CN106156362A - 一种针对预警提示自动提供解决方案的方法及装置 - Google Patents
一种针对预警提示自动提供解决方案的方法及装置 Download PDFInfo
- Publication number
- CN106156362A CN106156362A CN201610621067.6A CN201610621067A CN106156362A CN 106156362 A CN106156362 A CN 106156362A CN 201610621067 A CN201610621067 A CN 201610621067A CN 106156362 A CN106156362 A CN 106156362A
- Authority
- CN
- China
- Prior art keywords
- early warning
- solution
- classification
- warning problem
- warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的针对预警提示自动提供解决方案的方法及装置,通过预警提示获取与预警提示对应的预警问题,搜索获取与预警问题匹配的解决方案,或对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案,解决了现有预警模块缺乏针对预警问题提供解决方案的技术问题,不仅能自动获取与预警提示对应的预警问题,而且还能提供与预警问题对应的解决方案,方便了预警对象在接收到预警提示时就能即时获得与预警提示对应的预警问题的解决方案,智能化程度高,且通过对预警问题进行原因分析后获取的解决方案具有针对性,体现了较高的个性化和智能化。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种针对预警提示自动提供解决方案的方法及装置。
背景技术
目前,有些管理软件设置有预警模块,例如办公管理系统中的员工行为预警模块、销售系统中的销售指标预警模块以及进销存系统中的进销存指标预警模块等等。而这些预警模块实现预警的过程一般包括:首先由人工设置预警阈值,然后判断监测的预警指标或参数是否达到预警阈值,并在判定结果为是时将预警提示发送给预警对象。
由此可见,现有管理软件中的预警模块缺乏针对预警提示自动提供解决方案的功能,即在监测到预警指标达到预警阈值时,通常只是将预警提示发送给预警对象,没有提供针对该预警提示对应的问题的解决方案,故亟需提供一种能针对预警提示自动提供解决方案的方法及装置。
发明内容
本发明提供了一种针对预警提示自动提供解决方案的方法及装置,以解决现有预警模块缺乏针对预警问题提供解决方案的技术问题。
根据本发明的一方面,提供了一种针对预警提示自动提供解决方案的方法,包括:
根据预警提示获取与预警提示对应的预警问题;
搜索获取与预警问题匹配的解决方案,或对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案。
进一步地,根据预警提示获取与预警提示对应的预警问题包括:
获取与预警提示对应的预警指标和预警阈值;
根据预警指标和预警阈值获得与预警提示对应的预警问题。
进一步地,对预警问题进行原因分析包括:
建立与预警问题对应的原因分类模型;
基于原因分类模型获得与预警问题对应的原因类别,并将原因类别作为对预警问题进行原因分析的结果。
进一步地,建立与预警问题对应的原因分类模型包括:
采集训练样本的用户行为数据,训练样本为已标识与其对应的预警问题和与预警问题对应的原因类别的样本;
根据训练样本的用户行为数据提取特征向量;
基于特征向量训练分类模型,获得原因分类模型。
进一步地,根据原因分析的结果获得与预警问题对应的解决方案包括:
根据原因类别自动生成与预警问题对应的解决方案,或根据原因类别以及与原因类别对应的历史解决方案获得与预警问题对应的解决方案。
进一步地,搜索获取与预警问题匹配的解决方案包括:
在预先建立的数据库或互联网上搜索获取与预警问题匹配的解决方案,并在不能搜索获取到与预警问题匹配的解决方案时通过预设的平台发布预警问题。
根据本发明的另一方面,提供了一种针对预警提示自动提供解决方案的装置,包括:
获取装置,用于根据预警提示获取与预警提示对应的预警问题;
搜索装置,用于搜索获取与预警问题匹配的解决方案,或对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案。
进一步地,获取装置包括:
预警指标和预警阈值获取装置,用于获取与预警提示对应的预警指标和预警阈值;
预警问题获取装置,用于根据预警指标和预警阈值获得与预警提示对应的预警问题。
进一步地,搜索装置包括:
原因分类模型建立装置,用于建立与预警问题对应的原因分类模型;
原因类别获取装置,用于基于原因分类模型获得与预警问题对应的原因类别,并将原因类别作为对预警问题进行原因分析的结果。
进一步地,原因分类模型建立装置包括:
采集装置,用于采集训练样本的用户行为数据,训练样本为已标识与其对应的预警问题和与预警问题对应的原因类别的样本;
特征向量提取装置,用于根据训练样本的用户行为数据提取特征向量;
训练装置,用于基于特征向量训练分类模型,获得原因分类模型。
本发明具有以下有益效果:
本发明提供的针对预警提示自动提供解决方案的方法及装置,通过预警提示获取与预警提示对应的预警问题,搜索获取与预警问题匹配的解决方案,或对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案,解决了现有预警模块缺乏针对预警问题提供解决方案的技术问题,不仅能自动获取与预警提示对应的预警问题,而且还能提供与预警问题对应的解决方案,方便了预警对象在接收到预警提示时就能即时获得与预警提示对应的预警问题的解决方案,智能化程度高,且通过对预警问题进行原因分析后获取的解决方案具有针对性,体现了较高的个性化和智能化。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构建本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构建对本发明的不当限定。在附图中:
图1是本发明优选实施例的针对预警提示自动提供解决方案的方法流程图;
图2是本发明优选实施例针对的第一个精简实施例的针对预警提示自动提供解决方案的方法流程图;
图3是本发明优选实施例针对的第二个精简实施例的针对预警提示自动提供解决方案的方法流程图;
图4是本发明优选实施例的针对预警提示自动提供解决方案的装置结构框图。
附图标记说明:
10、获取装置;20、搜索装置。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参照图1,本发明的优选实施例提供了一种针对预警提示自动提供解决方案的方法,包括:
步骤S101,根据预警提示获取与预警提示对应的预警问题;
步骤S102,搜索获取与预警问题匹配的解决方案,或对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案。
本发明提供的针对预警提示自动提供解决方案的方法,通过预警提示获取与预警提示对应的预警问题,搜索获取与预警问题匹配的解决方案,或对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案,解决了现有预警模块缺乏针对预警问题提供解决方案的技术问题,不仅能自动获取与预警提示对应的预警问题,而且还能提供与预警问题对应的解决方案,方便了预警对象在接收到预警提示时就能即时获得与预警提示对应的预警问题的解决方案,智能化程度高,且通过对预警问题进行原因分析后获取的解决方案具有针对性,体现了较高的个性化和智能化。
具体地,在现有的预警模块中,用户往往在接收到预警提示时,还需要人工获取与预警提示对应的预警问题的解决方案,例如办公管理系统中的员工行为预警模块中当出现某员工旷工三次的预警提示时,则预警对象需要根据经验或人工获取与该预警问题对应的解决方案,费时费力,预警问题处理效率低。针对该问题,本实施例在出现预警提示时,即时搜索获取与预警问题匹配的解决方案,或对预警问题进行原因分析,并根据原因分析的结果自动获得与预警问题对应的解决方案,即时性好,智能化程度高。
需要说明的是,本实施例在获取与预警问题对应的解决方案时,可以先在预先建立的数据库或互联网上搜索与预警问题匹配的解决方案,然后在不能搜索获取与预警问题对应的解决方案时,再对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案;也可以直接对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案。
可选地,根据预警提示获取与预警提示对应的预警问题包括:
获取与预警提示对应的预警指标和预警阈值;
根据预警指标和预警阈值获得与预警提示对应的预警问题。
由于预警提示中一般包括了预警指标以及与预警指标对应的预警阈值,故根据预警指标与预警阈值的结合容易获得与预警提示对应的预警问题。例如针对办公管理系统中的员工行为预警模块中某员工旷工三次的预警提示,可以根据预警指标(旷工次数)和预警阈值(3次)容易获得与预警提示对应的预警问题,例如“旷工三次怎么办?”、“旷工三次怎么处理?”等等。在实际的实施过程中,还可以仅仅根据与预警提示对应的预警指标获取与预警提示对应的预警问题,例如针对上述预警提示,本实施例还可以仅仅根据预警指标(旷工)获得与预警提示对应的预警问题,例如“旷工怎么办?”、或“旷工怎么处理?”等等。
可选地,对预警问题进行原因分析包括:
建立与预警问题对应的原因分类模型;
基于原因分类模型获得与预警问题对应的原因类别,并将原因类别作为对预警问题进行原因分析的结果。
由于根据预警问题直接搜索与预警问题匹配的解决方案,不一定能搜索到与预警问题相对匹配的解决方案,或者根据预警问题搜索的解决方案不一定有针对性。例如针对销售系统中的销售指标预警模块发出的“新增客户量少于五人”预警提示,若直接根据预警问题“新增客户量少于五人怎么办”进行搜索,获得的解决方案可能比较大众化或很笼统,从而导致获取的解决方案的应用价值不高。
针对该问题,本实施例较新颖地提出对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案的方法。由于针对每一个预警问题可能对应不同的原因类别,例如针对销售额未达到10万可能对应的原因类别为个人原因、市场原因、公司原因等等,故本实施例首先建立与预警问题对应的原因分类模型,然后基于原因分类模型获得与预警问题对应的原因类别,并将原因类别作为对预警问题进行原因分析的结果。
本实施例通过建立与预警问题对应的原因分类模型,并基于原因分类模型获得与预警问题对应的原因类别,并将原因类别作为对预警问题进行原因分析的结果,使得对预警问题进行具体针对性的原因分析,从而根据分析出的原因类别再获取与之对应的解决方案,符合人工思考解决方案的逻辑思维,具有较高的智能化;而且通过分析出与解决问题对应的原因类别再针对不同的原因获得与之对应的解决方案,使得获得的解决方案针对性强,应用价值高。
可选地,建立与预警问题对应的原因分类模型包括:
采集训练样本的用户行为数据,训练样本为已标识与其对应的预警问题和与预警问题对应的原因类别的样本;
根据训练样本的用户行为数据提取特征向量;
基于特征向量训练分类模型,获得原因分类模型。
不同的预警问题可能对应不同的原因类别,且针对同一个预警问题,不同的对象也可能对应不同的原因类别。例如针对员工A、员工B的销售额未达到10万的预警问题,员工A的原因可能是市场行情不景气,而员工B的原因可能是个人不积极等。故为了更精确获得与预警问题对应的原因类别,本实施例通过采集训练样本的用户行为数据,并根据训练样本的用户行为数据提取特征向量,以及基于特征向量训练分类模型,获得原因分类模型,从而实现了基于用户的用户行为数据获得与之对应的原因类别,具有针对性,体现了较高的个性化水平,同时基于用户的用户行为数据以及训练好的原因分类模型,能获得与用户行为数据相关的具有针对性的原因类别,从而根据获得的原因类别进一步获取可靠性和针对性更强的解决方案,智能化程度高。
可选地,根据原因分析的结果获得与预警问题对应的解决方案包括:
根据原因类别自动生成与预警问题对应的解决方案,或根据原因类别以及与原因类别对应的历史解决方案获得与预警问题对应的解决方案。
本实施例通过原因分类模型获得与预警问题对应的原因类别后,可以根据原因类别自动生成与预警问题对应的解决方案,或根据原因类别以及与原因类别对应的历史解决方案获得与预警问题对应的解决方案。具体地,例如本实施例基于原因分类模型对预警问题“新增客户量未超过5人”进行原因分析后,获得与其对应的原因类别为电话沟通次数少,从而可以根据获得的原因类别直接生成与其对应的解决方案,即增加与潜在客户的电话沟通次数等等,也即直接根据原因类别生成与其对应的解决方案,从而使得获得的解决方案具有针对性,可靠性高,且生成的解决方案应用价值高。
此外,本实施例还可以根据原因类别以及与原因类别对应的历史解决方案获得与预警问题对应的解决方案,也即在获得与预警问题对应的原因类别后,本实施例可以根据与原因类别对应的历史解决方案获得与预警问题对应的解决方案,且本实施例中所指的历史解决方案可以是针对同一对象,也可以是其他对象的历史解决方案。例如当本实施例获得针对员工A的预警问题“新增客户量未超过5人”的原因类别为电话沟通次数少后,既可以参照以往员工A由于同样原因类别导致预警提示所采取的历史解决方案,也可以参照以往其他员工由于同样原因类别导致预警提示所采取的历史解决方案。
可选地,搜索获取与预警问题匹配的解决方案包括:
在预先建立的数据库或互联网上搜索获取与预警问题匹配的解决方案,并在不能搜索获取到与预警问题匹配的解决方案时通过预设的平台发布预警问题。
本实施例搜索获取与预警问题匹配的解决方案时可以在预先建立的数据库中进行搜索,也可以在互联网上搜索获取与预警问题匹配的解决方案。且在具体的搜索过程中,首先根据预警问题提取用于搜索的关键词,然后再依据提取的关键词进行搜索或匹配。由于根据搜索问题确定的关键词不一定能搜索到与预警问题匹配的解决方案,针对该问题,本实施例在不能搜索获取到与预警问题匹配的解决方案时,通过预设的平台发布预警问题。其中预设的平台类型由用户自定义,例如可以是微信平台、百度问答平台、微博论坛平台等等。
下面针对两个精简实施例对本发明的针对预警提示自动提供解决方案的方法进行更进一步说明。
精简实施例一
参照图2,本实施例中针对预警提示自动提供解决方案的方法包括:
步骤S201,获取与预警提示对应的预警指标和预警阈值。
具体地,由于本实施例的解决方案主要是针对预警提示提出的,故首先需要获取与预警提示对应的预警问题。而由于预警提示中一般包括了预警指标以及与预警指标对应的预警阈值,故根据预警指标与预警阈值的结合容易获得与预警提示对应的预警问题。假设本实施例中的预警提示是针对办公管理系统中的员工行为预警模块中某员工旷工三次的预警提示。则根据该预警提示,容易获得与预警提示对应的预警指标为:旷工次数;预警阈值为:3次。
步骤S202,根据预警指标和预警阈值获得与预警提示对应的预警问题。
具体地,本实施例根据预警指标(旷工次数)和预警阈值(3次)易获得与预警提示对应的预警问题,例如“旷工三次怎么办?”、“旷工三次怎么处理?”等等。在实际的实施过程中,还可以仅仅根据与预警提示对应的预警指标获取与预警提示对应的预警问题,例如针对上述预警提示,本实施例还可以仅仅根据预警指标(旷工)获得与预警提示对应的预警问题,例如“旷工怎么办?”、或“旷工怎么处理?”等等。
步骤S203,在预先建立的数据库或互联网上搜索获取与预警问题匹配的解决方案,并在不能搜索获取到与预警问题匹配的解决方案时通过预设的平台发布预警问题。
在获得预警问题之后,本实施例可以根据预警问题在预先建立的数据库或互联网上搜索获取与预警问题匹配的解决方案。且在具体的搜索过程中,首先根据预警问题提取用于搜索的关键词/语句,然后再依据提取的关键词/语句进行搜索或匹配。具体地,由于本实施例中的预警问题在步骤S202中已经获得,故可以直接将预警问题作为搜索关键句,也可以对预警问题进行分词处理进行关键词提取,然后再根据提取的关键词进行后续搜索。在实际的实施过程中,由于仅仅根据预警问题或根据预警问题提取的关键词进行搜索时不一定能获得准确的解决方案,或获取的解决方案针对性不强。针对该问题,本实施例在预先建立的数据库或互联网上搜索获取与预警问题匹配的解决方案时,还可以根据预设的规则获得搜索关键词或关键句。例如针对关键词为旷工+三次的关键词,可以根据预设的规则(如企业管理中某某问题+导致的后果+及如何解决)生成 “企业管理中员工旷工三次导致的后果及如何解决”的搜索关键句进行搜索,从而获得相对精准且具有针对性的解决方案。
由于根据搜索问题确定的关键词不一定能搜索到与预警问题匹配的解决方案,针对该问题,本实施例在不能搜索获取到与预警问题匹配的解决方案时,通过预设的平台发布预警问题。其中预设的平台类型由用户自定义,例如可以是微信平台、百度问答平台、微博论坛平台等等。
本发明提供的针对预警提示自动提供解决方案的方法,通过预警提示获取与预警提示对应的预警问题,搜索获取与预警问题匹配的解决方案,解决了现有预警模块缺乏针对预警问题提供解决方案的技术问题,不仅能自动获取与预警提示对应的预警问题,而且还能提供与预警问题对应的解决方案,方便了预警对象在接收到预警提示时就能即时获得与预警提示对应的预警问题的解决方案,智能化程度高,且在不能搜索获取到与预警问题匹配的解决方案时通过预设的平台自动发布预警问题,体现了较高的自动化水平。
精简实施例二
参照图3,本实施例中针对预警提示自动提供解决方案的方法包括:
步骤S301,获取与预警提示对应的预警指标和预警阈值。
具体地,由于本实施例的解决方案主要是针对预警提示提出的,故首先需要获取与预警提示对应的预警问题。而由于预警提示中一般包括了预警指标以及与预警指标对应的预警阈值,故根据预警指标与预警阈值的结合容易获得与预警提示对应的预警问题。假设本实施例中的预警提示是针对销售系统中的销售指标预警模块中员工D的销售额少于10万的预警提示。则根据该预警提示,容易获得与预警提示对应的预警指标为:销售额;预警阈值为:10万。
步骤S302,根据预警指标和预警阈值获得与预警提示对应的预警问题。
具体地,本实施例根据预警指标(销售额)和预警阈值(10万)易获得与预警提示对应的预警问题,例如“销售额少于10万怎么办?”、“销售额少于10万怎么处理?”等等。
步骤S303,采集训练样本的用户行为数据,训练样本为已标识与其对应的预警问题和与预警问题对应的原因类别的样本。
具体地,本实施例首先采集训练样本,其中训练样本为已标识与其对应的预警问题和与预警问题对应的原因类别的样本。也即针对每一个训练样本均已标识与其对应的预警问题和与预警问题对应的原因类别。此外,由于本实施例建立的原因分类模型是与预警问题对应的原因分类模型,故针对每一个训练样本的预警问题应当相同或相似。例如假设针对预警问题为“销售额少于10万怎么办?”建立原因分类模型时,本实施例首先采集符合相关条件(预警问题相同)的训练样本。假设采集到三个训练样本,分别为:训练样本A,已知与其对应的预警问题假设为(“销售额少于10万怎么办?”),且与该预警问题对应的原因类别为市场行情差;针对训练样本B,已知与其对应的预警问题假设为(“销售额少于10万怎么办?”),且与该预警问题对应的原因类别为潜在客户量少;而针对训练样本C,已知与其对应的预警问题假设为(“销售额少于10万怎么办?”),且与该预警问题对应的原因类别为个人态度不积极。
本实施例在采集训练样本后,接着采集训练样本的用户行为数据,其中本实施例中的用户行为数据可以为与用户相关的任何行为数据,例如聊天记录、通话记录、上网浏览记录、个人基本信息、职业、年龄、性别、兴趣爱好等等。
步骤S304,根据训练样本的用户行为数据提取特征向量。
具体地,在具体的实施过程中,本实施例根据训练样本的用户行为数据提取特征向量还可以包括对用户行为数据进行归一化处理等预处理操作。
步骤S305,基于特征向量训练分类模型,获得原因分类模型。
具体地,本实施例首先根据采集的训练样本的与预警问题对应的原因类别获得原因分类模型的输出类型。根据步骤S303可知,原因分类模型的输出类型为三大类,分别为:类别一、市场行情差;类别二:潜在客户量太少;类别三:个人态度不积极。然后基于训练样本的用户行为数据提取的特征向量训练分类模型,获得原因分类模型。
步骤S306,基于原因分类模型获得与预警问题对应的原因类别,并将原因类别作为对预警问题进行原因分析的结果。
具体地,根据步骤S301可知,本实施例的预警提示是针对员工D的销售额少于10万的预警提示,故基于原因分类模型获得与员工D的预警问题 (“销售额少于10万怎么办?”)的原因类别时,首先采集员工D的用户行为数据,然后提取与该用户行为数据对应的特征向量,并输入步骤S305已训练好的原因分类模型,从而获得与员工D的预警问题对应的原因类别,假设为“潜在客户量太少”。
步骤S307,根据原因类别自动生成与预警问题对应的解决方案,或根据原因类别以及与原因类别对应的历史解决方案获得与预警问题对应的解决方案。
具体地,本实施例在获得与员工D的预警问题对应的原因类别后,可以根据原因类别自动生成与预警问题对应的解决方案,例如增加潜在客户量。同时也可以根据原因类别以及与原因类别对应的历史解决方案获得与预警问题对应的解决方案。也即本实施例既可以参照以往员工D由于同样原因类别(“潜在客户量太少”)导致预警提示所采取的历史解决方案,也可以参照以往其他员工由于同样原因类别(“潜在客户量太少”)导致预警提示所采取的历史解决方案。
由此可见,本实施例通过首先建立原因分类模型,并对其进行训练,并基于训练好的原因分类模型获得与预警问题对应的原因类别,最后基于该原因类别获得与预警问题对应的解决方案,解决了现有预警模块缺乏针对预警问题提供解决方案的技术问题,不仅能自动获取与预警提示对应的预警问题,而且还能提供与预警问题对应的解决方案,方便了预警对象在接收到预警提示时就能即时获得与预警提示对应的预警问题的解决方案,智能化程度高。
且本实施例相比于直接根据预警问题匹配或搜索获得与之对应的解决方案,增设了原因类别分析步骤,符合人类思考预警问题的解决方案的逻辑思维,且通过对预警问题的原因类别进行分析,更深层次找到产生预警问题的原因,从而使基于原因类别提出的解决方案更具有针对性和具体性。此外,本实施例基于用户的用户行为数据获得的原因类别充分结合了用户的自身行为数据,使得根据原因分类模型获得的原因类别具有较高的真实性和客观性,为后续基于原因类别获得与预警问题对应的解决方案奠定了个性化基础。
参照图3,本发明的优选实施例提供的针对预警提示自动提供解决方案的装置,包括:
获取装置10,用于根据预警提示获取与预警提示对应的预警问题;
搜索装置20,用于搜索获取与预警问题匹配的解决方案,或对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案。
进一步地,获取装置10包括:
预警指标和预警阈值获取装置,用于获取与预警提示对应的预警指标和预警阈值;
预警问题获取装置,用于根据预警指标和预警阈值获得与预警提示对应的预警问题。
进一步地,搜索装置20包括:
原因分类模型建立装置,用于建立与预警问题对应的原因分类模型;
原因类别获取装置,用于基于原因分类模型获得与预警问题对应的原因类别,并将原因类别作为对预警问题进行原因分析的结果。
进一步地,原因分类模型建立装置包括:
采集装置,用于采集训练样本的用户行为数据,训练样本为已标识与其对应的预警问题和与预警问题对应的原因类别的样本;
特征向量提取装置,用于根据训练样本的用户行为数据提取特征向量;
训练装置,用于基于特征向量训练分类模型,获得原因分类模型。
本发明提供的针对预警提示自动提供解决方案的装置,通过预警提示获取与预警提示对应的预警问题,搜索获取与预警问题匹配的解决方案,或对预警问题进行原因分析,并根据原因分析的结果获得与预警问题对应的解决方案,解决了现有预警模块缺乏针对预警问题提供解决方案的技术问题,不仅能自动获取与预警提示对应的预警问题,而且还能提供与预警问题对应的解决方案,方便了预警对象在接收到预警提示时就能即时获得与预警提示对应的预警问题的解决方案,智能化程度高,且通过对预警问题进行原因分析后获取的解决方案具有针对性,体现了较高的个性化和智能化。
本实施例针对预警提示自动提供解决方案的装置的具体工作过程和工作原理可参照本实施例的针对预警提示自动提供解决方案的方法的工作过程和工作原理。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种针对预警提示自动提供解决方案的方法,其特征在于,包括:
根据预警提示获取与所述预警提示对应的预警问题;
搜索获取与所述预警问题匹配的解决方案,或对所述预警问题进行原因分析,并根据原因分析的结果获得与所述预警问题对应的解决方案。
2.根据权利要求1所述的针对预警提示自动提供解决方案的方法,其特征在于,根据预警提示获取与所述预警提示对应的预警问题包括:
获取与预警提示对应的预警指标和预警阈值;
根据所述预警指标和预警阈值获得与所述预警提示对应的预警问题。
3.根据权利要求2所述的针对预警提示自动提供解决方案的方法,其特征在于,对所述预警问题进行原因分析包括:
建立与所述预警问题对应的原因分类模型;
基于所述原因分类模型获得与所述预警问题对应的原因类别,并将所述原因类别作为对所述预警问题进行原因分析的结果。
4.根据权利要求3所述的针对预警提示自动提供解决方案的方法,其特征在于,建立与所述预警问题对应的原因分类模型包括:
采集训练样本的用户行为数据,所述训练样本为已标识与其对应的预警问题和与所述预警问题对应的原因类别的样本;
根据所述训练样本的用户行为数据提取特征向量;
基于所述特征向量训练分类模型,获得原因分类模型。
5.根据权利要求4所述的针对预警提示自动提供解决方案的方法,其特征在于,根据原因分析的结果获得与所述预警问题对应的解决方案包括:
根据所述原因类别自动生成与所述预警问题对应的解决方案,或根据所述原因类别以及与所述原因类别对应的历史解决方案获得与所述预警问题对应的解决方案。
6.根据权利要求5所述的针对预警提示自动提供解决方案的方法,其特征在于,搜索获取与所述预警问题匹配的解决方案包括:
在预先建立的数据库或互联网上搜索获取与所述预警问题匹配的解决方案,并在不能搜索获取到与所述预警问题匹配的解决方案时通过预设的平台发布所述预警问题。
7.一种针对预警提示自动提供解决方案的装置,其特征在于,包括:
获取装置,用于根据预警提示获取与所述预警提示对应的预警问题;
搜索装置,用于搜索获取与所述预警问题匹配的解决方案,或对所述预警问题进行原因分析,并根据原因分析的结果获得与所述预警问题对应的解决方案。
8.根据权利要求7所述的针对预警提示自动提供解决方案的装置,其特征在于,所述获取装置包括:
预警指标和预警阈值获取装置,用于获取与预警提示对应的预警指标和预警阈值;
预警问题获取装置,用于根据所述预警指标和预警阈值获得与所述预警提示对应的预警问题。
9.根据权利要求8所述的针对预警提示自动提供解决方案的装置,其特征在于,所述搜索装置包括:
原因分类模型建立装置,用于建立与所述预警问题对应的原因分类模型;
原因类别获取装置,用于基于所述原因分类模型获得与所述预警问题对应的原因类别,并将所述原因类别作为对所述预警问题进行原因分析的结果。
10.根据权利要求9所述的针对预警提示自动提供解决方案的装置,其特征在于,所述原因分类模型建立装置包括:
采集装置,用于采集训练样本的用户行为数据,所述训练样本为已标识与其对应的预警问题和与所述预警问题对应的原因类别的样本;
特征向量提取装置,用于根据所述训练样本的用户行为数据提取特征向量;
训练装置,用于基于所述特征向量训练分类模型,获得原因分类模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610621067.6A CN106156362A (zh) | 2016-08-01 | 2016-08-01 | 一种针对预警提示自动提供解决方案的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610621067.6A CN106156362A (zh) | 2016-08-01 | 2016-08-01 | 一种针对预警提示自动提供解决方案的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106156362A true CN106156362A (zh) | 2016-11-23 |
Family
ID=57328242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610621067.6A Pending CN106156362A (zh) | 2016-08-01 | 2016-08-01 | 一种针对预警提示自动提供解决方案的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106156362A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106629277A (zh) * | 2016-11-30 | 2017-05-10 | 广州日滨科技发展有限公司 | 电梯调试操作指引方法、装置及系统 |
CN109299224A (zh) * | 2018-10-23 | 2019-02-01 | 广州九乐维信息科技有限公司 | 基于Zabbix的解决方案查询方法、装置、计算机设备 |
CN109389483A (zh) * | 2018-08-20 | 2019-02-26 | 国网上海市电力公司 | 一种财务决算疑点问题的智能处理方法 |
CN109509327A (zh) * | 2018-10-31 | 2019-03-22 | 武汉烽火众智数字技术有限责任公司 | 一种异常行为预警方法及装置 |
CN111967614A (zh) * | 2020-09-03 | 2020-11-20 | 中国联合网络通信集团有限公司 | 一种人工智能学习方法及装置 |
US11222296B2 (en) | 2018-09-28 | 2022-01-11 | International Business Machines Corporation | Cognitive user interface for technical issue detection by process behavior analysis for information technology service workloads |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101702228A (zh) * | 2009-11-16 | 2010-05-05 | 山东浪潮齐鲁软件产业股份有限公司 | 一种药品生产过程质量问题分析预警的方法 |
CN102045358A (zh) * | 2010-12-29 | 2011-05-04 | 深圳市永达电子股份有限公司 | 一种基于整合相关性分析与分级聚类的入侵检测方法 |
CN103078856A (zh) * | 2012-12-29 | 2013-05-01 | 大连环宇移动科技有限公司 | 一种基于访问标记的应用层DDoS攻击的检测过滤方法 |
CN103501503A (zh) * | 2013-09-06 | 2014-01-08 | 大唐移动通信设备有限公司 | 一种网络问题分析方法和装置 |
CN103699822A (zh) * | 2013-12-31 | 2014-04-02 | 同济大学 | 基于鼠标行为的电子商务中用户异常行为应用系统及检测方法 |
CN103729804A (zh) * | 2014-01-02 | 2014-04-16 | 东南大学 | 一种应对电能质量预警的在线决策支持方法 |
-
2016
- 2016-08-01 CN CN201610621067.6A patent/CN106156362A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101702228A (zh) * | 2009-11-16 | 2010-05-05 | 山东浪潮齐鲁软件产业股份有限公司 | 一种药品生产过程质量问题分析预警的方法 |
CN102045358A (zh) * | 2010-12-29 | 2011-05-04 | 深圳市永达电子股份有限公司 | 一种基于整合相关性分析与分级聚类的入侵检测方法 |
CN103078856A (zh) * | 2012-12-29 | 2013-05-01 | 大连环宇移动科技有限公司 | 一种基于访问标记的应用层DDoS攻击的检测过滤方法 |
CN103501503A (zh) * | 2013-09-06 | 2014-01-08 | 大唐移动通信设备有限公司 | 一种网络问题分析方法和装置 |
CN103699822A (zh) * | 2013-12-31 | 2014-04-02 | 同济大学 | 基于鼠标行为的电子商务中用户异常行为应用系统及检测方法 |
CN103729804A (zh) * | 2014-01-02 | 2014-04-16 | 东南大学 | 一种应对电能质量预警的在线决策支持方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106629277A (zh) * | 2016-11-30 | 2017-05-10 | 广州日滨科技发展有限公司 | 电梯调试操作指引方法、装置及系统 |
CN109389483A (zh) * | 2018-08-20 | 2019-02-26 | 国网上海市电力公司 | 一种财务决算疑点问题的智能处理方法 |
US11222296B2 (en) | 2018-09-28 | 2022-01-11 | International Business Machines Corporation | Cognitive user interface for technical issue detection by process behavior analysis for information technology service workloads |
CN109299224A (zh) * | 2018-10-23 | 2019-02-01 | 广州九乐维信息科技有限公司 | 基于Zabbix的解决方案查询方法、装置、计算机设备 |
CN109509327A (zh) * | 2018-10-31 | 2019-03-22 | 武汉烽火众智数字技术有限责任公司 | 一种异常行为预警方法及装置 |
CN109509327B (zh) * | 2018-10-31 | 2020-11-24 | 武汉烽火众智数字技术有限责任公司 | 一种异常行为预警方法及装置 |
CN111967614A (zh) * | 2020-09-03 | 2020-11-20 | 中国联合网络通信集团有限公司 | 一种人工智能学习方法及装置 |
CN111967614B (zh) * | 2020-09-03 | 2024-02-06 | 中国联合网络通信集团有限公司 | 一种人工智能学习方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106156362A (zh) | 一种针对预警提示自动提供解决方案的方法及装置 | |
US11645517B2 (en) | Information processing method and terminal, and computer storage medium | |
CN111932144B (zh) | 一种客服坐席分配方法、装置、服务器及存储介质 | |
CN111190939A (zh) | 一种用户画像构建方法及装置 | |
CN111182162B (zh) | 基于人工智能的电话质检方法、装置、设备和存储介质 | |
CN111179935B (zh) | 一种语音质检的方法和设备 | |
CN112104642B (zh) | 一种异常账号确定方法和相关装置 | |
CN110795542A (zh) | 对话方法及相关装置、设备 | |
CN111783903A (zh) | 文本处理方法、文本模型的处理方法及装置、计算机设备 | |
CN113703585A (zh) | 交互方法、装置、电子设备及存储介质 | |
CN115376668B (zh) | 一种应用于智慧医疗的大数据业务分析方法及系统 | |
CN114048294B (zh) | 相似人群扩展模型训练方法、相似人群扩展方法和装置 | |
CN116975706A (zh) | 数据处理方法、装置、设备、可读存储介质及程序产品 | |
CN114186048A (zh) | 基于人工智能的问答回复方法、装置、计算机设备及介质 | |
CN114363277A (zh) | 基于社会关系的智能聊天方法、装置及相关产品 | |
CN113010664A (zh) | 一种数据处理方法、装置及计算机设备 | |
CN113868415A (zh) | 知识库的生成方法、装置、存储介质及电子设备 | |
CN106529772A (zh) | 一种自动获取团队建设方案的方法 | |
CN113422810A (zh) | 向服务提供商发送信息的方法及设备 | |
US20200111129A1 (en) | Dynamic Proponent Targeting Based on User Traits | |
KR20080096225A (ko) | 답변 가능 지수를 고려하여 실시간 답변 서비스를 제공하는방법 및 장치 | |
CN112883173B (zh) | 一种文本应答方法及装置 | |
CN111782776A (zh) | 一种通过填槽实现意图识别的方法和装置 | |
CN111046151A (zh) | 一种消息处理方法及装置 | |
CN112383593B (zh) | 基于线下陪访的智能内容推送方法、装置及计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161123 |
|
RJ01 | Rejection of invention patent application after publication |