CN107391645A - 一种物流信息自动推送及实操规范形成系统和方法 - Google Patents

一种物流信息自动推送及实操规范形成系统和方法 Download PDF

Info

Publication number
CN107391645A
CN107391645A CN201710567607.1A CN201710567607A CN107391645A CN 107391645 A CN107391645 A CN 107391645A CN 201710567607 A CN201710567607 A CN 201710567607A CN 107391645 A CN107391645 A CN 107391645A
Authority
CN
China
Prior art keywords
information
expert
module
user
classification
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.)
Granted
Application number
CN201710567607.1A
Other languages
English (en)
Other versions
CN107391645B (zh
Inventor
高宇明
郑捷
郭健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Hao Chain Information Polytron Technologies Inc
Original Assignee
Guangzhou Hao Chain Information Polytron Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Hao Chain Information Polytron Technologies Inc filed Critical Guangzhou Hao Chain Information Polytron Technologies Inc
Priority to CN201710567607.1A priority Critical patent/CN107391645B/zh
Publication of CN107391645A publication Critical patent/CN107391645A/zh
Application granted granted Critical
Publication of CN107391645B publication Critical patent/CN107391645B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/55Push-based network services

Abstract

本发明公开了一种物流信息自动推送及实操规范形成系统,涉及物流信息处理的技术领域,包括信息获取模块、信息处理模块和专家助手子系统,信息获取模块用于从云端获取热点信息,信息处理模块用于基于多个维度的属性特征对热点信息进行原数据分类,专家助手子系统用于将完成原数据分类的热点信息传送至人工端,得到人工端对热点信息的解读分析,并基于热点信息的原数据分类结果、以及来自人工端的解读分析形成资讯流并推送至用户。本发明还公开了一种物流信息自动推送及实操规范形成方法。本发明提高了热点处理和推送的效率,并形成实操规范,实现了物流行业中热点政策的及时传达和落实。

Description

一种物流信息自动推送及实操规范形成系统和方法
技术领域
本发明涉及物流信息处理的技术领域,具体涉及一种应用于物流资讯处理的物流信息自动推送及实操规范形成系统和方法。
背景技术
在物流、报关行业内,政策、热点的变化对业务的影响甚大,及时掌握行业热点趋势以及解读政策走向对企业、业务员而言十分重要。但由于行业从业人员知识水平不一,有丰富业务经验的业务员写作能力不过关,而写作能力强的可能行业知识不够,导致关务及物流行业知识无法有效沉淀。
现有的物流行业中,普遍存在行业热点信息获取难、行业操作标准缺失等问题。具体地,关务及物流行业知识及规范皆由政府部门从上而下发布,但由于政府部门并不涉及实际业务操作,无法制定高度可行的行业实操性标准,行业内从业人员实际操作缺少标准规范;鉴于物流及关务行业受政策及热点趋势的影响很大,热点信息的时效性非常重要,行业现状,政策热点资讯从发布到推送给用户,有较长时间的间隔,不利于行业从业人员及时针对政策作出调整。且网络资讯良莠不齐,难以有效甄别真正的热点趋势。
中国专利申请CN105956809A公开了一种基于大数据的云实时推送物流信息监控管理系统,包括货站仓库信息管理系统、随车监控管理系统、大数据分析系统、大数据通讯网络系统、大数据服务器及跨域访问服务器,其中货站仓库信息管理系统分布在物料路线沿途各货站中,并通过大数据通讯网络系统与大数据分析系统连接,随车监控管理系统分布在各物流运输工具中,并通过大数据通讯网络系统与大数据分析系统连接,大数据分析系统通过大数据通讯网络系统分别与大数据服务器及跨域访问服务器连接。本发明一方面可对运输工具运行情况进行全程追踪监控,另一方面可各物流线路上货物资源分布情况进行监控,从而为运输工具运行调度及货物调配提供可靠的依据。现如今物流行业的技术研究方向集中于实际操作过程中信息及货物的获取、输出和追踪等,理论信息与实际业务操作之间的鸿沟仍无法跨越。
中国专利申请CN105243087公开了一种IT资讯聚合阅读个性化推荐方法,通过网络爬虫定向爬取IT相关的资讯,通过SVM算法对爬取数据进行分类,通过对用户行为的分析,结合文章本身的属性对用户进行个性化推荐。在海量数据中提取出关于IT的资讯,并对其进行精准分类,解决了互联网信息杂乱的缺点;通过分析用户行为,针对用户进行个性化文章推荐,大大节省了用户的时间,快速了解到自己想要的资讯。目前关于大数据挖掘与应用的研究和成果很多,现有的数据挖掘及推送系统在物流行业中只能实现极为粗略的信息处理和推送行为,但都无法解决如上述内容中物流行业存在的技术问题。
发明内容
针对现有技术的不足,本发明的目的旨在提供一种物流信息自动推送及实操规范形成系统和方法,主要应用于物流行业中,解决现有技术中热点信息获取难、行业操作标准缺失的问题。
为实现上述目的,本发明采用如下技术方案:
一种物流信息自动推送及实操规范形成系统,包括:
信息获取模块,用于从云端获取热点信息;
信息处理模块,用于基于多个维度的属性特征对热点信息进行原数据分类;
专家助手子系统,用于将完成原数据分类的热点信息传送至人工端,得到人工端对热点信息的解读分析,并基于完成原数据分类的热点信息、以及来自人工端的解读分析向用户端推送资讯流。
进一步地,信息处理模块在对热点信息进行原数据分类之前,对热点信息在多个维度的属性特征分配对应的权重值。
更进一步地,多个维度包括来源网站、来源目录、地点信息和阅读次数。。
进一步地,本发明提供的物流信息自动推送及实操规范形成系统还包括归类模块和数据存储模块,专家助手子系统还用于将来自信息处理模块的热点信息和人工端对热点信息的解读分析传送至归类模块,归类模块用于对热点信息和人工端对热点信息的解读分析内容进行统一分类处理,数据存储模块用于根据归类模块的统一分类结果依类别存储信息内容。
进一步地,人工端面向专家,专家助理子系统包括专家管理模块和专家信息推送模块,专家管理模块结合专家基本信息、专家对热点信息的解读分析内容、以及解读分析在用户端的反响记录进行专家画像,专家信息推送模块基于热点信息的原数据分类结果和专家画像向专家推送热点信息。
进一步地,本发明提供的物流信息自动推送及实操规范形成系统还包括用户子系统,用户子系统包括用户管理模块和用户信息推送模块,用户管理模块用于管理用户数据并根据用户数据进行用户画像,用户数据包括用户基本信息和用户对推送内容的反响记录;用户信息推送模块根据用户画像从数据存储模块依类别存储的信息内容中提取目标信息以形成资讯流并推送至用户端。
进一步地,本发明提供的物流信息自动推送及实操规范形成系统还包括问答子系统,问答子系统用于将来自用户端的提问内容经专家助手子系统传送至人工端,其中,专家助手子系统中的专家信息推送模块基于提问内容和专家画像向专家推送提问内容,人工端对用户提问的解答内容依原路径传送至用户端,专家信息推送模块还将问答内容经归类模块统一分类处理后传送至数据存储模块进行存储;问答子系统将问答内容传送至用户子系统中的用户管理模块,用户数据包括问答内容。
更进一步地,问答子系统为智能问答子系统,用于根据用户端的提问内容在数据存储模块所存储的内容中提取出答案进行自动化回答,并将不能进行自动化回答的问题经专家助手子系统传送至人工端。
进一步地,归类模块进行统一分类处理的类别选择包括实际操作类,数据存储模块中存储数据的类别也包括实际操作类,对应于与实际业务操作相关的内容。
更进一步地,本发明提供的物流信息自动推送及实操规范形成系统还包括业务实操平台,业务实操平台用于进行实际业务操作,业务实操平台经实操信息提取模块提炼出实际操作类信息,提炼出的实际操作类信息经归类模块传送至数据存储模块进行存储。
一种物流信息自动推送及实操规范形成方法,包含有以下步骤:
S1、数据获取模块从云端获取热点信息;
S2、数据处理模块基于多个维度的属性特征对热点信息进行原数据分类,并通过专家助手子系统将完成原数据分类的热点信息传送至人工端,得到人工端对热点信息的解读分析;
S3、专家助手子系统基于完成原数据分类的热点信息以及人工端的解读分析形成资讯流并推送至用户端。
进一步地,本发明提供的物流信息自动推送及实操规范形成方法还包括S0:
S0、用户管理模块根据用户数据进行用户画像;人工端面向专家,专家助手子系统包括专家管理模块和专家信息推送模块,专家管理模块根据专家基本信息进行专家画像;
S2中,专家信息推送模块基于热点信息的分类结果和专家画像向专家推送热点信息;S3中,用户信息推送模块根据用户画像从完成原数据分类的热点信息和人工端对热点信息的解读分析中提取信息以形成资讯流并推送至用户端。
进一步地,本发明提供的物流信息自动推送及实操规范形成方法还包括S3’:
S3’、根据用户端对解读分析的反响记录进一步完善专家画像和用户画像。
进一步地,本发明提供的物流信息自动推送及实操规范形成方法还包括S2’:
S2’、归类模块对完成原数据分类的热点信息和专家对热点信息的解读分析进行统一分类处理,数据存储模块根据统一分类结果依类别存储信息;
其中S3向用户端推送资讯流的方式具体为:用户信息推送模块根据用户画像从数据存储模块所存储的信息中提取出目标信息以形成资讯流并推送至用户端。
更进一步地,S2’中进行统一分类处理的类别选择包括实际业务操作类,对应于与实际业务操作中相关的内容。
进一步地,在进行S1~S3的同时进行问答式互动,包括如下步骤:
T1、用户端提出问题后智能问答子系统根据提问内容从数据存储模块所存储的信息中提取出答案进行自动化解答,不能完成自动化解答的问题经专家信息推送模块基于提问内容和专家画像传送至人工端;
T2、人工端完成解答后将解答信息依原路径传送至用户端;
T2’、归类模块对问答内容进行统一分类处理,数据存储模块根据统一分类结果依类别存储信息。
本发明的有益效果在于:现如今的物流行业中,政策热点资讯从发布到推送给用户有较长时间的间隔,完全靠人工实现资讯的处理和推送不太现实,需要耗费大量的时间和精力,而完全依靠系统软件完成信息处理和推送则推送质量难以保证,本发明将人工端与智能端进行有机结合,有效解决了该技术问题,极大地优化了物流行业中信息推送系统的性能和推送质量,具体表现为:
(1)通过将信息进行筛选、分类等处理后再传送至人工端,减少人工工作量,有效提高系统的运行效率;
(2)对用户和专家分别进行画像,系统至人工端、系统至用户端均实现定制化推送,信息传递有的放矢,提高信息推送的精准度;
(3)系统自动抓取热点信息,经分类、解读等处理后推送至用户,自动化的信息处理路径保障了物流及关务行业热点信息及政策获取的实时性;
(4)引入行业专家,通过理论专家和实操专家分别从擅长的角度对热点信息进行分析和挖掘,极大地提高了信息利用率;
(5)数据存储模块形成物流及关务行业知识库,对历史数据进行管理和进一步挖掘,使系统的各项信息输出可溯源,更从知识库中提取出实操相关内容归纳成业务操作规范,自下而上地定义行业实操性标准,打破传统物流关务行业中标准皆由政府部门自上而下制定下发的局面,对于指导物流及关务行业中的具体业务操作具有实际意义;
(6)系统与用户端可进行问答式交互,通过大数据分析及数据挖掘,对问答知识归纳总结,开发智能问答系统,实现行业知识智能问答,从人工回答逐步过渡到AI智能回答,节省专家人力成本。
附图说明
图1是本发明中一种物流信息自动推送及实操规范形成系统的结构框图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述:
实施例1
如图1所示,一种物流信息自动推送及实操规范形成系统,包括信息获取模块、信息处理模块、用户子系统、专家助手子系统、智能问答子系统、业务实操平台、归类模块和数据存储模块:
信息获取模块用于根据物流行业关键词以及信息源的预定义设置,通过爬虫技术从云端获取热点信息,热点信息包括与物流行业相关的政策信息及其衍生信息;信息获取模块还用于将完成预处理的热点信息传送至信息处理模块;
信息处理模块用于对热点信息进行筛选和原数据分类,对于符合特定关键词的热点新闻按照时间轴建立追踪索引,其中原数据分类采用决策树分类算法,具体为:提取热点信息在来源网站、来源目录、涉及行业、地点信息、阅读次数等维度的属性特征,对多个维度的属性特征分配对应的权重值,并通过Orange等分析工具对热点信息进行归纳和原数据分类;信息处理模块将完成原数据分类的热点信息传送至专家助手子系统;
用户子系统包括用户管理模块和用户信息推送模块,用户管理模块用于管理用户数据并根据用户数据进行用户画像,用户数据包括用户基本信息、问答内容和用户对推送内容的反响记录,其中的用户基本信息包括性别、年龄、教育背景、地理位置、所属细分行业、从业年限、行业经验和关注标签等,用户对推送内容的反响记录包括是否阅读热点信息、是否做出评论,是否阅读专家的解读分析、是否点赞或者打赏等,用户管理模块采用迭代决策算法(GBDT)进行用户画像,以定位用户的可能职位属性、用户的当前需求以及未来需求;在设定的时间点,用户信息推送模块根据用户画像从数据存储模块依类别存储的信息内容中提取对应于特定关键词的目标信息以形成更新资讯流并推送至用户端,并基于用户画像向业务类目标用户(如物流及关务行业中的业务人员)发送数据存储模块中更新的实际操作类信息;
专家助手子系统用于连接系统和人工端,包括专家管理模块和专家信息推送模块,人工端面向理论专家和实操专家等行业专家,专家管理模块根据专家基本信息进行专家画像,专家基本信息包括教育背景、所属细分行业、从业年限、行业经验和关注标签等,专家信息推送模块基于热点信息的原数据分类结果和专家画像向专家推送热点信息,专家信息推送模块还基于用户提问内容和专家画像向专家推送对应于特定关键词的提问内容,使热点信息和用户提问流向真正的“专家”,以提高专家解读信息和解答提问的效率,专家对热点信息的解读分析、该解读分析在用户端的反响记录、专家对用户提问的解答、该解答在用户端的反响记录也将作为专家管理模块进行专家画像的依据;专家助手子系统基于热点信息的原数据分类结果、来自专家的解读分析和用户画像向用户推送资讯流,将人工端对提问的解答经智能问答子系统传送至用户端,专家助手子系统还将完成原数据分类的热点信息、专家对热点信息的解读分析和问答内容传送至归类模块;在运行过程中,专家助手子系统还可通过对各项数据进行逻辑校验实现自我进化升级;
智能问答子系统HoolinkBot,用于实现用户端与系统的问答式交互:接收来自用户端的提问,依据提问内容从数据存储模块所沉淀的内容中提取答案并传送至人工端完成自动化解答,不能实现自动化解答的提问经专家助手子系统传送至人工端,人工端对提问的解答依原路径传送至用户端,智能问答子系统还将问答内容作为用户数据传送至用户管理模块;
业务实操平台用于进行实际业务操作,业务实操平台经实操信息提取模块提炼出实际操作类信息,提炼出的实际操作类信息经归类模块传送至数据存储模块进行存储;
归类模块用于对完成原数据分类的热点信息、专家对热点信息的解读分析和由人工端完成解答的问答内容进行统一分类处理,并将完成统一分类处理的信息内容传送至数据存储模块,统一分类处理的类别选择包括实际操作类,对应于与实际业务操作相关的内容;
数据存储模块用于依类别存储信息,存储信息的类别也包括实际操作类。
实施例2
一种物流信息自动推送及实操规范形成方法,包括以下步骤:
S0、用户管理模块根据用户数据进行用户画像,用户数据包括用户基本信息,用户管理模块采用迭代决策算法(GBDT)进行用户画像,以定位用户的可能职位属性、用户的当前需求以及未来需求;人工端面向专家,专家助手子系统包括专家管理模块和专家信息推送模块,专家管理模块根据专家基本信息进行专家画像;
S1、信息获取模块根据物流行业关键词以及信息源的预定义设置从云端获取热点信息,并将进行预处理后的热点信息传送至信息处理模块,预处理的内容包括统一格式化、简单分类(如政策类、新闻类)和简单过滤(如有无违法关键字)等;
S2、信息处理模块采用决策树分类算法对热点信息进行原数据分类,具体为:提取热点信息在来源网站、来源目录、涉及行业、地点信息、阅读次数等维度的属性特征,对多个维度的属性特征分配对应的权重值,并通过Orange等分析工具对热点信息进行归纳和原数据分类;专家信息推送模块基于热点信息的原数据分类结果和专家画像向专家推送热点信息,得到人工端对热点信息的解读分析,并将完成原数据分类的热点信息、专家对热点信息的解读分析传送至归类模块;
S2’、归类模块对完成原数据分类的热点信息、专家对热点信息的解读分析进行统一分类处理,数据存储模块根据统一分类结果依类别存储信息形成行业知识库,其中的类别包括实际操作类,对应于与实际业务操作相关的内容;
S3、在设定的时间点,用户信息推送模块根据用户画像从数据存储模块依类别存储的信息内容中提取目标信息以形成更新资讯流并推送至用户端;用户信息推送模块还基于用户画像向业务类目标用户(如物流及关务行业中的业务人员)发送数据存储模块中更新的实际操作类信息;
S3’、用户管理模块根据用户端对解读分析的反响记录进一步完善用户画像,专家管理模块根据专家的解读分析内容和用户端对解读分析的反响记录进一步完善专家画像。
在进行信息处理与推送的同时,系统和用户端进行问答式交互,具体包括如下步骤:
T1、用户端提出问题后智能问答子系统根据提问内容从数据存储模块中提取出答案进行自动化回答,不能完成自动化回答的问题经专家信息推送模块基于提问内容和专家画像传送至人工端;
T2、人工端完成解答后将解答信息传送至用户端;
T2’、归类模块对问答内容进行统一分类处理,数据存储模块根据统一分类结果依类别存储信息。
在进行信息推送和问答式交互的同时,业务实操平台进行物流、关务相关的实际业务操作,实操信息提取模块从业务实操平台中提炼出实际操作类信息,提炼出的实际操作类信息经归类模块存储至数据存储模块。
对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (10)

1.一种物流信息自动推送及实操规范形成系统,其特征在于,包括:
信息获取模块,用于从云端获取热点信息;
信息处理模块,用于基于多个维度的属性特征对热点信息进行原数据分类;
专家助手子系统,用于将完成原数据分类的热点信息传送至人工端,得到人工端对热点信息的解读分析,并基于完成原数据分类的热点信息、以及来自人工端的解读分析向用户端推送资讯流。
2.如权利要求1所述的物流信息自动推送及实操规范形成系统,其特征在于,所述信息处理模块在对热点信息进行原数据分类之前,对热点信息在多个维度的属性特征分配对应的权重值。
3.如权利要求1所述的物流信息自动推送及实操规范形成系统,其特征在于,所述物流信息自动推送及实操规范形成系统还包括归类模块和数据存储模块,所述专家助手子系统还用于将来自信息处理模块的热点信息和人工端对热点信息的解读分析传送至归类模块,所述归类模块用于对热点信息和人工端对热点信息的解读分析内容进行统一分类处理,数据存储模块用于根据归类模块的统一分类结果依类别存储信息内容。
4.如权利要求3所述的物流信息自动推送及实操规范形成系统,其特征在于,所述人工端面向专家,专家助理子系统包括专家管理模块和专家信息推送模块,所述专家管理模块结合专家基本信息、专家对热点信息的解读分析内容、以及解读分析在用户端的反响记录进行专家画像,专家信息推送模块基于热点信息的原数据分类结果和专家画像向专家推送热点信息。
5.如权利要求4所述的物流信息自动推送及实操规范形成系统,其特征在于,所述物流信息自动推送及实操规范形成系统还包括用户子系统,所述用户子系统包括用户管理模块和用户信息推送模块,用户管理模块用于管理用户数据并根据用户数据进行用户画像,用户数据包括用户基本信息和用户对推送内容的反响记录;所述用户信息推送模块根据用户画像从数据存储模块依类别存储的信息内容中提取目标信息以形成资讯流并推送至用户端。
6.如权利要求3所述的物流信息自动推送及实操规范形成系统,其特征在于,所述归类模块进行统一分类处理的类别选择包括实际操作类,数据存储模块中存储数据的类别也包括实际操作类,对应于与实际业务操作相关的内容。
7.一种物流信息自动推送及实操规范形成方法,其特征在于,包含有以下步骤:
S1、数据获取模块从云端获取热点信息;
S2、数据处理模块基于多个维度的属性特征对热点信息进行原数据分类,并通过专家助手子系统将完成原数据分类的热点信息传送至人工端,得到人工端对热点信息的解读分析;
S3、专家助手子系统基于完成原数据分类的热点信息以及人工端的解读分析形成资讯流并推送至用户端。
8.如权利要求7所述的物流信息自动推送及实操规范形成方法,其特征在于,所述物流信息自动推送及实操规范形成方法还包括S0:
S0、用户管理模块根据用户数据进行用户画像;所述人工端面向专家,专家助手子系统包括专家管理模块和专家信息推送模块,专家管理模块根据专家基本信息进行专家画像;
所述S2中,专家信息推送模块基于热点信息的分类结果和专家画像向专家推送热点信息;S3中,用户信息推送模块根据用户画像从完成原数据分类的热点信息和人工端对热点信息的解读分析中提取信息以形成资讯流并推送至用户端。
9.如权利要求8所述的物流信息自动推送及实操规范形成方法,其特征在于,所述物流信息自动推送及实操规范形成方法还包括S2’:
S2’、归类模块对完成原数据分类的热点信息和专家对热点信息的解读分析进行统一分类处理,数据存储模块根据统一分类结果依类别存储信息;
其中S3向用户端推送资讯流的方式具体为:用户信息推送模块根据用户画像从数据存储模块所存储的信息中提取出目标信息以形成资讯流并推送至用户端。
10.如权利要求8所述的物流信息自动推送及实操规范形成方法,其特征在于,所述物流信息自动推送及实操规范形成方法还包括S3’:
S3’、根据用户端对解读分析的反响记录进一步完善专家画像和用户画像。
CN201710567607.1A 2017-07-12 2017-07-12 一种物流信息自动推送及实操规范形成系统和方法 Active CN107391645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710567607.1A CN107391645B (zh) 2017-07-12 2017-07-12 一种物流信息自动推送及实操规范形成系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710567607.1A CN107391645B (zh) 2017-07-12 2017-07-12 一种物流信息自动推送及实操规范形成系统和方法

Publications (2)

Publication Number Publication Date
CN107391645A true CN107391645A (zh) 2017-11-24
CN107391645B CN107391645B (zh) 2018-04-10

Family

ID=60339427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710567607.1A Active CN107391645B (zh) 2017-07-12 2017-07-12 一种物流信息自动推送及实操规范形成系统和方法

Country Status (1)

Country Link
CN (1) CN107391645B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108053245A (zh) * 2017-12-13 2018-05-18 虎拜石科技(广州)有限公司 一种基于互联网的文化艺术咨询服务系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050251409A1 (en) * 2004-05-05 2005-11-10 Eplus Systems, Inc. System and method for eCatalog supplier portal
CN101076032A (zh) * 2007-02-15 2007-11-21 腾讯科技(深圳)有限公司 一种信息推送系统和方法
CN103177025A (zh) * 2011-12-23 2013-06-26 腾讯科技(深圳)有限公司 一种互动问答信息系统回答信息的推荐方法和装置
CN103744881A (zh) * 2013-12-20 2014-04-23 百度在线网络技术(北京)有限公司 一种问答平台的问题分发方法和问题分发系统
CN104657828A (zh) * 2015-02-17 2015-05-27 华为技术有限公司 数据化和数据匹配方法和代码推荐方法及相关装置
CN105068661A (zh) * 2015-09-07 2015-11-18 百度在线网络技术(北京)有限公司 基于人工智能的人机交互方法和系统
CN105893465A (zh) * 2016-03-28 2016-08-24 北京京东尚科信息技术有限公司 自动问答方法和装置
CN105956809A (zh) * 2016-05-31 2016-09-21 苏州铭冠软件科技有限公司 一种基于大数据的云实时推送物流信息监控管理系统
CN106529677A (zh) * 2016-12-01 2017-03-22 同方知网(北京)技术有限公司 一种基于专家坐诊与自助问答制的专家在线系统
CN106651424A (zh) * 2016-09-28 2017-05-10 国网山东省电力公司电力科学研究院 基于大数据技术的电力用户画像建立与分析方法
CN106815274A (zh) * 2015-12-02 2017-06-09 中兴通讯股份有限公司 基于Hadoop的日志数据挖掘方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050251409A1 (en) * 2004-05-05 2005-11-10 Eplus Systems, Inc. System and method for eCatalog supplier portal
CN101076032A (zh) * 2007-02-15 2007-11-21 腾讯科技(深圳)有限公司 一种信息推送系统和方法
CN103177025A (zh) * 2011-12-23 2013-06-26 腾讯科技(深圳)有限公司 一种互动问答信息系统回答信息的推荐方法和装置
CN103744881A (zh) * 2013-12-20 2014-04-23 百度在线网络技术(北京)有限公司 一种问答平台的问题分发方法和问题分发系统
CN104657828A (zh) * 2015-02-17 2015-05-27 华为技术有限公司 数据化和数据匹配方法和代码推荐方法及相关装置
CN105068661A (zh) * 2015-09-07 2015-11-18 百度在线网络技术(北京)有限公司 基于人工智能的人机交互方法和系统
CN106815274A (zh) * 2015-12-02 2017-06-09 中兴通讯股份有限公司 基于Hadoop的日志数据挖掘方法及系统
CN105893465A (zh) * 2016-03-28 2016-08-24 北京京东尚科信息技术有限公司 自动问答方法和装置
CN105956809A (zh) * 2016-05-31 2016-09-21 苏州铭冠软件科技有限公司 一种基于大数据的云实时推送物流信息监控管理系统
CN106651424A (zh) * 2016-09-28 2017-05-10 国网山东省电力公司电力科学研究院 基于大数据技术的电力用户画像建立与分析方法
CN106529677A (zh) * 2016-12-01 2017-03-22 同方知网(北京)技术有限公司 一种基于专家坐诊与自助问答制的专家在线系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵金海: "基于web的自动答疑技术研究及系统实现", 《中国硕士学位论文全文数据库 信息科技辑》 *
路遥: "用户交互式问答系统中问题推荐机制的研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108053245A (zh) * 2017-12-13 2018-05-18 虎拜石科技(广州)有限公司 一种基于互联网的文化艺术咨询服务系统

Also Published As

Publication number Publication date
CN107391645B (zh) 2018-04-10

Similar Documents

Publication Publication Date Title
Kuusisto Organizational effects of digitalization: A literature review
Yang et al. Social media data analytics for business decision making system to competitive analysis
Camarinha-Matos et al. Collaborative networks: Reference modeling
Capestro et al. Industry 4.0 and knowledge management: A review of empirical studies
CN110516077A (zh) 面向企业商情的知识图谱构建方法及装置
CN102546771A (zh) 基于特征模型的云挖掘网络舆情监测系统
CN107368521A (zh) 一种基于大数据和深度学习的知识推介方法及系统
Zhang Application of data mining technology in digital library.
Muvuna et al. Systems engineering approach to design and modelling of smart cities
Rojas-Berrio et al. Factors influencing 4.0 technology adoption in manufacturing SMEs in an emerging country
Kraus et al. Digital Transformation of Business Processes of Enterprises on the Way to Becoming Industry 5.0 in the Gig Economy
CN107391645B (zh) 一种物流信息自动推送及实操规范形成系统和方法
Josiah et al. The Relevance of Analytical CRM and Knowledge Management in an Organisation: A Data Mining Structure
CN106407271A (zh) 一种智能客服系统及其智能客服知识库的更新方法
Filho et al. An adaptive and proactive interface agent for Interactivity and decision-making improvement in a collaborative virtual learning environment
Sun et al. Application of big data analysis and cloud computing in network platform building
Piat et al. A guideline to implement a CPS architecture in an SME
Pasquinelli et al. Sustainability-oriented Innovation in Smart Tourism: Challenges and Pitfalls of Technology Deployment for Sustainable Destinations
Marinho et al. BIM's contribution to tacit knowledge sharing in construction projects–a systematic review
Guo et al. A study of the application of big data in a rural comprehensive information service
Zheng et al. Performance Prediction Model Based on K-Means Clustering Algorithm
Lourens et al. Deep Learning: A Critical Analysis of its Effects on Organizational Performance
Long et al. Data analytics: Techniques and applications to transform army learning
Gutnisky et al. Entry barriers for industry 4.0 in Argentina
Huang et al. Application of Cloud Computing in Applied Undergraduate Education and Management

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant