CN108428152A - 调查问卷生成方法、服务器及计算机可读存储介质 - Google Patents
调查问卷生成方法、服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108428152A CN108428152A CN201810200161.3A CN201810200161A CN108428152A CN 108428152 A CN108428152 A CN 108428152A CN 201810200161 A CN201810200161 A CN 201810200161A CN 108428152 A CN108428152 A CN 108428152A
- Authority
- CN
- China
- Prior art keywords
- questionnaire
- investigation
- user
- demand information
- result
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000011835 investigation Methods 0.000 claims abstract description 218
- 238000004458 analytical method Methods 0.000 claims abstract description 57
- 230000006399 behavior Effects 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims description 48
- 230000015654 memory Effects 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- 239000000463 material Substances 0.000 abstract description 6
- 238000011160 research Methods 0.000 description 29
- 230000005540 biological transmission Effects 0.000 description 14
- 230000009467 reduction Effects 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000002452 interceptive effect Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000004451 qualitative analysis Methods 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
- G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
Abstract
本发明公开了一种调查问卷生成方法，包括：接收调研需求信息并根据所述调研需求信息生成调查问卷；将所述调查问卷分发至预设目标用户，其中所述预设目标用户是指行为日志或历史调研记录与所述调研需求信息相匹配的用户；收集所述预设目标用户回传的问卷填写结果；及将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。本发明还提供一种应用服务器及计算机可读存储介质。本发明提供的调查问卷生成方法、应用服务器及计算机可读存储介质可以实现根据接收的调研需求信息自动生成调查，操作简单方便，节省大量的人力物力，同时可使得调研结果的有效性得到很大的提高。
Description
技术领域
本发明涉及互联网领域，尤其涉及调查问卷生成方法、服务器及计算机可读存储介质。
背景技术
市场调研是指对与营销决策相关的数据进行计划、收集和分析并把分析结果用于营销决策的过程。市场调研的基本任务就是为管理层提供有助于解决营销问题的信息。市场调研也是确定顾客和潜在顾客需要和需求的关键管理工具，是企业用来建立长期关系的手段，好的市场调研有助于保证企业未来的生存和发展。现有的市场调研主要是通过问卷调查的方式来实现。
但现有的问卷配置复杂，需要用户较高专业技能和经验才可完成，出错率较高，极其耗费人力物力，对于调研的场所和环境亦有所要求，同时对于被调研人员的选择亦无良好的选择措施，调研准确性常常不能满足实际调研需求。
发明内容
有鉴于此，本发明提出一种调查问卷生成、服务器及计算机可读存储介质，可以实现问卷生成智能化，有利于获取客户真实意愿，节省大量的人力物力，而且使调研结果的有效性得到很大的提高。
首先，为实现上述目的，本发明提出一种服务器，所述服务器包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的调查问卷生成系统，所述调查问卷生成系统被所述处理器执行时实现如下步骤：
接收调研需求信息并根据所述调研需求信息生成调查问卷；
将所述调查问卷分发至预设目标用户，其中所述预设目标用户是指行为日志或历史调研记录与所述调研需求信息相匹配的用户；
收集所述预设目标用户回传的问卷填写结果；及
将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
可选地，所述接收调研需求信息并根据所述调研需求信息生成调查问卷的步骤包括：
利用深度学习算法建立问卷生成模型，并根据问卷训练样本对所述问卷生成模型进行训练；
接收所述调研需求信息并将所述调研需求信息转换成需求特征向量；及
将所述需求特征向量输入至所述问卷生成模型，以得到与所述调研需求信息对应的调查问卷。
可选地，所述调研需求信息包括调研目标及调研主题，所述预设目标用户是指行为日志和/或历史调研记录与所述调研目标和/或所述调研主题相匹配的用户。
可选地，所述调查问卷生成系统被所述处理器执行时，还实现如下步骤：
接收问卷调整请求并根据所述问卷调整请求对生成后的调查问卷进行细节调整；
其中，所述调查问卷包括多个问卷问题，所述细节调整包括：修改、删除、增加问卷问题，设定问卷问题的关联关系，更改问卷问题的顺序。
此外，为实现上述目的，本发明还提供一种调查问卷生成方法，应用于服务器，所述方法包括：
接收调研需求信息并根据所述调研需求信息生成调查问卷；
将所述调查问卷分发至预设目标用户，其中所述预设目标用户是指行为日志或历史调研记录与所述调研需求信息相匹配的用户；
收集所述预设目标用户回传的问卷填写结果；及
将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
可选地，所述接收调研需求信息并根据所述调研需求信息生成调查问卷的步骤包括：
利用深度学习算法建立问卷生成模型，并根据问卷训练样本对所述问卷生成模型进行训练；
接收所述调研需求信息并将所述调研需求信息转换成需求特征向量；及
将所述需求特征向量输入至所述问卷生成模型，以得到与所述调研需求信息对应的调查问卷。
可选地，所述调研需求信息包括调研目标及调研主题，所述预设目标用户是指行为日志和/或历史调研记录与所述调研目标和/或所述调研主题相匹配的用户。
可选地，所述生成方法还包括步骤：
接收问卷调整请求并根据所述问卷调整请求对生成后的调查问卷进行细节调整；
其中，所述调查问卷包括多个问卷问题，所述细节调整包括：修改、删除、增加问卷问题，设定问卷问题的关联关系，更改问卷问题的顺序。
可选地，所述将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果的步骤包括：
将所述问卷填写结果进行汇总；及
利用Isomap降维算法和相似度算法对所述汇总后的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
进一步地，为实现上述目的，本发明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存储有调查问卷生成系统，所述调查问卷生成系统可被至少一个处理器执行，以使所述至少一个处理器执行如上述调查问卷生成方法的步骤。
相较于现有技术，本发明所提出的调查问卷生成方法、服务器及计算机可读存储介质，首先，接收调研需求信息并根据所述调研需求信息生成调查问卷；其次，将所述调查问卷分发至预设目标用户；再者，收集所述预设目标用户回传的问卷填写结果；最后，将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。这样，可以实现自动生成调查问卷，系统可以根据不同的调研需求信息生成不同的调查问卷并筛选适合调研目的的目标用户进行网络调研，操作简单，实现问卷生成智能化，有利于获取客户真实意愿，节省大量的人力物力，而且使调研结果的有效性得到很大的提高。
附图说明
图1是本发明各个实施例一可选的应用环境示意图；
图2是本发明服务器一可选的硬件架构的示意图；
图3是本发明调查问卷生成系统第一实施例的程序模块示意图；
图4是本发明调查问卷生成系统第二实施例的程序模块示意图；
图5为本发明调查问卷生成方法第一实施例的实施流程示意图；
图6为本发明调查问卷生成方法第二实施例的实施流程示意图。
附图标记：
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
参阅图1所示，是本发明各个实施例一可选的应用环境示意图。
在本实施例中，本发明可应用于包括，但不仅限于，终端设备1、服务器2、网络3的应用环境中。其中，所述终端设备1可以是移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置、车载装置等等的可移动设备，以及诸如数字TV、台式计算机、笔记本、服务器等等的固定终端。所述服务器2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备，该服务器2可以是独立的服务器，也可以是多个服务器所组成的服务器集群。所述网络3可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System ofMobile communication，GSM)、宽带码分多址(Wideband Code Division MultipleAccess，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。
其中，所述服务器2可以通过所述网络3分别与一个或多个所述终端设备1通信连接，以进行数据传输和交互。
参阅图2所示，是本发明服务器2一可选的硬件架构的示意图。
本实施例中，所述服务器2可包括，但不仅限于，可通过系统总线相互通信连接存储器11、处理器12、网络接口13。需要指出的是，图2仅示出了具有组件11-13的服务器2，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器11可以是所述服务器2的内部存储单元，例如该服务器2的硬盘或内存。在另一些实施例中，所述存储器11也可以是所述服务器2的外部存储设备，例如该服务器2上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器11还可以既包括所述服务器2的内部存储单元也包括其外部存储设备。本实施例中，所述存储器11通常用于存储安装于所述服务器2的操作系统和各类应用软件，例如调查问卷生成系统100的程序代码等。此外，所述存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述服务器2的总体操作，例如执行与所述终端设备1进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行所述调查问卷生成系统100等。
所述网络接口13可包括无线网络接口或有线网络接口，该网络接口13通常用于在所述服务器2与其他电子设备之间建立通信连接。本实施例中，所述网络接口13主要用于通过所述网络3将所述服务器2与一个或多个所述终端设备1相连，在所述服务器2与所述一个或多个终端设备1之间的建立数据传输通道和通信连接。
至此，己经详细介绍了本发明相关设备的硬件结构和功能。下面，将基于上述介绍提出本发明的各个实施例。
首先，本发明提出一种调查问卷生成系统100。
参阅图3所示，是本发明调查问卷生成系统100第一实施例的程序模块图。
本实施例中，所述调查问卷生成系统100包括一系列的存储于存储器11上的计算机程序指令，当该计算机程序指令被处理器12执行时，可以实现本发明各实施例的调查问卷生成操作。在一些实施例中，基于该计算机程序指令各部分所实现的特定的操作，调查问卷生成系统100可以被划分为一个或多个模块。例如，在图3中，调查问卷生成系统100可以被分割成生成模块101、分发模块102、收集模块103及汇总分析模块104。其中：
所述生成模块101用于接收调研需求信息并根据所述调研需求信息生成调查问卷。
在一实施例中，所述调研需求信息可以包括调研目标群体、调研主题、调研问题类型等。用户可以通过终端设备1来输入调研需求信息，终端设备1可以将接收到的调研需求信息转发至所述服务器2。终端设备1可以设置一交互界面来引导使用者输入调研需求信息，进而来获取本次调研目标群体、主题、调研问题类型和调研限制因素等信息。举例而言，所述交互界面可以设置有“本次调研主题”、“期望调研的对象”等输入栏位及可选择的调用问题类型组合(选择题、选择题+问答题)。
在一实施例中，所述生成模块101可以利用深度学习算法建立问卷生成模型，并对该问卷生成模型进行训练，进而可以实现根据所述调研需求信息自动生成所述调查问卷，所述生成模块101可以通过历史调查问卷生成记录或接入网络来获取训练样本，以对该问卷生成模型进行训练。
举例而言，所述生成模块101接入网络来获取多个问卷训练样本，每个问卷训练样本包含有问卷样本及训练特征，所述训练特征可以包括调研目标群体、调研主题、调研问题类型等信息；所述生成模块101将每个问卷训练样本的训练特征转换成训练向量，并利用所述训练向量及每个问卷训练样本的问卷样本来训练所述问卷生成模型，所述问卷生成模型的训练层优选为基于非线性函数(例如Sigmoid函数)所实现；所述生成模块101再将接收到的调研需求信息转换成需求特征向量，并将所述需求特征向量输入至所述问卷生成模型，进而可以得到与所述调研需求信息对应的调查问卷。
所述分发模块102用于将所述调查问卷分发至预设目标用户，其中所述预设目标用户是指行为日志或历史调研记录与所述调研需求信息相匹配的用户。
在一实施例中，所述分发模块102可以通过特定的传输通道将所述调查问卷分发至所述预设目标用户。所述特定的传输通道可以是指如预设目标用户的特定软件客户端，邮件、即时通讯消息等，从而告知并引导所述预设目标用户参与问卷调查。所述预设目标用户可以具有多个属性。所述属性可以是用户登陆时间、登陆时长、登陆地点和浏览过的网站等。所述分发模块102可以根据用户调研目的和调研需求的不同找出符合所述调研目的及调研需求的用户集合。
在一实施例中，所述分发模块102可以分析所述用户的行为日志，得到所述预设目标用户的属性，提取所述属性与所述调研目的相应的用户，作为所述预设目标用户。所述预设目标用户的行为日志可以是对所述调研目的的兴趣和所述用户的浏览习惯。所述分发模块102还可以根据所述用户的调研记录，将所述用户的评价结果达到预设标准的用户作为所述预设目标用户。所述调研记录可以是用户答题的认真程度和答题的次数。所述预设目标用户的行为日志和/或历史调研记录与所述调研目标群体和/或所述调研主题相匹配。
所述收集模块103用于收集所述预设目标用户回传的问卷填写结果。
在一实施方式中，所述收集模块103收集所述预设目标用户回传的问卷填写结果。所述分发模块102将生成的调查问卷通过指定的传输通道分发至所述预设目标用户后，所述预设目标用户可以在任意时刻、任意地方进行所述调查问卷的填写。
所述汇总分析模块104用于将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
在一实施方式中，所述汇总分析模块104在接收到所述预设目标用户回传的问卷填写结果后，将所述问卷填写结果保存至一数据库；当需要进行结果分析时，从所述数据库中调出此次调查的所有结果并进行汇总，然后根据所有问卷填写结果的汇总，可以用可视化的方式显示所有被调研人员意见的分散程度，以可视化的形式输出结果汇总。
在一实施方式中，所述汇总分析模块104利用Isomap降维算法和相似度算法对所述汇总后的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
举例而言，使用向量来表示各个被调研人员的调查问卷结果，并利用Isomap降维方法，在保证向量间距离不变的条件下，将高维向量转化为低维向量用于坐标显示，然后通过计算向量间的量化关系来表示不同被调研人员观点上的异同。定义向量X和向量Y的距离为：
如果X、Y的第i个分量相同，则该分量对距离的贡献为0；如果不同，则该分量对距离的贡献大于0，并且分量相差越大，它们对距离的贡献越大。使用向量间的距离可以描述各被调研人员观点上的差异。距离值越大表明被调研人员观点的差异越大。所述相似性计算方法评估群体意见发散程度方式是：如果距离小，那么相似度大；如果距离大，那么相似度小。
在一实施方式中，针对不同的问题可以设置不同的分析方法，针对封闭性问题可以采用定量与定性结合的方法，例如可以采用百分比、频数与相似度分析、降维分析、层次分析等方法的结合。对于开放性问题则可以采用定性分析的方法，主要有聚类、区间划分、相似度分析方法等。最后对所有问题的所有选项进行Isomap降维然后用相似性计算方法汇总整体意见的分散程度，如果对于调查问卷中的某个问题所有被调研人员的意见基本上一致，则可以把此结果作为一致性意见。如果存在逻辑上的不一致性，那么就会发出意见不一致的提醒，并给出相应的问题，然后所述汇总分析模块104重新进行结果汇总及分析，以此直至群体意见基本一致，并最终把意见分析的相关内容以可视化的形式表示出来。
通过上述程序模块101-104，本发明所提出的调查问卷生成系统100，首先，接收调研需求信息并根据所述调研需求信息生成调查问卷；其次，将所述调查问卷分发至预设目标用户；再者，收集所述预设目标用户回传的问卷填写结果；最后，将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。这样，可以实现自动生成调查问卷，系统可以根据不同的调研需求信息生成不同的调查问卷并筛选适合调研目的的目标用户进行网络调研，操作简单，实现问卷生成智能化，有利于获取客户真实意愿，节省大量的人力物力，而且使调研结果的有效性得到很大的提高。
参阅图4所示，是本发明调查问卷生成系统100第二实施例的程序模块图。本实施例中，所述调查问卷生成系统100包括一系列的存储于存储器11上的计算机程序指令，当该计算机程序指令被处理器12执行时，可以实现本发明各实施例的调查问卷生成操作。在一些实施例中，基于该计算机程序指令各部分所实现的特定的操作，调查问卷生成系统100可以被划分为一个或多个模块。例如，在图4中，调查问卷生成系统100可以被分割成生成模块101、分发模块102、收集模块103、汇总分析模块104及调整模块105。所述各程序模块101-104与本发明调查问卷生成系统100第一实施例相同，并在此基础上增加调整模块105。其中：
所述生成模块101用于接收调研需求信息并根据所述调研需求信息生成调查问卷。
在一实施例中，所述调研需求信息可以包括调研目标群体、调研主题、调研问题类型等。用户可以通过终端设备1来输入调研需求信息，终端设备1可以将接收到的调研需求信息转发至所述服务器2。终端设备1可以设置一交互界面来引导使用者输入调研需求信息，进而来获取本次调研目标群体、主题、调研问题类型和调研限制因素等信息。举例而言，所述交互界面可以设置有“本次调研主题”、“期望调研的对象”等输入栏位及可选择的调用问题类型组合(选择题、选择题+问答题)。
在一实施例中，所述生成模块101可以利用深度学习算法建立问卷生成模型，并对该问卷生成模型进行训练，进而可以实现根据所述调研需求信息自动生成所述调查问卷，所述生成模块101可以通过历史调查问卷生成记录或接入网络来获取训练样本，以对该问卷生成模型进行训练。
举例而言，所述生成模块101接入网络来获取多个问卷训练样本，每个问卷训练样本包含有问卷样本及训练特征，所述训练特征可以包括调研目标群体、调研主题、调研问题类型等信息；所述生成模块101将每个问卷训练样本的训练特征转换成训练向量，并利用所述训练向量及每个问卷训练样本的问卷样本来训练所述问卷生成模型，所述问卷生成模型的训练层优选为基于非线性函数(例如Sigmoid函数)所实现；所述生成模块101再将接收到的调研需求信息转换成需求特征向量，并将所述需求特征向量输入至所述问卷生成模型，进而可以得到与所述调研需求信息对应的调查问卷。
所述调整模块105用于接收问卷调整请求并根据所述问卷调整请求对生成后的调查问卷进行细节调整。
在一实施方式中，所述调整模块105可以接收用户问卷调整请求并根据所述问卷调整请求对生成后的调查问卷进行细节调整。所述调查问卷可以包括多个问卷问题，所述细节调整可以是修改、删除、增加问卷问题，设定问卷问题的关联关系，更改问卷问题的顺序。
举例而言，所述调整模块105可以调整一些涉及特定产品的调研问题的比重，设置问卷问题的关联关系，修改某些问题的描述，更换问卷问题的顺序，设置封闭性问题的选项，设置矩阵题要素等。所述调整模块105还可以通过工作流方式指定某一问卷问题对应答案可以跳转至指定题，也可以设置对描述性问卷答案进行分析并跳转至指定题，允许对主观题的表情、图片答题。
在一实施方式中，当用户发送问卷调整请求选择对所述调查问卷进行细节调整时，所述调整模块105接收用户的设定需求和/或获取用户的先前调查问卷记录和/或用户的基本信息进行细节调整。当对所选中的调查问卷设置调整细节之后，系统可自动生成修改后的调查问卷并形成预览，如果调查问卷对修改后的调查问卷不满意还可以继续对所述调查问卷进行调整。在进行细节调整题目时，所述调整模块105还可以实时提醒所述调研人员如何设置题目可以使得所得到的调研效果更好。
所述分发模块102用于将所述调查问卷分发至预设目标用户，其中所述预设目标用户是指行为日志或历史调研记录与所述调研需求信息相匹配的用户。
在一实施例中，所述分发模块102可以通过特定的传输通道将所述调查问卷分发至所述预设目标用户。所述特定的传输通道可以是指如预设目标用户的特定软件客户端，邮件、即时通讯消息等，从而告知并引导所述预设目标用户参与问卷调查。所述预设目标用户可以具有多个属性。所述属性可以是用户登陆时间、登陆时长、登陆地点和浏览过的网站等。所述分发模块102可以根据用户调研目的和调研需求的不同找出符合所述调研目的及调研需求的用户集合。
在一实施例中，所述分发模块102可以分析所述用户的行为日志，得到所述预设目标用户的属性，提取所述属性与所述调研目的相应的用户，作为所述预设目标用户。所述预设目标用户的行为日志可以是对所述调研目的的兴趣和所述用户的浏览习惯。所述分发模块102还可以根据所述用户的调研记录，将所述用户的评价结果达到预设标准的用户作为所述预设目标用户。所述调研记录可以是用户答题的认真程度和答题的次数。所述预设目标用户的行为日志和/或历史调研记录与所述调研目标群体和/或所述调研主题相匹配。
所述收集模块103用于收集所述预设目标用户回传的问卷填写结果。
在一实施方式中，所述收集模块103收集所述预设目标用户回传的问卷填写结果。所述分发模块102将生成的调查问卷通过指定的传输通道分发至所述预设目标用户后，所述预设目标用户可以在任意时刻、任意地方进行所述调查问卷的填写。
所述汇总分析模块104用于将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
在一实施方式中，所述汇总分析模块104在接收到所述预设目标用户回传的问卷填写结果后，将所述问卷填写结果保存至一数据库；当需要进行结果分析时，从所述数据库中调出此次调查的所有结果并进行汇总，然后根据所有问卷填写结果的汇总，可以用可视化的方式显示所有被调研人员意见的分散程度，以可视化的形式输出结果汇总。
在一实施方式中，所述汇总分析模块104利用Isomap降维算法和相似度算法对所述汇总后的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
举例而言，使用向量来表示各个被调研人员的调查问卷结果，并利用Isomap降维方法，在保证向量间距离不变的条件下，将高维向量转化为低维向量用于坐标显示，然后通过计算向量间的量化关系来表示不同被调研人员观点上的异同。定义向量X和向量Y的距离为：
如果X、Y的第i个分量相同，则该分量对距离的贡献为0；如果不同，则该分量对距离的贡献大于0，并且分量相差越大，它们对距离的贡献越大。使用向量间的距离可以描述各被调研人员观点上的差异。距离值越大表明被调研人员观点的差异越大。所述相似性计算方法评估群体意见发散程度方式是：如果距离小，那么相似度大；如果距离大，那么相似度小。
在一实施方式中，针对不同的问题可以设置不同的分析方法，针对封闭性问题可以采用定量与定性结合的方法，例如可以采用百分比、频数与相似度分析、降维分析、层次分析等方法的结合。对于开放性问题则可以采用定性分析的方法，主要有聚类、区间划分、相似度分析方法等。最后对所有问题的所有选项进行Isomap降维然后用相似性计算方法汇总整体意见的分散程度，如果对于调查问卷中的某个问题所有被调研人员的意见基本上一致，则可以把此结果作为一致性意见。如果存在逻辑上的不一致性，那么就会发出意见不一致的提醒，并给出相应的问题，然后所述汇总分析模块104重新进行结果汇总及分析，以此直至群体意见基本一致，并最终把意见分析的相关内容以可视化的形式表示出来。
通过上述程序模块101-105，本发明所提出的调查问卷生成系统100，首先，接收调研需求信息并根据所述调研需求信息生成调查问卷；其次，接收问卷调整请求并根据所述问卷调整请求对生成后的调查问卷进行细节调整；再者，将所述调查问卷分发至预设目标用户；再者，收集所述预设目标用户回传的问卷填写结果；最后，将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。这样，还可以实现根据用户的需求对生成的调查问卷进行细节调整，进一步适配用户的调研需求，有利于获取客户真实意愿，使调研结果的有效性得到进一步提高。
此外，本发明还提出一种调查问卷生成方法。
参阅图5所示，是本发明调查问卷生成方法第一实施例的实施流程示意图。在本实施例中，根据不同的需求，图5所示的流程图中的步骤的执行顺序可以改变，某些步骤可以省略。
步骤S500，接收调研需求信息并根据所述调研需求信息生成调查问卷。
在一实施例中，所述调研需求信息可以包括调研目标群体、调研主题、调研问题类型等。用户可以通过终端设备1来输入调研需求信息，终端设备1可以将接收到的调研需求信息转发至所述服务器2。终端设备1可以设置一交互界面来引导使用者输入调研需求信息，进而来获取本次调研目标群体、主题、调研问题类型和调研限制因素等信息。举例而言，所述交互界面可以设置有“本次调研主题”、“期望调研的对象”等输入栏位及可选择的调用问题类型组合(选择题、选择题+问答题)。
在一实施例中，可以利用深度学习算法建立问卷生成模型，并对该问卷生成模型进行训练，进而可以实现根据所述调研需求信息自动生成所述调查问卷，可以通过历史调查问卷生成记录或接入网络来获取训练样本，以对该问卷生成模型进行训练。
在一实施例中，可以接入网络来获取多个问卷训练样本，每个问卷训练样本包含有问卷样本及训练特征，所述训练特征可以包括调研目标群体、调研主题、调研问题类型等信息；将每个问卷训练样本的训练特征转换成训练向量，并利用所述训练向量及每个问卷训练样本的问卷样本来训练所述问卷生成模型，所述问卷生成模型的训练层优选为基于非线性函数(例如Sigmoid函数)所实现；再将接收到的调研需求信息转换成需求特征向量，并将所述需求特征向量输入至所述问卷生成模型，进而可以得到与所述调研需求信息对应的调查问卷。
步骤S502，将所述调查问卷分发至预设目标用户，其中所述预设目标用户是指行为日志或历史调研记录与所述调研需求信息相匹配的用户。
在一实施例中，可以通过特定的传输通道将所述调查问卷分发至所述预设目标用户。所述特定的传输通道可以是指如预设目标用户的特定软件客户端，邮件、即时通讯消息等，从而告知并引导所述预设目标用户参与问卷调查。所述预设目标用户可以具有多个属性。所述属性可以是用户登陆时间、登陆时长、登陆地点和浏览过的网站等。还可以根据用户调研目的和调研需求的不同找出符合所述调研目的及调研需求的用户集合。
在一实施例中，可以分析所述用户的行为日志，得到所述预设目标用户的属性，提取所述属性与所述调研目的相应的用户，作为所述预设目标用户。所述预设目标用户的行为日志可以是对所述调研目的的兴趣和所述用户的浏览习惯。还可以根据所述用户的调研记录，将所述用户的评价结果达到预设标准的用户作为所述预设目标用户。所述调研记录可以是用户答题的认真程度和答题的次数。所述预设目标用户的行为日志和/或历史调研记录与所述调研目标群体和/或所述调研主题相匹配。
步骤S504，收集所述预设目标用户回传的问卷填写结果。
在一实施方式中，收集所述预设目标用户回传的问卷填写结果。将生成的调查问卷通过指定的传输通道分发至所述预设目标用户后，所述预设目标用户可以在任意时刻、任意地方进行所述调查问卷的填写。
步骤S506，将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
在一实施方式中，在接收到所述预设目标用户回传的问卷填写结果后，将所述问卷填写结果保存至一数据库；当需要进行结果分析时，从所述数据库中调出此次调查的所有结果并进行汇总，然后根据所有问卷填写结果的汇总，可以用可视化的方式显示所有被调研人员意见的分散程度，以可视化的形式输出结果汇总。
在一实施方式中，利用Isomap降维算法和相似度算法对所述汇总后的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
在一实施方式中，使用向量来表示各个被调研人员的调查问卷结果，并利用Isomap降维方法，在保证向量间距离不变的条件下，将高维向量转化为低维向量用于坐标显示，然后通过计算向量间的量化关系来表示不同被调研人员观点上的异同。定义向量X和向量Y的距离为：
如果X、Y的第i个分量相同，则该分量对距离的贡献为0；如果不同，则该分量对距离的贡献大于0，并且分量相差越大，它们对距离的贡献越大。使用向量间的距离可以描述各被调研人员观点上的差异。距离值越大表明被调研人员观点的差异越大。所述相似性计算方法评估群体意见发散程度方式是：如果距离小，那么相似度大；如果距离大，那么相似度小。
在一实施方式中，针对不同的问题可以设置不同的分析方法，针对封闭性问题可以采用定量与定性结合的方法，例如可以采用百分比、频数与相似度分析、降维分析、层次分析等方法的结合。对于开放性问题则可以采用定性分析的方法，主要有聚类、区间划分、相似度分析方法等。最后对所有问题的所有选项进行Isomap降维然后用相似性计算方法汇总整体意见的分散程度，如果对于调查问卷中的某个问题所有被调研人员的意见基本上一致，则可以把此结果作为一致性意见。如果存在逻辑上的不一致性，那么就会发出意见不一致的提醒，并给出相应的问题，然后重新进行结果汇总及分析，以此直至群体意见基本一致，并最终把意见分析的相关内容以可视化的形式表示出来。
通过上述步骤S500-S506，本发明所提出的调查问卷生成方法，首先，接收调研需求信息并根据所述调研需求信息生成调查问卷；其次，将所述调查问卷分发至预设目标用户；再者，收集所述预设目标用户回传的问卷填写结果；最后，将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。这样，可以实现自动生成调查问卷，系统可以根据不同的调研需求信息生成不同的调查问卷并筛选适合调研目的的目标用户进行网络调研，操作简单，实现问卷生成智能化，有利于获取客户真实意愿，节省大量的人力物力，而且使调研结果的有效性得到很大的提高。
参阅图6所示，是本发明调查问卷生成方法第二实施例的实施流程示意图。在本实施例中，根据不同的需求，图6所示的流程图中的步骤的执行顺序可以改变，某些步骤可以省略。
步骤S500，接收调研需求信息并根据所述调研需求信息生成调查问卷。
在一实施例中，所述调研需求信息可以包括调研目标群体、调研主题、调研问题类型等。用户可以通过终端设备1来输入调研需求信息，终端设备1可以将接收到的调研需求信息转发至所述服务器2。终端设备1可以设置一交互界面来引导使用者输入调研需求信息，进而来获取本次调研目标群体、主题、调研问题类型和调研限制因素等信息。举例而言，所述交互界面可以设置有“本次调研主题”、“期望调研的对象”等输入栏位及可选择的调用问题类型组合(选择题、选择题+问答题)。
在一实施例中，可以利用深度学习算法建立问卷生成模型，并对该问卷生成模型进行训练，进而可以实现根据所述调研需求信息自动生成所述调查问卷，可以通过历史调查问卷生成记录或接入网络来获取训练样本，以对该问卷生成模型进行训练。
在一实施例中，可以接入网络来获取多个问卷训练样本，每个问卷训练样本包含有问卷样本及训练特征，所述训练特征可以包括调研目标群体、调研主题、调研问题类型等信息；将每个问卷训练样本的训练特征转换成训练向量，并利用所述训练向量及每个问卷训练样本的问卷样本来训练所述问卷生成模型，所述问卷生成模型的训练层优选为基于非线性函数(例如Sigmoid函数)所实现；再将接收到的调研需求信息转换成需求特征向量，并将所述需求特征向量输入至所述问卷生成模型，进而可以得到与所述调研需求信息对应的调查问卷。
步骤S508，接收问卷调整请求并根据所述问卷调整请求对生成后的调查问卷进行细节调整。
在一实施方式中，可以接收用户问卷调整请求并根据所述问卷调整请求对生成后的调查问卷进行细节调整。所述调查问卷可以包括多个问卷问题，所述细节调整可以是修改、删除、增加问卷问题，设定问卷问题的关联关系，更改问卷问题的顺序。
在一实施方式中，可以调整一些涉及特定产品的调研问题的比重，设置问卷问题的关联关系，修改某些问题的描述，更换所述问卷问题的顺序，设置封闭性问题的选项，设置矩阵题要素等。还可以通过工作流方式指定某一问卷问题对应答案可以跳转至指定题，也可以设置对描述性问卷答案进行分析并跳转至指定题，允许对主观题的表情、图片答题。
在一实施方式中，当用户发送问卷调整请求选择对所述调查问卷进行细节调整时，接收用户的设定需求和/或获取用户的先前调查问卷记录和/或用户的基本信息进行细节调整。当对所选中的调查问卷设置调整细节之后，系统可自动生成修改后的调查问卷并形成预览，如果调查问卷对修改后的调查问卷不满意还可以继续对所述调查问卷进行调整。在进行细节调整题目时，还可以实时提醒所述调研人员如何设置题目可以使得所得到的调研效果更好。
步骤S502，将所述调查问卷分发至预设目标用户，其中所述预设目标用户是指行为日志或历史调研记录与所述调研需求信息相匹配的用户。
在一实施例中，可以通过特定的传输通道将所述调查问卷分发至所述预设目标用户。所述特定的传输通道可以是指如预设目标用户的特定软件客户端，邮件、即时通讯消息等，从而告知并引导所述预设目标用户参与问卷调查。所述预设目标用户可以具有多个属性。所述属性可以是用户登陆时间、登陆时长、登陆地点和浏览过的网站等。还可以根据用户调研目的和调研需求的不同找出符合所述调研目的及调研需求的用户集合。
在一实施例中，可以分析所述用户的行为日志，得到所述预设目标用户的属性，提取所述属性与所述调研目的相应的用户，作为所述预设目标用户。所述预设目标用户的行为日志可以是对所述调研目的的兴趣和所述用户的浏览习惯。还可以根据所述用户的调研记录，将所述用户的评价结果达到预设标准的用户作为所述预设目标用户。所述调研记录可以是用户答题的认真程度和答题的次数。所述预设目标用户的行为日志或历史调研记录与所述调研目标群体或所述调研主题相匹配。
步骤S504，收集所述预设目标用户回传的问卷填写结果。
在一实施方式中，收集所述预设目标用户回传的问卷填写结果。将生成的调查问卷通过指定的传输通道分发至所述预设目标用户后，所述预设目标用户可以在任意时刻、任意地方进行所述调查问卷的填写。
步骤S506，将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
在一实施方式中，在接收到所述预设目标用户回传的问卷填写结果后，将所述问卷填写结果保存至一数据库；当需要进行结果分析时，从所述数据库中调出此次调查的所有结果并进行汇总，然后根据所有问卷填写结果的汇总，可以用可视化的方式显示所有被调研人员意见的分散程度，以可视化的形式输出结果汇总。
在一实施方式中，利用Isomap降维算法和相似度算法对所述汇总后的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
在一实施方式中，使用向量来表示各个被调研人员的调查问卷结果，并利用Isomap降维方法，在保证向量间距离不变的条件下，将高维向量转化为低维向量用于坐标显示，然后通过计算向量间的量化关系来表示不同被调研人员观点上的异同。定义向量X和向量Y的距离为：
如果X、Y的第i个分量相同，则该分量对距离的贡献为0；如果不同，则该分量对距离的贡献大于0，并且分量相差越大，它们对距离的贡献越大。使用向量间的距离可以描述各被调研人员观点上的差异。距离值越大表明被调研人员观点的差异越大。所述相似性计算方法评估群体意见发散程度方式是：如果距离小，那么相似度大；如果距离大，那么相似度小。
在一实施方式中，针对不同的问题可以设置不同的分析方法，针对封闭性问题可以采用定量与定性结合的方法，例如可以采用百分比、频数与相似度分析、降维分析、层次分析等方法的结合。对于开放性问题则可以采用定性分析的方法，主要有聚类、区间划分、相似度分析方法等。最后对所有问题的所有选项进行Isomap降维然后用相似性计算方法汇总整体意见的分散程度，如果对于调查问卷中的某个问题所有被调研人员的意见基本上一致，则可以把此结果作为一致性意见。如果存在逻辑上的不一致性，那么就会发出意见不一致的提醒，并给出相应的问题，然后重新进行结果汇总及分析，以此直至群体意见基本一致，并最终把意见分析的相关内容以可视化的形式表示出来。
通过上述步骤S500-S508，本发明所提出的调查问卷生成方法，首先，接收调研需求信息并根据所述调研需求信息生成调查问卷；其次，接收问卷调整请求并根据所述问卷调整请求对生成后的调查问卷进行细节调整；再者，将所述调查问卷分发至预设目标用户；再者，收集所述预设目标用户回传的问卷填写结果；最后，将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。这样，还可以实现根据用户的实际需求对生的成调查问卷进行细节调整，进一步适配用户的调研需求，有利于获取客户真实意愿，使调研结果的有效性得到进一步提高。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种调查问卷生成方法，应用于服务器，其特征在于，所述方法包括：
接收调研需求信息并根据所述调研需求信息生成调查问卷；
将所述调查问卷分发至预设目标用户，其中所述预设目标用户是指行为日志或历史调研记录与所述调研需求信息相匹配的用户；
收集所述预设目标用户回传的问卷填写结果；及
将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
2.如权利要求1所述的方法，其特征在于，所述接收调研需求信息并根据所述调研需求信息生成调查问卷的步骤包括：
利用深度学习算法建立问卷生成模型，并根据问卷训练样本对所述问卷生成模型进行训练；
接收所述调研需求信息并将所述调研需求信息转换成需求特征向量；及
将所述需求特征向量输入至所述问卷生成模型，以得到与所述调研需求信息对应的调查问卷。
3.如权利要求1或2所述的方法，其特征在于，所述调研需求信息包括调研目标及调研主题，所述预设目标用户是指行为日志和/或历史调研记录与所述调研目标和/或所述调研主题相匹配的用户。
4.如权利要求1或2所述的方法，其特征在于，所述调查问卷生成方法还包括步骤：
接收问卷调整请求并根据所述问卷调整请求对生成后的调查问卷进行细节调整；
其中，所述调查问卷包括多个问卷问题，所述细节调整包括：修改、删除、增加问卷问题，设定问卷问题的关联关系，更改问卷问题的顺序。
5.如权利要求1或2所述的方法，其特征在于，所述将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果的步骤包括：
将所述问卷填写结果进行汇总；及
利用Isomap降维算法和相似度算法对所述汇总后的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
6.一种服务器，其特征在于，所述服务器包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的调查问卷生成系统，所述调查问卷生成系统被所述处理器执行时实现如下步骤：
接收调研需求信息并根据所述调研需求信息生成调查问卷；
将所述调查问卷分发至预设目标用户，其中所述预设目标用户是指行为日志或历史调研记录与所述调研需求信息相匹配的用户；
收集所述预设目标用户回传的问卷填写结果；及
将所述问卷填写结果进行汇总，并对汇总的问卷填写结果进行意见一致性分析，以输出汇总后的问卷调查结果。
7.如权利要求6所述的服务器，其特征在于，所述接收调研需求信息并根据所述调研需求信息生成调查问卷的步骤包括：
利用深度学习算法建立问卷生成模型，并根据问卷训练样本对所述问卷生成模型进行训练；
接收所述调研需求信息并将所述调研需求信息转换成需求特征向量；及
将所述需求特征向量输入至所述问卷生成模型，以得到与所述调研需求信息对应的所述调查问卷。
8.如权利要求6或7所述的服务器，其特征在于，所述调研需求信息包括调研目标及调研主题，所述预设目标用户是指行为日志和/或历史调研记录与所述调研目标和/或所述调研主题相匹配的用户。
9.如权利要求6或7所述的服务器，其特征在于，所述调查问卷生成系统被所述处理器执行时，还实现如下步骤：
接收问卷调整请求并根据所述问卷调整请求对生成后的调查问卷进行细节调整；
其中，所述细节调整包括：修改、删除、增加问卷问题，设定问卷问题的关联关系，更改问卷问题的顺序。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有调查问卷生成系统，所述调查问卷生成系统可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-5中任一项所述的调查问卷生成方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810200161.3A CN108428152A (zh) | 2018-03-12 | 2018-03-12 | 调查问卷生成方法、服务器及计算机可读存储介质 |
| PCT/CN2018/090644 WO2019174141A1 (zh) | 2018-03-12 | 2018-06-11 | 调查问卷生成方法、服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810200161.3A CN108428152A (zh) | 2018-03-12 | 2018-03-12 | 调查问卷生成方法、服务器及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108428152A true CN108428152A (zh) | 2018-08-21 |
Family
ID=63158197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810200161.3A Pending CN108428152A (zh) | 2018-03-12 | 2018-03-12 | 调查问卷生成方法、服务器及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN108428152A (zh) |
| WO (1) | WO2019174141A1 (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109242612A (zh) * | 2018-08-22 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 一种产品推荐的方法及设备 |
| CN109389427A (zh) * | 2018-09-26 | 2019-02-26 | 中国平安人寿保险股份有限公司 | 问卷推送方法、装置、计算机设备和存储介质 |
| CN109685462A (zh) * | 2018-12-21 | 2019-04-26 | 义橙网络科技(上海)有限公司 | 一种人岗匹配方法、装置、系统、设备及介质 |
| CN109784654A (zh) * | 2018-12-17 | 2019-05-21 | 平安国际融资租赁有限公司 | 任务生成方法、装置、计算机设备和存储介质 |
| CN109902250A (zh) * | 2019-01-14 | 2019-06-18 | 平安科技（深圳）有限公司 | 问卷调查的共享方法、共享装置、计算机设备及存储介质 |
| CN110147953A (zh) * | 2019-05-16 | 2019-08-20 | 电子科技大学 | 一种调查问卷自动生成方法 |
| CN110163717A (zh) * | 2019-04-12 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 一种产品推荐方法、装置、计算机可读存储介质及服务器 |
| CN110414932A (zh) * | 2019-07-24 | 2019-11-05 | 中国铁塔股份有限公司 | 一种信息处理方法及通信设备 |
| CN110413926A (zh) * | 2019-07-24 | 2019-11-05 | 秒针信息技术有限公司 | 一种问卷调查方法及装置 |
| CN110826302A (zh) * | 2019-11-07 | 2020-02-21 | 网之易信息技术（北京）有限公司 | 调查问卷创建方法、装置、介质及电子设备 |
| CN110991189A (zh) * | 2019-11-27 | 2020-04-10 | 广州快决测信息科技有限公司 | 一种根据采集模块采集的数据生成决策结果的方法及系统 |
| CN111177333A (zh) * | 2019-11-28 | 2020-05-19 | 泰康保险集团股份有限公司 | 一种数据处理方法和装置 |
| CN111292010A (zh) * | 2020-03-05 | 2020-06-16 | 广州快决测信息科技有限公司 | 一种定向进行数据采集的方法及系统 |
| CN111368064A (zh) * | 2020-03-26 | 2020-07-03 | 平安医疗健康管理股份有限公司 | 调查信息处理方法、装置、设备及存储介质 |
| CN112205960A (zh) * | 2020-09-15 | 2021-01-12 | 万达信息股份有限公司 | 一种视力监测方法、系统、管理端和存储介质 |
| CN112365110A (zh) * | 2019-07-24 | 2021-02-12 | 中移信息技术有限公司 | 调研方法、平台、服务器及计算机存储介质 |
| WO2021104385A1 (zh) * | 2019-11-27 | 2021-06-03 | 广州快决测信息科技有限公司 | 一种在线数据采集的方法及系统 |
| CN113077239A (zh) * | 2021-04-16 | 2021-07-06 | 上海华客信息科技有限公司 | 问卷处理方法、装置、电子设备和存储介质 |
| CN113487343A (zh) * | 2021-06-07 | 2021-10-08 | 上海众言网络科技有限公司 | 问卷投放方法、装置、电子设备及存储介质 |
| CN113780813A (zh) * | 2021-09-10 | 2021-12-10 | 广东电网有限责任公司 | 一种生产环境危险性评估方法、装置及存储介质 |
| CN114239512A (zh) * | 2022-02-24 | 2022-03-25 | 北京零点远景网络科技有限公司 | 在线问卷交互方法、电子设备及计算机可读存储介质 |
| CN116484836A (zh) * | 2023-04-14 | 2023-07-25 | 广州快决测信息科技有限公司 | 基于nlp模型的问卷生成系统、方法、电子设备及介质 |
| CN117557005A (zh) * | 2024-01-08 | 2024-02-13 | 北京沃东天骏信息技术有限公司 | 调研数据处理方法、装置和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101315680A (zh) * | 2007-05-31 | 2008-12-03 | 中国科学院自动化研究所 | 基于自动调查问卷的群体意见定性分析工具及实现方法 |
| CN102201095A (zh) * | 2010-03-26 | 2011-09-28 | 腾讯科技（深圳）有限公司 | 网络调研方法和调研系统 |
| CN106875206A (zh) * | 2016-07-18 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 信息获取、评估、问卷调查方法、装置及服务器 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1535140A4 (en) * | 2002-08-19 | 2008-02-13 | Macrosolve Inc | SYSTEM AND METHOD FOR PROCESSING DATA |
| CN105117867A (zh) * | 2015-10-09 | 2015-12-02 | 张娟 | 一种企业问卷系统的设计及实现 |
-
2018
- 2018-03-12 CN CN201810200161.3A patent/CN108428152A/zh active Pending
- 2018-06-11 WO PCT/CN2018/090644 patent/WO2019174141A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101315680A (zh) * | 2007-05-31 | 2008-12-03 | 中国科学院自动化研究所 | 基于自动调查问卷的群体意见定性分析工具及实现方法 |
| CN102201095A (zh) * | 2010-03-26 | 2011-09-28 | 腾讯科技（深圳）有限公司 | 网络调研方法和调研系统 |
| CN106875206A (zh) * | 2016-07-18 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 信息获取、评估、问卷调查方法、装置及服务器 |
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109242612A (zh) * | 2018-08-22 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 一种产品推荐的方法及设备 |
| CN109242612B (zh) * | 2018-08-22 | 2023-06-27 | 中国平安人寿保险股份有限公司 | 一种产品推荐的方法及设备 |
| CN109389427B (zh) * | 2018-09-26 | 2023-11-21 | 中国平安人寿保险股份有限公司 | 问卷推送方法、装置、计算机设备和存储介质 |
| CN109389427A (zh) * | 2018-09-26 | 2019-02-26 | 中国平安人寿保险股份有限公司 | 问卷推送方法、装置、计算机设备和存储介质 |
| CN109784654A (zh) * | 2018-12-17 | 2019-05-21 | 平安国际融资租赁有限公司 | 任务生成方法、装置、计算机设备和存储介质 |
| CN109685462A (zh) * | 2018-12-21 | 2019-04-26 | 义橙网络科技(上海)有限公司 | 一种人岗匹配方法、装置、系统、设备及介质 |
| CN109902250A (zh) * | 2019-01-14 | 2019-06-18 | 平安科技（深圳）有限公司 | 问卷调查的共享方法、共享装置、计算机设备及存储介质 |
| CN110163717A (zh) * | 2019-04-12 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 一种产品推荐方法、装置、计算机可读存储介质及服务器 |
| CN110147953B (zh) * | 2019-05-16 | 2023-01-10 | 电子科技大学 | 一种调查问卷自动生成方法 |
| CN110147953A (zh) * | 2019-05-16 | 2019-08-20 | 电子科技大学 | 一种调查问卷自动生成方法 |
| CN110413926A (zh) * | 2019-07-24 | 2019-11-05 | 秒针信息技术有限公司 | 一种问卷调查方法及装置 |
| CN110414932A (zh) * | 2019-07-24 | 2019-11-05 | 中国铁塔股份有限公司 | 一种信息处理方法及通信设备 |
| CN112365110A (zh) * | 2019-07-24 | 2021-02-12 | 中移信息技术有限公司 | 调研方法、平台、服务器及计算机存储介质 |
| CN110826302A (zh) * | 2019-11-07 | 2020-02-21 | 网之易信息技术（北京）有限公司 | 调查问卷创建方法、装置、介质及电子设备 |
| WO2021104385A1 (zh) * | 2019-11-27 | 2021-06-03 | 广州快决测信息科技有限公司 | 一种在线数据采集的方法及系统 |
| US11886479B2 (en) | 2019-11-27 | 2024-01-30 | Guangzhou Quick Decision Information Technology Co., Ltd. | Online data acquisition method and system |
| CN110991189A (zh) * | 2019-11-27 | 2020-04-10 | 广州快决测信息科技有限公司 | 一种根据采集模块采集的数据生成决策结果的方法及系统 |
| CN111177333A (zh) * | 2019-11-28 | 2020-05-19 | 泰康保险集团股份有限公司 | 一种数据处理方法和装置 |
| CN111292010B (zh) * | 2020-03-05 | 2021-07-09 | 广州快决测信息科技有限公司 | 一种定向进行数据采集的方法及系统 |
| CN111292010A (zh) * | 2020-03-05 | 2020-06-16 | 广州快决测信息科技有限公司 | 一种定向进行数据采集的方法及系统 |
| CN111368064A (zh) * | 2020-03-26 | 2020-07-03 | 平安医疗健康管理股份有限公司 | 调查信息处理方法、装置、设备及存储介质 |
| CN111368064B (zh) * | 2020-03-26 | 2023-04-07 | 深圳平安医疗健康科技服务有限公司 | 调查信息处理方法、装置、设备及存储介质 |
| CN112205960A (zh) * | 2020-09-15 | 2021-01-12 | 万达信息股份有限公司 | 一种视力监测方法、系统、管理端和存储介质 |
| CN112205960B (zh) * | 2020-09-15 | 2023-07-21 | 万达信息股份有限公司 | 一种视力监测方法、系统、管理端和存储介质 |
| CN113077239A (zh) * | 2021-04-16 | 2021-07-06 | 上海华客信息科技有限公司 | 问卷处理方法、装置、电子设备和存储介质 |
| CN113487343A (zh) * | 2021-06-07 | 2021-10-08 | 上海众言网络科技有限公司 | 问卷投放方法、装置、电子设备及存储介质 |
| CN113487343B (zh) * | 2021-06-07 | 2024-04-16 | 上海众言网络科技有限公司 | 问卷投放方法、装置、电子设备及存储介质 |
| CN113780813A (zh) * | 2021-09-10 | 2021-12-10 | 广东电网有限责任公司 | 一种生产环境危险性评估方法、装置及存储介质 |
| CN114239512B (zh) * | 2022-02-24 | 2022-06-24 | 北京零点远景网络科技有限公司 | 在线问卷交互方法、电子设备及计算机可读存储介质 |
| CN114239512A (zh) * | 2022-02-24 | 2022-03-25 | 北京零点远景网络科技有限公司 | 在线问卷交互方法、电子设备及计算机可读存储介质 |
| CN116484836A (zh) * | 2023-04-14 | 2023-07-25 | 广州快决测信息科技有限公司 | 基于nlp模型的问卷生成系统、方法、电子设备及介质 |
| CN116484836B (zh) * | 2023-04-14 | 2023-11-24 | 广州快决测信息科技有限公司 | 基于nlp模型的问卷生成系统、方法、电子设备及介质 |
| CN117557005A (zh) * | 2024-01-08 | 2024-02-13 | 北京沃东天骏信息技术有限公司 | 调研数据处理方法、装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019174141A1 (zh) | 2019-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108428152A (zh) | 调查问卷生成方法、服务器及计算机可读存储介质 | |
| CN110225373B (zh) | 一种视频审核方法、装置及电子设备 | |
| US11461348B2 (en) | Automated presentation of information using infographics | |
| CN105320766B (zh) | 信息推送方法和装置 | |
| CN105912550A (zh) | 一种移动终端的信息推荐方法及装置 | |
| US20170186097A1 (en) | Method and system for using temporal data and/or temporally filtered data in a software system to optimize, improve, and/or modify generation of personalized user experiences for users of a tax return preparation system | |
| CN107818491A (zh) | 电子装置、基于用户上网数据的产品推荐方法及存储介质 | |
| CN109670104A (zh) | 基于机器学习的信息推送方法、设备、装置及存储介质 | |
| CN103312817B (zh) | 一种wap环境下主动式信息供给方法 | |
| CN104486649A (zh) | 视频内容评级方法及装置 | |
| CN111522724B (zh) | 异常账号的确定方法、装置、服务器及存储介质 | |
| CN105844107B (zh) | 数据处理方法和装置 | |
| CN109962975A (zh) | 基于物体识别的信息推送方法、装置、电子设备及系统 | |
| CN112085078A (zh) | 图像分类模型生成系统、方法、装置和计算机设备 | |
| Demuynck et al. | I’ll never forget my first cigarette: a revealed preference analysis of the “habits as durables” model | |
| CN106095939A (zh) | 账户权限的获取方法和装置 | |
| CN102184176A (zh) | 在网络中用于分析动态热点的方法 | |
| CN103595747A (zh) | 用户信息推荐方法和系统 | |
| von Rimscha | It’s not the economy, stupid! External effects on the supply and demand of cinema entertainment | |
| CN109660871A (zh) | 一种弹幕角色信息确定方法、装置及设备 | |
| CN109241435A (zh) | 一种用于数字货币交易的数据推送方法、装置及系统 | |
| CN110569416B (zh) | 基于数据爬取的app控件的处理方法及相关产品 | |
| US20220067078A1 (en) | Aggregation system, Response Summary Process, and Method of Use | |
| CN111143688B (zh) | 一种基于移动新闻客户端的评估方法及其系统 | |
| KR102185359B1 (ko) | 메뉴 변경에 따른 서비스 사용변화량과 연동되는 서비스 복원 장치 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180821 |
|
| RJ01 | Rejection of invention patent application after publication |