CN109240931A - 问题反馈信息处理方法和装置 - Google Patents
问题反馈信息处理方法和装置 Download PDFInfo
- Publication number
- CN109240931A CN109240931A CN201811106727.2A CN201811106727A CN109240931A CN 109240931 A CN109240931 A CN 109240931A CN 201811106727 A CN201811106727 A CN 201811106727A CN 109240931 A CN109240931 A CN 109240931A
- Authority
- CN
- China
- Prior art keywords
- exception information
- feedback information
- profile diagram
- information image
- image
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
- G06F11/366—Software debugging using diagnostics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请提出一种问题反馈信息处理方法和装置，其中，方法包括：获取用户针对使用应用程序的问题反馈信息，其中，问题反馈信息包括异常信息图像；根据预先训练的问题分类模型对异常信息图像进行分类，得到异常信息图像的问题类别，其中，问题分类模型是由已标注过的样本集对初始的深度学习模型进行训练而得到的，输入层为图像，输出层为问题分类结果；识别异常信息图像的具体操作路径，其中，具体操作路径用于指示从应用程序的首页到出现异常信息页面时的操作路径；根据异常信息图像的问题类别和具体操作路径，对问题反馈信息进行处理。该方法能够实现自动对异常信息图像进行分类和处理。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种问题反馈信息处理方法和装置。
背景技术
随着计算机技术的不断发展以及程序开发的快速迭代，应用程序(Application，简称APP)已经成为人们生活中不可或缺的一部分。目前，绝大多数APP都会为用户提供反馈异常问题的渠道，用户在使用APP的过程，如果遇到任何异常问题，均可以及时地进行反馈。从而APP的开发团队可以根据用户反馈的异常数据，不断迭代和优化APP。
相关技术中，用户在反馈异常数据时，可以以语音信息或者文字信息进行反馈，从而可以根据用户反馈的异常数据，给出解决方案。
但是，对于一些场景，比如APP黑屏或者其他异常时，用户无法通过文字直接描述异常原因，此时，可以通过图像直观地反映APP出现的异常问题。因此，如何实现对用户反馈的图像数据进行处理成为亟待解决的难题。
发明内容
本申请提出一种问题反馈信息处理方法和装置，以实现自动对异常信息图像进行分类和处理，用于解决现有技术中无法实现对用户反馈的图像数据进行处理的技术问题。
本申请一方面实施例提出了一种问题反馈信息处理方法，包括：
获取用户针对使用应用程序的问题反馈信息，其中，所述问题反馈信息包括异常信息图像；
根据预先训练的问题分类模型对所述异常信息图像进行分类，得到所述异常信息图像的问题类别，其中，所述问题分类模型是由已标注过的样本集对初始的深度学习模型进行训练而得到的，输入层为图像，输出层为问题分类结果；
识别所述异常信息图像的具体操作路径，其中，所述具体操作路径用于指示从所述应用程序的首页到出现所述异常信息页面时的操作路径；
根据所述异常信息图像的问题类别和具体操作路径，对所述问题反馈信息进行处理。
本申请实施例的问题反馈信息处理方法，通过获取用户针对使用应用程序的问题反馈信息，其中，问题反馈信息包括异常信息图像，而后，根据预先训练的问题分类模型对异常信息图像进行分类，得到异常信息图像的问题类别，接着，识别异常信息图像的具体操作路径，其中，具体操作路径用于指示从应用程序的首页到出现异常信息页面时的操作路径，最后，根据异常信息图像的问题类别和具体操作路径，对问题反馈信息进行处理。本申请中，基于训练后的问题分类模型对异常信息图像进行分类，可以提升图像分类的准确性和实时性。并且，根据分类结果和异常信息图像的具体操作路径，确定合适的处理策略，对问题反馈信息进行处理，可以提升处理结果的准确性。
本申请又一方面实施例提出了一种问题反馈信息处理装置，包括：
问题反馈信息获取模块，用于获取用户针对使用应用程序的问题反馈信息，其中，所述问题反馈信息包括异常信息图像；
问题分类模块，用于根据预先训练的问题分类模型对所述异常信息图像进行分类，得到所述异常信息图像的问题类别，其中，所述问题分类模型是由已标注过的样本集对初始的深度学习模型进行训练而得到的，输入层为图像，输出层为问题分类结果；
路径生成模块，用于识别所述异常信息图像的具体操作路径，其中，所述具体操作路径用于指示从所述应用程序的首页到出现所述异常信息页面时的操作路径；
问题处理模块，用于根据所述异常信息图像的问题类别和具体操作路径，对所述问题反馈信息进行处理。
本申请实施例的问题反馈信息处理装置，通过获取用户针对使用应用程序的问题反馈信息，其中，问题反馈信息包括异常信息图像，而后，根据预先训练的问题分类模型对异常信息图像进行分类，得到异常信息图像的问题类别，接着，识别异常信息图像的具体操作路径，其中，具体操作路径用于指示从应用程序的首页到出现异常信息页面时的操作路径，最后，根据异常信息图像的问题类别和具体操作路径，对问题反馈信息进行处理。本申请中，基于训练后的问题分类模型对异常信息图像进行分类，可以提升图像分类的准确性和实时性。并且，根据分类结果和异常信息图像的具体操作路径，确定合适的处理策略，对问题反馈信息进行处理，可以提升处理结果的准确性。
本申请又一方面实施例提出了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本申请前述实施例提出的问题反馈信息处理方法。
本申请又一方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本申请前述实施例提出的问题反馈信息处理方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例一所提供的问题反馈信息处理方法的流程示意图；
图2为本申请实施例二所提供的问题反馈信息处理方法的流程示意图；
图3为本申请实施例三所提供的问题反馈信息处理方法的流程示意图；
图4为本申请实施例中的问题分类模型的识别过程示意图；
图5为本申请实施例四所提供的问题反馈信息处理方法的流程示意图；
图6为本申请实施例五所提供的问题反馈信息处理装置的结构示意图；
图7为本申请实施例六所提供的问题反馈信息处理装置的结构示意图；
图8为本申请实施例七所提供的问题反馈信息处理装置的结构示意图；
图9示出了适于用来实现本申请实施方式的示例性计算机设备的框图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
本申请主要针对现有技术中无法实现对用户反馈的图像数据进行处理的技术问题，提供一种问题反馈信息处理方法。
本申请实施例的问题反馈信息处理方法，通过获取用户针对使用应用程序的问题反馈信息，其中，问题反馈信息包括异常信息图像，而后，根据预先训练的问题分类模型对异常信息图像进行分类，得到异常信息图像的问题类别，接着，识别异常信息图像的具体操作路径，其中，具体操作路径用于指示从应用程序的首页到出现异常信息页面时的操作路径，最后，根据异常信息图像的问题类别和具体操作路径，对问题反馈信息进行处理。本申请中，基于训练后的问题分类模型对异常信息图像进行分类，可以提升图像分类的准确性和实时性。并且，根据分类结果和异常信息图像的具体操作路径，确定合适的处理策略，对问题反馈信息进行处理，可以提升处理结果的准确性。
下面参考附图描述本申请实施例的问题反馈信息处理方法和装置。
图1为本申请实施例一所提供的问题反馈信息处理方法的流程示意图。
本申请实施例以该问题反馈信息处理方法被配置于问题反馈信息处理装置中来举例说明，该问题反馈信息处理装置可以被配置于任一计算机设备中，以使该计算机设备执行问题反馈信息处理功能。
其中，计算机设备例如可以为个人电脑(Personal Computer，PC)，云端设备或者终端设备等硬件设备，终端设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
如图1所示，该问题反馈信息处理方法包括以下步骤：
步骤101，获取用户针对使用应用程序的问题反馈信息，其中，问题反馈信息包括异常信息图像。
本申请实施例中，应用程序是指可以运行在计算机设备上、为用户提供任意服务的软件程序，例如为导航类应用程序、搜索类应用程序、娱乐类应用程序、拍照类应用程序等等。
本申请实施例中，问题反馈信息为用户输入的，具体地，当用户在使用应用程序的过程中，如果应用程序发生异常，则用户可以在应用程序中输入问题反馈信息，该问题反馈信息包括异常信息图像，即问题反馈信息可以仅为异常信息图像，或者还可以为异常信息图像以及问题文字描述信息。
可选地，应用程序可以提供反馈功能，例如可以在设置功能里添加反馈功能，从而用户可以通过该反馈功能进入反馈页面，该反馈页面可以提供有图片上传控件，从而当用户在输入问题反馈信息时，可以通过该图片上传控件，上传异常信息图像。并且，应用程序的反馈页面可以提供有语音输入控件，用户可以通过语音输入控件，语音输入问题文字描述信息，或者，反馈页面可以提供有文本输入框，用户可以通过文本输入框，手动输入问题文字描述信息。
相应的，计算机设备中可以设置有监听器，以对用户触发图片上传控件、语音输入控件或者文本输入框的操作进行监听，当监听器监听到用户触发图片上传控件、语音输入控件或者文本输入框时，本申请实施例的问题反馈信息处理装置可以获取用户输入的问题反馈信息。
步骤102，根据预先训练的问题分类模型对异常信息图像进行分类，得到异常信息图像的问题类别，其中，问题分类模型是由已标注过的样本集对初始的深度学习模型进行训练而得到的，输入层为图像，输出层为问题分类结果。
本申请实施例中，问题类别包括显示类问题和功能类问题，其中，显示类问题对应的异常信息图像一般具有明显的图片错误问题，例如可以为应用程序页面显示堆叠、页面错乱、黑屏、白屏、花屏、图片拉伸、图片伸缩、图片展示不全等异常信息图像，而功能类问题对应的异常信息图像一般不会具有明显的图片错误的问题，例如可以为与应用程序的实现逻辑相关以及向用户提供的功能相关的异常信息图像。
本申请实施例中，问题分类模型为预先训练的，具体地，可以使用已标注过问题类别的样本集，对初始的深度学习模型进行训练，输入层为样本图像，输出层为问题分类结果。经过训练后的问题分类模型可以学习得到异常信息图像和问题类别之间的对应关系。
可以理解的是，当异常信息图像的问题类别不同时，问题反馈信息对应的处理策略不同，为了提升异常信息图像分类的准确性，可以使用经过训练后的问题分类模型，对异常信息图像进行分类，得到异常信息图像对应的问题类别。本申请中，基于问题分类模型对异常信息图像进行分类，可以减少人力投入，提升分类效率。
步骤103，识别异常信息图像的具体操作路径，其中，具体操作路径用于指示从应用程序的首页到出现异常信息页面时的操作路径。
本申请实施例中，在获取到异常信息图像后，可以根据异常信息图像，确定从应用程序的首页到出现异常信息页面时的操作路径。
作为一种可能的实现方式，可以预先获取应用程序的所有展示页面，而后对所有展示页面的操作路径进行标记，并建立所有展示页面与操作路径之间的对应关系，在获取到异常信息图像后，可以根据异常信息图像，与所有展示页面进行匹配，而后根据匹配中的展示页面，查询上述对应关系，获取与该匹配中的展示页面对应的操作路径，并作为异常信息图像的具体操作路径，操作简单且易于实现，并且可以提升异常信息图像的具体操作路径的确定效率。
作为另一种可能的实现方式，为了节省系统的工作量，从而提升处理效率，可以获取应用程序中用户访问较热的展示页面，而后对访问较热的展示页面的操作路径进行标记，并建立访问较热的展示页面与操作路径之间的对应关系，在获取到异常信息图像后，可以根据异常信息图像，与访问较热的展示页面进行匹配，而后根据匹配中的展示页面，查询上述对应关系，获取与该匹配中的展示页面对应的操作路径，并作为异常信息图像的具体操作路径，操作简单且易于实现，并且可以提升异常信息图像的具体操作路径的确定效率。
可以理解的是，具体操作路径的个数为至少一个，例如，用户点击应用程序的首页上按钮1，进入页面2，同样地，用户还可以通过点击首页上的按钮2进入页面3，再点击页面3上的按钮1进入页面2。当具体操作路径为多个时，如果用户在问题反馈信息中指定了具体操作路径，则将用户指定的具体操作路径作为异常信息图像的具体操作路径，而如果用户未指定具体操作路径，则将所有的具体操作路径作为异常信息图像的具体操作路径。
步骤104，根据异常信息图像的问题类别和具体操作路径，对问题反馈信息进行处理。
本申请实施例中，当异常信息图像的问题类别不同时，对问题反馈信息处理的策略不同。可以根据异常信息图像的问题类别和具体操作路径，确定合适的处理策略，对问题反馈信息进行处理，以提升处理结果的准确性。
具体地，对于问题类别为显示类问题，考虑到用户操作的终端设备的型号、ROM等硬件信息不同时，可能发生不同机型不兼容的情况，因此，可以获取可运行应用程序的多个终端设备的硬件信息，其中，每个终端设备的硬件信息各不相同，而后，根据多个终端设备的硬件信息生成多个模拟环境，接着，根据具体操作路径在多个模拟环境中分别对应用程序进行操作，判断是否出现用户反馈的显示类问题，若否，则确定用户反馈的问题为设备硬件兼容问题，此时，可以生成对应的问题处理意见，例如，可以预先针对设备硬件兼容问题，设置对应的问题处理意见，当确定用户反馈的问题为设备硬件兼容问题时，可以获取对应的问题处理意见，从而可以将对应的问题处理意见提供给用户。若是，则确定用户反馈的问题为非设备硬件兼容问题，此时，可以将问题反馈信息写入问题报告中，以便进行深度分析，确定异常原因，比如为流量异常阶段导致的显示异常问题等。
可以理解的是，一般情况下，异常信息图像无法对功能类问题进行详细说明，此时，用户在上传异常信息图像的同时，可以通过文字描述异常问题，即问题反馈信息还包括问题文字描述信息。因此，本申请中，对于问题类别为功能类问题，同样可以根据具体操作路径在多个模拟环境中分别对应用程序进行操作，判断是否出现用户反馈的功能类问题，若否，则确定用户反馈的问题为设备硬件兼容问题，此时，可以生成对应的问题处理意见，例如，可以预先针对设备硬件兼容问题，设置对应的问题处理意见，当确定用户反馈的问题为设备硬件兼容问题时，可以获取对应的问题处理意见，从而可以将对应的问题处理意见提供给用户。若是，则确定用户反馈的问题为非设备硬件兼容问题，此时，可以获取针对功能类问题的历史处理经验，结合问题反馈信息中的问题文字描述和历史处理经验，生成对应的解决方案，并将生成的解决方案提供给用户。
本申请实施例的问题反馈信息处理方法，通过获取用户针对使用应用程序的问题反馈信息，其中，问题反馈信息包括异常信息图像，而后，根据预先训练的问题分类模型对异常信息图像进行分类，得到异常信息图像的问题类别，接着，识别异常信息图像的具体操作路径，其中，具体操作路径用于指示从应用程序的首页到出现异常信息页面时的操作路径，最后，根据异常信息图像的问题类别和具体操作路径，对问题反馈信息进行处理。本申请中，基于训练后的问题分类模型对异常信息图像进行分类，可以提升图像分类的准确性和实时性。并且，根据分类结果和异常信息图像的具体操作路径，确定合适的处理策略，对问题反馈信息进行处理，可以提升处理结果的准确性。
作为一种可能的实现方式，参见图2，在图1所示实施例的基础上，步骤104具体可以包括以下子步骤：
步骤201，获取可运行应用程序的多个终端设备的硬件信息，其中，每个终端设备的硬件信息各不相同。
本申请实施例中，终端设备的硬件信息包括：操作系统的版本信息、终端设备的型号、ROM信息等。
步骤202，根据多个终端设备的硬件信息生成多个模拟环境。
本申请实施例中，在获取到每个终端设备的硬件信息后，可以根据每个终端设备的硬件信息，生成对应的模拟环境，从而得到多个模拟环境。
步骤203，根据具体操作路径在多个模拟环境中分别对应用程序进行操作。
本申请实施例中，在生成多个模拟环境后，可以在每个模拟环境中，根据具体操作路径，对应用程序进行操作。
步骤204，若问题类别为显示类问题，则判断是否出现用户反馈的显示类问题，若是，执行步骤206，若否，执行步骤205-207。
步骤205，确定用户反馈的问题为设备硬件兼容问题，并生成对应的问题处理意见，以及将对应的问题处理意见提供给用户。
本申请实施例中，在每个模拟环境中，根据具体操作路径，对应用程序进行操作后，可以判断是否出现用户反馈的显示类问题或者功能类问题，如果未出现用户反馈的显示类问题或者功能类问题，则确定用户反馈的问题为设备硬件兼容问题，此时，可以生成对应的问题处理意见，例如，可以预先针对设备硬件兼容问题，设置对应的问题处理意见，当确定用户反馈的问题为设备硬件兼容问题时，可以获取对应的问题处理意见，从而可以将对应的问题处理意见提供给用户。
步骤206，将问题反馈信息写入问题报告中。
本申请实施例中，在每个模拟环境中，根据具体操作路径，对应用程序进行操作后，可以判断是否出现用户反馈的显示类问题，如果出现用户反馈的显示类问题，则确定用户反馈的问题为非设备硬件兼容问题，此时，可以将问题反馈信息写入问题报告中，以便进行深度分析，确定异常原因，比如为流量异常阶段导致的显示异常问题等。
步骤207，将问题报告输出至程序开发工具，问题报告用于指示程序开发工具对应用程序进行优化处理。
本申请实施例中，可以将问题报告输出值程序开发工具，从而可以通过陈旭开发工具对应用程序进行优化处理。
步骤208，若问题类别为功能类问题，则判断是否出现用户反馈的功能类问题，若是，执行步骤209，若否，执行步骤205-207。
步骤209，获取针对功能类问题的历史处理经验。
本申请实施例中，如果出现用户反馈的功能类问题，则确定用户反馈的问题为非设备硬件兼容问题，此时，可以在线获取针对功能类问题的历史处理经验。
步骤210，结合问题反馈信息中的问题文字描述和历史处理经验，生成对应的解决方案，并将生成的解决方案提供给用户。
可以理解的是，一般情况下，异常信息图像无法对功能类问题进行详细说明，此时，用户在上传异常信息图像的同时，可以通过文字描述异常问题，即问题反馈信息还包括问题文字描述信息。因此，本申请中，可以结合问题反馈信息中的问题文字描述信息和历史处理经验，生成对应的解决方案，并将生成的解决方案提供给用户。
例如，可以对问题文字描述信息进行关键词提取，而后将提取的关键词与历史处理经验进行匹配，将匹配度最高的历史处理经验，作为对应的解决方案，而后可以将该解决方案提供给用户。
步骤211，判断是否接收到用户针对解决方案的否定操作，若是，执行步骤206-207，若否，执行步骤212。
本申请实施例中，否定操作为用户触发的，例如，用户可以通过触发当前页面的关闭控件，生成否定操作，或者，用户可以通过触发返回控件，生成否定操作，对此不作限制。
本申请实施例中，可以通过侦听方式，对用户触发的否定操作进行监听。当监听到用户针对解决方案的否定操作时，表明该解决方案与功能类问题并不匹配，此时，可以将问题反馈信息写入问题报告中，以对应用程序进行优化。而当未监听到用户针对解决方案的否定操作时，表明该解决方案与功能类问题匹配，此时，可以不做任何处理。
步骤212，不做任何处理。
本申请实施例的问题反馈信息处理方法，根据异常信息图像的问题类别和具体操作路径，确定对应的解决方案，可以提升处理结果的准确性，进而改善用户的使用体验。
作为一种可能的实现方式，参见图3，在图1所示实施例的基础上，可以通过以下步骤训练问题分类模型：
步骤301，获取针对使用应用程序的异常信息图像样本。
本申请实施例中，可以预先采集不同用户在使用应用程序过程中，产生异常情况所输入的问题反馈信息，并将问题反馈信息中的异常信息图像，作为异常信息图像样本，而后，可以对每个异常信息图像样本进行存储，例如可以以原始图片的方式进行存储，或者可以将异常信息图像样本进行编码加密后进行存储，对此不作限制。当对问题分类模型进行训练时，可以从存储的数据中，获取针对使用应用程序的异常信息图像样本。
例如，可以基于网络爬虫等技术，在线获取异常信息图像样本。举例而言，用户可以在应用程序的官方网站、论坛、或者应用程序上，上传异常信息图像，在用户上传异常信息图像后，本申请实施例的问题反馈信息处理装置，可以基于网络爬虫技术，在线获取异常信息图像。
需要说明的是，获取的异常信息图像样本需要包含显示类问题对应的异常信息图像样本以及功能类问题对应的异常信息图像样本，且为了提升问题分类模型分类结果的准确性，显示类问题对应的异常信息图像样本和功能类问题对应的异常信息图像样本的个数可以平均设置。
步骤302，根据信息图像样本所呈现的问题类型，对异常信息图像样本进行标注，得到异常信息图像样本对应的标签，其中，标签包括显示类问题和功能类问题。
本申请实施例中，在获取到异常信息图像样本后，可以由人工根据信息图像样本所呈现的问题类型，对异常信息图像样本进行标注，得到异常信息图像样本对应的标签，其中，标签包括显示类问题和功能类问题。
步骤303，根据标注后的异常信息图像样本对初始的深度学习模型进行训练，并将训练后的模型作为问题分类模型。
本申请实施例中，在对异常信息图像样本进行标注后，可以根据标注后的异常信息图像样本，对初始的深度学习模型进行训练，得到训练后的模型，训练后的模型可以学习得到异常信息图像和问题类别之间的对应关系，而后可以将训练后的模型作为问题分类模型。
作为一种示例，参见图4，图4为本申请实施例中的问题分类模型的识别过程示意图。
如图4所示，可以预先获取异常信息图像样本，并对异常信息图像样本进行人工标注后存储至图像分类库中，在对模型进行训练时，可以从图像分类库中选取标注后的异常信息图像样本，对初始的深度学习模型进行训练，得到训练后的问题分类模型。在获取待分类的异常信息图像后，可以将待分类的异常信息图像输入至训练后的问题分类模型，即可得到问题分类结果。
作为一种可能的实现方式，参见图5，在图1所示实施例的基础上，步骤103具体可以包括以下子步骤：
步骤401，对异常信息图像进行灰度处理，生成对应的灰度图像。
可选地，可以利用相关技术中的灰度处理算法，对异常信息图像进行灰度处理，生成对应的灰度图像。
步骤402，对对应的灰度图像进行边缘检测，生成异常信息图像的轮廓图。
可选地，可以基于边缘检测算法，例如卷积算法等，对对应的灰度图像进行边缘检测，生成异常信息图像的轮廓图。
步骤403，从预先建立的样本轮廓图与操作路径的对照表中，找出与异常信息图像的轮廓图匹配的样本轮廓图，其中，样本轮廓图与操作路径的对照表包括针对应用程序的不同的页面轮廓图与其对应的操作路径，操作路径是指从应用程序的首页轮廓图开始，点击不同按钮进入不同的页面轮廓图时所产生的操作路径。
本申请实施例中，样本轮廓图与操作路径的对照表为预先建立的。
作为一种可能的实现方式，可以预先获取应用程序的所有展示页面，而后对所有展示页面进行图像处理，得到所有展示页面的样本轮廓图，例如可以基于灰度处理方法，将所有展示页面进行灰度处理，而后再基于边缘检测算法，比如卷积算法等，提取所有展示页面的轮廓，得到所有展示页面的样本轮廓图。接着，可以针对每个样本轮廓图，确定从首页轮廓图开始，点击图中不同按钮进入所有展示页面的样本轮廓图时所产生的操作路径。
例如，标记首页轮廓图为1，点击按钮(button)1进入的展示页面的轮廓图为2，点击轮廓图2的button3进入的展示页面的轮廓图为4，则轮廓图4对应的操作路径为：1(button1)-2(button3)-4。
或者，标记首页轮廓图为1，点击button2进入的展示页面的轮廓图为3，点则轮廓图3对应的操作路径为：1(button2)-3。
需要说明的是，样本轮廓图对应的操作路径的个数为至少一个。例如，标记首页轮廓图为1，点击button2进入的展示页面的轮廓图为3，点击轮廓图3的button2进入的展示页面的轮廓图为4，则轮廓图4对应的操作路径为：1(button2)-3(button2)-4。
作为一种可能的实现方式，为了节省系统的工作量，从而提升处理效率，可以预先获取应用程序中用户访问较热的展示页面，而后对访问较热的展示页面进行图像处理，得到访问较热的展示页面的样本轮廓图。接着，可以针对每个样本轮廓图，确定从首页轮廓图开始，点击图中不同按钮进入访问较热的展示页面的样本轮廓图时所产生的操作路径。
本申请实施例中，在确定每个样本轮廓图对应的操作路径后，可以根据所有样本轮廓图和其对应的操作路径，建立样本轮廓图与操作路径的对照表。从而在确定异常信息图像的轮廓图后，可以将该异常信息图像的轮廓图逐一地与对照表中样本轮廓图进行匹配，可以确定与异常信息图像的轮廓图匹配的样本轮廓图。
具体地，可以将异常信息图像的轮廓图与对照表中每个样本轮廓图进行逐一匹配，得到异常信息图像的轮廓图与样本轮廓图的相似度，进而可以将相似度高于阈值的样本轮廓图，作为与异常信息图像的轮廓图匹配的样本轮廓图，其中，阈值为预先设置的，例如可以为98％。进一步地，如果相似度高于阈值的样本轮廓图的个数为多个，则可以选择相似度最大的样本轮廓图，作为与异常信息图像的轮廓图匹配的样本轮廓图。
步骤404，若找出与异常信息图像的轮廓图匹配的样本轮廓图，则从对照表中确定匹配到的样本轮廓图对应的操作路径，并将匹配到的样本轮廓图对应的操作路径作为异常信息图像的具体操作路径。
本申请实施例中，在找出与异常信息图像的轮廓图匹配的样本轮廓图时，可以根据该匹配的样本轮廓图，查询对照表，确定对应的操作路径，并作为异常信息图像的具体操作路径。
仍以上述例子示例，假设与异常信息图像的轮廓图匹配的样本轮廓图为3，则具体操作路径为：1(button2)-3。
本申请实施例中，基于对照表，确定异常信息图像的具体操作路径，操作简单且易于实现，并且可以提升确定的效率，进而提升问题反馈信息的处理效率。
作为一种应用场景，当用户使用图片类较多的应用程序时，比如导航类应用程序、视频类应用程序，如果应用程序发生黑屏、白屏、花屏等显示类问题，用户可以上传异常信息图像，本申请实施例的问题反馈信息处理装置在获取到异常信息图像后，可以识别该异常信息图像的操作路径和问题类别，从而根据操作路径确定用户反馈的问题是否为设备硬件兼容问题，还是由于流量异常阶段导致的显示异常问题等。
为了实现上述实施例，本申请还提出一种问题反馈信息处理装置。
图6为本申请实施例五所提供的问题反馈信息处理装置的结构示意图。
如图6所示，该问题反馈信息处理装置100包括：问题反馈信息获取模块101、问题分类模块102、路径生成模块103，以及问题处理模块104。
其中，问题反馈信息获取模块101，用于获取用户针对使用应用程序的问题反馈信息，其中，问题反馈信息包括异常信息图像。
问题分类模块102，用于根据预先训练的问题分类模型对异常信息图像进行分类，得到异常信息图像的问题类别，其中，问题分类模型是由已标注过的样本集对初始的深度学习模型进行训练而得到的，输入层为图像，输出层为问题分类结果。
路径生成模块103，用于识别异常信息图像的具体操作路径，其中，具体操作路径用于指示从应用程序的首页到出现异常信息页面时的操作路径。
问题处理模块104，用于根据异常信息图像的问题类别和具体操作路径，对问题反馈信息进行处理。
进一步地，在本申请实施例的一种可能的实现方式中，参见图7，在图6所示实施例的基础上，该问题反馈信息处理装置100还可以包括：
模型训练模块105，用于预先训练问题分类模型。
其中，模型训练模块105，包括：
样本获取单元1051，用于获取针对使用应用程序的异常信息图像样本。
标注单元1052，用于根据异常信息图像样本所呈现的问题类型，对异常信息图像样本进行标注，得到异常信息图像样本对应的标签，其中，标签包括显示类问题和功能类问题。
模型训练单元1053，用于根据标注后的异常信息图像样本对初始的深度学习模型进行训练，并将训练后的模型作为问题分类模型。
作为一种可能的实现方式，路径生成模块103，包括：
灰度处理单元1031，用于对异常信息图像进行灰度处理，生成对应的灰度图像。
边缘检测单元1032，用于对对应的灰度图像进行边缘检测，生成异常信息图像的轮廓图。
轮廓图匹配单元1033，用于从预先建立的样本轮廓图与操作路径的对照表中，找出与异常信息图像的轮廓图匹配的样本轮廓图，其中，样本轮廓图与操作路径的对照表包括针对应用程序的不同的页面轮廓图与其对应的操作路径，操作路径是指从应用程序的首页轮廓图开始，点击不同按钮进入不同的页面轮廓图时所产生的操作路径。
路径生成单元1034，用于在找出与异常信息图像的轮廓图匹配的样本轮廓图时，从对照表中确定匹配到的样本轮廓图对应的操作路径，并将匹配到的样本轮廓图对应的操作路径作为异常信息图像的具体操作路径。
对照表建立模块106，用于预先建立样本轮廓图与操作路径的对照表。
其中，对照表建立模块106，具体用于：获取应用程序的所有展示页面；对所有展示页面进行图像处理，得到所有展示页面的样本轮廓图；针对每个样本轮廓图，确定从首页轮廓图开始，点击图中不同按钮进入每个样本轮廓图时所产生的操作路径；根据所有样本轮廓图和其对应的操作路径，建立样本轮廓图与操作路径的对照表。
作为一种可能的实现方式，问题处理模块104，包括：
硬件信息获取单元1041，用于获取可运行应用程序的多个终端设备的硬件信息，其中，每个终端设备的硬件信息各不相同。
模拟环境生成单元1042，用于根据多个终端设备的硬件信息生成多个模拟环境。
操作校验单元1043，用于根据具体操作路径在多个模拟环境中分别对应用程序进行操作，判断是否出现用户反馈的问题。
问题处理单元1044，用于根据判断结果和异常信息图像的问题类别，对问题反馈信息进行处理。
作为一种可能的实现方式，当问题类别为显示类问题时，问题处理单元1044，具体用于：当判断出现用户反馈的显示类问题时，将问题反馈信息写入问题报告中；当判断未出现用户反馈的显示类问题时，确定用户反馈的问题为设备硬件兼容问题，并生成对应的问题处理意见，以及将对应的问题处理意见提供给用户。
作为另一种可能的实现方式，问题反馈信息还包括问题文字描述；当问题类别为功能类问题时，问题处理单元1044，具体用于：当判断出现用户反馈的功能类问题时，获取针对功能类问题的历史处理经验；结合问题反馈信息中的问题文字描述和历史处理经验，生成对应的解决方案，并将生成的解决方案提供给用户；当接收到用户针对解决方案的否定操作时，将问题反馈信息写入问题报告中。
问题报告输出模块107，用于将问题报告输出至程序开发工具，问题报告用于指示程序开发工具对应用程序进行优化处理。
需要说明的是，前述对问题反馈信息处理方法实施例的解释说明也适用于该实施例的问题反馈信息处理装置100，此处不再赘述。
本申请实施例的问题反馈信息处理装置，通过获取用户针对使用应用程序的问题反馈信息，其中，问题反馈信息包括异常信息图像，而后，根据预先训练的问题分类模型对异常信息图像进行分类，得到异常信息图像的问题类别，接着，识别异常信息图像的具体操作路径，其中，具体操作路径用于指示从应用程序的首页到出现异常信息页面时的操作路径，最后，根据异常信息图像的问题类别和具体操作路径，对问题反馈信息进行处理。本申请中，基于训练后的问题分类模型对异常信息图像进行分类，可以提升图像分类的准确性和实时性。并且，根据分类结果和异常信息图像的具体操作路径，确定合适的处理策略，对问题反馈信息进行处理，可以提升处理结果的准确性。
作为一种示例，参见图8，图8为本申请实施例七所提供的问题反馈信息处理装置的结构示意图。该问题反馈信息处理装置包括：获取模块、问题分类模块、路径生成模块，以及问题处理模块。
具体地，当用户通过终端设备使用应用程序时，如果应用程序出现异常情况，此时，用户可以在应用程序的反馈页面上传异常信息图像。
获取模块，用于获取用户上传的异常信息图像。
问题分类模块，用于对异常信息图像进行分类，得到异常信息图像的问题类别。
路径生成模块，用于识别异常信息图像的具体操作路径。
问题处理模块，用于根据异常信息图像的问题类别和具体操作路径，对问题反馈信息进行处理。
具体地，针对显示类问题，问题处理模块可以判断是否为设备硬件兼容问题，若是，则生成对应的问题处理意见，以及将对应的问题处理意见提供给用户，若否，则将其作为待确认问题，并写入问题报告中。
针对功能类问题，问题处理模块可以判断是否为设备硬件兼容问题，若是，则生成对应的问题处理意见，以及将对应的问题处理意见提供给用户，若否，则获取针对功能类问题的历史处理经验，并结合问题文字描述信息，生成对应的解决方案，并将生成的解决方案提供给用户。如果用户否定该解决方案，则将其作为待确认问题，并写入问题报告中。
为了实现上述实施例，本申请还提出一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本申请前述实施例提出的问题反馈信息处理方法。
为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本申请前述实施例提出的问题反馈信息处理方法。
为了实现上述实施例，本申请还提出一种计算机程序产品，当计算机程序产品中的指令由处理器执行时，执行如本申请前述实施例提出的问题反馈信息处理方法。
图9示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图9显示的计算机设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local AreaNetwork；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的问题反馈信息处理方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示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。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (18)
1.一种问题反馈信息处理方法，其特征在于，包括：
获取用户针对使用应用程序的问题反馈信息，其中，所述问题反馈信息包括异常信息图像；
根据预先训练的问题分类模型对所述异常信息图像进行分类，得到所述异常信息图像的问题类别，其中，所述问题分类模型是由已标注过的样本集对初始的深度学习模型进行训练而得到的，输入层为图像，输出层为问题分类结果；
识别所述异常信息图像的具体操作路径，其中，所述具体操作路径用于指示从所述应用程序的首页到出现所述异常信息页面时的操作路径；
根据所述异常信息图像的问题类别和具体操作路径，对所述问题反馈信息进行处理。
2.如权利要求1所述的问题反馈信息处理方法，其特征在于，所述问题分类模型采用以下方式训练：
获取针对使用所述应用程序的异常信息图像样本；
根据所述异常信息图像样本所呈现的问题类型，对所述异常信息图像样本进行标注，得到所述异常信息图像样本对应的标签，其中，所述标签包括显示类问题和功能类问题；
根据标注后的异常信息图像样本对初始的深度学习模型进行训练，并将训练后的模型作为所述问题分类模型。
3.如权利要求1所述的问题反馈信息处理方法，其特征在于，所述识别所述异常信息图像的具体操作路径，包括：
对所述异常信息图像进行灰度处理，生成对应的灰度图像；
对所述对应的灰度图像进行边缘检测，生成所述异常信息图像的轮廓图；
从预先建立的样本轮廓图与操作路径的对照表中，找出与所述异常信息图像的轮廓图匹配的样本轮廓图，其中，所述样本轮廓图与操作路径的对照表包括针对所述应用程序的不同的页面轮廓图与其对应的操作路径，所述操作路径是指从所述应用程序的首页轮廓图开始，点击不同按钮进入所述不同的页面轮廓图时所产生的操作路径；
若找出与所述异常信息图像的轮廓图匹配的样本轮廓图，则从所述对照表中确定匹配到的样本轮廓图对应的操作路径，并将所述匹配到的样本轮廓图对应的操作路径作为所述异常信息图像的具体操作路径。
4.如权利要求3所述的问题反馈信息处理方法，其特征在于，所述样本轮廓图与操作路径的对照表采用如下方式建立：
获取所述应用程序的所有展示页面；
对所述所有展示页面进行图像处理，得到所述所有展示页面的样本轮廓图；
针对每个样本轮廓图，确定从首页轮廓图开始，点击图中不同按钮进入所述每个样本轮廓图时所产生的操作路径；
根据所有样本轮廓图和其对应的操作路径，建立所述样本轮廓图与操作路径的对照表。
5.如权利要求1所述的问题反馈信息处理方法，其特征在于，所述根据所述异常信息图像的问题类别和具体操作路径，对所述问题反馈信息进行处理，包括：
获取可运行所述应用程序的多个终端设备的硬件信息，其中，每个终端设备的硬件信息各不相同；
根据所述多个终端设备的硬件信息生成多个模拟环境；
根据所述具体操作路径在所述多个模拟环境中分别对所述应用程序进行操作，判断是否出现所述用户反馈的问题；
根据所述判断结果和所述异常信息图像的问题类别，对所述问题反馈信息进行处理。
6.如权利要求5所述的问题反馈信息处理方法，其特征在于，当所述问题类别为显示类问题时，所述根据所述判断结果和所述异常信息图像的问题类别，对所述问题反馈信息进行处理，包括：
当判断出现所述用户反馈的显示类问题时，将所述问题反馈信息写入问题报告中；
当判断未出现所述用户反馈的显示类问题时，确定所述用户反馈的问题为设备硬件兼容问题，并生成对应的问题处理意见，以及将所述对应的问题处理意见提供给所述用户。
7.如权利要求5所述的问题反馈信息处理方法，其特征在于，所述问题反馈信息还包括问题文字描述；当所述问题类别为功能类问题时，所述根据所述判断结果和所述异常信息图像的问题类别，对所述问题反馈信息进行处理，包括：
当判断出现所述用户反馈的功能类问题时，获取针对所述功能类问题的历史处理经验；
结合所述问题反馈信息中的问题文字描述和所述历史处理经验，生成对应的解决方案，并将生成的解决方案提供给所述用户；
当接收到所述用户针对所述解决方案的否定操作时，将所述问题反馈信息写入问题报告中。
8.如权利要求6或7所述的问题反馈信息处理方法，其特征在于，还包括：
将所述问题报告输出至程序开发工具，所述问题报告用于指示所述程序开发工具对所述应用程序进行优化处理。
9.一种问题反馈信息处理装置，其特征在于，包括：
问题反馈信息获取模块，用于获取用户针对使用应用程序的问题反馈信息，其中，所述问题反馈信息包括异常信息图像；
问题分类模块，用于根据预先训练的问题分类模型对所述异常信息图像进行分类，得到所述异常信息图像的问题类别，其中，所述问题分类模型是由已标注过的样本集对初始的深度学习模型进行训练而得到的，输入层为图像，输出层为问题分类结果；
路径生成模块，用于识别所述异常信息图像的具体操作路径，其中，所述具体操作路径用于指示从所述应用程序的首页到出现所述异常信息页面时的操作路径；
问题处理模块，用于根据所述异常信息图像的问题类别和具体操作路径，对所述问题反馈信息进行处理。
10.如权利要求9所述的问题反馈信息处理装置，其特征在于，还包括：
模型训练模块，用于预先训练所述问题分类模型；
其中，所述模型训练模块包括：
样本获取单元，用于获取针对使用所述应用程序的异常信息图像样本；
标注单元，用于根据所述异常信息图像样本所呈现的问题类型，对所述异常信息图像样本进行标注，得到所述异常信息图像样本对应的标签，其中，所述标签包括显示类问题和功能类问题；
模型训练单元，用于根据标注后的异常信息图像样本对初始的深度学习模型进行训练，并将训练后的模型作为所述问题分类模型。
11.如权利要求9所述的问题反馈信息处理装置，其特征在于，所述路径生成模块包括：
灰度处理单元，用于对所述异常信息图像进行灰度处理，生成对应的灰度图像；
边缘检测单元，用于对所述对应的灰度图像进行边缘检测，生成所述异常信息图像的轮廓图；
轮廓图匹配单元，用于从预先建立的样本轮廓图与操作路径的对照表中，找出与所述异常信息图像的轮廓图匹配的样本轮廓图，其中，所述样本轮廓图与操作路径的对照表包括针对所述应用程序的不同的页面轮廓图与其对应的操作路径，所述操作路径是指从所述应用程序的首页轮廓图开始，点击不同按钮进入所述不同的页面轮廓图时所产生的操作路径；
路径生成单元，用于在找出与所述异常信息图像的轮廓图匹配的样本轮廓图时，从所述对照表中确定匹配到的样本轮廓图对应的操作路径，并将所述匹配到的样本轮廓图对应的操作路径作为所述异常信息图像的具体操作路径。
12.如权利要求11所述的问题反馈信息处理装置，其特征在于，还包括：
对照表建立模块，用于预先建立所述样本轮廓图与操作路径的对照表；
其中，所述对照表建立模块具体用于：
获取所述应用程序的所有展示页面；
对所述所有展示页面进行图像处理，得到所述所有展示页面的样本轮廓图；
针对每个样本轮廓图，确定从首页轮廓图开始，点击图中不同按钮进入所述每个样本轮廓图时所产生的操作路径；
根据所有样本轮廓图和其对应的操作路径，建立所述样本轮廓图与操作路径的对照表。
13.如权利要求9所述的问题反馈信息处理装置，其特征在于，所述问题处理模块包括：
硬件信息获取单元，用于获取可运行所述应用程序的多个终端设备的硬件信息，其中，每个终端设备的硬件信息各不相同；
模拟环境生成单元，用于根据所述多个终端设备的硬件信息生成多个模拟环境；
操作校验单元，用于根据所述具体操作路径在所述多个模拟环境中分别对所述应用程序进行操作，判断是否出现所述用户反馈的问题；
问题处理单元，用于根据所述判断结果和所述异常信息图像的问题类别，对所述问题反馈信息进行处理。
14.如权利要求13所述的问题反馈信息处理装置，其特征在于，当所述问题类别为显示类问题时，所述问题处理单元具体用于：
当判断出现所述用户反馈的显示类问题时，将所述问题反馈信息写入问题报告中；
当判断未出现所述用户反馈的显示类问题时，确定所述用户反馈的问题为设备硬件兼容问题，并生成对应的问题处理意见，以及将所述对应的问题处理意见提供给所述用户。
15.如权利要求13所述的问题反馈信息处理装置，其特征在于，所述问题反馈信息还包括问题文字描述；当所述问题类别为功能类问题时，所述问题处理单元具体用于：
当判断出现所述用户反馈的功能类问题时，获取针对所述功能类问题的历史处理经验；
结合所述问题反馈信息中的问题文字描述和所述历史处理经验，生成对应的解决方案，并将生成的解决方案提供给所述用户；
当接收到所述用户针对所述解决方案的否定操作时，将所述问题反馈信息写入问题报告中。
16.如权利要求14或15所述的问题反馈信息处理装置，其特征在于，还包括：
问题报告输出模块，用于将所述问题报告输出至程序开发工具，所述问题报告用于指示所述程序开发工具对所述应用程序进行优化处理。
17.一种计算机设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1至8中任一项所述的问题反馈信息处理方法。
18.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至8中任一项所述的问题反馈信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811106727.2A CN109240931A (zh) | 2018-09-21 | 2018-09-21 | 问题反馈信息处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811106727.2A CN109240931A (zh) | 2018-09-21 | 2018-09-21 | 问题反馈信息处理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109240931A true CN109240931A (zh) | 2019-01-18 |
Family
ID=65056503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811106727.2A Pending CN109240931A (zh) | 2018-09-21 | 2018-09-21 | 问题反馈信息处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109240931A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110968784A (zh) * | 2019-11-26 | 2020-04-07 | 廊坊新奥燃气有限公司 | 经验反馈系统及方法 |
| CN111159015A (zh) * | 2019-12-13 | 2020-05-15 | 华为技术有限公司 | 定位问题的方法和装置 |
| CN112527995A (zh) * | 2020-12-18 | 2021-03-19 | 平安银行股份有限公司 | 问题反馈处理方法、装置、设备及可读存储介质 |
| CN113553974A (zh) * | 2021-07-29 | 2021-10-26 | 北京达佳互联信息技术有限公司 | 问题类型的确定方法、装置及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110239050A1 (en) * | 2010-03-23 | 2011-09-29 | Computer Associates Think, Inc. | System and Method of Collecting and Reporting Exceptions Associated with Information Technology Services |
| CN107040574A (zh) * | 2016-11-17 | 2017-08-11 | 阿里巴巴集团控股有限公司 | 一种截图、数据处理方法及设备 |
| CN107463457A (zh) * | 2017-08-04 | 2017-12-12 | 深圳市华傲数据技术有限公司 | 一种应用程序反馈信息的采集上报方法及装置 |
| CN107832774A (zh) * | 2017-10-09 | 2018-03-23 | 无线生活（杭州）信息科技有限公司 | 一种页面异常检测方法及装置 |
| CN108132887A (zh) * | 2018-01-10 | 2018-06-08 | 百度在线网络技术（北京）有限公司 | 用户界面校验方法、装置、软件测试系统、终端及介质 |
| CN108229704A (zh) * | 2018-01-16 | 2018-06-29 | 百度在线网络技术（北京）有限公司 | 用于推送信息的方法和装置 |
-
2018
- 2018-09-21 CN CN201811106727.2A patent/CN109240931A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110239050A1 (en) * | 2010-03-23 | 2011-09-29 | Computer Associates Think, Inc. | System and Method of Collecting and Reporting Exceptions Associated with Information Technology Services |
| CN107040574A (zh) * | 2016-11-17 | 2017-08-11 | 阿里巴巴集团控股有限公司 | 一种截图、数据处理方法及设备 |
| CN107463457A (zh) * | 2017-08-04 | 2017-12-12 | 深圳市华傲数据技术有限公司 | 一种应用程序反馈信息的采集上报方法及装置 |
| CN107832774A (zh) * | 2017-10-09 | 2018-03-23 | 无线生活（杭州）信息科技有限公司 | 一种页面异常检测方法及装置 |
| CN108132887A (zh) * | 2018-01-10 | 2018-06-08 | 百度在线网络技术（北京）有限公司 | 用户界面校验方法、装置、软件测试系统、终端及介质 |
| CN108229704A (zh) * | 2018-01-16 | 2018-06-29 | 百度在线网络技术（北京）有限公司 | 用于推送信息的方法和装置 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110968784A (zh) * | 2019-11-26 | 2020-04-07 | 廊坊新奥燃气有限公司 | 经验反馈系统及方法 |
| CN110968784B (zh) * | 2019-11-26 | 2023-04-07 | 廊坊新奥燃气有限公司 | 经验反馈系统及方法 |
| CN111159015A (zh) * | 2019-12-13 | 2020-05-15 | 华为技术有限公司 | 定位问题的方法和装置 |
| CN112527995A (zh) * | 2020-12-18 | 2021-03-19 | 平安银行股份有限公司 | 问题反馈处理方法、装置、设备及可读存储介质 |
| CN113553974A (zh) * | 2021-07-29 | 2021-10-26 | 北京达佳互联信息技术有限公司 | 问题类型的确定方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109240931A (zh) | 问题反馈信息处理方法和装置 | |
| CN109165384A (zh) | 一种命名实体识别方法及装置 | |
| CN108416003A (zh) | 一种图片分类方法和装置、终端、存储介质 | |
| CN109348275A (zh) | 视频处理方法和装置 | |
| US20180373702A1 (en) | Interactive method and apparatus based on test-type application | |
| CN108319720A (zh) | 基于人工智能的人机交互方法、装置及计算机设备 | |
| CN109034203A (zh) | 表情推荐模型的训练、表情推荐方法、装置、设备及介质 | |
| US10936815B2 (en) | Removable spell checker device | |
| CN110489455A (zh) | 学习资源推荐方法、装置、电子设备和存储介质 | |
| CN107368568A (zh) | 一种笔记生成的方法、装置、设备和存储介质 | |
| CN111126031A (zh) | 代码文本处理方法及相关产品 | |
| CN112131401A (zh) | 一种概念知识图谱构建方法和装置 | |
| CN113626576A (zh) | 远程监督中关系特征抽取方法、装置、终端及存储介质 | |
| CN111444729B (zh) | 信息处理的方法、装置、设备及可读存储介质 | |
| CN110427464B (zh) | 一种代码向量生成的方法以及相关装置 | |
| CN113505786A (zh) | 试题拍照评判方法、装置及电子设备 | |
| CN113705792A (zh) | 基于深度学习模型的个性化推荐方法、装置、设备及介质 | |
| CN113220847B (zh) | 基于神经网络的知识掌握程度测评方法、装置及相关设备 | |
| US20060099562A1 (en) | Learning system and method | |
| US8437688B2 (en) | Test and answer key generation system and method | |
| CN111062207A (zh) | 表情图像处理方法、装置、计算机存储介质及电子设备 | |
| CN114492310B (zh) | 文本标注方法、文本标注装置、电子设备和存储介质 | |
| CN110362688A (zh) | 试题标注方法、装置、设备及计算机可读存储介质 | |
| Rossheim | Report on proposed American standard flowchart symbols for information processing | |
| CN108874360B (zh) | 全景内容定位方法和装置 |
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 |