CN110084563A - 基于深度学习的oa协同办公方法、装置及服务器 - Google Patents
基于深度学习的oa协同办公方法、装置及服务器 Download PDFInfo
- Publication number
- CN110084563A CN110084563A CN201910311548.0A CN201910311548A CN110084563A CN 110084563 A CN110084563 A CN 110084563A CN 201910311548 A CN201910311548 A CN 201910311548A CN 110084563 A CN110084563 A CN 110084563A
- Authority
- CN
- China
- Prior art keywords
- office work
- synergetic office
- demand
- synergetic
- information
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种基于深度学习的OA协同办公方法、装置及服务器,通过获取建立OA协同办公关联关系的OA协同办公请求方与OA协同办公接收方之间的协同办公沟通信息,并采用预先训练的OA协同办公模型对OA协同办公信息进行信息识别,获得任意一方存在的OA协同办公需求,而后根据获得任意一方存在的OA协同办公需求,执行与OA协同办公需求匹配的预设的OA协同办公处理策略。采用上述方案能够在请求方与接收方之间相互联系时根据双方的协同办公沟通信息匹配合适的OA协同办公需求并适应性地给出处理策略,可以极大减少对对方的工作流程干扰,减少需求等待查询的时间,有效提高需求解决效率。
Description
技术领域
本发明涉及协同办公开发领域,具体而言,涉及一种基于深度学习的OA协同办公方法、装置及服务器。
背景技术
当前的办公自动化(Office Automation,OA)协同办公系统中,OA协同办公请求方在某公司办公过程中,往往需要花费很长的时间与OA协同办公接收方进行交流沟通,以不断阐述自己的需求并请求解决方案,在整个过程中会严重浪费双方的时间,而往往历史沟通过程中这些需求早已接触过,再次为其服务将会节省大量时间,同时更容易需求得到合理的解决。但是目前来说每次沟通都会双发的工作流程造成很大干扰,需求解决效率继续提升。
发明内容
有鉴于此,本发明实施例的目的在于提供一种基于深度学习的OA协同办公方法、装置及服务器,以解决或者改善上述需求。
根据本发明实施例的一个方面,提供一种电子设备,可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时,处理器执行所述机器可读指令,以执行基于深度学习的OA协同办公方法。
根据本发明实施例的另一方面,提供一种基于深度学习的OA协同办公方法,应用于服务器,所述方法包括:
在检测到OA协同办公请求方与OA协同办公接收方之间的建立OA协同办公关联关系后,获取所述OA协同办公请求方与所述OA协同办公接收方之间的协同办公沟通信息,所述协同办公沟通信息包括协同办公语音通话信息、协同办公文字沟通信息、协同办公视频沟通信息中的至少一种;
采用预先训练的OA协同办公模型对所述OA协同办公信息进行信息识别,获得所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求;
根据获得的所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求,执行与所述OA协同办公需求匹配的预设的OA协同办公处理策略。
可选地,所述采用预先训练的OA协同办公模型对所述OA协同办公信息进行信息识别,获得所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求的步骤,包括:
对所述OA协同办公信息进行预处理,生成所述OA协同办公请求方的第一OA协同办公信息信息与OA协同办公接收方所在信道的第二OA协同办公信息;
分别对所述第一OA协同办公信息和所述第二OA协同办公信息进行信息识别,获得与所述第一OA协同办公信息对应的第一文本信息和与所述第二OA协同办公信息对应的第二文本信息;
采用预先训练的OA协同办公模型对所述第一OA协同办公信息进行识别,根据识别结果获得所述OA协同办公请求方的OA协同办公需求;以及
采用预先训练的OA协同办公模型对所述第二OA协同办公信息进行识别,根据识别结果获得所述OA协同办公接收方的OA协同办公需求。
可选地,所述方法还包括:
预先训练得到所述OA协同办公模型,具体包括:
获取每次历史OA协同办公过程中的OA协同办公关联关系数据并从所述OA协同办公关联关系数据中抽取对应的OA协同办公需求数据,并对所述OA协同办公需求数据进行分词,得到由多个OA协同办公需求分词组成的OA协同办公需求分词结果,其中,所述历史OA协同办公过程中的OA协同办公关联关系数据包括每次历史OA协同办公过程中OA协同办公请求方与OA协同办公接收方各自的对话沟通数据;
对每个OA协同办公需求分词的支撑度和获得的所述每个OA协同办公需求分词的权重进行加权计算,得到所述每个OA协同办公需求分词的加权支撑度,其中,一个OA协同办公需求分词的支撑度,用于表示一个OA协同办公需求分词在获得的所有OA协同办公需求分词中出现的次数;
剔除所述OA协同办公需求分词结果中加权支撑度小于第一预设阈值的OA协同办公需求分词,得到第二OA协同办公需求分词集;
按照预设的频繁模式树算法,对所述第二OA协同办公需求分词集进行处理,得到多项集;
根据所述多项集中每一项集内第三OA协同办公需求分词集的支撑度和所述第三OA协同办公需求分词集中的样本OA协同办公需求分词的权重,计算所述多项集中每一项集内第三OA协同办公需求分词集的加权支撑度;
从所述多项集每一项集内的第三OA协同办公需求分词集中选择加权支撑度大于第二预设阈值的第三OA协同办公需求分词集;
根据所选择的第三OA协同办公需求分词集的支撑度与所选择的第三OA协同办公需求分词集中每一样本OA协同办公需求分词的支撑度,计算所选择的第三OA协同办公需求分词集中样本OA协同办公需求分词之间的置信度;
将置信度大于预设数值的样本OA协同办公需求分词确定为根源样本OA协同办公需求分词;
根据所述根源样本OA协同办公需求分词生成所述OA协同办公模型,所述OA协同办公模型包括多个频繁项的需求集。
可选地,所述根据所述根源样本OA协同办公需求分词生成所述OA协同办公模型的步骤之后,所述方法还包括:
获取并存储每个频繁项的需求集中各个需求的需求解决信息;
所述采用预先训练的OA协同办公模型对所述第一OA协同办公信息进行识别,根据识别结果获得所述OA协同办公请求方的OA协同办公需求的步骤,包括:
采用预先训练的OA协同办公模型识别出所述第一OA协同办公信息中包括的第一目标需求,将所述第一目标需求与每个频繁项的需求集中各个需求进行匹配,并将与该第一目标需求匹配的需求的需求解决信息作为所述OA协同办公请求方的OA协同办公需求发送给所述OA协同办公请求方;
所述采用预先训练的OA协同办公模型对所述第二OA协同办公信息进行识别,根据识别结果获得所述OA协同办公接收方的OA协同办公需求的步骤,包括:
采用预先训练的OA协同办公模型识别出所述第二OA协同办公信息中包括的第二目标需求,将所述第二目标需求与每个频繁项的需求集中各个需求进行匹配,并将与该第二目标需求匹配的需求的需求解决信息作为所述OA协同办公接收方的OA协同办公需求发送给所述OA协同办公接收方。
可选地,所述方法还包括:
生成每个频繁项相关的需求集,并针对每个频繁项相关的需求集,将该频繁项相关的需求集中每个需求语句分别进行分词处理,得到多个分词;
将每个分词输入到预先训练的fasttext模型中,得到每个分词的分词向量,并根据每个分词的分词向量得到该频繁项相关的需求集的句向量;
根据计算得到的每个频繁项相关的需求集的句向量,计算任意两个频繁项相关的需求集的句向量之间的余弦距离,并将所述余弦距离作为所述任意两个频繁项相关的需求集的句向量之间的相似度;
判断所述相似度是否大于预设相似度,若所述相似度不大于预设相似度,则将相应的两个频繁项中的任意一个频繁项删除。
可选地,所述服务器中存储有每个不同的OA协同办公需求所对应的OA协同办公处理策略,所述OA协同办公处理策略包括同部门处理协同服务、跨部门处理协调服务、跨职能处理协同服务器中的一种,所述根据获得的所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求,执行与所述OA协同办公需求匹配的预设的OA协同办公处理策略的步骤,包括:
针对所述OA协同办公请求方存在的OA协同办公需求,匹配所述OA协同办公请求方存在的OA协同办公需求对应的OA协同办公处理策略,并按照匹配的所述OA协同办公处理策略在所述OA协同办公请求方和所述OA协同办公接收方建立OA协同办公关联关系的过程中向所述OA协同办公请求方和所述OA协同办公处理策略匹配的部门发送协同信息;
针对所述OA协同办公接收方存在的OA协同办公需求,匹配所述OA协同办公接收方存在的OA协同办公需求对应的OA协同办公处理策略,并按照匹配的所述OA协同办公处理策略在所述OA协同办公接收方和所述OA协同办公请求方建立OA协同办公关联关系的过程中向所述OA协同办公接收方和所述OA协同办公处理策略匹配的部门发送协同信息。
可选地,所述根据获得的所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求,执行与所述OA协同办公需求匹配的预设的OA协同办公处理策略的步骤之后,所述方法还包括:
在接收到所述OA协同办公需求匹配的预设的OA协同办公处理策略的处理完成信息后,存储本次所述OA协同办公请求方与所述OA协同办公接收方之间的协同办公沟通信息。
根据本发明实施例的另一方面,提供一种基于深度学习的OA协同办公装置,应用于服务器,所述装置包括:
获取模块,用于在检测到OA协同办公请求方与OA协同办公接收方之间的建立OA协同办公关联关系后,获取所述OA协同办公请求方与所述OA协同办公接收方之间的协同办公沟通信息,所述协同办公沟通信息包括协同办公语音通话信息、协同办公文字沟通信息、协同办公视频沟通信息中的至少一种;
需求识别模块,用于采用预先训练的OA协同办公模型对所述OA协同办公信息进行信息识别,获得所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求;
策略执行模块,用于根据获得的所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求,执行与所述OA协同办公需求匹配的预设的OA协同办公处理策略。
根据本发明实施例的另一方面,提供一种可读存储介质,该可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行上述的基于深度学习的OA协同办公方法的步骤。
相较于现有技术而言,本发明实施例提供的基于深度学习的OA协同办公方法、装置及服务器,通过获取建立OA协同办公关联关系的OA协同办公请求方与OA协同办公接收方之间的协同办公沟通信息,并采用预先训练的OA协同办公模型对OA协同办公信息进行信息识别,获得任意一方存在的OA协同办公需求,而后根据获得任意一方存在的OA协同办公需求,执行与OA协同办公需求匹配的预设的OA协同办公处理策略。采用上述方案能够在请求方与接收方之间相互联系时根据双方的协同办公沟通信息匹配合适的OA协同办公需求并适应性地给出处理策略,可以极大减少对对方的工作流程干扰,减少需求等待查询的时间,有效提高需求解决效率。
为使本发明实施例的上述目的、特征和优点能更明显易懂,下面将结合实施例,并配合所附附图,作详细说明。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的办公系统的交互示意框图;
图2示出了本发明实施例所提供的图1的服务器的组件示意图;
图3示出了本发明实施例所提供的基于深度学习的OA协同办公方法的流程示意图;
图4示出了本发明实施例所提供的基于深度学习的OA协同办公装置的功能模块框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1是本发明实施例提供的办公系统10的应用场景示意图。办公系统10可以包括服务器100、OA协同办公请求方200以及OA协同办公接收方300,OA协同办公请求方200以及OA协同办公接收方300分别通过网络与服务器100通信连接。
图1所示的办公系统10仅为一种可行的示例,在其它可行的实施例中,该办公系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
服务器100可以经由网络访问存储在OA协同办公请求方200和OA协同办公接收方300中的数据信息。网络可以用于信息和/或数据的交换。网络可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide AreaNetwork,WAN)、无线局域网(Wireless Local Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、公共电话交换网(Public Switched Telephone Network,PSTN)、蓝牙网络、ZigBee网络、或近场通信(NearField Communication, NFC)网络等。
OA协同办公请求方200和OA协同办公接收方300可以为包括手机、平板电脑、个人数字助理(英文全称:Personal Digital Assistant,英文缩写:PDA)、销售终端(英文全称:Point of Sales,英文缩写:POS)、车载电脑等任意终端设备。
图2示出了图1中所示的服务器100的示例性组件示意图。服务器100可以包括一个或多个处理器104,诸如一个或多个中央处理单元(CPU),每个处理单元可以实现一个或多个硬件线程。服务器100还可以包括任何存储介质106,其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的,比如,存储介质106可以包括以下任一项或多种组合:任何类型的RAM,任何类型的ROM,闪存设备,硬盘,光盘等。更一般地,任何存储介质都可以使用任何技术来存储信息。进一步地,任何存储介质可以提供信息的易失性或非易失性保留。进一步地,任何存储介质可以表示服务器100的固定或可移除部件。在一种情况下,当处理器104执行被存储在任何存储介质或存储介质的组合中的相关联的指令时,服务器100可以执行相关联指令的任一操作。服务器100还包括用于与任何存储介质交互的一个或多个驱动单元108,诸如硬盘驱动单元、光盘驱动单元等。
服务器100还包括输入/输出110(I/O),其用于接收各种输入(经由输入单元112)和用于提供各种输出(经由输出单元114))。一个具体输出机构可以包括呈现设备116和相关联的图形用户接口(GUI)118。服务器100还可以包括一个或多个网络接口120,其用于经由一个或多个通信单元122与其他设备交换数据。一个或多个通信总线124将上文所描述的部件耦合在一起。
通信单元122可以以任何方式实现,例如,通过局域网、广域网(例如,因特网)、点对点连接等、或其任何组合。通信单元122可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器100等的任何组合。
图3示出了本发明实施例提供的基于深度学习的OA协同办公方法的流程示意图,该基于深度学习的OA协同办公方法可由图1中所示的服务器100执行,该基于深度学习的OA协同办公方法的详细步骤介绍如下。
步骤S110,在检测到OA协同办公请求方200与OA协同办公接收方300之间的建立OA协同办公关联关系后,获取所述OA协同办公请求方200与所述OA协同办公接收方300之间的协同办公沟通信息,所述协同办公沟通信息包括协同办公语音通话信息、协同办公文字沟通信息、协同办公视频沟通信息中的至少一种。
步骤S120,采用预先训练的OA协同办公模型对所述OA协同办公信息进行信息识别,获得所述OA协同办公请求方200与OA协同办公接收方300中的任意一方存在的OA协同办公需求。
步骤S130,根据获得的所述OA协同办公请求方200与OA协同办公接收方300中的任意一方存在的OA协同办公需求,执行与所述OA协同办公需求匹配的预设的OA协同办公处理策略。
基于上述步骤,本实施例通过获取建立OA协同办公关联关系的OA协同办公请求方200与OA协同办公接收方300之间的协同办公沟通信息,并采用预先训练的OA协同办公模型对OA协同办公信息进行信息识别,获得任意一方存在的OA协同办公需求,而后根据获得任意一方存在的OA协同办公需求,执行与OA协同办公需求匹配的预设的OA协同办公处理策略。采用上述方案能够在请求方与接收方之间相互联系时根据双方的协同办公沟通信息匹配合适的OA协同办公需求并适应性地给出处理策略,可以极大减少对对方的工作流程干扰,减少需求等待查询的时间,有效提高需求解决效率。
可选地,在上述步骤S120中,首先对所述OA协同办公信息进行预处理,生成所述OA协同办公请求方200的第一OA协同办公信息信息与OA协同办公接收方300所在信道的第二OA协同办公信息。接着分别对所述第一OA协同办公信息和所述第二OA协同办公信息进行信息识别,获得与所述第一OA协同办公信息对应的第一文本信息和与所述第二OA协同办公信息对应的第二文本信息。
在上述基础上,可以额采用预先训练的OA协同办公模型对所述第一OA协同办公信息进行识别,根据识别结果获得所述OA协同办公请求方200的OA协同办公需求。与此同时,采用预先训练的OA协同办公模型对所述第二OA协同办公信息进行识别,根据识别结果获得所述OA协同办公接收方300的OA协同办公需求。
作为一种可能的示例,下面对所述OA协同办公模型的训练过程进行详细阐述。
1、获取每次历史OA协同办公过程中的OA协同办公关联关系数据并从所述OA协同办公关联关系数据中抽取对应的OA协同办公需求数据,并对所述OA协同办公需求数据进行分词,得到由多个OA协同办公需求分词组成的OA协同办公需求分词结果,其中,所述历史OA协同办公过程中的OA协同办公关联关系数据包括每次历史OA协同办公过程中OA协同办公请求方200与OA协同办公接收方300各自的对话沟通数据;
2、对每个OA协同办公需求分词的支撑度和获得的所述每个OA协同办公需求分词的权重进行加权计算,得到所述每个OA协同办公需求分词的加权支撑度,其中,一个OA协同办公需求分词的支撑度,用于表示一个OA协同办公需求分词在获得的所有OA协同办公需求分词中出现的次数;
3、剔除所述OA协同办公需求分词结果中加权支撑度小于第一预设阈值的OA协同办公需求分词,得到第二OA协同办公需求分词集;
4、按照预设的频繁模式树算法,对所述第二OA协同办公需求分词集进行处理,得到多项集;
5、根据所述多项集中每一项集内第三OA协同办公需求分词集的支撑度和所述第三OA协同办公需求分词集中的样本OA协同办公需求分词的权重,计算所述多项集中每一项集内第三OA协同办公需求分词集的加权支撑度;
6、从所述多项集每一项集内的第三OA协同办公需求分词集中选择加权支撑度大于第二预设阈值的第三OA协同办公需求分词集;
7、根据所选择的第三OA协同办公需求分词集的支撑度与所选择的第三OA协同办公需求分词集中每一样本OA协同办公需求分词的支撑度,计算所选择的第三OA协同办公需求分词集中样本OA协同办公需求分词之间的置信度;
8、将置信度大于预设数值的样本OA协同办公需求分词确定为根源样本OA协同办公需求分词;
9、根据所述根源样本OA协同办公需求分词生成所述OA协同办公模型,所述OA协同办公模型包括多个频繁项的需求集。
基于上述步骤,能够深度挖掘建OA协同办公过程中的需求点,大大提高需求点挖掘的效率和质量,以便减少后续需求等待查询的时间,有效提高需求解决效率。
可选地,在前述描述的基础上,可以进一步生成每个频繁项相关的需求集,并针对每个频繁项相关的需求集,将该频繁项相关的需求集中每个需求语句分别进行分词处理,得到多个分词。然后将每个分词输入到预先训练的fasttext模型中,得到每个分词的分词向量,并根据每个分词的分词向量得到该频繁项相关的需求集的句向量。接着,根据计算得到的每个频繁项相关的需求集的句向量,计算任意两个频繁项相关的需求集的句向量之间的余弦距离,并将所述余弦距离作为所述任意两个频繁项相关的需求集的句向量之间的相似度。最后,判断所述相似度是否大于预设相似度,若所述相似度不大于预设相似度,则将相应的两个频繁项中的任意一个频繁项删除。由此,可以减少冗余的频繁项,提高后续的需求识别效率。
在上述基础上,本实施例提供的基于深度学习的OA协同办公方法方法还可以包括如下步骤:
获取并存储每个频繁项的需求集中各个需求的需求解决信息。也即,每个频繁项的需求集中可以认为是一个潜在的需求,因此可以针对每个潜在的需求,配置相应的需求解决信息,并将每个潜在的需求与对应的需求解决信息进行关联存储。
基于此,采用预先训练的OA协同办公模型对所述第一OA协同办公信息进行识别,根据识别结果获得所述OA协同办公请求方200的OA协同办公需求的步骤,可以包括:采用预先训练的OA协同办公模型识别出所述第一OA协同办公信息中包括的第一目标需求,将所述第一目标需求与每个频繁项的需求集中各个需求进行匹配,并将与该第一目标需求匹配的需求的需求解决信息作为所述OA协同办公请求方200的OA协同办公需求发送给所述OA协同办公请求方200。
同样地,采用预先训练的OA协同办公模型对所述第二OA协同办公信息进行识别,根据识别结果获得所述OA协同办公接收方300的OA协同办公需求的步骤,可以包括:采用预先训练的OA协同办公模型识别出所述第二OA协同办公信息中包括的第二目标需求,将所述第二目标需求与每个频繁项的需求集中各个需求进行匹配,并将与该第二目标需求匹配的需求的需求解决信息作为所述OA协同办公接收方300的OA协同办公需求发送给所述OA协同办公接收方300。
可选地,在步骤S130中,所述服务器100中存储有每个不同的OA协同办公需求所对应的OA协同办公处理策略,所述OA协同办公处理策略包括同部门处理协同服务、跨部门处理协调服务、跨职能处理协同服务器100中的一种。
在此情况下,可以针对所述OA协同办公请求方200存在的OA协同办公需求,匹配所述OA协同办公请求方200存在的OA协同办公需求对应的OA协同办公处理策略,并按照匹配的所述OA协同办公处理策略在所述OA协同办公请求方200和所述OA协同办公接收方300建立OA协同办公关联关系的过程中向所述OA协同办公请求方200和所述OA协同办公处理策略匹配的部门发送协同信息。
同样地,可以针对所述OA协同办公接收方300存在的OA协同办公需求,匹配所述OA协同办公接收方300存在的OA协同办公需求对应的OA协同办公处理策略,并按照匹配的所述OA协同办公处理策略在所述OA协同办公接收方300和所述OA协同办公请求方200建立OA协同办公关联关系的过程中向所述OA协同办公接收方300和所述OA协同办公处理策略匹配的部门发送协同信息。
进一步地,服务器100还可以在接收到所述OA协同办公需求匹配的预设的OA协同办公处理策略的处理完成信息后,存储本次所述OA协同办公请求方200与所述OA协同办公接收方300之间的协同办公沟通信息,并可以以此不断训练上述的OA协同办公模型,从而不断提高OA协同办公模型识别的准确性。
图4示出了本发明实施例提供的基于深度学习的OA协同办公装置400的功能模块图,该基于深度学习的OA协同办公装置400实现的功能可以对应上述方法执行的步骤。该基于深度学习的OA协同办公装置400可以理解为上述服务器100,或服务器100的处理器,也可以理解为独立于上述服务器100或处理器之外的在服务器100控制下实现本发明功能的组件,如图4所示,该基于深度学习的OA协同办公装置400可以包括获取模块410、需求识别模块420以及策略执行模块430,下面分别对该基于深度学习的OA协同办公装置400的各个功能模块的功能进行详细阐述。
获取模块410,用于在检测到OA协同办公请求方200与OA协同办公接收方300之间的建立OA协同办公关联关系后,获取所述OA协同办公请求方200与所述OA协同办公接收方300之间的协同办公沟通信息,所述协同办公沟通信息包括协同办公语音通话信息、协同办公文字沟通信息、协同办公视频沟通信息中的至少一种。本实施例中,所述获取模块410的具体实现方式可以参照上述步骤S110相关的描述。
需求识别模块420,用于采用预先训练的OA协同办公模型对所述OA协同办公信息进行信息识别,获得所述OA协同办公请求方200与OA协同办公接收方300中的任意一方存在的OA协同办公需求。本实施例中,所述需求识别模块420的具体实现方式可以参照上述步骤S120相关的描述。
策略执行模块430,用于根据获得的所述OA协同办公请求方200与OA协同办公接收方300中的任意一方存在的OA协同办公需求,执行与所述OA协同办公需求匹配的预设的OA协同办公处理策略。本实施例中,所述策略执行模块430的具体实现方式可以参照上述步骤S130相关的描述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于深度学习的OA协同办公方法,其特征在于,应用于服务器,所述方法包括:
在检测到OA协同办公请求方与OA协同办公接收方之间的建立OA协同办公关联关系后,获取所述OA协同办公请求方与所述OA协同办公接收方之间的协同办公沟通信息,所述协同办公沟通信息包括协同办公语音通话信息、协同办公文字沟通信息、协同办公视频沟通信息中的至少一种;
采用预先训练的OA协同办公模型对所述OA协同办公信息进行信息识别,获得所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求;
根据获得的所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求,执行与所述OA协同办公需求匹配的预设的OA协同办公处理策略。
2.根据权利要求1所述的基于深度学习的OA协同办公方法,其特征在于,所述采用预先训练的OA协同办公模型对所述OA协同办公信息进行信息识别,获得所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求的步骤,包括:
对所述OA协同办公信息进行预处理,生成所述OA协同办公请求方的第一OA协同办公信息信息与OA协同办公接收方所在信道的第二OA协同办公信息;
分别对所述第一OA协同办公信息和所述第二OA协同办公信息进行信息识别,获得与所述第一OA协同办公信息对应的第一文本信息和与所述第二OA协同办公信息对应的第二文本信息;
采用预先训练的OA协同办公模型对所述第一OA协同办公信息进行识别,根据识别结果获得所述OA协同办公请求方的OA协同办公需求;以及
采用预先训练的OA协同办公模型对所述第二OA协同办公信息进行识别,根据识别结果获得所述OA协同办公接收方的OA协同办公需求。
3.根据权利要求2所述的基于深度学习的OA协同办公方法,其特征在于,所述方法还包括:
预先训练得到所述OA协同办公模型,具体包括:
获取每次历史OA协同办公过程中的OA协同办公关联关系数据并从所述OA协同办公关联关系数据中抽取对应的OA协同办公需求数据,并对所述OA协同办公需求数据进行分词,得到由多个OA协同办公需求分词组成的OA协同办公需求分词结果,其中,所述历史OA协同办公过程中的OA协同办公关联关系数据包括每次历史OA协同办公过程中OA协同办公请求方与OA协同办公接收方各自的对话沟通数据;
对每个OA协同办公需求分词的支撑度和获得的所述每个OA协同办公需求分词的权重进行加权计算,得到所述每个OA协同办公需求分词的加权支撑度,其中,一个OA协同办公需求分词的支撑度,用于表示一个OA协同办公需求分词在获得的所有OA协同办公需求分词中出现的次数;
剔除所述OA协同办公需求分词结果中加权支撑度小于第一预设阈值的OA协同办公需求分词,得到第二OA协同办公需求分词集;
按照预设的频繁模式树算法,对所述第二OA协同办公需求分词集进行处理,得到多项集;
根据所述多项集中每一项集内第三OA协同办公需求分词集的支撑度和所述第三OA协同办公需求分词集中的样本OA协同办公需求分词的权重,计算所述多项集中每一项集内第三OA协同办公需求分词集的加权支撑度;
从所述多项集每一项集内的第三OA协同办公需求分词集中选择加权支撑度大于第二预设阈值的第三OA协同办公需求分词集;
根据所选择的第三OA协同办公需求分词集的支撑度与所选择的第三OA协同办公需求分词集中每一样本OA协同办公需求分词的支撑度,计算所选择的第三OA协同办公需求分词集中样本OA协同办公需求分词之间的置信度;
将置信度大于预设数值的样本OA协同办公需求分词确定为根源样本OA协同办公需求分词;
根据所述根源样本OA协同办公需求分词生成所述OA协同办公模型,所述OA协同办公模型包括多个频繁项的需求集。
4.根据权利要求3所述的基于深度学习的OA协同办公方法,其特征在于,所述根据所述根源样本OA协同办公需求分词生成所述OA协同办公模型的步骤之后,所述方法还包括:
获取并存储每个频繁项的需求集中各个需求的需求解决信息;
所述采用预先训练的OA协同办公模型对所述第一OA协同办公信息进行识别,根据识别结果获得所述OA协同办公请求方的OA协同办公需求的步骤,包括:
采用预先训练的OA协同办公模型识别出所述第一OA协同办公信息中包括的第一目标需求,将所述第一目标需求与每个频繁项的需求集中各个需求进行匹配,并将与该第一目标需求匹配的需求的需求解决信息作为所述OA协同办公请求方的OA协同办公需求发送给所述OA协同办公请求方;
所述采用预先训练的OA协同办公模型对所述第二OA协同办公信息进行识别,根据识别结果获得所述OA协同办公接收方的OA协同办公需求的步骤,包括:
采用预先训练的OA协同办公模型识别出所述第二OA协同办公信息中包括的第二目标需求,将所述第二目标需求与每个频繁项的需求集中各个需求进行匹配,并将与该第二目标需求匹配的需求的需求解决信息作为所述OA协同办公接收方的OA协同办公需求发送给所述OA协同办公接收方。
5.根据权利要求3所述的基于深度学习的OA协同办公方法,其特征在于,所述方法还包括:
生成每个频繁项相关的需求集,并针对每个频繁项相关的需求集,将该频繁项相关的需求集中每个需求语句分别进行分词处理,得到多个分词;
将每个分词输入到预先训练的fasttext模型中,得到每个分词的分词向量,并根据每个分词的分词向量得到该频繁项相关的需求集的句向量;
根据计算得到的每个频繁项相关的需求集的句向量,计算任意两个频繁项相关的需求集的句向量之间的余弦距离,并将所述余弦距离作为所述任意两个频繁项相关的需求集的句向量之间的相似度;
判断所述相似度是否大于预设相似度,若所述相似度不大于预设相似度,则将相应的两个频繁项中的任意一个频繁项删除。
6.根据权利要求1-5中任意一项所述的基于深度学习的OA协同办公方法,其特征在于,所述服务器中存储有每个不同的OA协同办公需求所对应的OA协同办公处理策略,所述OA协同办公处理策略包括同部门处理协同服务、跨部门处理协调服务、跨职能处理协同服务器中的一种,所述根据获得的所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求,执行与所述OA协同办公需求匹配的预设的OA协同办公处理策略的步骤,包括:
针对所述OA协同办公请求方存在的OA协同办公需求,匹配所述OA协同办公请求方存在的OA协同办公需求对应的OA协同办公处理策略,并按照匹配的所述OA协同办公处理策略在所述OA协同办公请求方和所述OA协同办公接收方建立OA协同办公关联关系的过程中向所述OA协同办公请求方和所述OA协同办公处理策略匹配的部门发送协同信息;
针对所述OA协同办公接收方存在的OA协同办公需求,匹配所述OA协同办公接收方存在的OA协同办公需求对应的OA协同办公处理策略,并按照匹配的所述OA协同办公处理策略在所述OA协同办公接收方和所述OA协同办公请求方建立OA协同办公关联关系的过程中向所述OA协同办公接收方和所述OA协同办公处理策略匹配的部门发送协同信息。
7.根据权利要求1-5中任意一项所述的基于深度学习的OA协同办公方法,其特征在于,所述根据获得的所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求,执行与所述OA协同办公需求匹配的预设的OA协同办公处理策略的步骤之后,所述方法还包括:
在接收到所述OA协同办公需求匹配的预设的OA协同办公处理策略的处理完成信息后,存储本次所述OA协同办公请求方与所述OA协同办公接收方之间的协同办公沟通信息。
8.一种基于深度学习的OA协同办公装置,其特征在于,应用于服务器,所述装置包括:
获取模块,用于在检测到OA协同办公请求方与OA协同办公接收方之间的建立OA协同办公关联关系后,获取所述OA协同办公请求方与所述OA协同办公接收方之间的协同办公沟通信息,所述协同办公沟通信息包括协同办公语音通话信息、协同办公文字沟通信息、协同办公视频沟通信息中的至少一种;
需求识别模块,用于采用预先训练的OA协同办公模型对所述OA协同办公信息进行信息识别,获得所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求;
策略执行模块,用于根据获得的所述OA协同办公请求方与OA协同办公接收方中的任意一方存在的OA协同办公需求,执行与所述OA协同办公需求匹配的预设的OA协同办公处理策略。
9.一种服务器,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述服务器运行时,所述处理器执行所述机器可读指令,以执行如权利要求1-7中任意一项所述的基于深度学习的OA协同办公方法的步骤。
10.一种可读存储介质,其特征在于,该可读存储介质上存储有计算机程序,该计算机程序运行时执行如权利要求1-7中任意一项所述的基于深度学习的OA协同办公方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910311548.0A CN110084563A (zh) | 2019-04-18 | 2019-04-18 | 基于深度学习的oa协同办公方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910311548.0A CN110084563A (zh) | 2019-04-18 | 2019-04-18 | 基于深度学习的oa协同办公方法、装置及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084563A true CN110084563A (zh) | 2019-08-02 |
Family
ID=67415496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910311548.0A Pending CN110084563A (zh) | 2019-04-18 | 2019-04-18 | 基于深度学习的oa协同办公方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084563A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340374A (zh) * | 2020-02-28 | 2020-06-26 | 苏州智澜供应链管理有限公司 | 一种生产协同管理方法及系统 |
CN112258009A (zh) * | 2020-06-12 | 2021-01-22 | 广元量知汇科技有限公司 | 一种智慧政务请求处理方法 |
CN113271232A (zh) * | 2020-10-27 | 2021-08-17 | 苏州铁头电子信息科技有限公司 | 一种在线办公网络扰动处理方法及装置 |
CN116993307A (zh) * | 2023-09-28 | 2023-11-03 | 广东省信息工程有限公司 | 一种具有人工智能学习能力的协同办公方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634983A (zh) * | 2008-07-21 | 2010-01-27 | 华为技术有限公司 | 一种文本分类方法和装置 |
CN104021185A (zh) * | 2014-06-11 | 2014-09-03 | 北京奇虎科技有限公司 | 对网页中数据的信息属性进行识别的方法和装置 |
CN105893444A (zh) * | 2015-12-15 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 情感分类方法及装置 |
CN106059895A (zh) * | 2016-04-25 | 2016-10-26 | 上海云睦网络科技有限公司 | 协同任务生成方法、装置和系统 |
CN107067232A (zh) * | 2017-05-03 | 2017-08-18 | 顾杏春 | 协同办公方法及装置 |
CN107862070A (zh) * | 2017-11-22 | 2018-03-30 | 华南理工大学 | 基于文本聚类的线上课堂讨论短文本即时分组方法及系统 |
-
2019
- 2019-04-18 CN CN201910311548.0A patent/CN110084563A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634983A (zh) * | 2008-07-21 | 2010-01-27 | 华为技术有限公司 | 一种文本分类方法和装置 |
CN104021185A (zh) * | 2014-06-11 | 2014-09-03 | 北京奇虎科技有限公司 | 对网页中数据的信息属性进行识别的方法和装置 |
CN105893444A (zh) * | 2015-12-15 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 情感分类方法及装置 |
CN106059895A (zh) * | 2016-04-25 | 2016-10-26 | 上海云睦网络科技有限公司 | 协同任务生成方法、装置和系统 |
CN107067232A (zh) * | 2017-05-03 | 2017-08-18 | 顾杏春 | 协同办公方法及装置 |
CN107862070A (zh) * | 2017-11-22 | 2018-03-30 | 华南理工大学 | 基于文本聚类的线上课堂讨论短文本即时分组方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340374A (zh) * | 2020-02-28 | 2020-06-26 | 苏州智澜供应链管理有限公司 | 一种生产协同管理方法及系统 |
CN112258009A (zh) * | 2020-06-12 | 2021-01-22 | 广元量知汇科技有限公司 | 一种智慧政务请求处理方法 |
CN113271232A (zh) * | 2020-10-27 | 2021-08-17 | 苏州铁头电子信息科技有限公司 | 一种在线办公网络扰动处理方法及装置 |
CN116993307A (zh) * | 2023-09-28 | 2023-11-03 | 广东省信息工程有限公司 | 一种具有人工智能学习能力的协同办公方法及系统 |
CN116993307B (zh) * | 2023-09-28 | 2024-01-05 | 广东省信息工程有限公司 | 一种具有人工智能学习能力的协同办公方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084563A (zh) | 基于深度学习的oa协同办公方法、装置及服务器 | |
Chen et al. | DNNOff: offloading DNN-based intelligent IoT applications in mobile edge computing | |
US10176364B2 (en) | Media content enrichment using an adapted object detector | |
CN110347863B (zh) | 话术推荐方法和装置及存储介质 | |
CN108924370A (zh) | 呼叫中心外呼语音波形分析方法、系统、设备及存储介质 | |
CN107944398A (zh) | 基于深度特征联合表示图像集人脸识别方法、装置和介质 | |
CN104281615A (zh) | 一种投诉处理的方法和系统 | |
CN111737432A (zh) | 一种基于联合训练模型的自动对话方法和系统 | |
CN110134967A (zh) | 文本处理方法、装置、计算设备及计算机可读存储介质 | |
CN114419363A (zh) | 基于无标注样本数据的目标分类模型训练方法及装置 | |
CN111126347A (zh) | 人眼状态识别方法、装置、终端及可读存储介质 | |
CN114492601A (zh) | 资源分类模型的训练方法、装置、电子设备及存储介质 | |
CN110704618A (zh) | 确定对话数据对应的标准问题的方法及装置 | |
CN110059172A (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
EP3605338A1 (en) | Apparatus, program, & computer-implemented image processing method for predicting execution performance metrics | |
CN113139044A (zh) | 一种用于问答系统的支持多意图切换的问答多轮对话方法 | |
CN110909578A (zh) | 一种低分辨率图像识别方法、装置和存储介质 | |
CN113095515A (zh) | 业务故障信息处理方法及装置 | |
CN111523604A (zh) | 一种用户分类的方法和相关装置 | |
Tapia et al. | Implementing Operational AI in telecom environments | |
CN115457365A (zh) | 一种模型的解释方法、装置、电子设备及存储介质 | |
CN114567511A (zh) | 一种基于宽度学习的轻量级恶意流量检测方法及装置 | |
CN114546326A (zh) | 一种虚拟人手语生成方法和系统 | |
KR20220118650A (ko) | 눈 특징점 기반의 실시간 시선 추적 장치 및 방법 | |
US11847565B1 (en) | Automatic refinement of intent classification for virtual assistant applications |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190802 |
|
WD01 | Invention patent application deemed withdrawn after publication |