CN110287281A - 基于合理化建议知识库的解决方案生成方法及系统 - Google Patents
基于合理化建议知识库的解决方案生成方法及系统 Download PDFInfo
- Publication number
- CN110287281A CN110287281A CN201910323513.9A CN201910323513A CN110287281A CN 110287281 A CN110287281 A CN 110287281A CN 201910323513 A CN201910323513 A CN 201910323513A CN 110287281 A CN110287281 A CN 110287281A
- Authority
- CN
- China
- Prior art keywords
- conductive suggestion
- data
- knowledge base
- conductive
- suggestion
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3335—Syntactic pre-processing, e.g. stopword elimination, stemming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/374—Thesaurus
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种基于合理化建议知识库的解决方案生成方法及系统,属于数据处理领域。其通过对收集合理化建议数据建立用于数据分析的数据池。计算被选取的部分特征在所属问题类型中出现的频率和计算各个问题类型出现的频率,并将其与该文本数据归类,形成分类表。依据分类表确定合理化建议的类型。设定合理化建议知识库的关联规则,合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案。该方法有助于梳理庞大数据池的再构建和特征简化,便于业务人员快速搜索。另外,合理化建议数据是通过收集获得,以此为基础的生成的解决方案也能够满足业务需求,提供合理化的解决方案。
Description
技术领域
本申请涉及数据处理领域,具体而言,涉及一种基于合理化建议知识库的解决方案生成方法及系统。
背景技术
当用户想要解决问题时,业务人员缺乏经验和专业性将极大地影响提出解决方案所需的时间,并且还可能影响所提出的解决方案是否能够被解决。另外,由于个人经验不容易传授,即使要解决的问题是相同或相似,不同的业务人员可能不得不重复上述过程来获得解决方案。这种做法不仅效率低下,也无法确保业务人员是否能够找到合理的解决方案。
发明内容
有鉴于此,本申请实施例提供了一种基于合理化建议知识库的解决方案生成方法及系统,旨在提高业务员提出解决方案的效果,保证提出的解决方案的合理性。
第一方面,本申请提供了一种基于合理化建议知识库的解决方案生成方法,包括
收集合理化建议数据并建议基于以往合理化建立数据的数据池。
对数据池中的合理化建议的标题、问题描述、所属问题类型的词汇进行切分,并与问题类型进行存档形成存档数据。
将存档数据中的文本数据的关键字抽取出来,剔除对问题类型无影响的词汇后,汇总各个问题类型所有抽取词汇,建立词汇字典,形成各个问题类型的特征集。
从特征集中根据词汇出现的频率或人为设定,按权重高低选取部分特征来表示该文本数据。
计算被选取的部分特征在所属问题类型中出现的频率和计算各个问题类型出现的频率,并将其与该文本数据归类,形成分类表。
依据分类表对新建的合理化建议进行分类,确定合理化建议的类型。
设定合理化建议知识库的关联规则,合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案。
结合第一方面,在第一方面的第一种可能的实现方式中,确定合理化建议的类型包括以下步骤:
新建合理化建议。
抽取新建合理化建议的文本的标题、问题描述字段的数据特征。
根据特征集选取与词汇字典中相同的特征作为该文本数据的代表。
依据文本数据抽取的特征,利用朴素贝叶斯分类方法,通过抽取的文本特征在各问题类型的词汇字典中出现的次数乘以各个各问题类型词汇出现的频率再乘以该各问题类型出现的频率得出比较数值,通过比较计算数值大小,确定该合理化建议的类型。
结合第一方面,在第一方面的第二种可能的实现方式中,合理化建议知识库包括技术创新库、管理创新库、优秀课题库、合理化建议案例库、职工创新库和合理化建议类型库。
结合第一方面的第二种实现方式,在第一方面的第三种可能的实现方式中,设定合理化建议知识库的关联规则的确定包括如下步骤:
设定技术创新库的规则。
设定管理创新库的规则。
设定优秀课题库的规则。
设定合理化建议案例库的规则。
设定职工创新库的规则。
设定合理化建议类型库的规则。
设定技术创新库、管理创新库、优秀课题库、合理化建议案例库、职工创新库和合理化建议类型库之间的关联规则。
结合第一方面、第一方面的第一种或者第三种可能的实现方式,第一方面的第四种可能的实现方式中,合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案包括如下步骤:
根据知识库的关联规则和合理化建议类型对合理化建议进行初步评估。
生成合理化建议评估报告。
生成合理化建议解决方案。
生成合理化建议实施评估报告。
结合第一方面的第四种可能的实现方式,在第一方面的第五种可能的实现方式中,将新合理化建议数据添加到数据池内,并修改合理化建议知识库的关联规则。
第二方面,本申请提供一种基于合理化建议知识库的解决方案生成系统,包括数据采集模块、数据处理模块、特征挖掘模块、表征模块、计算模块、分类模块以及解决方案生成模块。
其中,数据采集模块用于收集合理化建议数据并建议基于以往合理化建立数据的数据池。
数据处理模块用于对数据池中的合理化建议的标题、问题描述、所属问题类型的词汇进行切分,并与问题类型进行存档形成存档数据。
特征挖掘模块用于将存档数据中的文本数据的关键字抽取出来,剔除对问题类型无影响的词汇后,汇总各个问题类型所有抽取词汇,建立词汇字典,形成各个问题类型的特征集。
表征模块用于从特征集中根据词汇出现的频率或人为设定,按权重高低选取部分特征来表示该文本数据。
分类模块用于计算被选取的部分特征在所属问题类型中出现的频率和计算各个问题类型出现的频率,并将其与该文本数据归类,形成分类表。
依据分类表对新建的合理化建议进行分类,确定合理化建议的类型。
解决方案生成模块用于设定合理化建议知识库的关联规则,合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案。
第三方面,本申请提供一种电子设备,包括存储器和处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述第一方面、第一方面的第一种至第五种任一可能的实现方式中的基于合理化建议知识库的解决方案生成方法的步骤。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面、第一方面的第一种至第五种任一可能的实现方式中的基于合理化建议知识库的解决方案生成方法的步骤。
本申请提供的一种基于合理化建议知识库的解决方案生成方法,其通过对收集合理化建议数据建立用于数据分析的数据池。对数据池中的文本数据的词汇进行切分、存档形成存档数据。在剔除对问题类型无影响的词汇后,汇总各个问题类型的所有抽取词汇,建立词汇字典,形成各个问题类型的特征集。然后从特征集中根据词汇出现的频率或人为设定,按权重高低选取部分特征来表示该文本数据,简化词汇字典。计算被选取的部分特征在所属问题类型中出现的频率和计算各个问题类型出现的频率,并将其与该文本数据归类,形成分类表。依据分类表对新建的合理化建议进行分类,确定合理化建议的类型。设定合理化建议知识库的关联规则,合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案。由于从存档数据的文本数据中抽取一个或者多个特征来表征该文本数据,有助于梳理庞大数据池的再构建和特征简化,便于业务人员快速搜索。另外,合理化建议数据是通过收集获得,作为数据样本,为解决问题提供合理化建议的数据基础,以此为基础的生成的解决方案也能够满足业务需求,提供合理化的解决方案。
附图说明
为了更清楚地说明本申请实施方式的技术方案,下面将对实施方式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申请的某些实施例,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是本申请实施例提供的一种基于合理化建议知识库的解决方案生成方法的流程图;
图2是本申请实施例提供的另一种基于合理化建议知识库的解决方案生成方法的流程图。
具体实施方式
为使本申请实施方式的目的、技术方案和优点更加清楚,下面将结合本申请实施方式中的附图,对本申请实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本申请一部分实施方式,而不是全部的实施方式。基于本申请中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本申请保护的范围。
因此,以下对在附图中提供的本申请的实施方式的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施方式。基于本申请中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
实施例
合理化建议数据主要是指数据库数据和文本数据。我们通常认为数据库数据是经过筛选处理后的结构化数据,便于对其有目的的加工利用。而在实际情况下,发明人发现合理化建议数据更多的是文本数据,如合理化建议评估报告、合理化建议解决的意见、合理化建议案例等等都属于文本数据的范畴。
相对结构化的数据库数据,这些非结构化的文本数据具有数量大、种类多、关联性强的特点。了解并运用这些文本数据将有助于提供合理化建议项目的解决方案。
基于此,本申请提供了一种基于合理化建议知识库的解决方案生成方法,包括如下步骤:
S100:收集合理化建议数据并建议基于以往合理化建立数据的数据池。这里提到的合理化建议数据库是以往工作中积累的大量的合理化建议数据,这些合理化建议数据中包含重要的合理化建议知识和合理化建议解决方案,具有重要的参考价值,因此该步骤100是建立在以前的合理化建议数据的基础上对其进行挖掘利用,由于该合理化建议数据是实践所得,能够用于作为数据样本,为解决问题提供合理化建议的数据基础。
S200:对数据池中的合理化建议的标题、问题描述、所属问题类型的词汇进行切分,并与问题类型进行存档形成存档数据。
S300:将存档数据中的文本数据的关键字抽取出来,剔除对问题类型无影响的词汇后,汇总各个问题类型所有抽取词汇,建立词汇字典,形成各个问题类型的特征集。
发明人发现,对于相同类型的问题,相同或类似问题的比例非常高。过去,虽然也有记录或保存解决方案的方法,但由于各种各样的问题,所涉及的信息量非常大。业务人员可能无法以不一致的方式描述问题,因此很难系统地存储和利用这些数据。因此,在实践中,业务人员仍然不容易找到相关的解决方案,并且很难达到与工程师分享经验的目的。
由于存档数据中的数据是非结构化的文本数据,在抽取数据后需要对无影响的词汇进行踢除。从而将大量无序的数据化繁为简,按照各个问题类型整理形成对应的特征集。
S400:从特征集中根据词汇出现的频率或人为设定,按权重高低选取部分特征来表示该文本数据。
不同问题类型的文本数据有各自的特点,其反应的问题标题和问题描述也不相同,因此,从存档数据的文本数据中抽取一个或者多个特征来表征该文本数据,有助于梳理庞大数据池的再构建和特征简化,便于业务人员快速搜索。
S500:计算被选取的部分特征在所属问题类型中出现的频率和计算各个问题类型出现的频率,并将其与该文本数据归类,形成分类表。
S600:依据分类表对新建的合理化建议进行分类,确定合理化建议的类型。示例性地,确定合理化建议的类型包括以下步骤:
S610:新建合理化建议。
S620:抽取新建合理化建议的文本的标题、问题描述字段的数据特征。
S630:根据特征集选取与词汇字典中相同的特征作为该文本数据的代表。
S640:依据文本数据抽取的特征,利用朴素贝叶斯分类方法,通过抽取的文本特征在各问题类型的词汇字典中出现的次数乘以各个各问题类型词汇出现的频率再乘以该各问题类型出现的频率得出比较数值,通过比较计算数值大小,确定该合理化建议的类型。
S700:设定合理化建议知识库的关联规则,合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案。
其中,合理化建议知识库包括技术创新库、管理创新库、优秀课题库、合理化建议案例库、职工创新库和合理化建议类型库。
示例性地,设定合理化建议知识库的关联规则的确定包括如下步骤:
S711:设定技术创新库的规则;
S712:设定管理创新库的规则;
S713:设定优秀课题库的规则;
S714:设定合理化建议案例库的规则;
S715:设定职工创新库的规则;
S716:设定合理化建议类型库的规则;
S717:设定技术创新库、管理创新库、优秀课题库、合理化建议案例库、职工创新库和合理化建议类型库之间的关联规则。
合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案包括如下步骤:
S721:根据知识库的关联规则和合理化建议类型对合理化建议进行初步评估;
S722:生成合理化建议评估报告;
S723:生成合理化建议解决方案;
S724:生成合理化建议实施评估报告。
为了完善知识库的关联规则和数据分析过程中的缺陷,提高数据处理和分析新的合理化建议能够做出效果更好的合理化建议评估报告和详尽的合理化建议解决方案,请参阅图2。
还可以在步骤S700后增加如下步骤:
S800:将新合理化建议数据添加到数据池内,并修改合理化建议知识库的关联规则。
本申请还提供一种基于合理化建议知识库的解决方案生成系统,包括数据采集模块、数据处理模块、特征挖掘模块、表征模块、计算模块、分类模块以及解决方案生成模块。
其中,数据采集模块用于收集合理化建议数据并建议基于以往合理化建立数据的数据池。
数据处理模块用于对数据池中的合理化建议的标题、问题描述、所属问题类型的词汇进行切分,并与问题类型进行存档形成存档数据。
特征挖掘模块用于将存档数据中的文本数据的关键字抽取出来,剔除对问题类型无影响的词汇后,汇总各个问题类型所有抽取词汇,建立词汇字典,形成各个问题类型的特征集。
表征模块用于从特征集中根据词汇出现的频率或人为设定,按权重高低选取部分特征来表示该文本数据。
分类模块用于计算被选取的部分特征在所属问题类型中出现的频率和计算各个问题类型出现的频率,并将其与该文本数据归类,形成分类表。
依据分类表对新建的合理化建议进行分类,确定合理化建议的类型。
解决方案生成模块用于设定合理化建议知识库的关联规则,合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案。
本申请另提供一种电子设备,包括存储器和处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述基于合理化建议知识库的解决方案生成方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现基于合理化建议知识库的解决方案生成方法的步骤。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请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,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,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。
Claims (9)
1.一种基于合理化建议知识库的解决方案生成方法,其特征在于,包括
收集合理化建议数据并建议基于以往合理化建立数据的数据池;
对数据池中的合理化建议的标题、问题描述、所属问题类型的词汇进行切分,并与问题类型进行存档形成存档数据;
将存档数据中的文本数据的关键字抽取出来,剔除对问题类型无影响的词汇后,汇总各个问题类型所有抽取词汇,建立词汇字典,形成各个问题类型的特征集;
从特征集中根据词汇出现的频率或人为设定,按权重高低选取部分特征来表示该文本数据;
计算被选取的部分特征在所属问题类型中出现的频率和计算各个问题类型出现的频率,并将其与该文本数据归类,形成分类表;
依据分类表对新建的合理化建议进行分类,确定合理化建议的类型;
设定合理化建议知识库的关联规则,合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案。
2.根据权利要求1的基于合理化建议知识库的解决方案生成方法,其特征在于,确定合理化建议的类型包括以下步骤:
新建合理化建议;
抽取新建合理化建议的文本的标题、问题描述字段的数据特征;
根据特征集选取与词汇字典中相同的特征作为该文本数据的代表;
依据文本数据抽取的特征,利用朴素贝叶斯分类方法,通过抽取的文本特征在各问题类型的词汇字典中出现的次数乘以各个各问题类型词汇出现的频率再乘以该各问题类型出现的频率得出比较数值,通过比较计算数值大小,确定该合理化建议的类型。
3.根据权利要求1的基于合理化建议知识库的解决方案生成方法,其特征在于,合理化建议知识库包括技术创新库、管理创新库、优秀课题库、合理化建议案例库、职工创新库和合理化建议类型库。
4.根据权利要求3的基于合理化建议知识库的解决方案生成方法,其特征在于,设定合理化建议知识库的关联规则的确定包括如下步骤:
设定技术创新库的规则;
设定管理创新库的规则;
设定优秀课题库的规则;
设定合理化建议案例库的规则;
设定职工创新库的规则;
设定合理化建议类型库的规则;
设定技术创新库、管理创新库、优秀课题库、合理化建议案例库、职工创新库和合理化建议类型库之间的关联规则。
5.根据权利要求1-4任一项的基于合理化建议知识库的解决方案生成方法,其特征在于,合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案包括如下步骤:
根据知识库的关联规则和合理化建议类型对合理化建议进行初步评估;
生成合理化建议评估报告;
生成合理化建议解决方案;
生成合理化建议实施评估报告。
6.根据权利要求5的基于合理化建议知识库的解决方案生成方法,其特征在于,将新合理化建议数据添加到数据池内,并修改合理化建议知识库的关联规则。
7.一种基于合理化建议知识库的解决方案生成系统,其特征在于,包括
数据采集模块,数据采集模块用于收集合理化建议数据并建议基于以往合理化建立数据的数据池;
数据处理模块,数据处理模块用于对数据池中的合理化建议的标题、问题描述、所属问题类型的词汇进行切分,并与问题类型进行存档形成存档数据;
特征挖掘模块,特征挖掘模块用于将存档数据中的文本数据的关键字抽取出来,剔除对问题类型无影响的词汇后,汇总各个问题类型所有抽取词汇,建立词汇字典,形成各个问题类型的特征集;
表征模块,表征模块用于从特征集中根据词汇出现的频率或人为设定,按权重高低选取部分特征来表示该文本数据;
计算模块,分类模块用于计算被选取的部分特征在所属问题类型中出现的频率和计算各个问题类型出现的频率,并将其与该文本数据归类,形成分类表;
分类模块;依据分类表对新建的合理化建议进行分类,确定合理化建议的类型;以及
解决方案生成模块,解决方案生成模块用于设定合理化建议知识库的关联规则,合理化建议知识库根据关联规则和合理化建议类型对合理化建议进行分析并生成解决方案。
8.一种电子设备,其特征在于,包括存储器和处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述权利要求1至5任一项的基于合理化建议知识库的解决方案生成方法的步骤。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,计算机程序被处理器执行时实现权利要求1至5中任一项的基于合理化建议知识库的解决方案生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910323513.9A CN110287281A (zh) | 2019-04-22 | 2019-04-22 | 基于合理化建议知识库的解决方案生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910323513.9A CN110287281A (zh) | 2019-04-22 | 2019-04-22 | 基于合理化建议知识库的解决方案生成方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110287281A true CN110287281A (zh) | 2019-09-27 |
Family
ID=68001756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910323513.9A Pending CN110287281A (zh) | 2019-04-22 | 2019-04-22 | 基于合理化建议知识库的解决方案生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110287281A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313472A (zh) * | 2021-06-15 | 2021-08-27 | 海南君麟环境科技有限公司 | 基于大数据的智能化环境防治平台建立方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853311A (zh) * | 2010-06-18 | 2010-10-06 | 上海百事通信息技术有限公司 | 一种法律服务方法及系统 |
US20150154197A1 (en) * | 2013-12-02 | 2015-06-04 | Qbase, LLC | Method for obtaining search suggestions from fuzzy score matching and population frequencies |
CN105160038A (zh) * | 2015-10-10 | 2015-12-16 | 广东卓维网络有限公司 | 一种基于审计知识库的数据分析方法及系统 |
US20160239562A1 (en) * | 2015-02-13 | 2016-08-18 | Frank Schilder | Systems and methods for natural language question answering and analysis |
US10002311B1 (en) * | 2017-02-10 | 2018-06-19 | International Business Machines Corporation | Generating an enriched knowledge base from annotated images |
-
2019
- 2019-04-22 CN CN201910323513.9A patent/CN110287281A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853311A (zh) * | 2010-06-18 | 2010-10-06 | 上海百事通信息技术有限公司 | 一种法律服务方法及系统 |
US20150154197A1 (en) * | 2013-12-02 | 2015-06-04 | Qbase, LLC | Method for obtaining search suggestions from fuzzy score matching and population frequencies |
US20160239562A1 (en) * | 2015-02-13 | 2016-08-18 | Frank Schilder | Systems and methods for natural language question answering and analysis |
CN105160038A (zh) * | 2015-10-10 | 2015-12-16 | 广东卓维网络有限公司 | 一种基于审计知识库的数据分析方法及系统 |
US10002311B1 (en) * | 2017-02-10 | 2018-06-19 | International Business Machines Corporation | Generating an enriched knowledge base from annotated images |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313472A (zh) * | 2021-06-15 | 2021-08-27 | 海南君麟环境科技有限公司 | 基于大数据的智能化环境防治平台建立方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI718643B (zh) | 異常群體識別方法及裝置 | |
CN109409533B (zh) | 一种机器学习模型的生成方法、装置、设备及存储介质 | |
WO2021254457A1 (zh) | 构建知识图谱的方法及装置、计算机装置及存储介质 | |
WO2023226423A1 (zh) | 一种芯片辅助设计方法、装置、设备及非易失性存储介质 | |
CN109933834A (zh) | 一种时序数据预测的模型创建方法及装置 | |
CN109189767A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111177186B (zh) | 基于问题检索的单句意图识别方法、装置和系统 | |
CN109446328A (zh) | 一种文本识别方法、装置及其存储介质 | |
CN110796171A (zh) | 机器学习模型的未分类样本处理方法、装置及电子设备 | |
CN110033382B (zh) | 一种保险业务的处理方法、装置及设备 | |
CN109767269A (zh) | 一种游戏数据的处理方法和装置 | |
CN111241285A (zh) | 问题回答类型的识别方法、装置、设备及存储介质 | |
CN109472021A (zh) | 基于深度学习的医学文献中关键句筛选方法及装置 | |
CN111199469A (zh) | 用户还款模型生成方法、装置及电子设备 | |
Therhaag | TMVA Toolkit for multivariate data analysis in ROOT | |
CN111125363B (zh) | 用于医疗文本数据标注的方法、装置、设备及存储介质 | |
CN111063446B (zh) | 用于标准化医疗文本数据的方法、装置、设备及存储介质 | |
CN110287281A (zh) | 基于合理化建议知识库的解决方案生成方法及系统 | |
WO2017068228A1 (en) | Method and apparatus for optimization | |
CN115146062A (zh) | 融合专家推荐与文本聚类的智能事件分析方法和系统 | |
CN110377910A (zh) | 一种表格描述的处理方法、装置、设备及存储介质 | |
CN104239372B (zh) | 一种音频数据分类方法及装置 | |
Sheela et al. | A comparative analysis of various classification trees | |
CN108920241A (zh) | 一种显示状态调整方法、装置及设备 | |
US20220156611A1 (en) | Method and apparatus for entering information, electronic device, computer readable storage medium |
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: 20190927 |
|
WD01 | Invention patent application deemed withdrawn after publication |