CN109358838A - 一种软件应用问题处理方法及装置 - Google Patents

Abstract

本申请提出一种软件应用问题处理方法及装置，该方法包括：获取用户在运行应用软件时遇到的问题；调用经过机器学习的智能分析引擎，对所述问题进行分析，得到解决所述问题的问题解决方案；输出所述问题解决方案，使所述用户根据所述问题解决方案解决所述问题。上述处理过程实现了主动检测用户使用应用软件时遇到的问题，以及主动为用户提供解决问题的问题解决方案，可以使用户在使用应用软件遇到问题时，快捷地解决问题，其问题处理速度更快，使软件智能化水平更高。

Description

一种软件应用问题处理方法及装置

技术领域

本申请涉及应用程序运维技术领域，更具体地说，尤其涉及一种软件应用问题处理方法及装置。

背景技术

适用于智能终端的各种应用软件的不断衍生，给社会智能化发展带来了极大的推动力。应用APP等软件程序可以为用户提供所需的处理功能，例如计算功能、联网功能、通信功能、数据查询功能等。并且，随着应用软件程序的不断完善，其功能也越来越趋于智能化，在一定程度上，应用软件可以只与用户进行少量的交互，就可以满足用户的使用需求。

但是，用户在使用任何应用软件时都可能遇到未知的问题，此时应用软件如何应对用户所遇到的问题，是软件开发中不可忽略的内容。而现有的应用软件往往不能对用户使用过程中所遇到的问题进行主动检测及主动处理，当用户使用应用软件的过程中遇到无法解决的问题时，只能电话致电人工客服询问解决方法，然后再参照人工客服的说明处理问题，其处理过程繁琐，智能化程度不高。

发明内容

基于上述现有技术的缺陷和不足，本申请提出一种软件应用问题处理方法及装置，能够实现主动帮助用户解决软件应用过程中遇到的问题。

一种软件应用问题处理方法，包括：

获取用户在运行应用软件时遇到的问题；

调用经过机器学习的智能分析引擎，对所述问题进行分析，得到解决所述问题的问题解决方案；

输出所述问题解决方案，使所述用户根据所述问题解决方案解决所述问题。

可选的，所述智能分析引擎的机器学习过程包括：

对所述应用软件的历史运维数据进行机器学习，使所述智能分析引擎具备分析问题得到问题解决方案的能力；其中，所述历史运维数据包括所述应用软件在历史运行过程中所出现的问题和对应的问题解决方案的记录数据。

可选的，所述智能分析引擎的机器学习过程还包括：

对所述用户在与所述应用软件相同类型的应用软件的行为数据进行机器学习，使所述智能分析引擎能够根据所述用户的行为习惯决策出适用于所述用户的行为方案。

可选的，当所述智能分析引擎对所述问题进行分析没有得到解决所述问题的问题解决方案时，所述方法还包括：

触发人工客服服务，帮助所述用户解决所述问题。

可选的，当解决所述问题后，所述方法还包括：

将所述问题以及解决所述问题的问题解决方案的信息添加到所述历史运维数据中。

一种软件应用问题处理装置，包括：

问题获取单元，用于获取用户在运行应用软件时遇到的问题；

问题处理单元，用于调用经过机器学习的智能分析引擎，对所述问题进行分析，得到解决所述问题的问题解决方案；

方案输出单元，用于输出所述问题解决方案，使所述用户根据所述问题解决方案解决所述问题。

可选的，所述智能分析引擎的机器学习过程包括：

对所述应用软件的历史运维数据进行机器学习，使所述智能分析引擎具备分析问题得到问题解决方案的能力；其中，所述历史运维数据包括所述应用软件在历史运行过程中所出现的问题和对应的问题解决方案的记录数据。

可选的，所述智能分析引擎的机器学习过程还包括：

对所述用户在与所述应用软件相同类型的应用软件的行为数据进行机器学习，使所述智能分析引擎能够根据所述用户的行为习惯决策出适用于所述用户的行为方案。

可选的，所述装置还包括：

服务触发单元，用于触发人工客服服务，帮助所述用户解决所述问题。

可选的，所述装置还包括：

数据添加单元，用于将所述问题以及解决所述问题的问题解决方案的信息添加到所述历史运维数据中。

本申请公开的软件应用问题解决方法可以主动检测用户在使用应用软件时是否遇到问题，在获取到用户应用软件时遇到的问题后，主动调用经过机器学习的智能分析引擎，对用户遇到的问题进行分析，得到解决该问题的问题解决方案，最后将得到的问题解决方案输出，是用户根据该问题解决方案解决所遇到的问题。上述处理过程实现了主动检测用户使用应用软件时遇到的问题，以及主动为用户提供解决问题的问题解决方案，可以使用户在使用应用软件遇到问题时，快捷地解决问题，其问题处理速度更快，使软件智能化水平更高。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本申请实施例提供的一种软件应用问题处理系统的架构示意图；

图2是本申请实施例提供的一种软件应用问题处理方法的流程示意图；

图3是本申请实施例提供的另一种软件应用问题处理方法的流程示意图；

图4是本申请实施例提供的又一种软件应用问题处理方法的流程示意图；

图5是本申请实施例提供的一种软件应用问题处理装置的结构示意图。

具体实施方式

本申请实施例技术方案适用于对用户运行、使用应用软件过程中遇到的问题进行分析，主动为用户提供问题解决方案的应用场景。采用本申请实施例技术方案，可以实现自动检测用户在使用应用软件过程中遇到的问题，并且对问题进行分析得到问题解决方案，更智能地协助用户解决使用应用软件时遇到的问题。

参见图1所示，展示了本申请实施例适用的一种软件应用问题处理系统的系统架构示意图。

本申请实施例适用的软件应用问题处理系统主要包括运行于智能终端的应用软件、智能分析引擎、数据库及人工服务台。

其中，上述运行于智能终端的应用软件在提供正常的软件功能外，本申请实施例还为该应用软件内置问题检测处理程序，用于检测用户在运行、使用该应用软件的时候是否遇到问题，以及确定用户具体是遇到了什么问题。

上述智能分析引擎，是具备机器学习能力的数据处理引擎，其以上述数据库中存储的历史运维数据作为知识库进行几区学习，具备对用户使用应用软件过程中遇到的问题进行分析得到问题解决方案的能力。

上述人工服务台，即由话务员提供人工客服服务的平台，用户可以以电话、或网络的方式联系到人工客服请求各种与应用软件相关的服务。

本申请实施例所提出的软件应用问题处理方法可以是被上述应用软件所执行，具体的，在上述应用软件运行过程中，实时检测用户使用过程中是否遇到问题，并对用户所遇到的问题进行如本申请实施例所述的处理，以达到主动协助用户解决使用问题的目的。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

参见图2所示，本申请实施例公开的软件应用问题处理方法，包括：

S201、获取用户在运行应用软件时遇到的问题；

具体的，上述用户在运行应用软件时遇到的问题，具体可以是软件程序错乱、在需要用户操作时长时间收到不用户操作信息、多次接收到用户执行的无效操作等。理论上，在用户运行使用上述应用软件过程中的任何节点，只要产生了应用软件程序运行中断的现象，都可以视为用户遇到问题，此时本申请实施例开始分析用户所遇到的问题，并对问题进行分析，协助用户解决问题。

需要说明的是，本申请实施例设定应用软件在运行过程中，实时检测是否出现问题，即实时判断用户在使用过程中是否遇到问题，具体可以通过判断应用软件程序运行是否中断或多次重复来实现。

另一方面，上述用户在运行应用软件时遇到的问题，也可以是由用户上传的问题信息。

需要说明的是，上述问题检测处理，可以是由应用软件自身来完成，也可以由其他的软件检测程序来完成。当由应用软件自身来完成时，可以在应用软件程序中设置软件运行检测程序，来检测应用软件程序的运行是否顺畅、是否出现问题；当由其他的软件检测程序来完成时，可以设置其他的软件检测程序对上述应用软件的运行过程进行监测，判断其运行过程中是否遇到问题或出现异常状况。

如果应用软件程序在运行过程中一直运行顺畅，则说明用户使用比较连续，并没有出现问题；如果应用软件程序在运行过程中出现了中断、或者出现了多次重复执行相同的功能程序的情况，则可以认为用户使用该应用软件时遇到了问题，此时本申请实施例进一步采集用户所遇到的问题的具体信息，即在应用软件后台采集其程序运行数据。

可以理解，当用户在使用应用软件过程中遇到问题时，应用软件后台程序的运行一定是处于某种特定的非正常状态下。如果应用软件后台程序保持正常运行，则用户在使用过程中并不会遇到什么不可解决的问题，只有当应用软件后台程序出现异常时，用户在使用应用软件的前端才会相应的遇到问题。因此，本申请实施例设定上述应用软件在运行过程中，通过检测软件程序是否正常运行，来判断用户在使用该应用软件时是否遇到问题，并且，通过识别应用软件程序运行的状态来获取用户所遇到的问题的具体信息，例如：应用软件卡死、长时间停留在一个界面不知如何操作、操作失灵等。

S202、调用经过机器学习的智能分析引擎，对所述问题进行分析，得到解决所述问题的问题解决方案；

具体的，上述智能分析引擎，是本申请实施例专门设计的，具有机器学习能力的数据处理装置，并且，在实施本申请实施例技术方案之前，该智能分析引擎事先利用丰富的知识库数据进行机器学习，具体为学习对上述应用软件程序运行各种状况进行识别，分析其中所出现的问题，得到问题解决方案的能力。

一种示例性的实现方式是，上述智能分析引擎，可以是具有机器学习能力的神经网络，该神经网络可以经过学习、训练等具备特定的问题分析能力。

当上述智能分析引擎通过机器学习具备分析问题得出问题解决方案的能力后，本申请实施例将其应用于本申请实施例所提出的软件应用问题处理方法中。

具体的，当获取用户使用应用软件过程中遇到的问题后，本申请实施例调用上述经过机器学习的智能分析引擎，对该问题进行分析，确定该问题的具体内容及问题原因，进一步的，分析得出解决该问题的问题解决方案。

上述问题解决方案，可以是直接应用于上述应用软件程序的处理方案，也可以是需要用户选择、操作的解决方案。

当该方案是应用于上述应用软件程序的处理方案时，在得到用户许可的情况下，应用软件可以直接将该方案实施于应用软件程序，以解决应用软件运行过程中遇到的问题。

当该方案是需要用户选择、操作的方案时，应用软件将该方案输出，供用户选择、操作。例如，假设用户在使用应用软件过程中所遇到的问题是，在某一页面场景下不知该点击哪个按钮实现功能而长时间停留在某一页面，则此时应用软件确定用户遇到了不知如何操作的问题，当解决该问题时，向用户输出点击说明，告知用户应该点击哪个按键实现某种功能。

S203、输出所述问题解决方案，使所述用户根据所述问题解决方案解决所述问题。

具体的，如上文所述，当调用上述智能分析引擎对用户在使用应用软件过程中遇到的问题进行分析得到问题解决方案后，应用软件将问题解决方案输出显示，使用户知晓该问题解决方案，并由用户选择是否执行，当用户选择执行时，可以通过控制应用软件的功能程序的运行，后台解决问题。另一方面，当上述问题解决方案是需要用户选择、操作的处理方案时，应用软件可以分步骤、分次序地依次输出该问题解决方案，每输出一个处理步骤后，由用户进行相应的选择、操作，然后根据用户的操作进行下一处理步骤的输出，以及由用户进行选择、操作，以此类推直到引导用户完成该问题解决方案的执行。

通过上述介绍可见，本申请实施例公开的软件应用问题解决方法可以主动检测用户在使用应用软件时是否遇到问题，在获取到用户应用软件时遇到的问题后，主动调用经过机器学习的智能分析引擎，对用户遇到的问题进行分析，得到解决该问题的问题解决方案，最后将得到的问题解决方案输出，是用户根据该问题解决方案解决所遇到的问题。上述处理过程实现了主动检测用户使用应用软件时遇到的问题，以及主动为用户提供解决问题的问题解决方案，可以使用户在使用应用软件遇到问题时，快捷地解决问题，其问题处理速度更快，使软件智能化水平更高。

可选的，本申请的另一个实施例还公开了上述智能分析引擎的机器学习示例性实现方式。

对于上述智能分析引擎来说，要想具备分析问题得到问题解决方案的能力，就需要分析大量的问题及对应的问题解决方案，从中学习问题与问题解决方案之间的内在关系，从而当遇到新的问题时，可以分析出问题解决方案。

在应用软件发布后，会有大量用户使用该应用软件，同时后台维护团队会根据应用软件在运行过程中所出现的问题不断地对软件程序进行改进和修正，以及，人工客服也会不断地与用户沟通，获取用户在使用软件过程中所遇到的问题，以及为用户提供问题解决方案。上述自从应用软件发布后的用户使用过程中，会产生大量的语音、文本、图片等历史运维数据组成语料库，这些数据可以记录用户在使用应用软件过程中所遇到的问题，以及记录运维团队或人工客服针对用户遇到的各种问题所给出的问题解决方案，也就是以各种媒体形式记录应用软件在历史运行过程中所出现的问题和对应的问题解决方案。

可以理解，上述历史运维数据，是解决用户问题的真实历史数据，对上述历史数据进行分析可以为分析用户使用应用软件时遇到的问题带来借鉴意义。

因此，本申请实施例设定，上述的智能分析引擎对上述历史运维数据进行机器学习，也就是对应用软件在历史运行过程中所出现的问题和对应的问题解决方案的记录信息进行机器学习，从中掌握应用软件应用问题与问题解决方案之间的内涵关系，从而具备当用户使用应用软件遇到问题时，能够对问题进行分析得到问题解决方案。

进一步的，本申请另一实施例还公开了，在智能分析引擎进行机器学习的过程中，除了对应用软件的历史运维数据进行机器学习外，还对所述用户在与所述应用软件相同类型的应用软件的行为数据进行机器学习，使所述智能分析引擎能够根据所述用户的行为习惯决策出适用于所述用户的行为方案。

具体的，与上述应用软件相同类型的应用软件，是指与上述应用软件功能类似、操作方式类似的应用软件。

通常情况下，用户在与上述应用软件相同类型的应用软件中的操作行为，对于该用户在上述应用软件中的操作行为具有一定的相似性。因此，当不能确定该用户在上述应用软件中的行为时，可以借鉴该用户在与上述应用软件相同类型的应用软件中的行为习惯，对该用户在上述应用软件中的行为进行预测。

例如，假设上述应用软件为网上购物软件，根据用户在购物网站的行为，以及和运营之间的关系发现，用户首次购买产品时倾向于多次查看评论，则当用户在上述应用软件中首次选购产品而迟迟不能决定下单的时候，可以主动展示评论给用户查看，或者引导用户加以前购买过的用户为好友，进行用户之间的互助，从而促成用户在该应用软件的交易。

由此可见，相同类型的应用软件之间的用户行为数据，具有相互借鉴意义。因此，本申请实施例还设置上述的智能分析引擎进行迁移学习，即对用户在与上述应用软件相同类型的应用软件的行为数据进行机器学习，使该智能分析引擎能够根据用户的行为习惯决策出适用于所述用户的行为方案。

可以理解，上述智能分析引擎通过学习用户在与上述应用软件相同类型的应用软件的行为数据，可以掌握、理解该用户在这种类型的应用软件上的操作习惯，进而可以制定符合该用户行为习惯的，适用于上述应用软件的行为方案。

例如，当分析用户在使用应用软件遇到的问题得到问题解决方案时，可以参考分析该用户在同类型应用软件中的操作习惯，制定出符合该用户的操作习惯的问题解决方案，以便该用户可以很顺利地执行该问题解决方案，也就是帮助用户以乐于接受的处理方式觉得所遇到的问题，利用提升用户体验。

可选的，参见图3所示，本申请另一实施例还公开了，当调用经过机器学习的智能分析引擎，对所述问题进行分析时，还执行步骤S303、判断是否得到解决所述问题的问题解决方案；

如果得到了解决所述问题的问题解决方案，则执行步骤S304、输出所述问题解决方案，使所述用户根据所述问题解决方案解决所述问题；

如果没有得到解决所述问题的问题解决方案，则执行步骤S305、触发人工客服服务，帮助所述用户解决所述问题。

具体的，如果上述智能分析引擎无法分析得到解决用户遇到的问题的问题解决方案，则应用软件主动触发人工客服服务，由人工客服主动联系用户帮助用户解决所遇到的问题。

进一步的，当人工客服服务帮助用户解决问题后，本申请实施例将该问题，以及人工客服帮助用户解决该问题的问题解决方案的信息，添加到上述智能分析引擎进行机器学习的历史运维数据中，以便进一步丰富智能分析引擎的学习数据库。

图3所示的实施例中的步骤S301、S302、S304分别对应图2所示的方法实施例中的步骤S201、S202、S203，其具体内容请参见图2所示的方法实施例的内容，此处不再赘述。

参见图4所示，本申请的另一个实施例中公开了，当执行步骤S403、输出所述问题解决方案，使所述用户根据所述问题解决方案解决所述问题后，还进一步执行步骤S404、判断是否解决所述问题；

如果没有解决所述问题，则执行步骤S405、触发人工客服服务，帮助所述用户解决所述问题。

如果解决所述问题，则执行步骤S406、将所述问题以及解决所述问题的问题解决方案的信息添加到所述历史运维数据中。

具体的，本申请实施例将在通过调用智能分析引擎对用户使用应用软件过程中遇到的问题进行分析得到问题解决方案，并且利用该问题解决方案帮助用户解决问题后，将该问题以及该问题的问题解决方案添加到上述智能分析引擎的学习知识库中，也就是添加到上述的历史运维数据中，以便进一步丰富该智能分析引擎的学习数据量，进一步提高其问题分析能力。

本实施例中的步骤S401～S403分别对应图2所示的方法实施例中的步骤S201～S203，其具体内容请参见图2所示的方法实施例的内容，此处不再赘述。

本申请另一实施例还公开了一种软件应用问题处理装置，参见图5所示，该装置包括：

问题获取单元100，用于获取用户在运行应用软件时遇到的问题；

问题处理单元110，用于调用经过机器学习的智能分析引擎，对所述问题进行分析，得到解决所述问题的问题解决方案；

方案输出单元120，用于输出所述问题解决方案，使所述用户根据所述问题解决方案解决所述问题。

其中，所述智能分析引擎的机器学习过程包括：

对所述应用软件的历史运维数据进行机器学习，使所述智能分析引擎具备分析问题得到问题解决方案的能力；其中，所述历史运维数据包括所述应用软件在历史运行过程中所出现的问题和对应的问题解决方案的记录数据。

所述智能分析引擎的机器学习过程还包括：

对所述用户在与所述应用软件相同类型的应用软件的行为数据进行机器学习，使所述智能分析引擎能够根据所述用户的行为习惯决策出适用于所述用户的行为方案。

可选的，在本申请的另一个实施例中还公开了，所述装置还包括：

服务触发单元，用于触发人工客服服务，帮助所述用户解决所述问题。

可选的，在本申请的另一个实施例中还公开了，所述装置还包括：

数据添加单元，用于将所述问题以及解决所述问题的问题解决方案的信息添加到所述历史运维数据中。

需要说明的是，上述软件应用问题处理装置的各个实施例中的各个单元的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本申请各实施例种装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。

本申请所提供的几个实施例中，应该理解到，所揭露的终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或子模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个子模块或模块可以结合或者可以集成到另一个模块，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的，作为模块或子模块的部件可以是或者也可以不是物理模块或子模块，即可以位于一个地方，或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中，也可以是各个模块或子模块单独物理存在，也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子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或子模块的形式实现。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件单元，或者二者的结合来实施。软件单元可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种软件应用问题处理方法，其特征在于，包括：

获取用户在运行应用软件时遇到的问题；

调用经过机器学习的智能分析引擎，对所述问题进行分析，得到解决所述问题的问题解决方案；

输出所述问题解决方案，使所述用户根据所述问题解决方案解决所述问题。

2.根据权利要求1所述的方法，其特征在于，所述智能分析引擎的机器学习过程包括：

对所述应用软件的历史运维数据进行机器学习，使所述智能分析引擎具备分析问题得到问题解决方案的能力；其中，所述历史运维数据包括所述应用软件在历史运行过程中所出现的问题和对应的问题解决方案的记录数据。

3.根据权利要求2所述的方法，其特征在于，所述智能分析引擎的机器学习过程还包括：

对所述用户在与所述应用软件相同类型的应用软件的行为数据进行机器学习，使所述智能分析引擎能够根据所述用户的行为习惯决策出适用于所述用户的行为方案。

4.根据权利要求1至3中任一权利要求所述的方法，其特征在于，当所述智能分析引擎对所述问题进行分析没有得到解决所述问题的问题解决方案时，所述方法还包括：

触发人工客服服务，帮助所述用户解决所述问题。

5.根据权利要求2或3所述的方法，其特征在于，当解决所述问题后，所述方法还包括：

将所述问题以及解决所述问题的问题解决方案的信息添加到所述历史运维数据中。

6.一种软件应用问题处理装置，其特征在于，包括：

问题获取单元，用于获取用户在运行应用软件时遇到的问题；

问题处理单元，用于调用经过机器学习的智能分析引擎，对所述问题进行分析，得到解决所述问题的问题解决方案；

方案输出单元，用于输出所述问题解决方案，使所述用户根据所述问题解决方案解决所述问题。

7.根据权利要求6所述的装置，其特征在于，所述智能分析引擎的机器学习过程包括：

对所述应用软件的历史运维数据进行机器学习，使所述智能分析引擎具备分析问题得到问题解决方案的能力；其中，所述历史运维数据包括所述应用软件在历史运行过程中所出现的问题和对应的问题解决方案的记录数据。

8.根据权利要求7所述的装置，其特征在于，所述智能分析引擎的机器学习过程还包括：

对所述用户在与所述应用软件相同类型的应用软件的行为数据进行机器学习，使所述智能分析引擎能够根据所述用户的行为习惯决策出适用于所述用户的行为方案。

9.根据权利要求6至8中任一权利要求所述的装置，其特征在于，所述装置还包括：

服务触发单元，用于触发人工客服服务，帮助所述用户解决所述问题。

10.根据权利要求7或8所述的装置，其特征在于，所述装置还包括：

数据添加单元，用于将所述问题以及解决所述问题的问题解决方案的信息添加到所述历史运维数据中。