CN110941640A - 问题线索智能筛查方法、装置、设备、系统及介质 - Google Patents
问题线索智能筛查方法、装置、设备、系统及介质 Download PDFInfo
- Publication number
- CN110941640A CN110941640A CN201811596145.7A CN201811596145A CN110941640A CN 110941640 A CN110941640 A CN 110941640A CN 201811596145 A CN201811596145 A CN 201811596145A CN 110941640 A CN110941640 A CN 110941640A
- Authority
- CN
- China
- Prior art keywords
- screening
- data
- rule
- intelligent
- rule engine
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种问题线索智能筛查方法、装置、系统及设备，属于计算机技术领域，通过接收外部设备提供的相关业务数据；对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；获取预设的筛查规则；根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。能减少人员成本，提高工作效率，科学性和准确性地发现问题线索。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种问题线索智能筛查方法、装置、系统及计算机可读存储介质。
背景技术
在实现本发明的过程中，发明人发现：目前，机关筛查问题主要依靠业务专家人工实现。但是，部分地区和单位采取了一些手段来逃避监管，且通过人工查阅数据并人工判断是否存在疑似问题普遍存在工作效率不高，过分依赖工作人员个人工作经验，容易出现错漏的实际情况。尤其在体制改革以后，更加强调对问题线索发现的科学性和准确性，对于信息化、智能化辅助机关开展问题及线索筛查的需求显得越来越迫切。
发明内容
针对上述问题，本发明的目的在于提供一种问题线索智能筛查方法、装置、设备、系统及介质，能减少人员成本，提高工作效率，科学性和准确性地发现问题线索。
第一方面，本发明实施例提供了一种问题线索智能筛查方法，包括如下步骤：
接收外部设备提供的相关业务数据；
对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；
获取预设的筛查规则；
根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。
在第一方面的第二种可能实现方式中，所述检索数据是结构化数据时，则所述根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索包括：
根据所述预设的筛查规则，所述规则引擎对所述结构化数据进行对比、计算及分析，完成筛查处理，生成问题线索。
在第一方面的第三种可能实现方式中，
所述检索数据是结构化数据时，则所述检索数据是所述结构化数据时，所述根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索包括：
对所述非结构化数据转化为文本格式处理，以获取相应的文档；
根据所述预设的筛查规则，所述规则引擎对所述文档进行文本筛查处理，生成问题线索；其中，所述文本筛查处理包括：语义分析、关键字匹配、文档相似度比对。
结合第一方面的第二种或第三种可能实现方式，在第一方面的第四种可能实现方式中，所述规则引擎采用具有00接口RETE算法的规则引擎实现。
第二方面，本发明提供了一种问题线索智能筛查装置，包括：
数据接收模块，用于接收外部设备提供的相关业务数据；
分类处理模块，用于对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；
规则获取模块，用于获取预设的筛查规则；
线索生成模块，用于根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。
第三方面，本发明实施例还提供了一种问题线索智能筛查设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的问题线索智能筛查方法。
第四方面，本发明实施例还提供了一种问题线索智能筛查系统，所述系统包括如第三方面所述的问题线索智能筛查设备和外部设备；
所述外部设备，用于为所述问题线索智能筛查设备提供相关业务数据；
所述问题线索智能筛查设备，用于接收外部设备提供的相关业务数据，对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据，其中，所述检索数据包括结构化数据和非结构化数据，获取预设的筛查规则，根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。
第五方面，本发明实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的问题线索智能筛查方法。
实施本发明实施例具有如下有益效果：
接收外部设备提供的相关业务数据；对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；获取预设的筛查规则；根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。能减少人员成本，提高工作效率，科学性和准确性地发现问题线索。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，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的附图。
图1是本发明实施例一提供的一种问题线索智能筛查的流程方法示意图；
图2是本发明实施例一提供的另一种问题线索智能筛查的示意图；
图3是本发明实施例二提供的一种问题线索智能筛查装置结构示意图；
图4是本发明实施例三提供的问题线索智能筛查设备的结构示意图。
具体实施方式
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。
随着大数据及人工智能技术的飞速发展，且国家实行大数据战略并发布的《新一代人工智能发展规划》提出“开发适于政府服务与决策的人工智能平台，研制面向开放环境的决策引擎，在复杂社会问题研判、政策评估、风险预警、应急处置等重大战略决策方面推广应用”，“促进人工智能在证据收集、案例分析、法律文件阅读与分析中的应用”使得运用信息技术智能化分析筛查问题线索成为可能。
实施例一
参见图1，本发明实施例一提供的一种问题线索智能筛查的流程方法示意图；
一种问题线索智能筛查方法，其运行在问题线索智能筛查设备上，所述问题线索智能筛查设备可以是电子设备，计算机或，或高性能计算机群，包括如下步骤：
S11、接收外部设备提供的相关业务数据；
S12、对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；
S13、获取预设的筛查规则；
S14、根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。
需要说明的是，机器学习算法是是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析论、算法复制度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。现有的机器学习算法已经很成熟，本发明不再赘述。
进一步地，所述检索数据是结构化数据时，则所述根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索包括：
根据所述预设的筛查规则，所述规则引擎对所述结构化数据进行对比、计算及分析，完成筛查处理，生成问题线索。
示例性的，针对结构化数据，首先基于数据目录和相应的业务要求制定筛查指标体系，再基于指标体系细化成每一个筛查细则，最后制定完指标体系和指标筛查细则后，根据所述最新的信息，通过机器学习算法结合已获取的疑似问题，获取所述预设的筛查规则，再通过自主实现的成熟规则引擎，以及根据业务知识配置的所述筛查规则，对数据进行相关计算、分析、比对，最终实现问题筛查，该方式筛查对数据完整性要求较高，问题筛查的准确性也较强，且筛查规则可依据业务变化而迅速调整。
进一步地，所述检索数据是结构化数据时，则所述检索数据是所述结构化数据时，所述根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索包括：
对所述非结构化数据转化为文本格式处理，以获取相应的文档；
根据所述预设的筛查规则，所述规则引擎对所述文档进行文本筛查处理，生成问题线索；其中，所述文本筛查处理包括：语义分析、关键字匹配、文档相似度比对。
示例性的，针对非结构化数据，通过基于Lucene优秀的面向对象的系统架构搜索引擎，根据筛查规则制定筛查关键字，先要找出数据字符串中的所有可分割的单词和具有业务含义的相关词汇，使用一些分隔符进行分隔，完成分词，再基于关键字分词基础上进行构建筛查索引，根据制定的筛查规则，最后利用规则引擎和搜索引擎进行筛检。此搜索引擎默认实现了一套强大的查询引擎，用户无需自己编写代码即可使系统可获得强大的查询能力和中文处理能力，从文本扩充到HTML、PDF等等文本格式的处理，把相关文档生成索引，并根据业务规则对文档进行索引，并针对文档内容做语义分析、关键字匹配、文档相似度比对等，从而生成疑似问题线索。
进一步地，所述规则引擎采用具有00接口RETE算法的规则引擎实现。
在本发明实施例中，结合了机关的监督检查过程中发现的问题情况及应对问题发现采取的规避手段，通过理论构建和算法设计，实现的一套智能化的、可扩展的违纪违法问题筛查规则。通过导入相关业务数据，筛查引擎自动调用筛查规则，运用智能化算法对数据进行筛查，在系统中展示筛查出的相关问题，还可以提供用户人工对筛查出的疑似问题进行确认的功能。违纪违法筛查体系的核心是违纪违法问题筛查细则引擎及配置的业务规则，对监督检查中获取到的相关业务数据处理，使之能为规则引擎所识别、通过规则引擎的比对、计算、分析，最终形成疑似问题以供用户进一步确认。该规则引擎采用具有了OO接口RETE算法的规则引擎的实现。易于调整、易于管理，符合业内标准，速度快、效率高。用户可以利用它轻松查看业务规则，从而检验是否已编码的筛查规则执行了所需的业务规则。
在本发明实施例中，RETE算法提供了一个通用的逻辑，负责数据匹配功能的实现描述的元组对(“事实”)，制作(“规则的模式匹配“)生产系统(一类规则引擎)。
实施本发明实施例具有如下有益效果：
接收外部设备提供的相关业务数据；对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；获取预设的筛查规则；根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。能减少人员成本，提高工作效率，科学性和准确性地发现问题线索。
具体的，参见图2，所述问题线索智能筛查设备最重要的是通过信息比对、全文检索、规则引擎、智能算法等技术手段筛查出与各类机关关注的违纪违法问题由强关联关系的信息进行归纳、汇总和展示。所述问题线索智能筛查设备涉及的系统角色主要包括初始化管理员以及业务用户。初始化管理员用户实现业务用户的管理和配置等相关数据初始化的管理维护工作；业务用户是智能筛查工具的具体使用者，其通过导入相关业务数据，自动或手工选择需要实现的筛查规则，经过系统智能筛查并查找出疑似问题，再由用户对疑似问题进行人工确认。并且提供对筛查记录的查看。初始化管理员涉及的主要功能包括：基础信息初始化配置、还原出厂设置等。业务用户涉及到的主要功能主要有：资料分类上传、智能筛查引擎(后台)、疑似问题筛查、问题确认、筛查查询及筛查记录等。其中，基础信息初始化配置，基础信息初始化模块配置实现业务用户、数据字典等基础数据的初始化配置；还原出厂设置模块将软件系统工具还原到出厂状态；资料分类上传：可以由纪
业务用户通过系统提供的模板导入相应资料，提供系统自动筛查是否存在疑似问题。也可以通过接口接入外部设备，直接读取到所述相关业务数据，上传的材料。资料分类上传包含的主要功能有：筛查规则查看，资料选择过程中，可对定制进入工具系统的具体的筛查规则进行查看。下载文档模板：可下载有格式要求的文档模板，以便后面系统进行智能筛查时更加精准。添加文件：支持上传通过系统提供的模板导入相应资料，或直接导入收集到的资料。温馨提示：当鼠标移至资料名称，悬浮框展示提示相应的文档用途。筛查引擎(后台)：筛查引擎是系统研发时就结合实践经验制定的规则，并运用信息比对、全文检索、规则引擎、智能算法等技术手段将其定制进入系统工具的规则模型。不设置前台功能模块，用于支撑疑似问题及线索的筛查。通过筛查引擎调度特定的筛查规则对资料里的某些内容进行智能甄别和筛查，查找出疑似问题。本过程中用户可随时暂停或终止智能筛查行为。问题确认：用户通过智能筛查生成的疑似问题，对疑似问题进行确认，可根据实际情况忽略该疑似问题，或选择将其转为问题或问题线索。筛查记录：提供用户查看其原先的筛查记录，包括查看筛查后的疑似问题和进行筛查时导入的文件。主要功能有：筛查记录查询、查看疑似问题、查看导入文件。筛查记录查询：用户可通过时间段对其原先的筛查记录进行查询。查看疑似问题：用户可通过此功能对疑似问题进行查看，包括疑问问题内容、筛查资料、提供的原始数据和目前此记录的状态。查看导入文件：用户可通过此功能对导入的文件进行查看。
实施本实施例具有如下有益效果：
接收外部设备提供的相关业务数据；对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；获取预设的筛查规则；根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。能减少人员成本，提高工作效率，科学性和准确性地发现问题线索。
实施例二
参见图3，本发明实施例二提供的一种问题线索智能筛查装置结构示意图。
一种问题线索智能筛查装置，包括：
数据接收模块21，用于接收外部设备提供的相关业务数据；
分类处理模块22，用于对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；
规则获取模块23，用于获取预设的筛查规则；
线索生成模块24，用于根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。
进一步地，所述检索数据是结构化数据时，则所述线索生成模块包括：
根据所述预设的筛查规则，所述规则引擎对所述结构化数据进行对比、计算及分析，完成筛查处理，生成问题线索。
进一步地，所述检索数据是非结构化数据时，则所述线索生成模块包括：
对所述非结构化数据转化为文本格式处理，以获取相应的文档；
根据所述预设的筛查规则，所述规则引擎对所述文档进行文本筛查处理，生成问题线索；其中，所述文本筛查处理包括：语义分析、关键字匹配、文档相似度比对。
进一步地，所述规则引擎采用具有00接口RETE算法的规则引擎实现。
实施本实施例具有如下有益效果：
接收外部设备提供的相关业务数据；对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；获取预设的筛查规则；根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。能减少人员成本，提高工作效率，科学性和准确性地发现问题线索。
实施例三
请参见图4，图4是本发明实施例三提供的问题线索智能筛查设备的示意图，用于执行本发明实施例提供的问题线索智能筛查方法，如图4所示，该问题线索智能筛查设备包括：至少一个处理器11，例如CPU，至少一个网络接口14或者其他用户接口13，存储器15，至少一个通信总线12，通信总线12用于实现这些组件之间的连接通信。其中，用户接口13可选的可以包括USB接口以及其他标准接口、有线接口。网络接口14可选的可以包括Wi-Fi接口以及其他无线接口。存储器15可能包含高速RAM存储器，也可能还包括非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器15可选的可以包含至少一个位于远离前述处理器11的存储装置。
在一些实施方式中，存储器15存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集:
操作系统151，包含各种系统程序，用于实现各种基础业务以及处理基于硬件的任务；
程序152。
具体地，处理器11用于调用存储器15中存储的程序152，执行上述实施例所述的问题线索智能筛查方法。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor， DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述问题线索智能筛查方法的控制中心，利用各种接口和线路连接整个所述问题线索智能筛查方法的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现问题线索智能筛查的电子装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述问题线索智能筛查集成的模块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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
实施例四
一种问题线索智能筛查系统，所述系统包括实施例三所述问题线索智能筛查设备及外部设备；
所述外部设备，用于为所述问题线索智能筛查设备提供相关业务数据；
所述问题线索智能筛查设备，用于接收外部设备提供的相关业务数据，对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据，其中，所述检索数据包括结构化数据和非结构化数据，获取预设的筛查规则，根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。
实施本实施例具有如下有益效果：
接收外部设备提供的相关业务数据；对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；获取预设的筛查规则；根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。能减少人员成本，提高工作效率，科学性和准确性地发现问题线索。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，在某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。其次，本领域技术人员也应知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模拟一定是本发明所必须的。
Claims (8)
1.一种问题线索智能筛查方法，其特征在于，包括以下步骤：
接收外部设备提供的相关业务数据；
对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；
获取预设的筛查规则；
根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。
2.根据权利要求1所述的问题线索智能筛查方法，其特征在于，所述检索数据是结构化数据时，则所述根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索包括：
根据所述预设的筛查规则，所述规则引擎对所述结构化数据进行对比、计算及分析，完成筛查处理，生成问题线索。
3.根据权利要求1所述的问题线索智能筛查方法，其特征在于，所述检索数据是结构化数据时，则所述检索数据是所述结构化数据时，所述根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索包括：
对所述非结构化数据转化为文本格式处理，以获取相应的文档；
根据所述预设的筛查规则，所述规则引擎对所述文档进行文本筛查处理，生成问题线索；其中，所述文本筛查处理包括：语义分析、关键字匹配、文档相似度比对。
4.根据权利要求2或3任一项所述的问题线索智能筛查方法，其特征在于，所述规则引擎采用具有00接口RETE算法的规则引擎实现。
5.一种问题线索智能筛查装置，其特征在于，包括：
数据接收模块，用于接收外部设备提供的相关业务数据；
分类处理模块，用于对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据；其中，所述检索数据包括结构化数据和非结构化数据；
规则获取模块，用于获取预设的筛查规则；
线索生成模块，用于根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。
6.一种问题线索智能筛查设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的问题线索智能筛查方法。
7.一种问题线索智能筛查系统，其特征在于，所述系统包括如权利要求8所述问题线索智能筛查设备及外部设备；
所述外部设备，用于为所述问题线索智能筛查设备提供相关业务数据；
所述问题线索智能筛查设备，用于接收外部设备提供的相关业务数据，对所述相关业务数据进行分类处理，以获取被规则引擎识别的检索数据，其中，所述检索数据包括结构化数据和非结构化数据，获取预设的筛查规则，根据所述预设的筛查规则，所述规则引擎对所述检索数据进行筛查处理，生成问题线索。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的问题线索智能筛查方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811596145.7A CN110941640A (zh) | 2018-12-25 | 2018-12-25 | 问题线索智能筛查方法、装置、设备、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811596145.7A CN110941640A (zh) | 2018-12-25 | 2018-12-25 | 问题线索智能筛查方法、装置、设备、系统及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110941640A true CN110941640A (zh) | 2020-03-31 |
Family
ID=69905344
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811596145.7A Pending CN110941640A (zh) | 2018-12-25 | 2018-12-25 | 问题线索智能筛查方法、装置、设备、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110941640A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915373A (zh) * | 2012-11-06 | 2013-02-06 | 无锡江南计算技术研究所 | 一种数据存储方法和装置 |
| US20140279942A1 (en) * | 2013-03-15 | 2014-09-18 | Miosoft Corporation | Structuring data |
| CN105956797A (zh) * | 2016-06-21 | 2016-09-21 | 中国共产党关岭布依族苗族自治县纪律检查委员会 | 一种基于大数据的党风廉政建设信息化管理系统 |
| CN106407267A (zh) * | 2016-08-26 | 2017-02-15 | 广州慧睿思通信息科技有限公司 | 一种基于全文检索的数据分类与数据检索的方法及装置 |
| CN108509547A (zh) * | 2018-03-20 | 2018-09-07 | 中国长城科技集团股份有限公司 | 一种信息管理方法、信息管理系统及电子设备 |
-
2018
- 2018-12-25 CN CN201811596145.7A patent/CN110941640A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915373A (zh) * | 2012-11-06 | 2013-02-06 | 无锡江南计算技术研究所 | 一种数据存储方法和装置 |
| US20140279942A1 (en) * | 2013-03-15 | 2014-09-18 | Miosoft Corporation | Structuring data |
| CN105956797A (zh) * | 2016-06-21 | 2016-09-21 | 中国共产党关岭布依族苗族自治县纪律检查委员会 | 一种基于大数据的党风廉政建设信息化管理系统 |
| CN106407267A (zh) * | 2016-08-26 | 2017-02-15 | 广州慧睿思通信息科技有限公司 | 一种基于全文检索的数据分类与数据检索的方法及装置 |
| CN108509547A (zh) * | 2018-03-20 | 2018-09-07 | 中国长城科技集团股份有限公司 | 一种信息管理方法、信息管理系统及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111339774B (zh) | 文本的实体关系抽取方法和模型训练方法 | |
| CN110147437B (zh) | 一种基于知识图谱的搜索方法及装置 | |
| CN112203122B (zh) | 基于人工智能的相似视频处理方法、装置及电子设备 | |
| CN111737471B (zh) | 一种基于知识图谱的档案管理模型构建方法及系统 | |
| KR20210040891A (ko) | 정보 추천 방법과 장치, 전자 장비， 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램 | |
| US8732173B2 (en) | Classification hierarchy regeneration system, classification hierarchy regeneration method, and classification hierarchy regeneration program | |
| DE112020002228T5 (de) | Kognitive video- und audio-suchaggregation | |
| Wang et al. | A machine learning analysis of Twitter sentiment to the Sandy Hook shootings | |
| CN111723256A (zh) | 一种基于信息资源库的政务用户画像构建方法及其系统 | |
| TWI745777B (zh) | 資料歸檔方法、裝置、電腦裝置及存儲媒體 | |
| CN114118192A (zh) | 用户预测模型的训练方法、预测方法、装置及存储介质 | |
| CN115757689A (zh) | 一种信息查询系统、方法及设备 | |
| CN106055546A (zh) | 基于Lucene的光盘库全文检索系统 | |
| CN116402166B (zh) | 一种预测模型的训练方法、装置、电子设备及存储介质 | |
| CN118133403B (zh) | 城市规划设计图的生成方法、装置、设备、介质及产品 | |
| CN115905528A (zh) | 具有时序特征的事件多标签分类方法、装置及电子设备 | |
| CN114218291A (zh) | 基于目标对象的画像生成方法、装置、设备及存储介质 | |
| Rulff et al. | Urban Rhapsody: Large‐scale exploration of urban soundscapes | |
| CN117932009A (zh) | 基于ChatGLM模型的保险客服对话生成方法、装置、设备及介质 | |
| CN116205726B (zh) | 一种贷款风险预测方法、装置、电子设备及存储介质 | |
| CN115129897B (zh) | 利用知识图谱分析感知数据的方法、装置、设备和介质 | |
| CN111488263A (zh) | 一种解析MySQL数据库中日志的方法和装置 | |
| CN114842982B (zh) | 一种面向医疗信息系统的知识表达方法、装置及系统 | |
| CN110941640A (zh) | 问题线索智能筛查方法、装置、设备、系统及介质 | |
| CN113326345A (zh) | 基于动态本体的知识图谱分析、应用方法、平台及设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200331 |
|
| RJ01 | Rejection of invention patent application after publication |