CN108229823B - It服务提示方法及装置、设备和存储介质 - Google Patents

It服务提示方法及装置、设备和存储介质 Download PDF

Info

Publication number
CN108229823B
CN108229823B CN201810002783.5A CN201810002783A CN108229823B CN 108229823 B CN108229823 B CN 108229823B CN 201810002783 A CN201810002783 A CN 201810002783A CN 108229823 B CN108229823 B CN 108229823B
Authority
CN
China
Prior art keywords
solution
feature
blocks
information
feature set
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.)
Active
Application number
CN201810002783.5A
Other languages
English (en)
Other versions
CN108229823A (zh
Inventor
齐禹
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201810002783.5A priority Critical patent/CN108229823B/zh
Publication of CN108229823A publication Critical patent/CN108229823A/zh
Application granted granted Critical
Publication of CN108229823B publication Critical patent/CN108229823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种IT服务提示方法及装置、设备和存储介质，该方法包括：通过场景知识表示框架获取需求信息；根据需求信息获取若干解决方案信息；分别对需求信息和各解决方案信息进行预处理，生成需求场景的第一特征集合和若干解决方案场景的第二特征集合；对第一特征集合和各第二特征集合进行可信度分析，计算出各第二特征集合相对于第一特征集合的可信度；选取可信度最高的解决方案，生成IT服务提示信息并输出。本发明通过依次获取用户需求和若干待选解决方案的信息，再通过预处理和可信度分析筛选出可信度最高的解决方案推荐提示给用户，实现了对用户进行高效、准确的解决方案推荐提示。

Description

IT服务提示方法及装置、设备和存储介质
技术领域
本申请涉及IT服务技术领域，具体涉及一种IT服务提示方法及装置、设备和存储介质。
背景技术
当前，IT服务平台已经成为企业为用户提供解决方案的最重要的方式之一。在传统业务交互中，企业可以利用IT服务系统与用户进行互动。用户可以在前端发布需求服务信息，并且在针对该需求生成IT服务的工单信息后，由IT工程师设计相应解决方案。在选择需求服务解决供应商时，需要找到与前端的服务需求对应的服务解决供应商，才能完成后续的解决动作。
然而，随着业务交互需求的发展，业务服务请求渠道越来越丰富，例如可以业务计划渠道、客户拜访渠道等等。为了快速实现服务需求的解决，通常是将这些业务渠道下产生的工单汇聚到一起进行解决方案分析，例如销售组织的需求服务工单由供销系统解决方案供应商负责设计解决方案，然后集中到需求服务统筹部门。
在这种多业务渠道的情况下，通常通过工单来源的用户编码或用户标识来关联前端的需求服务和后端的解决方案供应商，无法满足企业等解决方案供应商对用户进行推荐提示的需求。
针对上述需求，目前通常采用通过线下的人工统计与评估的方式来进行推荐提示，导致推荐提示的效率低下。
此外，厂商的关注点通常在于向用户提供产品信息的智能提示，相较于产品的提示方法具有较高的针对性，而解决方案的描述存在模糊、不确定等特点，导致产品提示方法往往不适用于解决方案的提示，导致对于解决方案的推荐提示通常不如对于产品的推荐提示那么准确，存在准确性较低的缺陷。
基于上述各项原因，现有技术无法高效、准确地向用户推荐提示解决方案，导致用户的体验较差。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种实现对用户进行高效、准确的解决方案推荐提示的IT服务提示方法及装置、设备和存储介质。
第一方面，本发明提供一种IT服务提示方法，包括：
通过场景知识表示框架获取需求信息；
根据需求信息获取若干解决方案信息；
分别对需求信息和各解决方案信息进行预处理，生成需求场景的第一特征集合和若干解决方案场景的第二特征集合；
对第一特征集合和各第二特征集合进行可信度分析，计算出各第二特征集合相对于第一特征集合的可信度；
选取可信度最高的解决方案，生成IT服务提示信息并输出。
第二方面，本发明提供一种IT服务提示装置，包括需求信息获取单元、解决方案查找单元、预处理单元、可信度分析单元和提示单元。
其中，需求信息获取单元配置用于通过场景知识表示框架获取需求信息；
解决方案查找单元配置用于根据需求信息获取若干解决方案信息；
预处理单元配置用于分别对需求信息和各解决方案信息进行预处理，生成需求场景的第一特征集合和若干解决方案场景的第二特征集合；
可信度分析单元配置用于对第一特征集合和各第二特征集合进行可信度分析，计算出各第二特征集合相对于第一特征集合的可信度；
提示单元配置用于选取可信度最高的解决方案，生成IT服务提示信息并输出。
第三方面，本发明还提供一种设备，包括一个或多个处理器和存储器，其中存储器包含可由该一个或多个处理器执行的指令以使得该一个或多个处理器执行根据本发明各实施例提供的IT服务提示方法。
第四方面，本发明还提供一种存储有计算机程序的存储介质，该计算机程序使计算机执行根据本发明各实施例提供的IT服务提示方法。
本发明诸多实施例提供的IT服务提示方法及装置、设备和存储介质通过依次获取用户需求和若干待选解决方案的信息，再通过预处理和可信度分析筛选出可信度最高的解决方案推荐提示给用户，实现了对用户进行高效、准确的解决方案推荐提示；
本发明一些实施例提供的IT服务提示方法及装置、设备和存储介质进一步通过多组特征选取模式分别进行特征选取，并通过Dempster组合规则对每一解决方案场景相对于需求场景的各项可信度进行组合，再选取组合可信度最高的解决方案进行推荐提示，提高了推荐提示的客观性和准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本发明一实施例提供的一种IT服务提示方法的流程图。
图2为图1所示方法的一种优选实施方式中步骤S70的流程图。
图3为图1所示方法的一种优选实施方式的流程图。
图4为本发明一实施例提供的一种IT服务提示装置的结构示意图。
图5为图4所示装置的一种优选实施方式的结构示意图。
图6为图4所示装置的一种优选实施方式的结构示意图。
图7为本发明一实施例提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1为本发明一实施例提供的一种IT服务提示方法的流程图。
如图1所示，在本实施例中，本发明提供一种IT服务提示方法，包括：
S10：通过场景知识表示框架获取需求信息；
S30：根据需求信息获取若干解决方案信息；
S50：分别对需求信息和各解决方案信息进行预处理，生成需求场景的第一特征集合和若干解决方案场景的第二特征集合；
S70：对第一特征集合和各第二特征集合进行可信度分析，计算出各第二特征集合相对于第一特征集合的可信度；
S90：选取可信度最高的解决方案，生成IT服务提示信息并输出。
具体地，在本实施例中，场景知识表示框架包括四个部分的内容框架：业务类型、流程类型、需求部门和所在系统，其中每一部分的内容框架用于分别从原始的需求描述内容中提取出一系列的场景指标，例如，表征需求服务特征的需求服务时间信息、需求服务空间信息、系统信息、功能信息、模块信息、服务紧急程度信息、IT组织战略发展信息等信息，以及，表征需求服务业务的业务组织信息、业务战略发展信息、业务现状信息、职责描述信息与业务困境描述信息等信息。上述场景知识表示框架的架构和各项场景指标仅为示例，在更多实施例中，还可根据实际需求在场景知识表示框架中配置不同组成部分的架构和不同的场景指标，可实现相同的技术效果。
在步骤S10中，通过上述场景知识表示框架从用户输入的原始的需求描述内容中自动提取出若干场景指标，从而生成标准化的、能较为精准描述需求的需求信息。
在步骤S30中，根据步骤S10生成的需求信息，在解决方案库中查询相对应的解决方案。
具体地，解决方案库可以配置在本地，也可以配置在第三方的云服务端，其中具体配置有解决方案信息库、解决方案准备信息库和规则库。
解决方案信息库中存储有若干解决方案，具体涉及系统搭建方案与规划、系统运维方法信息和基础设施方案与规划信息、基础设施运维方法信息等。
解决方案准备信息库中存储有各解决方案的准备信息，具体涉及解决方案资源布局信息和解决方案队伍相关信息等。
规则库中存储有需求信息与解决方案的多方面的对应关系，具体涉及资源、方法、主体和客体等方面的对应关系。根据这些对应关系，可以从解决方案库中查找到上述需求信息所对应的一项或多项解决方案，并从解决方案信息库和解决方案准备信息库中获取到解决方案信息。
以下以步骤S30获取到需求信息Q所对应的三项解决方案信息R、S、T为例进行详细阐述。
在步骤S50中，对需求信息Q进行切片，得到需求场景的若干特征关键词，这些特征关键词以所描述的特征为单元形成块集合，例如描述需求服务时间信息的特征关键词形成块集合q1，描述系统信息的特征关键词形成块集合q2，等等，从而形成由若干块集合组成的第一特征集合q＝{q1，q2，…，qn1}，其中，n1为第一特征集合中块集合的数量。
同理，分别依次对解决方案信息R、S、T进行切片，得到各解决方案场景的若干特征关键词，同样以所描述的特征为单元形成块集合，分别生成第二特征集合r＝{r1，r2，…，rn2}，s＝{s1，s2，…，sn3}，t＝{t1，t2，…，tn4}，其中，n2、n3、n4分别为各第一特征集合中块集合的数量。
优选地，为便于后续步骤S70的运算，在步骤S50中还可以进行通过预配置的规则进行过滤、同义词转换等各项预处理。
在步骤S70中，采用预配置的算法对步骤S50所生成的第一特征集合q和各第二特征集合r、s、t进行可信度分析。
在本实施例中，步骤S70采用如图2所示的方法进行可信度分析。图2为图1所示方法的一种优选实施方式中步骤S70的流程图。如图2所示，步骤S70包括：
S71：根据第一特征集合和各第二特征集合分别计算出第一特征集合与各第二特征集合的匹配度；
S73：根据第一特征集合和各第二特征集合分别计算出第一特征集合与各第二特征集合的不匹配度；
S75：根据各匹配度和各不匹配度分别计算出各第二特征集合相对于第一特征集合的可信度。
具体地，在步骤S71中，匹配度的计算方式为：
Figure BDA0001537536250000061
其中，μ为匹配度，Fc1为第一特征集合中的第一块集合，Fc2为第二特征集合中的第二块集合，sim(Fc1,Fc2)为第一块集合和第二块集合的相似度，ε1为第一权重，ε2为第二权重，ε3为第三权重，|Fc1-Fc2|为第一块集合与第二块集合的差值的绝对值，length(Fc1)为第一块集合的序列长度，Clength(Fc1,Fc2)为第一块集合和第二块集合的最大公共子序列的长度，C(Fc1∩Fc2)为第一块集合和第二块集合的并集的特征数量，C(Fc1∪Fc2)为第一块集合和第二块集合的合集的特征数量。
以计算第一特征集合q和第二特征集合r的匹配度μ(q,r)为例：
Figure BDA0001537536250000062
其中，i＝1，2，…，n1；j＝1，2，…，n2。
以相同的方式计算出q和s的匹配度μ(q,s)、q和t的匹配度μ(q,t)。
在步骤S73中，不匹配度的计算方式为：
Figure BDA0001537536250000063
其中，v为不匹配度，Usim(Fc1,Fc2)为第一块集合和第二块集合的不相似度，ε4为第四权重，ε5为第五权重，C(Fc1-Fc2)为第一块集合中与第二块集合不重合的特征数量，C(Fc2-Fc1)为第二块集合中与第一块集合不重合的特征数量。
同样以计算第一特征集合q和第二特征集合r的不匹配度v(q,r)为例：
Figure BDA0001537536250000071
以相同的方式计算出q和s的不匹配度v(q,s)、q和t的不匹配度v(q,t)。
在步骤S75中，可信度的计算方式为：
Figure BDA0001537536250000072
其中，α为可信度。
即，第二特征集合r相对于第一特征集合q的可信度α(q,r)为：
Figure BDA0001537536250000073
以相同的方式计算出s相对于q的可信度α(q,s)和t相对于q的可信度α(q,t)。
在本实施例中，采用上述各项匹配度、不匹配度和可信度的计算公式来计算可信度，在更多实施例中，还可根据实际需求采用不同的公式来计算可信度，例如，根据用户的需求为不同类型的特征配置不同的权重。以原始需求描述中重点要求一周内完成为例，则可以为相关的特征配置增大比例的权重。此外，还可以根据实际需求去除不匹配度，单独根据匹配度计算可信度，等等。
在步骤S90中，比较各项可信度α(q,r)、α(q,s)和α(q,t)，选取可信度最高的α(q,s)的解决方案，根据其解决方案信息S生成IT服务提示信息并输出，以完成对用户进行解决方案的推荐提示。
上述实施例通过依次获取用户需求和若干待选解决方案的信息，再通过预处理和可信度分析筛选出可信度最高的解决方案推荐提示给用户，实现了对用户进行高效、准确的解决方案推荐提示。
图3为图1所示方法的一种优选实施方式的流程图。如图3所示，在一优选实施例中，步骤S50包括：
S51：对需求信息进行预处理，并分别根据预配置的若干需求特征选取模式生成需求场景的若干组第一特征集合；
S53：对每一解决方案信息进行预处理，并分别根据预配置的若干组解决方案特征选取模式生成每一解决方案场景的若干组第二特征集合；
步骤S90包括：
S91：采用Dempster组合规则对每一解决方案场景相对于需求场景的各项可信度进行组合，生成每一解决方案场景相对于需求场景的组合可信度；
S93：选取组合可信度最高的解决方案，生成IT服务提示信息并输出。
具体地，图3所示实施例与图1所示实施例的区别在于：图1所示实施例中，每一解决方案场景相对于需求场景只生成一项可信度；而在图3所示实施例中，每一解决方案场景相对于需求场景生成多项可信度，在通过Dempster组合规则对该描述同一解决方案场景的多项可信度组合生成组合可信度之后，再对各解决方案的组合可信度进行比较。
以预配置有需求特征选取模式A和B、解决方案特征选取模式C和D，对需求信息Q和解决方案信息R、S、T进行预处理为例进行说明：
在步骤S51中，在对需求信息Q切片，得到需求场景的若干特征关键词后，根据预配置的需求特征选取模式A生成需求场景的第一特征集合qA＝{qA1，qA2，…，qAn}，根据需求特征选取模式B生成第一特征集合qB＝{qB1，qB2，…，qBn}，其中，An为qA中块集合的数量，Bn为qB中块集合的数量。
在步骤S53中，在对解决方案信息R切片，得到解决方案场景的若干特征关键词后，分别根据解决方案特征选取模式C和D生成第二特征集合rC＝{rC1，rC2，…，rCn}，rD＝{rD1，rD2，…，rDn}，其中，Cn为qC中块集合的数量，Dn为qD中块集合的数量。
对解决方案信息S和T的预处理同理，不再赘述。
在步骤S70中，分别根据第一特征集合qA、qB和第二特征集合rC、rD计算出描述同一解决方案场景的四项可信度α(qA,rC)、α(qA,rD)、α(qB,rC)、α(qB,rD)。
同理，分别还有描述同一解决方案场景的四项可信度α(qA,sC)、α(qA,sD)、α(qB,sC)、α(qB,sD)，以及描述同一解决方案场景的四项可信度α(qA,tC)、α(qA,tD)、α(qB,tC)、α(qB,tD)。
在步骤S91中，采用Dempster组合规则对α(qA,rC)、α(qA,rD)、α(qB,rC)、α(qB,rD)进行组合，生成组合可信度α(q*,r*)；
同样采用Dempster组合规则对α(qA,sC)、α(qA,sD)、α(qB,sC)、α(qB,sD)进行组合，生成组合可信度α(q*,s*)；
采用Dempster组合规则对α(qA,tC)、α(qA,tD)、α(qB,tC)、α(qB,tD)生成组合可信度α(q*,t*)。
Dempster组合规则是基于证据理论的现有组合算法，可以灵活的处理信息融合中的诸多问题，本领域技术人员可以获知其组合原理，因此此处不再对组合原理进行赘述。
在步骤S93中，在步骤S91所生成的各项组合可信度中选取最高的一项，根据其所对应的解决方案信息生成IT服务提示信息并输出。
上述实施例进一步通过多组特征选取模式分别进行特征选取，并通过Dempster组合规则对每一解决方案场景相对于需求场景的各项可信度进行组合，再选取组合可信度最高的解决方案进行推荐提示，提高了推荐提示的客观性和准确性。
图4为本发明一实施例提供的一种IT服务提示装置的结构示意图。图4所示装置可对应执行图1所示的方法。
如图4所示，在本实施例中，本发明提供一种IT服务提示装置，包括需求信息获取单元10、解决方案查找单元30、预处理单元50、可信度分析单元70和提示单元90。
其中，需求信息获取单元10配置用于通过场景知识表示框架获取需求信息；
解决方案查找单元30配置用于根据需求信息获取若干解决方案信息；
预处理单元50配置用于分别对需求信息和各解决方案信息进行预处理，生成需求场景的第一特征集合和若干解决方案场景的第二特征集合；
可信度分析单元70配置用于对第一特征集合和各第二特征集合进行可信度分析，计算出各第二特征集合相对于第一特征集合的可信度；
提示单元配置90用于选取可信度最高的解决方案，生成IT服务提示信息并输出。
上述装置的IT服务提示原理参见图1所示的方法，此处不再赘述。
图5为图4所示装置的一种优选实施方式的结构示意图。图5所示的装置可对应执行图2所示的方法。
如图5所示，在一优选实施例中，可信度分析单元70包括匹配度计算子单元71、不匹配度计算子单元73和可信度计算子单元75。
匹配度计算子单元71配置用于根据第一特征集合和各第二特征集合分别计算出第一特征集合与各第二特征集合的匹配度；
不匹配度计算子单元73配置用于根据第一特征集合和各第二特征集合分别计算出第一特征集合与各第二特征集合的不匹配度；
可信度计算子单元75配置用于根据各匹配度和各不匹配度分别计算出各第二特征集合相对于第一特征集合的可信度。
图5所示装置的可信度分析原理参见图2所示的方法，此处不再赘述。
图6为图4所示装置的一种优选实施方式的结构示意图。图6所示的装置可对应执行图3所示的方法。
如图6所示，在一优选实施例中，预处理单元50包括第一预处理子单元51和第二预处理子单元53，提示单元90包括组合子单元91和提示子单元93。
其中，第一预处理子单元51配置用于对需求信息进行预处理，并分别根据预配置的若干需求特征选取模式生成需求场景的若干组第一特征集合；
第二预处理子单元53配置用于对每一解决方案信息进行预处理，并分别根据预配置的若干组解决方案特征选取模式生成每一解决方案场景的若干组第二特征集合；
组合子单元91配置用于采用Dempster组合规则对每一解决方案场景相对于需求场景的各项可信度进行组合，生成每一解决方案场景相对于需求场景的组合可信度；
提示子单元93配置用于选取组合可信度最高的解决方案，生成IT服务提示信息并输出。
图6所示装置的IT服务提示原理参见图3所示的方法，此处不再赘述。
图7为本发明一实施例提供的一种设备的结构示意图。
如图7所示，作为另一方面，本申请还提供了一种设备700，包括一个或多个中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM703中，还存储有设备700操作所需的各种程序和数据。CPU701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上述任一实施例描述的IT服务提示方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行IT服务提示方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。
作为又一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例的装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，该程序被一个或者一个以上的处理器用来执行描述于本申请的IT服务提示方法。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这根据所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以通过执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以通过专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，各所述单元可以是设置在计算机或移动智能设备中的软件程序，也可以是单独配置的硬件装置。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离本申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (6)

1.一种IT服务提示方法，其特征在于，包括：
通过场景知识表示框架获取需求信息；
根据所述需求信息获取若干解决方案信息；
分别对所述需求信息和各所述解决方案信息进行预处理，生成需求场景的第一特征集合和若干解决方案场景的第二特征集合；
根据所述第一特征集合和各所述第二特征集合分别计算出所述第一特征集合与各所述第二特征集合的匹配度；
根据所述第一特征集合和各所述第二特征集合分别计算出所述第一特征集合与各所述第二特征集合的不匹配度；
根据各所述匹配度和各所述不匹配度分别计算出各所述第二特征集合相对于所述第一特征集合的可信度；
选取可信度最高的解决方案，生成IT服务提示信息并输出；
所述第一特征集合包括若干第一块集合，所述第二特征集合包括若干第二块集合；
所述匹配度的计算方式为：
Figure FDA0003308945460000011
其中，μ为匹配度，Fc1为第一块集合，Fc2为第二块集合，sim(Fc1,Fc2)为第一块集合和第二块集合的相似度，ε1为第一权重，ε2为第二权重，ε3为第三权重，|Fc1-Fc2|为第一块集合与第二块集合的差值的绝对值，length(Fc1)为第一块集合的序列长度，Clength(Fc1,Fc2)为第一块集合和第二块集合的最大公共子序列的长度，C(Fc1∩Fc2)为第一块集合和第二块集合的并集的特征数量，C(Fc1∪Fc2)为第一块集合和第二块集合的合集的特征数量；
所述不匹配度的计算方式为：
Figure FDA0003308945460000012
其中，v为不匹配度，Usim(Fc1,Fc2)为第一块集合和第二块集合的不相似度，ε4为第四权重，ε5为第五权重，C(Fc1-Fc2)为第一块集合中与第二块集合不重合的特征数量，C(Fc2-Fc1)为第二块集合中与第一块集合不重合的特征数量；
所述可信度的计算方式为：
Figure FDA0003308945460000021
其中，α为可信度。
2.根据权利要求1所述的方法，其特征在于，所述分别对所述需求信息和各所述解决方案信息进行预处理，生成需求场景的第一特征集合和若干解决方案场景的第二特征集合包括：
对所述需求信息进行预处理，并分别根据预配置的若干需求特征选取模式生成需求场景的若干组第一特征集合；
对每一解决方案信息进行预处理，并分别根据预配置的若干组解决方案特征选取模式生成每一解决方案场景的若干组第二特征集合；
所述选取可信度最高的解决方案，生成IT服务提示信息并输出包括：
采用Dempster组合规则对每一解决方案场景相对于需求场景的各项可信度进行组合，生成每一解决方案场景相对于需求场景的组合可信度；
选取组合可信度最高的解决方案，生成IT服务提示信息并输出。
3.一种IT服务提示装置，其特征在于，包括：
需求信息获取单元，配置用于通过场景知识表示框架获取需求信息；
解决方案查找单元，配置用于根据所述需求信息获取若干解决方案信息；
预处理单元，配置用于分别对所述需求信息和各所述解决方案信息进行预处理，生成需求场景的第一特征集合和若干解决方案场景的第二特征集合；
可信度分析单元，配置用于对所述第一特征集合和各所述第二特征集合进行可信度分析，计算出各所述第二特征集合相对于所述第一特征集合的可信度；
提示单元，配置用于选取可信度最高的解决方案，生成IT服务提示信息并输出；所述可信度分析单元包括：
匹配度计算子单元，配置用于根据所述第一特征集合和各所述第二特征集合分别计算出所述第一特征集合与各所述第二特征集合的匹配度；
不匹配度计算子单元，配置用于根据所述第一特征集合和各所述第二特征集合分别计算出所述第一特征集合与各所述第二特征集合的不匹配度；
可信度计算子单元，配置用于根据各所述匹配度和各所述不匹配度分别计算出各所述第二特征集合相对于所述第一特征集合的可信度；
所述第一特征集合包括若干第一块集合，所述第二特征集合包括若干第二块集合；
所述匹配度的计算方式为：
Figure FDA0003308945460000031
其中，μ为匹配度，Fc1为第一块集合，Fc2为第二块集合，sim(Fc1,Fc2)为第一块集合和第二块集合的相似度，ε1为第一权重，ε2为第二权重，ε3为第三权重，|Fc1-Fc2|为第一块集合与第二块集合的差值的绝对值，length(Fc1)为第一块集合的序列长度，Clength(Fc1,Fc2)为第一块集合和第二块集合的最大公共子序列的长度，C(Fc1∩Fc2)为第一块集合和第二块集合的并集的特征数量，C(Fc1∪Fc2)为第一块集合和第二块集合的合集的特征数量；
所述不匹配度的计算方式为：
Figure FDA0003308945460000032
其中，v为不匹配度，Usim(Fc1,Fc2)为第一块集合和第二块集合的不相似度，ε4为第四权重，ε5为第五权重，C(Fc1-Fc2)为第一块集合中与第二块集合不重合的特征数量，C(Fc2-Fc1)为第二块集合中与第一块集合不重合的特征数量；
所述可信度的计算方式为：
Figure FDA0003308945460000041
其中，α为可信度。
4.根据权利要求3所述的装置，其特征在于，所述预处理单元包括：
第一预处理子单元，配置用于对所述需求信息进行预处理，并分别根据预配置的若干需求特征选取模式生成需求场景的若干组第一特征集合；
第二预处理子单元，配置用于对每一解决方案信息进行预处理，并分别根据预配置的若干组解决方案特征选取模式生成每一解决方案场景的若干组第二特征集合；
所述提示单元包括：
组合子单元，配置用于采用Dempster组合规则对每一解决方案场景相对于需求场景的各项可信度进行组合，生成每一解决方案场景相对于需求场景的组合可信度；
提示子单元，配置用于选取组合可信度最高的解决方案，生成IT服务提示信息并输出。
5.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1-2中任一项所述的方法。
6.一种存储有计算机程序的存储介质，其特征在于，该程序被处理器执行时实现如权利要求1-2中任一项所述的方法。
CN201810002783.5A 2018-01-02 2018-01-02 It服务提示方法及装置、设备和存储介质 Active CN108229823B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810002783.5A CN108229823B (zh) 2018-01-02 2018-01-02 It服务提示方法及装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810002783.5A CN108229823B (zh) 2018-01-02 2018-01-02 It服务提示方法及装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN108229823A CN108229823A (zh) 2018-06-29
CN108229823B true CN108229823B (zh) 2022-05-13

Family

ID=62642623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810002783.5A Active CN108229823B (zh) 2018-01-02 2018-01-02 It服务提示方法及装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN108229823B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102903008A (zh) * 2011-07-29 2013-01-30 国际商业机器公司 用于计算机问答的方法及系统
CN103369044A (zh) * 2013-07-11 2013-10-23 无锡交大联云科技有限公司 一种基于云知识库的移动终端用户网络感知诊治方法
CN104008110A (zh) * 2013-02-26 2014-08-27 成都勤智数码科技股份有限公司 一种运维工单自动转知识库的方法
CN107015983A (zh) * 2016-01-27 2017-08-04 阿里巴巴集团控股有限公司 一种用于智能问答中提供知识信息的方法与设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8731991B2 (en) * 2010-06-25 2014-05-20 King Abdulaziz City For Science And Technology System and method of information technology application deployment

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102903008A (zh) * 2011-07-29 2013-01-30 国际商业机器公司 用于计算机问答的方法及系统
CN104008110A (zh) * 2013-02-26 2014-08-27 成都勤智数码科技股份有限公司 一种运维工单自动转知识库的方法
CN103369044A (zh) * 2013-07-11 2013-10-23 无锡交大联云科技有限公司 一种基于云知识库的移动终端用户网络感知诊治方法
CN107015983A (zh) * 2016-01-27 2017-08-04 阿里巴巴集团控股有限公司 一种用于智能问答中提供知识信息的方法与设备

Also Published As

Publication number Publication date
CN108229823A (zh) 2018-06-29

Similar Documents

Publication Publication Date Title
Matthews Applying multigroup analysis in PLS-SEM: A step-by-step process
US9569288B2 (en) Application pattern discovery
CN106844372B (zh) 一种物流信息查询方法和装置
CN102902740B (zh) Web服务组合推荐方法及设备
CN111046237B (zh) 用户行为数据处理方法、装置、电子设备及可读介质
US20230214895A1 (en) Methods and systems for product discovery in user generated content
US20200226168A1 (en) Methods and systems for optimizing display of user content
US8943042B2 (en) Analyzing and representing interpersonal relations
CN112672188B (zh) 一种主播推荐方法、设备及存储介质
US9652740B2 (en) Fan identity data integration and unification
KR102624075B1 (ko) 조달입찰정보 매칭방법, 장치 및 프로그램
CN111414410B (zh) 数据处理方法、装置、设备和存储介质
KR20210066495A (ko) 렌탈 서비스 제공 시스템
TWI671648B (zh) 網路資源生成方法及裝置
WO2017128681A1 (zh) 一种适于交易处理的会员管理系统
CN108229823B (zh) It服务提示方法及装置、设备和存储介质
US20180150890A1 (en) Trust circle through machine learning
US20200226378A1 (en) Methods and systems for tagged image generation
KR101178998B1 (ko) 데이터 인증 방법 및 시스템
Guggenberger et al. Design Principles for Quality Scoring—Coping with Information Asymmetry of Data Products
Diwandari et al. Analysis of customer purchase behavior using association rules in e-shop
CN111027866B (zh) 产品模型构建方法、装置、电子设备和介质
KR102453579B1 (ko) 작업자들 간의 협업을 위한 협업 솔루션 제공시스템
KR102605195B1 (ko) 이커머스 기반의 정보 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치
US20240104153A1 (en) Search service for a network of social machines

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