CN109597986A - 异常问题的定位方法、装置、设备及存储介质 - Google Patents
异常问题的定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109597986A CN109597986A CN201811207537.XA CN201811207537A CN109597986A CN 109597986 A CN109597986 A CN 109597986A CN 201811207537 A CN201811207537 A CN 201811207537A CN 109597986 A CN109597986 A CN 109597986A
- Authority
- CN
- China
- Prior art keywords
- journal file
- word
- keyword
- feedback information
- feedback
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000004807 localization Effects 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000013507 mapping Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Technology Law (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种异常问题的定位方法、装置、设备及存储介质。该方法包括:接收用户触发的反馈指令,获取与反馈指令对应的反馈信息,并获取反馈信息中的关键词;根据预设的映射关系表,查找与关键词对应的日志文件,映射关系表为各关键词与各日志文件之间的对应关系,各日志文件分别存储信贷应用程序中不同功能模块产生的日志信息;将反馈信息和查找到的日志文件发送至信贷平台,以使开发人员根据反馈信息和查找到的日志文件定位信贷应用程序存在的异常问题。本发明基于语义解析的关键词提取技术实现上述方案,有效的解决了现有技术中在用户提交的问题类型与实际反馈的问题不匹配的情况下,开发人员无法快速、准确的定位信贷APP异常的技术问题。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种异常问题的定位方法、装置、设备及存储介质。
背景技术
随着互联网金融的发展,越来越多的个人、小微企业通过互联网寻求融资、借贷等金融服务。为了更好的适应市场需求,各大信贷机构相继推出了自己的网贷平台,及适于用户操作的移动客户端版本,如安装在用户的移动终端设备上的信贷应用程序(Application,App)。同时,为了能够更好的满足用户需求和提升用户体验,开发人员通常会在信贷APP中提供用户反馈入口,并提供相应的问题类型供用户选择,从而可以在获取到用户反馈的问题后,根据用户反馈问题时选择的问题类型,对信贷APP作出改进,使得用户能够更好的使用信贷APP。
但是,在实际使用中会存在用户提交的问题类型与实际反馈的问题根本不匹配的情况,因此直接根据用户反馈问题时选择的问题类型定位信贷APP存在的异常,往往会导致问题定位的准确性较差。例如,用户为了省事或者没有找到要反馈的问题对应的合适问题类型时,在填写完需要反馈的问题后,直接以当前默认的问题类型进行提交。在这种情况下,如果直接根据用户填写的问题类型,定位信贷APP存在的异常,会因为问题类型不准确,严重影响开发人员后续处理的时效性和准确性。
所以,亟需提供一种能够在用户提交的问题类型与实际反馈的问题不匹配的情况下,帮助开发人员快速、准确的定位信贷APP异常的方法。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种异常问题的定位方法、装置、设备及存储介质,旨在帮助开发人员快速、准确的定位信贷APP异常的技术问题。
为实现上述目的,本发明提供了一种异常问题的定位方法,所述方法包括以下步骤:
接收用户触发的反馈指令,获取与所述反馈指令对应的反馈信息,并获取所述反馈信息中的关键词;
根据预设的映射关系表,查找与所述关键词对应的日志文件,所述映射关系表为各关键词与各日志文件之间的对应关系,各日志文件分别存储信贷应用程序中不同功能模块产生的日志信息;
将所述反馈信息和查找到的日志文件发送至信贷平台,以使开发人员根据所述反馈信息和所述查找到的日志文件定位所述信贷应用程序存在的异常问题。
优选地,所述获取所述反馈信息中的关键词,包括:
对所述反馈信息进行文本预处理;
对所述预处理后的反馈信息进行构词划分,得到多个词语;
根据语义词典,计算任意两个词语之间的语义相似度;
根据各词语的语义相似度,计算各词语的居间度;
根据预设的权重值计算规则,计算各词语的语义权重值、居间度权重值、词性权重值、词频权重值和词长权重值;
根据各词语的语义权重值、居间度权重值、词性权重值、词频权重值和词长权重值,确定各词语的总得分;
选取得分最高的词语作为所述反馈信息中的关键词。
优选地,所述根据各词语的语义相似度,计算各词语的居间度,包括:
根据各词语的语义相似度,构建语义相似度矩阵;
对所述语义相似度矩阵进行抽象处理,得到词语分布图,所述词语分布图为任意两个词语之间的连接关系图;
采用最短路径算法,计算任意两个词语之间的最短路径,得到第一最短路径集合;
对各词语进行遍历,从所述第一最短路径集合中挑选出经过当前遍历到的词语的最短路径,得到第二最短路径集合;将所述第二最短路径集合中最短路径的个数作为分子,所述第一最短路径集合中最短路径的个数作为分母,得到当前遍历到的词语的居间度;
依次记录遍历到的词语的居间度,得到各词语的居间度。
优选地,所述将所述反馈信息和查找到的日志文件发送至信贷平台之前,所述方法还包括:
判断所述关键词是否对应至少两个日志文件;
若所述关键词对应至少两个日志文件,则采用多项式贝叶斯分类算法对所述关键词对应的至少两个日志文件进行分类计算,得到与所述关键词匹配度最高的日志文件;
其中,所述将所述反馈信息和查找到的日志文件发送至信贷平台,包括:
将所述反馈信息和得到与所述关键词匹配度最高的日志文件发送至信贷平台。
优选地,所述采用多项式贝叶斯分类算法对所述关键词对应的至少两个日志文件进行分类计算,得到与所述关键词匹配度最高的日志文件,包括:
根据多项式贝叶斯分类算法,对所述映射关系表中日志文件对应的关键词个数及所述映射关系表中关键词的总个数进行计算,得到所述日志文件的先验概率值;
根据多项式贝叶斯分类算法,对所述关键词及所述关键词对应的至少两个日志文件进行计算,得到后验概率值;
根据所述先验概率值和所述后验概率值,计算所述关键字对应的至少两个日志文件中,每一个日志文件的最终概率值;
选取最大的最终概率值对应的日志文件作为与所述关键词匹配度最高的日志文件。
优选地,所述选取最大的最终概率值对应的日志文件作为与所述关键词匹配度最高的日志文件,包括:
将选取的所述最大的最终概率值与阈值进行比较,如果所述最大的最终概率值大于所述阈值,将所述最大的最终概率值对应的日志文件作为与所述关键词匹配度最高的日志文件。
优选地,所述将所述反馈信息和查找到的日志文件发送至信贷平台之前,所述方法还包括:
获取本机的设备信息;
其中,所述将所述反馈信息和查找到的日志文件发送至信贷平台,包括:
将所述设备信息、所述反馈信息和查找到的日志文件发送至信贷平台。
此外,为实现上述目的,本发明还提出一种异常问题的定位装置,所述装置包括::获取模块、查找模块和发送模块;
其中,所述获取模块,用于接收用户触发的反馈指令,获取与所述反馈指令对应的反馈信息,并获取所述反馈信息中的关键词;
所述查找模块,用于根据预设的映射关系表,查找与所述关键词对应的日志文件,所述映射关系表为各关键词与各日志文件之间的对应关系,各日志文件分别存储信贷应用程序中不同功能模块产生的日志信息;
所述发送模块,用于将所述反馈信息和查找到的日志文件发送至信贷平台,以使开发人员根据所述反馈信息和所述查找到的日志文件定位所述信贷应用程序存在的异常问题。
此外,为实现上述目的,本发明还提出一种异常问题的定位设备,所述设备包括: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异常问题的定位程序,所述异常问题的定位程序配置为实现如上文所述的异常问题的定位方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有异常问题的定位程序,所述异常问题的定位程序被处理器执行时实现如上文所述的异常问题的定位方法的步骤。
本发明提供的异常问题的定位方案,在定位信贷应用程序的异常问题时,直接跳过问题类型,而是通过从用户提供的反馈信息中提取关键词,并利用从用户反馈信息中提取出的关键词来确定可能存在异常的日志文件,然后将查找到的可能存在异常的日志文件和用户反馈的反馈信息发送至信贷平台进行处理,从而可以快速查处到存在异常的日志文件,帮助开发人员快速、准确的定位信贷应用程序可能存在的异常问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的异常问题的定位设备的结构示意图;
图2为本发明异常问题的定位方法第一实施例的流程示意图;
图3为本发明异常问题的定位方法第二实施例的流程示意图;
图4为本发明异常问题的定位装置第一实施例的结构框图。
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
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。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的异常问题的定位设备结构示意图。
如图1所示,该异常问题的定位设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对异常问题的定位设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及异常问题的定位程序。
在图1所示的异常问题的定位设备中,网络接口1004主要用于与信贷平台进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明异常问题的定位设备中的处理器1001、存储器1005可以设置在异常问题的定位设备中,所述异常问题的定位设备通过处理器1001调用存储器1005中存储的异常问题的定位程序,并执行本发明实施例提供的异常问题的定位方法。
本发明实施例提供了一种异常问题的定位方法,参照图2,图2为本发明一种异常问题的定位方法第一实施例的流程示意图。
本实施例中,所述异常问题的定位方法包括以下步骤:
步骤S10:接收用户触发的反馈指令,获取与所述反馈指令对应的反馈信息,并获取所述反馈信息中的关键词。
具体的说,本实施例中的执行主体为安装有信贷机构提供的信贷APP的用户终端,比如个人计算机、平板电脑、智能手机等,此处不再一一列举,对此也不做限制。
此外,在本实施例中,关于获取所述反馈信息中的关键词的操作,具体可以通过如下方式实现:
(1)对所述反馈信息进行文本预处理。
具体的说,在从所述反馈信息中获取关键词时,为了提高获取到的关键才有效性,需要先对反馈信息进行预处理。
比如说,去停用词,即去掉反馈信息中含有的如:呢、吗、啊等没有实际意义的词。
还比如说,去掉无效特殊字符,如表情符号、各种标点符号等。
还比如说,将反馈信息中的数字转为汉字或相应的英文,如将阿拉伯数字1、2、3转换为汉字一、二、三,或one、two、three等。
还比如说,在执行完上述几种处理操作后,将文本内容合并成一行。
需要说明的是,以上仅为举例说明,在实际应用中,对反馈信息的预处理并不局限与上述几种操作,本领域的技术人员可以根据需要选取合适的预处理标准,对反馈信息进行文本预处理,此处不做限制。
(2)对所述预处理后的反馈信息进行构词划分,得到多个词语。
在对反馈信息进行上述预处理操作后,对通过预处理操作后的反馈信息进行构词划分,即根据构词成分进行划分,从而实现对反馈信息中词语的有效组合、拆分。
关于构词划分操作,具体可以根据单个汉字或英文单词的词性、出现的次数、出现的位置(比如是出现在段首、段中,还是短尾,亦或是出现在标题处)等参考因素进行划分。
进一步地,在本实施例中可以采用汉语词法分析系统(Institute of ComputingTechnology Chinese Lexical Analysis System,ICTCLAS)对各汉字进行词性标注,采用斯坦福大学提供的coreNLP英文词性标注工具对各英文单词进行词性标注,从而可以确保在根据汉字或英文单词的词性更加合理、准确的进行构词划分。
(3)根据语义词典,计算任意两个词语之间的语义相似度。
需要说明的是,本实施例中选取的词义词典,主要是目前较为成熟,使用相对广泛的知网(HowNet)词典、英语词典(wordne)和同义词词林。
由于各种语义词典的应用已经是本领域的公知常识,本领域的技术人员可以根据各语义词典的使用手册,实现计算任意两个词语之间的语义相似度,因而此处不再赘述。
(4)根据各词语的语义相似度,计算各词语的居间度。
具体的说,在本实例中,任一词语(为了便于说明,此处成为词语A)的居间度具体是指进行文本预处理后得到的固定个数的词语中,任意两个词语之间的最短路径中经过词语A的条数与这两个词语之间的所有最短路径的个数的比值,即词语A的居间度表示的是任意两个词语之间的最短路径中经过词语A的频率。
此外,应当理解的是,由于居间度是将相识度矩阵抽象成图像,然后根据抽象得到图像进行计算获得的,因此在具体实现中,在根据各词语的语义相似度,计算各词语的居间度时,需要先构建语义相似度矩阵,然后对得到的语义相似度矩阵进行抽象出来,从而得到表示任意两个词语之间的连接关系的词语分布图,然后根据得到的词语分布图进行计算获得各词语的居间度。
为了便于理解,以下给出一种采用最短路径算法计算各词语的居间度的具体实现方式,大致如下:
首先,根据各词语的语义相似度,构建语义相似度矩阵。
然后,对所述语义相似度矩阵进行抽象处理,得到词语分布图,所述词语分布图为任意两个词语之间的连接关系图。
具体的说,此处进行的抽象出来为把语义相似度矩阵中所有相似度大于0.5的均设为1,所有相似度小于0.5的均设为0,这样就可以把语义相似度矩阵抽象为一个仅由顶点(词语)和边(点与点之间的路径)的词性分布图。
接着,采用最短路径算法,计算任意两个词语之间的最短路径,得到第一最短路径集合。
具体的说,为了方便计算,本实施例中优选迪杰斯特拉算法(Dijkstra算法)来计算任意两个词语之间的最短路径。
由于Dijkstra算法的使用已经较为成熟,本领域的技术人员可以通过查找相关资料自行实现,此处不再赘述。
接着,对各词语进行遍历,从所述第一最短路径集合中挑选出经过当前遍历到的词语的最短路径,得到第二最短路径集合;将所述第二最短路径集合中最短路径的个数作为分子,所述第一最短路径集合中最短路径的个数作为分母,得到当前遍历到的词语的居间度。
具体的说,由于各词语的居间度与各最短路径经过各词语的频率有关,即频率越高,居间度越大,该词语的重要度也越高,因此通过根据各最短路径经过各词语的频率,确定各词语的居间度,在保证获得各词语的居间度的精确度的同时,也可以方便计算。
最后,依次记录遍历到的词语的居间度,得到各词语的居间度
需要说明的是,以上给出的仅仅为一种计算词语的居间度的具体实现方式,对本发明的技术方案并不构成任何限定,在具体实现中,本领域的技术人员可以根据需要设置,此处不做限制。
(5)根据预设的权重值计算规则,计算各词语的语义权重值、居间度权重值、词性权重值、词频权重值和词长权重值。
具体的说,此处所说的权重值计算规则,主要用于存储上述各权重值计算项的权重比例,以及每一项的预设分值。
(6)根据各词语的语义权重值、居间度权重值、词性权重值、词频权重值和词长权重值,确定各词语的总得分。
(7)选取得分最高的词语作为所述反馈信息中的关键词。
需要说明的是,以上给出的仅仅为一种获取所述反馈信息中的关键词的具体实现方式,对本发明的技术方案并不构成任何限定,在具体实现中,本领域的技术人员可以根据需要设置,比如采用基于统计特征的关键词抽取算法、基于词图模型的关键词抽取算法、基于主题模型的关键词抽取算法等不同方式的关键词提取算法从所述反馈信息中提取关键词,此处不再一一列举,对此也不做让任何限制。
另外,关于各种关键词提取算法的实现方式,本领域的技术人员可以通过查找相关资料自行实现,此处不再赘述。
此外,应当理解的是,获取到的用户提供的反馈信息,具体可以是用户在信贷APP的反馈界面输入的针对信贷APP,或信贷APP某一功能模块的投诉建议及问题反馈。
比如,在使用信贷APP进行贷款申请业务中的面审或者面核等操作时,画面会消失,无法听到审核人员说话,无法顺利进入面审或面核的房间等。
进一步地,在具体实现中,为了激励用户能够反馈相对有用的信息,而不是敷衍了事,信贷机构可以制定相应的奖励制度,比如在用户反馈的内容有效,并帮助开发人员解决了影响信贷APP使用的问题后,给予该用户一定的奖励,比如下次贷款时可以降低利息,或者提高其授信额度,还或者给予红包奖励等。
需要说明的是,以上仅举例说明,对本发明的技术方案并不构成任何限定。
步骤S20:根据预设的映射关系表,查找与所述关键词对应的日志文件。
具体的说,本实施例中所说的映射关系表主要用于存储各关键词与各日志文件之间的对应关系。
此外,本案中所说的日志文件,并非一个用于存储信贷APP在运行过程中产生的所有日志信息的文件,而是多个分别用于存储信贷APP中不同功能模块在运行过程中产生的日志信息的文件。通过将一个完整的日志文件拆分为多个小的,存储内容单一(仅存储器对应的功能模块产生的日志信息)的小的日志文件,使得开发人员仅需侧重查看与关键词对应的单个日志文件,即可快速定位异常问题,有效提升了开发人员在定位、并解决异常问题的时效性和准确性。
此外,通过这种日志的存储方式,还可以有效降低用户终端对移动数据流量的使用。
比如说,在需要上传日志文件时,通过判断用户终端当前使用的网络是否为无线数据流量(如WIreless-FIdelity,WI-FI),如果不在无线数据流量,而是移动数据流量,则仅上传所述反馈信息及所述查找到的日志文件至信贷平台,这样在保证开发人员能够进行后续定位工作的同时,也达到了降低对移动数据流量的使用;反之,如果是无线数据流量,则可以在上传所述反馈信息及所述查找到的日志文件时,同时将其他功能模块对应的日志文件上传到信贷平台,以使开发人员在侧重查看与关键词对应的单个日志文件时,能够辅以其他正常日志文件进行异常问题的定位工作。
此外,值得一提的是,由于不同的日志文件存储的为不同功能模块运行时产生的日志信息,因此各关键词与各日志文件之间的对应关系,具体可以借助信贷APP中不同的功能模块建立。
比如,设置日志文件A存储功能模块a产生的日志信息,功能模块a对应的关键词可以有:关键词1、关键词2、关键词3,则在提取到的关键词为关键词1、关键词2、关键词3中的任一个时,查找到的日志文件均为日志文件a。
需要说明的是,以上仅为举例说明,对本申请的技术方案并不构成任何限定,在实际应用中预先建立的映射关系中各关键词与各日志文件之间的对应关系并不局限与上述情况,本领域的技术人员可以根据使用场景,实际情况,为每个关键词对应合适的日志文件即可,此处不做限制。
此外,在本实施例中,由于构建上述映射关系表时所用到的数据,主要是通过对现有大量历史数据,或者从各大数据平台获取到的数据进行分析处理后得到的,并且在录入的时候,一般设置一个关键词对应一个日志文件,但一个文件下可以有多个关键词,因此具有较高的准确性,可以保证后续根据该映射关系表,在用户终端本地查找与所述关键词对应的日志文件时,能够更加快速、精准的查找到与之对应的日志文件。
此外,应当理解的是,上述对应关系具体可以由人工进行录入,也可以由机器根据相应的执行代码实现,具体的实现方式,本领域的技术人员可以根据需要设置,此处不做限制。
需要说明的是,以上仅举例说明,对本发明的技术方案并不构成任何限定,在具体实现中,本领域的技术人员可以根据需要设置用户终端上传所述反馈信息及所述查找到的日志文件的方式、关键词与日志文件之间的对应关系,此处不做限制。
步骤S30:将所述反馈信息和查找到的日志文件发送至信贷平台,以使开发人员根据所述反馈信息和所述查找到的日志文件定位所述信贷应用程序存在的异常问题。
应当理解的是,在具体实现中,为了进一步方便开发人员定位信贷APP可能存在的异常问题,用户终端在将所述反馈信息和查找到的日志文件发送至信贷平台之前,还可以先获取本机的设备信息,然后将所述设备信息、所述反馈信息和查找到的日志文件发送至信贷平台,从而可以方便开发人员选用与用户相同的用户终端进行测试,便于重现用户反馈的问题,进而帮助开发人员更加快速、精准的定位问题,解决问题。
需要说明的是,上述所说的用户终端的设备信息,具体可以包括用户终端接入的网络、系统版本、终端型号、无线局域网底座、运行内存、总存储容量、可用存储容量等,此处不再一一列举,在具体实现中本领域的技术人员可以设置需要获取的设备信息的具体字段,以便获取用户终端更多对定位有帮助的设备信息。
此外,值得一提的是,在具体实现中,为了进一步方便开发人员定位信贷APP可能存在的异常问题,在将所述反馈信息和查找到的日志文件发送至信贷平台之前,可以将所述查找到的日志文件与预先存储的信贷APP在正常运行时,各功能模块产生的日志文件进行对比,进而可以在日志文件中确定一个大致的异常日志范围,然后通过对该区域进行高亮显示处理之后,在将所述反馈信息和查找到的日志文件发送至信贷平台,从而可以有效减少开发人员的工作量,使得开发人员能够更加快速的定位问题所在,以便快速解决。
此外,为了督促开发人员积极快速的解决用户终端上传的用户反馈的问题,以使信贷APP的用户体验更好,在具体实现中,可以设置信贷平台在将接收到的上述反馈信息及查找到的日志文件分配给负责处理的开发人员时,记录分配时间,同时在该开发人员解决该问题,发布新版本替换当前异常版本时,记录其解决问题的时间,根据这两个时间点计算开发人员解决问题所用的时间,将该时间作为考核开发人员的参考因素,从而可以有效的提升开发人员的工作积极性。
需要说明的是,以上仅举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,此处不做限制。
通过上述描述不难发现,本实施例中提供的异常问题的定位方法,在定位信贷应用程序的异常问题时,直接跳过问题类型,而是通过从用户提供的反馈信息中提取关键词,并利用从用户反馈信息中提取出的关键词来确定可能存在异常的日志文件,然后将查找到的可能存在异常的日志文件和用户反馈的反馈信息发送至信贷平台进行处理,从而可以快速查处到存在异常的日志文件,帮助开发人员快速、准确的定位信贷应用程序可能存在的异常问题。
参考图3,图3为本发明一种异常问题的定位方法第二实施例的流程示意图。
基于上述第一实施例,本实施例异常问题的定位方法在所述步骤S30之前,还包括:
步骤S01:判断所述关键词是否对应至少两个日志文件。
具体的说,在实际应用中,由于用户提交的反馈信息比较模糊,经常会出现根据提取出的关键词查找到与之对应的多个日志文件的情况,虽然同时将查找到的与该关键词对应的多个日志文件均下发至信贷平台不会占用过多的带宽和传输时间,但是在对应的日志文件不唯一时,就会增加开发人员的工作量,从而影响开发任何定位异常问题的时效性和准确性。
因此,为了避免上述情况的发生,本实施例中在将所述反馈信息和查找到的日志文件发送至信贷平台之前,通过判断所述关键词是否对应至少两个日志文件,如果判定所述关键词对应至少两个日志文件时,先采用多项式贝叶斯分类算法对所述关键词对应的至少两个日志文件进行分类计算,得到与所述关键词匹配度最高的日志文件,然后在将所述反馈信息和得到与所述关键词匹配度最高的日志文件发送至信贷平台,即执行步骤S02;如果判定所述关键词只对应一个日志文件,则直接执行步骤S30,从而有效的保证了下发给信贷平台的日志文件的准确性。
此外,为了保证下发给信贷平台的日志文件的准确性,信贷平台可以定期更新存储各关键词与各日志文件之间的对应关系的映射关系表,然后下发给与之通信连接的各用户终端,以使用户终端实现对映射关系表的定期更新。
为了便于理解,以下对采用多项式贝叶斯分类算法对所述关键词对应的至少两个日志文件进行分类计算,得到与所述关键词匹配度最高的日志文件的实现方式进行具体描述,详见如下步骤1至步骤4:
步骤1:根据多项式贝叶斯分类算法,对所述映射关系表中日志文件对应的关键词个数及所述映射关系表中关键词的总个数进行计算,得到所述日志文件的先验概率值。
步骤2:根据多项式贝叶斯分类算法,对所述关键词及所述关键词对应的至少两个日志文件进行计算,得到后验概率值。
步骤3:根据所述先验概率值和所述后验概率值,计算所述关键字对应的至少两个日志文件中,每一个日志文件的最终概率值。
步骤4:选取最大的最终概率值对应的日志文件作为与所述关键词匹配度最高的日志文件。
具体的说,上述步骤1至步骤4中得到的各概率值,可以采用如下所示的多项式贝叶斯分类算法的函数关系式得到:
其中,P(yk|x1,x2,...,xn)为最终概率值;P(yk)为先验概率值;P(xi|yk)为后验概率值。
具体的,P(yk)可以根据如下所示的函数关系式得到:
其中,Si是日志文件yk在训练数据集(预设的映射关系表)中对应的关键词个数,而S是训练数据集中关键词的总个数。
具体的,P(xi|yk)可以根据如下所示的函数关系式得到:
其中,xi为反馈信息中获取到的第i个关键词;yk为第i个关键词对应的日志文件;是对应日志文件yk的所述关键词xi出现的总次数;是对应日志文件yk的所有关键词出现的总次数;n是从反馈信息中获取到的去重后的关键词的数量;a的取值范围是[0,1],一般选取1来计算。
需要说明的是,在计算P(xi|yk)时之所以会在分子中加入a,在分母中加入an,是为了避免在根据预先建立的映射关系表中的关键词在进行分类计算时,该关键词没有出现,会造成值为0,从而导致整个计算结果为0的情况发生,因此,在分子中加入a,在分母中加入an,并且a取值为1,从而保证了计算结果的准确性。
另外,值得一提的是,在实际应用中,在接收到用户提交的反馈信息后,并且从反馈信息中提取的关键词对应至少两个日志文件,采用多项式贝叶斯分类算法进行分类计算的过程中,是分为学习阶段(训练阶段)和分类阶段两个阶段进行的。具体的将计算得到所述日志文件的先验概率值和后验概率值的过程归为学习阶段,将计算得到最终概率值的过程归为分类阶段。
由于多项式贝叶斯分类算法已经是本领域的公知常识,本领域的技术人员利用上述公式能够计算得到所述日志文件的先验概率值、后验概率值、最终概率值以及最大的最终概率值,此处不再赘述。
此外,值得一提的是,为了进一步提升最终确定的与所述关键词匹配度最高的日志文件的准确性,还可以将选取的最大的最终概率值与预先设定的阈值进行比较,然后根据比较结果,确定与所述关键词匹配度最高的日志文件,具体如下:
将选取的所述最大的最终概率值与阈值进行比较,如果所述最大的最终概率值大于所述阈值,将所述最大的最终概率值对应的日志文件作为与所述关键词匹配度最高的日志文件;如果最大的最终概率值小于阈值,或者提取的关键词没有对应任何一个日志文件时,则可以直接将反馈信息及比较结果发送至信贷平台,由开发人员进行人工干预,为反馈信息分配相应的日志文件作为与所述关键词匹配度最高的日志文件,然后进行异常问题的定位操作。
此外,在实际应用中,在判定最大的最终概率值小于阈值,或者提取的关键词没有对应任何一个日志文件时,并不局限于仅采用人工干预来为关键词分配相应的日志文件作为与所述关键词匹配度最高的日志文件,还可以通过指定用户终端内的一个日志文件作为与所述关键词匹配度最高的日志文件,然后进行人工或者机器干预,做特殊处理,或者不处理,或者在显示界面提示用户重新填写反馈信息等等,这里不再一一列举。
此外,需要说明的是,本实施方式中预设的阈值,可以根据受试者工作特征曲线(receiver operating characteristic curve,简称ROC曲线,又称为感受性曲线(sensitivity curve))得到。由于在ROC曲线上各点反映着相同的感受性,它们都是对同一信号刺激的反应,只不过是在几种不同的判定标准下所得的结果而已,即ROC曲线就是以虚报概率为横轴,击中概率为纵轴所组成的坐标图,通常情况下,在利用ROC曲线确定阈值时,会选取距离(0,1)最近的点对应的值作为阈值。
由于ROC曲线的应用已经是本领域的公知常识,本领域的技术人员可以根据ROC曲线轻松确定阈值,此处不再赘述。
步骤S02:将所述反馈信息和得到与所述关键词匹配度最高的日志文件发送至信贷平台,以使开发人员根据所述反馈信息和所述查找到的日志文件定位所述信贷应用程序存在的异常问题。
通过上述描述不难发现,本实施例中提供的异常问题的定位方法,为了尽可能的保证关键词与日志文件的匹配度,避免出现一个关键词对应多个日志文件,增加开发人员的工作量,因此在将所述反馈信息和查找到的日志文件发送至信贷平台之前,通过判断所述关键词是否对应至少两个日志文件,并在所述关键词对应至少两个日志文件时,通过采用多项式贝叶斯分类算法对存在的多个日志文件进行分类计算,从而可以从中选取出一个最符合用户反馈问题的日志文件,有效提升了开发人员后续处理的时效性和准确性。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有异常问题的定位程序,所述异常问题的定位程序被处理器执行时实现如上文所述的异常问题的定位方法的步骤。
参照图4,图4为本发明异常问题的定位装置第一实施例的结构框图。
如图4所示,本发明实施例提出的异常问题的定位装置包括:获取模块4001、查找模块4002和发送模块4003。
其中,所述获取模块4001,用于接收用户触发的反馈指令,接收用户提供的反馈信息,并获取所述反馈信息中的关键词。
具体的说,在实际应用中,获取模块4001在获取所述反馈信息中的关键词时,其工作流程大致可以通过以下几个步骤实现:
(1)对所述反馈信息进行文本预处理;
(2)对所述预处理后的反馈信息进行构词划分,得到多个词语;
(3)根据语义词典,计算任意两个词语之间的语义相似度;
(4)根据各词语的语义相似度,计算各词语的居间度;
(5)根据预设的权重值计算规则,计算各词语的语义权重值、居间度权重值、词性权重值、词频权重值和词长权重值;
(6)根据各词语的语义权重值、居间度权重值、词性权重值、词频权重值和词长权重值,确定各词语的总得分;
(7)选取得分最高的词语作为所述反馈信息中的关键词。
此外,值得一提的是,在具体实现中,词语的居间度通常是根据任意两个词语之间的连接关系图计算得到的,而任意两个词语之间的连接关系图需要通过对语义相似度矩阵进行抽象出来得到,因此为了计算出各词语的居间度,需要先根据各词语的语义相似度,构建语义相似度矩阵,然后对所述语义相似度矩阵进行抽象处理,得到词语分布图(任意两个词语之间的连接关系图),并采用最短路径算法,计算任意两个词语之间的最短路径,得到第一最短路径集合,然后对各词语进行遍历,从所述第一最短路径集合中挑选出经过当前遍历到的词语的最短路径,得到第二最短路径集合,将所述第二最短路径集合中最短路径的个数作为分子,所述第一最短路径集合中最短路径的个数作为分母,得到当前遍历到的词语的居间度,最后依次记录遍历到的词语的居间度,便可以获得各词语的居间度。
需要说明的是,以上给出的仅仅为一种获取所述反馈信息中的关键词的具体实现方式,对本发明的技术方案并不构成任何限定,在具体实现中,本领域的技术人员可以根据需要设置,此处不做限制。
所述查找模块4002,用于根据预设的映射关系表,查找与所述关键词对应的日志文件。
此外,需要说要说明的是,本实施例中所说的映射关系表主要用于存储各关键词与各日志文件之间的对应关系。
并且,上述日志文件分别用于存储信贷应用程序中不同功能模块产生的日志信息。
所述发送模块4003,用于将所述反馈信息和查找到的日志文件发送至信贷平台,以使开发人员根据所述反馈信息和所述查找到的日志文件定位所述信贷应用程序存在的异常问题。
通过上述描述不难发现,本实施例中提供的异常问题的定位装置,在定位信贷应用程序的异常问题时,直接跳过问题类型,而是通过从用户提供的反馈信息中提取关键词,并利用从用户反馈信息中提取出的关键词来确定可能存在异常的日志文件,然后将查找到的可能存在异常的日志文件和用户反馈的反馈信息发送至信贷平台进行处理,从而可以快速查处到存在异常的日志文件,帮助开发人员快速、准确的定位信贷应用程序可能存在的异常问题。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的异常问题的定位方法,此处不再赘述。
基于上述异常问题的定位装置的第一实施例,提出本发明异常问题的定位装置第二实施例。
在本实施例中,所述异常问题的定位装置还包括判断模块和计算模块。
其中,所述判断模块,用于判断所述关键词是否对应至少两个日志文件。
所述计算模块,用于在所述关键词对应至少两个日志文件时,采用多项式贝叶斯分类算法对所述关键词对应的至少两个日志文件进行分类计算,得到与所述关键词匹配度最高的日志文件。
具体的说,上述计算模块在进行计算时,主要遵循的是多项式贝叶斯分类算法,其计算过程大致可以分为如下四个步骤:
(1)根据多项式贝叶斯分类算法,对所述映射关系表中日志文件对应的关键词个数及所述映射关系表中关键词的总个数进行计算,得到所述日志文件的先验概率值。
(2)根据多项式贝叶斯分类算法,对所述关键词及所述关键词对应的至少两个日志文件进行计算,得到后验概率值。
(3)根据所述先验概率值和所述后验概率值,计算所述关键字对应的至少两个日志文件中,每一个日志文件的最终概率值。
(4)选取最大的最终概率值对应的日志文件作为与所述关键词匹配度最高的日志文件。
需要说明的是,以上给出的仅仅为一种采用多项式贝叶斯分类算法对所述关键词对应的至少两个日志文件进行分类计算,得到与所述关键词匹配度最高的日志文件的具体实现方式,对本发明的技术方案并不构成任何限定,在具体实现中,本领域的技术人员可以根据需要设置,此处不做限制。
通过上述描述不难发现,本实施例中提供的异常问题的定位方法,为了尽可能的保证关键词与日志文件的匹配度,避免出现一个关键词对应多个日志文件,增加开发人员的工作量,因此在将所述反馈信息和查找到的日志文件发送至信贷平台之前,通过判断所述关键词是否对应至少两个日志文件,并在所述关键词对应至少两个日志文件时,通过采用多项式贝叶斯分类算法对存在的多个日志文件进行分类计算,从而可以从中选取出一个最符合用户反馈问题的日志文件,有效提升了开发人员后续处理的时效性和准确性。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的异常问题的定位方法,此处不再赘述。
此外,需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
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(如只读存储器(Read Only Memory,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,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)
1.一种异常问题的定位方法,其特征在于,所述方法包括:
接收用户触发的反馈指令,获取与所述反馈指令对应的反馈信息,并获取所述反馈信息中的关键词;
根据预设的映射关系表,查找与所述关键词对应的日志文件,所述映射关系表为各关键词与各日志文件之间的对应关系,各日志文件分别存储信贷应用程序中不同功能模块产生的日志信息;
将所述反馈信息和查找到的日志文件发送至信贷平台,以使开发人员根据所述反馈信息和所述查找到的日志文件定位所述信贷应用程序存在的异常问题。
2.如权利要求1所述的方法,其特征在于,所述获取所述反馈信息中的关键词,包括:
对所述反馈信息进行文本预处理;
对所述预处理后的反馈信息进行构词划分,得到多个词语;
根据语义词典,计算任意两个词语之间的语义相似度;
根据各词语的语义相似度,计算各词语的居间度;
根据预设的权重值计算规则,计算各词语的语义权重值、居间度权重值、词性权重值、词频权重值和词长权重值;
根据各词语的语义权重值、居间度权重值、词性权重值、词频权重值和词长权重值,确定各词语的总得分;
选取得分最高的词语作为所述反馈信息中的关键词。
3.如权利要求2所述的方法,其特征在于,所述根据各词语的语义相似度,计算各词语的居间度,包括:
根据各词语的语义相似度,构建语义相似度矩阵;
对所述语义相似度矩阵进行抽象处理,得到词语分布图,所述词语分布图为任意两个词语之间的连接关系图;
采用最短路径算法,计算任意两个词语之间的最短路径,得到第一最短路径集合;
对各词语进行遍历,从所述第一最短路径集合中挑选出经过当前遍历到的词语的最短路径,得到第二最短路径集合;将所述第二最短路径集合中最短路径的个数作为分子,所述第一最短路径集合中最短路径的个数作为分母,得到当前遍历到的词语的居间度;
依次记录遍历到的词语的居间度,得到各词语的居间度。
4.如权利要求1至3任一项所述的方法,其特征在于,所述将所述反馈信息和查找到的日志文件发送至信贷平台之前,所述方法还包括:
判断所述关键词是否对应至少两个日志文件;
若所述关键词对应至少两个日志文件,则采用多项式贝叶斯分类算法对所述关键词对应的至少两个日志文件进行分类计算,得到与所述关键词匹配度最高的日志文件;
其中,所述将所述反馈信息和查找到的日志文件发送至信贷平台,包括:
将所述反馈信息和得到与所述关键词匹配度最高的日志文件发送至信贷平台。
5.如权利要求4所述的方法,其特征在于,所述采用多项式贝叶斯分类算法对所述关键词对应的至少两个日志文件进行分类计算,得到与所述关键词匹配度最高的日志文件,包括:
根据多项式贝叶斯分类算法,对所述映射关系表中日志文件对应的关键词个数及所述映射关系表中关键词的总个数进行计算,得到所述日志文件的先验概率值;
根据多项式贝叶斯分类算法,对所述关键词及所述关键词对应的至少两个日志文件进行计算,得到后验概率值;
根据所述先验概率值和所述后验概率值,计算所述关键字对应的至少两个日志文件中,每一个日志文件的最终概率值;
选取最大的最终概率值对应的日志文件作为与所述关键词匹配度最高的日志文件。
6.如权利要求5所述的方法,其特征在于,所述选取最大的最终概率值对应的日志文件作为与所述关键词匹配度最高的日志文件,包括:
将选取的所述最大的最终概率值与阈值进行比较,如果所述最大的最终概率值大于所述阈值,将所述最大的最终概率值对应的日志文件作为与所述关键词匹配度最高的日志文件。
7.如权利要求1至3任一项所述的方法,其特征在于,所述将所述反馈信息和查找到的日志文件发送至信贷平台之前,所述方法还包括:
获取本机的设备信息;
其中,所述将所述反馈信息和查找到的日志文件发送至信贷平台,包括:
将所述设备信息、所述反馈信息和查找到的日志文件发送至信贷平台。
8.一种异常问题的定位装置,其特征在于,所述装置包括:获取模块、查找模块和发送模块;
其中,所述获取模块,用于接收用户触发的反馈指令,获取与所述反馈指令对应的反馈信息,并获取所述反馈信息中的关键词;
所述查找模块,用于根据预设的映射关系表,查找与所述关键词对应的日志文件,所述映射关系表为各关键词与各日志文件之间的对应关系,各日志文件分别存储信贷应用程序中不同功能模块产生的日志信息;
所述发送模块,用于将所述反馈信息和查找到的日志文件发送至信贷平台,以使开发人员根据所述反馈信息和所述查找到的日志文件定位所述信贷应用程序存在的异常问题。
9.一种异常问题的定位设备,其特征在于,所述设备包括: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异常问题的定位程序,所述异常问题的定位程序配置为实现如权利要求1至7中任一项所述的异常问题的定位方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有异常问题的定位程序,所述异常问题的定位程序被处理器执行时实现如权利要求1至7任一项所述的异常问题的定位方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811207537.XA CN109597986A (zh) | 2018-10-16 | 2018-10-16 | 异常问题的定位方法、装置、设备及存储介质 |
PCT/CN2018/122744 WO2020077824A1 (zh) | 2018-10-16 | 2018-12-21 | 异常问题的定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811207537.XA CN109597986A (zh) | 2018-10-16 | 2018-10-16 | 异常问题的定位方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109597986A true CN109597986A (zh) | 2019-04-09 |
Family
ID=65957047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811207537.XA Pending CN109597986A (zh) | 2018-10-16 | 2018-10-16 | 异常问题的定位方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109597986A (zh) |
WO (1) | WO2020077824A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110690992A (zh) * | 2019-09-16 | 2020-01-14 | 中盈优创资讯科技有限公司 | 网络割接异常识别方法及装置 |
CN110866258A (zh) * | 2019-10-12 | 2020-03-06 | 平安科技(深圳)有限公司 | 快速定位漏洞方法、电子装置及存储介质 |
CN111538704A (zh) * | 2020-03-26 | 2020-08-14 | 平安科技(深圳)有限公司 | 日志优化方法、装置、设备及可读存储介质 |
CN112163084A (zh) * | 2020-10-22 | 2021-01-01 | 腾讯科技(深圳)有限公司 | 问题反馈方法、装置、介质以及电子设备 |
CN112182193A (zh) * | 2020-10-19 | 2021-01-05 | 山东旗帜信息有限公司 | 一种交通行业中日志获取方法、设备及介质 |
CN112235638A (zh) * | 2020-10-10 | 2021-01-15 | 深圳创维-Rgb电子有限公司 | 异常信息定位方法、系统、服务器及存储介质 |
CN113515705A (zh) * | 2021-07-27 | 2021-10-19 | 平安普惠企业管理有限公司 | 应答信息生成方法、装置、设备及计算机可读存储介质 |
CN114820225A (zh) * | 2022-06-28 | 2022-07-29 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111552684A (zh) * | 2020-04-29 | 2020-08-18 | 腾讯科技(深圳)有限公司 | 异常数据定位方法、装置、计算机设备和存储介质 |
CN112181931A (zh) * | 2020-10-20 | 2021-01-05 | 上海依图网络科技有限公司 | 一种大数据系统链路追踪方法及电子设备 |
CN112256830B (zh) * | 2020-10-21 | 2023-09-08 | 北京工业大数据创新中心有限公司 | 一种设备排查信息获取方法、装置和设备故障排查系统 |
CN113157483A (zh) * | 2021-05-26 | 2021-07-23 | 中国银行股份有限公司 | 一种异常处理方法和装置 |
CN113344550B (zh) * | 2021-06-30 | 2023-11-28 | 西安力传智能技术有限公司 | 一种流程处理方法、装置、设备及存储介质 |
CN114185761A (zh) * | 2021-12-17 | 2022-03-15 | 建信金融科技有限责任公司 | 日志采集方法、装置及设备 |
CN118069850A (zh) * | 2024-04-18 | 2024-05-24 | 温州市工业与信息技术发展有限公司 | 一种用于文本分类模型的数据智能分类方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008128423A1 (fr) * | 2007-04-19 | 2008-10-30 | Shenzhen Institute Of Advanced Technology | Système de dialogue intelligent et son procédé de réalisation |
US20100179948A1 (en) * | 2009-01-12 | 2010-07-15 | Alibaba Group Holding Limited | Method and system for querying information |
CN106878041A (zh) * | 2015-12-11 | 2017-06-20 | 广州市动景计算机科技有限公司 | 日志信息处理方法、装置及系统 |
CN107480858A (zh) * | 2017-07-10 | 2017-12-15 | 武汉楚鼎信息技术有限公司 | 一种基于股票大数据分析的智能辅助决策系统及方法 |
CN108133009A (zh) * | 2017-12-22 | 2018-06-08 | 新奥(中国)燃气投资有限公司 | 一种信息存储方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104317713A (zh) * | 2014-10-27 | 2015-01-28 | 北京锐安科技有限公司 | 一种基于模板的自动化测试工具及方法 |
CN105824938B (zh) * | 2016-03-18 | 2019-11-08 | 点击律(上海)网络科技有限公司 | 一种基于双向映射的检索方法和系统 |
CN105824718B (zh) * | 2016-04-01 | 2018-10-19 | 北京大学 | 基于问答网站知识的软件配置故障自动修复方法和系统 |
CN107622072B (zh) * | 2016-07-15 | 2021-08-17 | 阿里巴巴集团控股有限公司 | 一种针对网页操作行为的识别方法及服务器、终端 |
CN106851032B (zh) * | 2016-12-31 | 2019-10-29 | 国家电网公司客户服务中心 | 一种提高座席应用系统异常一次解决率的方法 |
-
2018
- 2018-10-16 CN CN201811207537.XA patent/CN109597986A/zh active Pending
- 2018-12-21 WO PCT/CN2018/122744 patent/WO2020077824A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008128423A1 (fr) * | 2007-04-19 | 2008-10-30 | Shenzhen Institute Of Advanced Technology | Système de dialogue intelligent et son procédé de réalisation |
US20100179948A1 (en) * | 2009-01-12 | 2010-07-15 | Alibaba Group Holding Limited | Method and system for querying information |
CN106878041A (zh) * | 2015-12-11 | 2017-06-20 | 广州市动景计算机科技有限公司 | 日志信息处理方法、装置及系统 |
CN107480858A (zh) * | 2017-07-10 | 2017-12-15 | 武汉楚鼎信息技术有限公司 | 一种基于股票大数据分析的智能辅助决策系统及方法 |
CN108133009A (zh) * | 2017-12-22 | 2018-06-08 | 新奥(中国)燃气投资有限公司 | 一种信息存储方法及装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110690992A (zh) * | 2019-09-16 | 2020-01-14 | 中盈优创资讯科技有限公司 | 网络割接异常识别方法及装置 |
CN110690992B (zh) * | 2019-09-16 | 2022-03-29 | 中盈优创资讯科技有限公司 | 网络割接异常识别方法及装置 |
CN110866258A (zh) * | 2019-10-12 | 2020-03-06 | 平安科技(深圳)有限公司 | 快速定位漏洞方法、电子装置及存储介质 |
CN110866258B (zh) * | 2019-10-12 | 2023-11-21 | 平安科技(深圳)有限公司 | 快速定位漏洞方法、电子装置及存储介质 |
CN111538704B (zh) * | 2020-03-26 | 2023-09-15 | 平安科技(深圳)有限公司 | 日志优化方法、装置、设备及可读存储介质 |
CN111538704A (zh) * | 2020-03-26 | 2020-08-14 | 平安科技(深圳)有限公司 | 日志优化方法、装置、设备及可读存储介质 |
CN112235638A (zh) * | 2020-10-10 | 2021-01-15 | 深圳创维-Rgb电子有限公司 | 异常信息定位方法、系统、服务器及存储介质 |
CN112182193A (zh) * | 2020-10-19 | 2021-01-05 | 山东旗帜信息有限公司 | 一种交通行业中日志获取方法、设备及介质 |
CN112182193B (zh) * | 2020-10-19 | 2023-01-13 | 山东旗帜信息有限公司 | 一种交通行业中日志获取方法、设备及介质 |
CN112163084A (zh) * | 2020-10-22 | 2021-01-01 | 腾讯科技(深圳)有限公司 | 问题反馈方法、装置、介质以及电子设备 |
CN112163084B (zh) * | 2020-10-22 | 2024-03-22 | 腾讯科技(深圳)有限公司 | 问题反馈方法、装置、介质以及电子设备 |
CN113515705A (zh) * | 2021-07-27 | 2021-10-19 | 平安普惠企业管理有限公司 | 应答信息生成方法、装置、设备及计算机可读存储介质 |
US11754995B2 (en) | 2022-06-28 | 2023-09-12 | Chengdu Qinchuan Iot Technology Co., Ltd. | Industrial internet of things for identifying and processing manufacturing problems, control methods, and storage medium |
CN114820225B (zh) * | 2022-06-28 | 2022-09-13 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
CN114820225A (zh) * | 2022-06-28 | 2022-07-29 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020077824A1 (zh) | 2020-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109597986A (zh) | 异常问题的定位方法、装置、设备及存储介质 | |
JP5379138B2 (ja) | 領域辞書の作成 | |
Lawrie et al. | Quantifying identifier quality: an analysis of trends | |
US10032448B1 (en) | Domain terminology expansion by sensitivity | |
RU2680746C2 (ru) | Способ и устройство для создания модели качества веб-страницы | |
US8731930B2 (en) | Contextual voice query dilation to improve spoken web searching | |
WO2005069881A2 (en) | Predictive selection of content transformation in predictive modeling systems | |
CN110348020A (zh) | 一种英文单词拼写纠错方法、装置、设备及可读存储介质 | |
CN110532354A (zh) | 内容的检索方法及装置 | |
CN110008309A (zh) | 一种短语挖掘方法及装置 | |
US20220156582A1 (en) | Generating Knowledge Graphs From Conversational Data | |
CN109063000A (zh) | 问句推荐方法、客服系统以及计算机可读存储介质 | |
CN110334356A (zh) | 文章质量的确定方法、文章筛选方法、以及相应的装置 | |
CN111767393A (zh) | 一种文本核心内容提取方法及装置 | |
US20200110778A1 (en) | Search method and apparatus and non-temporary computer-readable storage medium | |
CN110968664A (zh) | 一种文书检索方法、装置、设备及介质 | |
US10043511B2 (en) | Domain terminology expansion by relevancy | |
CN110516062A (zh) | 一种文档的搜索处理方法及装置 | |
CN111160699A (zh) | 一种专家推荐方法及系统 | |
CN110347806A (zh) | 原创文本甄别方法、装置、设备与计算机可读存储介质 | |
CN107704763A (zh) | 多源异构漏洞情报去重方法、分级方法及装置 | |
KR20120038418A (ko) | 탐색 방법 및 디바이스 | |
US20220343087A1 (en) | Matching service requester with service providers | |
CN107818078B (zh) | 汉语自然语言对话的语义关联与匹配方法 | |
CN112328757B (zh) | 一种用于业务机器人问答系统的相似文本检索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40002549 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190409 |
|
WD01 | Invention patent application deemed withdrawn after publication |