義匹配關聯特征；

11、結果生成模塊，用于基于所述語義匹配關聯特征，得到輔助決策結果。

12、在上述基于用戶先驗信息引導的智能決策生成系統(tǒng)中，所述案例間語義特征提取模塊，用于：將所述決策案例數據語義編碼向量的集合排列為歷史決策案例數據全局語義矩陣后通過基于文本卷積神經網絡模型的決策案例間關聯語義特征提取器以得到所述決策案例間局部語義維度關聯表示向量。

13、在上述基于用戶先驗信息引導的智能決策生成系統(tǒng)中，所述語義聚合模塊，包括：顯著因子計算單元，用于使用評分函數來度量所述決策案例數據語義編碼向量的集合中前k-1個決策案例數據語義編碼向量的顯著因子以得到k-1個決策案例數據語義顯著因子；特征加權聚合單元，用于以所述k-1個決策案例數據語義顯著因子作為權重，計算所述決策案例數據語義編碼向量的集合中前k-1個決策案例數據語義編碼向量的按位置加權和以聚合所述決策案例數據語義編碼向量的集合中前k-1個決策案例數據語義編碼向量以得到后部節(jié)點集合決策案例數據語義聚合表示向量；特征調制單元，用于使用預設超參數對所述決策案例數據語義編碼向量的集合中第k個決策案例數據語義編碼向量進行線性調制以得到調制后第k個決策案例數據語義編碼向量；全節(jié)點聚合單元，用于計算所述調制后第k個決策案例數據語義編碼向量和所述后部節(jié)點集合決策案例數據語義聚合表示向量的按位置加和以得到決策案例數據語義全節(jié)點聚合表示向量；以及，多層感知機處理單元，用于將所述決策案例數據語義全節(jié)點聚合表示向量輸入多層感知機模型以得到所述決策案例間樣本維度語義聚合表示向量。

14、在上述基于用戶先驗信息引導的智能決策生成系統(tǒng)中，所述顯著因子計算單元，包括：特征加和二級子單元，用于分別計算各個權重系數矩陣與前k-1個所述決策案例數據語義編碼向量之間的矩陣乘積以得到前k-1個決策案例數據語義編碼加權特征向量；特征偏置計算二級子單元，用于將所述前k-1個決策案例數據語義編碼加權特征向量中的各個決策案例數據語義編碼加權特征向量加上相應的偏置向量以得到前k-1個決策案例數據語義編碼偏置特征向量；特征激活二級子單元，用于將所述前k-1個決策案例數據語義編碼偏置特征向量輸入sigmoid函數進行激活以得到所述前k-1個決策案例數據語義編碼激活特征向量；語義關聯度計算二級子單元，用于計算所述前k-1個決策案例數據語義編碼激活特征向量中的各個決策案例數據語義編碼激活特征向量與權重系數向量之間的乘積以得到前k-1個決策案例數據語義關聯度；以及，語義顯著因子計算二級子單元，用于將所述前k-1個決策案例數據語義關聯度進行非線性處理以得到所述k-1個決策案例數據語義顯著因子。

15、在上述基于用戶先驗信息引導的智能決策生成系統(tǒng)中，所述語義顯著因子計算二級子單元，用于：將所述前k-1個決策案例數據語義關聯度輸入softmax函數以得到所述k-1個決策案例數據語義顯著因子。

16、在上述基于用戶先驗信息引導的智能決策生成系統(tǒng)中，所述語義匹配關聯模塊，用于：以所述待審核決策內容語義編碼向量作為查詢向量，計算所述查詢向量與所述決策案例間多維度多尺度語義聚合表示向量的轉置向量之間的向量乘積以得到所述語義匹配關聯矩陣。

17、在上述基于用戶先驗信息引導的智能決策生成系統(tǒng)中，所述結果生成模塊，用于：將所述語義匹配關聯矩陣通過基于分類器的智能決策生成模塊以得到輔助決策結果，所述輔助決策結果為決策類型標簽。

18、在上述基于用戶先驗信息引導的智能決策生成系統(tǒng)中，還包括用于對所述基于文本卷積神經網絡模型的決策案例間關聯語義特征提取器、所述融合節(jié)點重要性的節(jié)點消息交互聚合網絡和所述基于分類器的智能決策生成模塊進行訓練的訓練模塊。

19、在上述基于用戶先驗信息引導的智能決策生成系統(tǒng)中，所述訓練模塊，包括：訓練數據獲取單元，用于獲取訓練數據，所述訓練數據包括目標對象的歷史訓練決策案例數據和訓練待審核決策內容，其中，所述歷史訓練決策案例數據中的各個訓練決策案例數據包含訓練案例內容和訓練決策標簽，以及，所述決策類型的真實標簽；歷史訓練決策案例語義編碼單元，用于分別對所述歷史訓練決策案例數據中的各個訓練決策案例數據進行語義編碼以得到訓練決策案例數據語義編碼向量的集合；訓練決策案例間局部語義提取單元，用于將所述訓練決策案例數據語義編碼向量的集合排列為訓練歷史決策案例數據全局語義矩陣后通過所述基于文本卷積神經網絡模型的決策案例間關聯語義特征提取器以得到訓練決策案例間局部語義維度關聯表示向量；訓練決策案例間語義聚合單元，用于將所述訓練決策案例數據語義編碼向量的集合輸入所述融合節(jié)點重要性的節(jié)點消息交互聚合網絡以得到訓練決策案例間樣本維度語義聚合表示向量；訓練多尺度語義聚合單元，用于融合所述訓練決策案例間局部語義維度關聯表示向量和所述訓練決策案例間樣本維度語義聚合表示向量以得到訓練決策案例間多維度多尺度語義聚合表示向量；訓練待審核決策內容語義編碼單元，用于對所述訓練待審核決策內容進行語義編碼以得到訓練待審核決策內容語義編碼向量；訓練語義匹配單元，用于以所述訓練待審核決策內容語義編碼向量作為查詢向量，計算相對于所述訓練決策案例間多維度多尺度語義聚合表示向量的查詢結果以得到訓練語義匹配關聯矩陣；分類損失計算單元，用于將所述訓練語義匹配關聯矩陣輸入所述基于分類器的智能決策生成模塊以得到分類損失函數值；以及，訓練單元，用于基于所述分類損失函數值并通過梯度下降的反向傳播來對所述基于文本卷積神經網絡模型的決策案例間關聯語義特征提取器、所述融合節(jié)點重要性的節(jié)點消息交互聚合網絡和所述基于分類器的智能決策生成模塊進行訓練。

20、與現有技術相比，本技術提供的一種基于用戶先驗信息引導的智能決策生成系統(tǒng)，其通過獲取目標對象的歷史決策案例數據和待審核決策內容，其中，所述歷史決策案例數據中的各個決策案例數據包含案例內容和決策標簽，并采用基于人工智能的數據處理和分析技術對所述歷史決策案例數據進行語義編碼和全局語義聚合，對所述待審核決策內容進行語義理解，以此根據所述歷史決策案例數據和所述待審核決策內容之間的語義關聯匹配特征來智能的得到決策類型標簽的輔助決策結果。通過該方式，系統(tǒng)能夠更好地利用過去的決策經驗來指導當前的決策過程，以此提供更加精準的決策建議，提高決策的質量和效率。