CN110956035B - 一种问卷优化方法、系统和存储介质 - Google Patents
一种问卷优化方法、系统和存储介质 Download PDFInfo
- Publication number
- CN110956035B CN110956035B CN201911221587.8A CN201911221587A CN110956035B CN 110956035 B CN110956035 B CN 110956035B CN 201911221587 A CN201911221587 A CN 201911221587A CN 110956035 B CN110956035 B CN 110956035B
- Authority
- CN
- China
- Prior art keywords
- data
- questionnaire
- original
- question
- tag data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 239000002537 cosmetic Substances 0.000 description 9
- 230000006399 behavior Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种问卷优化方法、系统及存储介质，涉及数据处理技术领域。所述方法中，通过获取输入数据；基于所述问卷目的数据，从本地数据库中提取与所述原始问题相关联的第一扩展问题；从网络数据中提取与所述第一扩展问题相关联的第二扩展问题；根据所有提取的第二扩展问题，确定推荐标签数据；基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据；根据所述调整后的标签数据对所述待优化问卷进行优化。本申请的优化方法不仅操作简单，而且提高了问卷的精准度。
Description
技术领域
本申请属于数据处理技术领域，具体涉及一种问卷优化方法、系统和存储介质。
背景技术
随着大数据技术的深入研究与应用，企业的专注点日益聚焦于怎样利用大数据来为精准营销服务，进而深入挖掘潜在的商业价值,于是“用户画像”的概念也就应运而生,用户画像作为实际用户的虚拟代表,代表产品的主要受众和目标群体,用户画像可以使产品的服务对象更加聚焦，更加的专注。用户画像(User Profile)作为大数据的根基，它完美地抽象出一个用户的信息全貌，为进一步精准、快速地分析用户行为习惯、消费习惯等重要信息，提供了足够的数据基础，奠定了大数据时代的基石。用户画像，即用户信息标签化，就是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌,用户画像为企业提供了足够的信息基础，能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。
现有技术中，通过问卷了解用户群体是一种常用的手段，首先根据用户的登录信息获取将用户进行用户群组的划分，并将用户群组中用户的共同特质抽象成用户标签，根据用户标签形成用户画像，根据用户标签设计问卷的内容，以挖掘更多的精准用户。但是，由于用户行为属性随着时间的推移会发生变化，如不能及时针对用户标签进行跟踪，对用户画像标签进行优化，则势必给企业数据分析和制定用户推送服务形成阻碍，降低企业竞争力。因此现有技术中，通过人工对用户标签进行跟踪，获取新的标签以对用户画像标签进行优化，根据优化后的用户画像创建问卷，以挖掘新用户。
现有技术中存在以下缺陷：通过人工的方式对用户画像标签进行优化以创建问卷，不仅效率低，而且针对性低。
发明内容
针对上述问题，本申请提供了一种问卷优化方法，以改善现有技术中人工的方式对用户画像标签进行优化以创建问卷而造成的效率低下且针对性差的问题。
本申请实施例提供的技术方案如下：
第一方面，本申请实施例提供了一种问卷优化的方法，包括以下步骤：
获取输入数据，其中，所述输入数据包括问卷目的数据以及与原始用户画像相关联的原始标签数据，待优化问卷是针对所述原始用户画像的问卷；
针对所述待优化问卷中记载的每个原始问题，分别执行以下步骤：
基于所述问卷目的数据，从本地数据库中提取与所述原始问题相关联的第一扩展问题，所述原始问题及其关联的第一扩展问题的语义相同；
针对提取的每个第一扩展问题，分别执行以下步骤：
从网络数据中提取与所述第一扩展问题相关联的第二扩展问题，所述第一扩展问题及其相关联的第二扩展问题的语义相同；
根据所有提取的第二扩展问题，确定推荐标签数据；
基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据；
根据所述调整后的标签数据对所述待优化问卷进行优化。
优选的，在本申请实施例中，基于所述问卷目的数据，从本地数据库中提取与原始问题相关联的第一扩展问题，包括：
对所述问卷目的数据进行语义分析，根据语义分析结果从本地数据库中提取与所述原始问题相关联的第一扩展问题。
优选的，在本申请实施例中，对所述问卷目的数据进行语义分析，包括：
判断问卷目的数据是否存在歧义。
优选的，在本申请实施例中，从网络数据中提取与所述第一扩展问题相关联的第二扩展问题，包括：
将第一扩展问题输入搜索引擎；
利用所述搜索引擎基于第一扩展问题进行网络数据关联运算，以从网络数据中提取与所述第一扩展问题相关联的第二扩展问题。
优选的，在本申请实施例中，根据所有提取的第二扩展问题，确定推荐标签数据，包括：
将所有提取的第二扩展问题中的每个第二扩展问题输入搜索引擎；
利用所述搜索引擎搜索与每个第二扩展问题相对应的回答；
根据搜索的所有回答将回答者划分成多个群组，并确定与问卷目的相应的群组；
根据与问卷目的相应的群组的群组特征，获取推荐标签数据。
优选的，在本申请实施例中，根据与问卷目的相应的群组的群组特征，获取推荐标签数据，包括：
根据与问卷目的相应的群组的群组特征，获取多个备选推荐标签数据。
优选的，在本申请实施例中，基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据，包括：
对所述原始标签数据进行部分删除，得到调整后的标签数据；或者
基于所述推荐标签数据对所述原始标签数据进行添加，得到调整后的标签数据；或者
基于所述推荐标签数据对所述原始标签数据进行重新组合，得到调整后的标签数据。
优选的，在本申请实施例中，对所述原始标签数据进行部分删除，包括：将所述原始标签数据中不符合预设要求的标签数据剔除；
基于所述推荐标签数据对所述原始标签数据进行添加，包括：将所述推荐标签数据添加到所述原始标签数据中；
基于所述推荐标签数据对所述原始标签数据进行重新组合，包括：将所述推荐标签数据添加到已剔除部分标签数据的原始标签数据中。
第二方面，本申请实施例提供了一种问卷优化系统，包括彼此通信连接的终端和服务器，
所述服务器配置为执行：
获取输入数据，其中，所述输入数据包括问卷目的数据以及与原始用户画像相关联的原始标签数据，待优化问卷是针对所述原始用户画像的问卷；
针对所述待优化问卷中记载的每个原始问题，分别执行以下步骤：
基于所述问卷目的数据，从本地数据库中提取与所述原始问题相关联的第一扩展问题，所述原始问题及其关联的第一扩展问题的语义相同；
针对提取的每个第一扩展问题，分别执行以下步骤：
从网络数据中提取与所述第一扩展问题相关联的第二扩展问题，所述第一扩展问题及其相关联的第二扩展问题的语义相同；
根据所有提取的第二扩展问题，确定推荐标签数据；
基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据；
根据所述调整后的标签数据对所述待优化问卷进行优化。
第三方面，本申请实施例提供了一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时能够实现上述的问卷优化方法。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：本申请通过获取输入数据，针对获取输入数据进行语义分析，从本地数据库提取第一扩展问题，然后根据第一扩展问题从与数据中获取第二扩展问题，根据所有提取的第二扩展问题，确定推荐标签数据；基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据；根据所述调整后的标签数据对所述待优化问卷进行优化。与本申请相比，现有技术中的问卷优化通过人工进行。
本申请提供的方案通过对用户输入的数据进行处理，从云端获取推荐标签数据，以完成对问卷的优化，不仅操作简单，而且提高了精准度。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，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为本申请实施例提供的一种问卷优化方法的流程示意图；
图2为本申请实施例提供的又一种问卷优化方法的流程示意图。
具体实施方式
下面将结合本申请实施例中附图，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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例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例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。
在介绍本申请的具体实施例之前，先对本申请的应用场景进行简单介绍。
目前，调查问卷需要优化时，通过对问卷所包含的问题的优化，实现对整体问卷的优化。
其中，对问卷问题的优化，是通过对问卷问题的设置依据进行优化，所述的设置依据指用户画像的标签等。
为了更好的理解本申请实施例提供的方案，下述实施方式以从云端获取被调查者的特征为例，详细的介绍本申请实施例所提供的思想。
实施例一
请参照图1，图1为本申请提供的问卷优化方法的流程示意图，下面将结合步骤S110-S150进行说明。
步骤S110：获取输入数据，其中，所述输入数据包括问卷目的数据以及与原始用户画像相关联的原始标签数据，待优化问卷是针对所述原始用户画像的问卷。
其中，与原始用户画像相关联的原始标签数据用于描述现有用户群组的特征，所述待优化问卷根据与原始用户画像相关联的原始标签数据创建。
步骤S120：针对所述待优化问卷中记载的每个原始问题，分别执行以下步骤：基于所述问卷目的数据，从本地数据库中提取与所述原始问题相关联的第一扩展问题，所述原始问题及其关联的第一扩展问题的语义相同。
其中，所述的语义相同或相似，是指按照现有技术中的AI算法，进行文本语义解析，按照预设的相似度阈值进行问题的相似度匹配。
针对提取的每个第一扩展问题，分别执行以下步骤：从网络数据中提取与所述第一扩展问题相关联的第二扩展问题，所述第一扩展问题及其相关联的第二扩展问题的语义相同。
进一步的，对基于所述问卷目的数据，从本地数据库中提取与所述原始问题相关联的第一扩展问题进行具体说明：
所述问卷目的数据由人工设定，将问卷目的数据输入本地数据库之后，通过对所述问卷目的数据进行语义分析，根据语义分析结果判断问卷目的数据是否存在歧义，若存在歧义，则重新确定问卷目的数据并将重新确定问卷目的数据输入到本地数据库，当问卷目的数据没有歧义时，对原始问题进行扩展，以获得第一扩展问题，所述原始问题和第一扩展问题语义相同，均表示对同一问题的不同问法，其中所述第一扩展问题可以为多个。
进一步的，对基于提取的每个第一扩展问题，分别从网络数据中提取与所述第一扩展问题相关联的第二扩展问题进行具体说明：
将第一扩展问题输入搜索引擎；
利用所述搜索引擎基于第一扩展问题进行网络数据关联运算，以从网络数据中提取与所述第一扩展问题相关联的第二扩展问题。
其中，所述第一扩展问题及其相关联的第二扩展问题的语义相同，即第一扩展问题及其相关联的第二扩展问题表示针对同一问题不同的问法。
步骤S130：根据所有提取的第二扩展问题，确定推荐标签数据。
将所有提取的第二扩展问题中的每个第二扩展问题输入搜索引擎；
利用所述搜索引擎搜索与每个第二扩展问题相对应的回答；
根据搜索的所有回答将回答者划分成多个群组，并确定与问卷目的相应的群组；
根据与问卷目的相应的群组的群组特征，获取推荐标签数据。
步骤S140：基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据，具体包括以下方式：
对所述原始标签数据进行部分删除，得到调整后的标签数据；或者
基于所述推荐标签数据对所述原始标签数据进行添加，得到调整后的标签数据；或者
基于所述推荐标签数据对所述原始标签数据进行重新组合，得到调整后的标签数据。
进一步的，还可以包括以下方式：
对所述原始标签数据进行部分删除，包括：将所述原始标签数据中不符合预设要求的标签数据剔除；
基于所述推荐标签数据对所述原始标签数据进行添加，包括：将所述推荐标签数据添加到所述原始标签数据中；
基于所述推荐标签数据对所述原始标签数据进行重新组合，包括：将所述推荐标签数据添加到已剔除部分标签数据的原始标签数据中。
步骤S150：根据所述调整后的标签数据对所述待优化问卷进行优化。
综上所述，本申请通过获取输入数据，针对获取输入数据进行语义分析，从本地数据库提取第一扩展问题，然后根据第一扩展问题从与数据中获取第二扩展问题，根据所有提取的第二扩展问题，确定推荐标签数据；基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据；根据所述调整后的标签数据对所述待优化问卷进行优化。与本申请相比，现有技术中的问卷优化通过人工进行。
本申请提供的方案通过对用户输入的数据进行处理，从云端获取推荐标签数据，以完成对问卷的优化，不仅操作简单，而且提高了精准度。
实施例二
本实施例在实施例一的基础上对步骤S120从网络数据中提取与所述第一扩展问题相关联的第二扩展问题的具体方法进行详细说明。在本实施例中，从网络数据中提取与所述第一扩展问题相关联的第二扩展问题的具体方法具体可以包括步骤S121至步骤S122。
步骤S121：将第一扩展问题输入搜索引擎。
需要说明的是，第一扩展问题基于本地数据库确定，本地数据库中的数据包括现有用户的基本信息、原始用户画像的标签信息等，当用户基于本地数据库输入原始用户画像的标签信息和问卷目的信息时，通过对输入信息进行语义分析、语法分析及词法分析等多种分析，基于用户画像的标签信息和问卷目的信息及本地数据中的数据，生成与问卷目的相对应的第一扩展问题，并将第一扩展问题输入搜索引擎。例如：用户输入用户画像标签为购物、服饰、化妆品、汽车，问卷目的信息为工资，基于本地数据库对购物、服饰、化妆品、汽车和工资进行语义分析、语法分析及词法分析等多种分析，获取用户的真时目的，如用户输入购物、服饰、化妆品、汽车和工资等数据，真时目的有可能是了解被调查者的收入水平，那么第一扩展问题可以为：你喜欢什么牌子的化妆品？你最常去的商场是哪个？等等，通过这些问题可以了解被调查者的收入水平。
步骤S122：利用所述搜索引擎基于第一扩展问题进行网络数据关联运算，以从网络数据中提取与所述第一扩展问题相关联的第二扩展问题。
需要说明的是，当把第一扩展问题输入到搜索引擎后，基于网络数据对第一扩展问题进行关联运算，以从网络数据中提取与第一扩展问题相关联的第二扩展问题。例如，将第一扩展问题“你喜欢什么牌子的化妆品？”输入到搜索引擎，基于网络数据进行搜索，可能搜索到与“你喜欢什么牌子的化妆品？”表达相同含义的第二扩展问题，如“你认为什么牌子的化妆品最好用？”“你认为什么牌子的化妆品性价比最高？”等。
实施例三
本实施例在实施例一的基础上对步骤S130中根据所有提取的第二扩展问题，确定推荐标签数据的方法进行详细说明。在本实施例中，根据所有提取的第二扩展问题，确定推荐标签数据的方法，具体可以包括步骤S131至步骤S133。
步骤S131：利用所述搜索引擎搜索与每个第二扩展问题相对应的回答。
需要说明的是，搜索到的回答可以反映回答者的当前状态，例如，针对第二扩展问题“你认为什么牌子的化妆品最好用？”的回答，可能是价格在50元以内的品牌，可能是价格在100-200元以之间的品牌，可能是价格在1000元以上的品牌，基于这些答案，了解回答者的收入水平。
步骤S132：根据搜索的所有回答将回答者划分成多个群组，并确定与问卷目的相应的群组；
需要说明的是，根据回答判断出回答者的基本信息或特点，将基本信息或特点相类似的回答者划分到同一群组。例如：将回答是价格在50元以内的品牌的回答者划分到一个群组，那么这个群组的共性是底收入。将回答是价格在1000元以上的品牌的回答者划分到一个群组，那么这个群组的共性是高收入。
步骤S133：根据与问卷目的相应的群组的群组特征，获取推荐标签数据。
需要说明的是，问卷目的可能是寻找高收入人群，那么将由回答是价格在1000元以上的品牌的回答者组成的群组确定为与问卷目的相应的群组，所述群组的共性高收入即可以作为推荐标签数据。
实施例四
本实施例在实施例一的基础上对步骤S140中基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据的方法进行详细说明。在本实施例中，基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据的方法，具体可以包括以下几种方式：
第一种方式：对所述原始标签数据进行部分删除，得到调整后的标签数据；
需要说明的是：如果根据问答获取的推荐数据标签不符合问卷的真是目的，则节约将所述原始标签数据中不符合预设要求的标签数据剔除，以得到调整后的标签数据。
第二种方式：基于所述推荐标签数据对所述原始标签数据进行添加，得到调整后的标签数据。
需要说明的是：如果根据问答获取的推荐数据标签符合问卷的真是目的，则将推荐标签数据添加到所述原始标签数据中，以得到调整后的标签数据。
第三种方式：基于所述推荐标签数据对所述原始标签数据进行重新组合，得到调整后的标签数据。
需要说明的是：如果根据问答获取的推荐数据标签不完全符合问卷的真是目的，则可以剔除原始标签数据中的部分标签数据，并将推荐标签数据添加到已剔除部分标签数据的原始标签数据中，以得到调整后的标签数据。
实施例五
参照如2，图2为本申请又一问卷优化方法实施例，下面结合步骤S210至步骤S250对本申请的技术方案进行详细说明。
步骤S210：需要创建问卷的运营或营销人员输入所述问卷的关键字和目的，方便系统针对具体问题进行具体的优化分析。
步骤S220：系统根据用户输入的目的和关键字进行词法分析、语法分析、语义分析。从而得出用户真正想要输入的问题，如用户输入一个工资，系统通过分析优化，得出可能用户可能想要了解其想要了解被调查者的消费水平。
步骤S230：再通过网络数据分析，掌握其他人员一般所述如何提问，给出关键字和关键短语供用户选择。
步骤S240：再和当前系统所拥有的用户群体画像和特质进行问题优化，如如果想要知道用户的消费水平，则可以通过用户的平常购物习惯和出行习惯等进行区分。
步骤S250：最后通过分析优化，通过分析心理学等知识，得出最适合提问的方式来让问卷创建者进行选择。
在本申请实施例中，可能当时问卷目的是为了发掘新用户，此时则没有用户的群体可以选择，此时可以手动输入一些可能的特质或不进行输入，虽然这样可能会导致创建的问题不够精准，但根据目的和关键字也可以进行有效的分析。
实施例六
本申请实施例还提供了一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时能够实现如实施例一至五中任一项所述的问卷优化方法。为了描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
综上所述，本申请通过获取输入数据，针对获取输入数据进行语义分析，从本地数据库提取第一扩展问题，然后根据第一扩展问题从与数据中获取第二扩展问题，根据所有提取的第二扩展问题，确定推荐标签数据；基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据；根据所述调整后的标签数据对所述待优化问卷进行优化。本申请提供的方案通过对用户输入的数据进行处理，从云端获取推荐标签数据，以完成对问卷的优化，不仅操作简单，而且提高了精准度。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。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。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种问卷优化方法，其特征在于，包括：
获取输入数据，其中，所述输入数据包括问卷目的数据以及与原始用户画像相关联的原始标签数据，待优化问卷是针对所述原始用户画像的问卷；
针对所述待优化问卷中记载的每个原始问题，分别执行以下步骤：
基于所述问卷目的数据，从本地数据库中提取与所述原始问题相关联的第一扩展问题，所述原始问题及其关联的第一扩展问题的语义相同；
针对提取的每个第一扩展问题，分别执行以下步骤：
从网络数据中提取与所述第一扩展问题相关联的第二扩展问题，所述第一扩展问题及其相关联的第二扩展问题的语义相同；
其中，所述原始问题为本地数据库存储的待优化问卷的问题题目；
根据所有提取的第二扩展问题，确定推荐标签数据；
基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据；
根据所述调整后的标签数据对所述待优化问卷进行优化。
2.根据权利要求1所述的问卷优化方法，其特征在于，基于所述问卷目的数据，从本地数据库中提取与原始问题相关联的第一扩展问题，包括：
对所述问卷目的数据进行语义分析，根据语义分析结果从本地数据库中提取与所述原始问题相关联的第一扩展问题。
3.根据权利要求2所述的问卷优化方法，其特征在于，对所述问卷目的数据进行语义分析，包括：
判断问卷目的数据是否存在歧义。
4.根据权利要求1所述的问卷优化方法，其特征在于，从网络数据中提取与所述第一扩展问题相关联的第二扩展问题，包括：
将第一扩展问题输入搜索引擎；
利用所述搜索引擎基于第一扩展问题进行网络数据关联运算，以从网络数据中提取与所述第一扩展问题相关联的第二扩展问题。
5.根据权利要求1所述的问卷优化方法，其特征在于，根据所有提取的第二扩展问题，确定推荐标签数据，包括：
将所有提取的第二扩展问题中的每个第二扩展问题输入搜索引擎；
利用所述搜索引擎搜索与每个第二扩展问题相对应的回答；
根据搜索的所有回答将回答者划分成多个群组，并确定与问卷目的相应的群组；
根据与问卷目的相应的群组的群组特征，获取推荐标签数据。
6.根据权利要求5所述的问卷优化方法，其特征在于，根据与问卷目的相应的群组的群组特征，获取推荐标签数据，包括：
根据与问卷目的相应的群组的群组特征，获取多个备选推荐标签数据。
7.根据权利要求1所述的问卷优化方法，其特征在于，基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据，包括：
对所述原始标签数据进行部分删除，得到调整后的标签数据；或者
基于所述推荐标签数据对所述原始标签数据进行添加，得到调整后的标签数据；或者
基于所述推荐标签数据对所述原始标签数据进行重新组合，得到调整后的标签数据。
8.根据权利要求7所述的问卷优化方法，其特征在于，
对所述原始标签数据进行部分删除，包括：将所述原始标签数据中不符合预设要求的标签数据剔除；
基于所述推荐标签数据对所述原始标签数据进行添加，包括：将所述推荐标签数据添加到所述原始标签数据中；
基于所述推荐标签数据对所述原始标签数据进行重新组合，包括：将所述推荐标签数据添加到已剔除部分标签数据的原始标签数据中。
9.一种问卷优化系统，其特征在于，包括彼此通信连接的终端和服务器，
所述服务器配置为执行：
获取输入数据，其中，所述输入数据包括问卷目的数据以及与原始用户画像相关联的原始标签数据，待优化问卷是针对所述原始用户画像的问卷；
针对所述待优化问卷中记载的每个原始问题，分别执行以下步骤：
基于所述问卷目的数据，从本地数据库中提取与所述原始问题相关联的第一扩展问题，所述原始问题及其关联的第一扩展问题的语义相同；
针对提取的每个第一扩展问题，分别执行以下步骤：
从网络数据中提取与所述第一扩展问题相关联的第二扩展问题，所述第一扩展问题及其相关联的第二扩展问题的语义相同；
根据所有提取的第二扩展问题，确定推荐标签数据；
基于所述推荐标签数据调整所述原始标签数据，得到调整后的标签数据；
根据所述调整后的标签数据对所述待优化问卷进行优化。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时能够实现如权利要求1-8中任一项所述的问卷优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911221587.8A CN110956035B (zh) | 2019-12-03 | 2019-12-03 | 一种问卷优化方法、系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911221587.8A CN110956035B (zh) | 2019-12-03 | 2019-12-03 | 一种问卷优化方法、系统和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110956035A CN110956035A (zh) | 2020-04-03 |
| CN110956035B true CN110956035B (zh) | 2021-04-23 |
Family
ID=69979542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911221587.8A Active CN110956035B (zh) | 2019-12-03 | 2019-12-03 | 一种问卷优化方法、系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110956035B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6047261A (en) * | 1997-10-31 | 2000-04-04 | Ncr Corporation | Method and system for monitoring and enhancing computer-assisted performance |
| WO2007095599A3 (en) * | 2006-02-15 | 2008-05-08 | Leviathan Entertainment | Survey based qualification of keyword searches |
| CN106294398A (zh) * | 2015-05-21 | 2017-01-04 | 富士通株式会社 | 信息处理装置和信息处理方法 |
| CN108268591A (zh) * | 2017-12-08 | 2018-07-10 | 苏宁云商集团股份有限公司 | 基于主动聊天构建用户画像的方法及设备 |
| CN110070333A (zh) * | 2019-03-19 | 2019-07-30 | 平安普惠企业管理有限公司 | 智能问卷调查方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030055762A1 (en) * | 2001-09-18 | 2003-03-20 | Holt Laurence E. | Incremental active user profile construction for content customization interspersed with content display |
-
2019
- 2019-12-03 CN CN201911221587.8A patent/CN110956035B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6047261A (en) * | 1997-10-31 | 2000-04-04 | Ncr Corporation | Method and system for monitoring and enhancing computer-assisted performance |
| WO2007095599A3 (en) * | 2006-02-15 | 2008-05-08 | Leviathan Entertainment | Survey based qualification of keyword searches |
| CN106294398A (zh) * | 2015-05-21 | 2017-01-04 | 富士通株式会社 | 信息处理装置和信息处理方法 |
| CN108268591A (zh) * | 2017-12-08 | 2018-07-10 | 苏宁云商集团股份有限公司 | 基于主动聊天构建用户画像的方法及设备 |
| CN110070333A (zh) * | 2019-03-19 | 2019-07-30 | 平安普惠企业管理有限公司 | 智能问卷调查方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Development of a Web Based Pattern Identification System with Questionnaire Optimization;Jae等;《Journal of Physiology & Pathology in Korean Medicine》;20131231;全文 * |
| 基于大数据技术的用户画像系统的设计与研究;关梓骜;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;20181015;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110956035A (zh) | 2020-04-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109815308B (zh) | 意图识别模型的确定及检索意图识别方法、装置 | |
| Hammad et al. | An approach for detecting spam in Arabic opinion reviews | |
| CN109885773B (zh) | 一种文章个性化推荐方法、系统、介质及设备 | |
| US10579652B2 (en) | Learning and using contextual content retrieval rules for query disambiguation | |
| CN114238573B (zh) | 基于文本对抗样例的信息推送方法及装置 | |
| CN112035599B (zh) | 基于垂直搜索的查询方法、装置、计算机设备及存储介质 | |
| CN107918644B (zh) | 声誉管理框架内的新闻议题分析方法和实施系统 | |
| CN106294500B (zh) | 内容项目的推送方法、装置及系统 | |
| CN111078837A (zh) | 智能问答信息处理方法、电子设备及计算机可读存储介质 | |
| US9552415B2 (en) | Category classification processing device and method | |
| US20180089193A1 (en) | Category-based data analysis system for processing stored data-units and calculating their relevance to a subject domain with exemplary precision, and a computer-implemented method for identifying from a broad range of data sources, social entities that perform the function of Social Influencers | |
| CN113157867A (zh) | 一种问答方法、装置、电子设备及存储介质 | |
| CN114398473A (zh) | 企业画像生成方法、装置、服务器及存储介质 | |
| Chen et al. | ExpertSeer: a keyphrase based expert recommender for digital libraries | |
| US11650986B1 (en) | Topic modeling for short text | |
| CN115115407A (zh) | 城市一体化智能服务平台智能推荐方法及系统 | |
| CN110245357B (zh) | 主实体识别方法和装置 | |
| CN112149422A (zh) | 一种基于自然语言的企业新闻动态监测方法 | |
| Huang et al. | Multi-task learning for entity recommendation and document ranking in web search | |
| CN110956035B (zh) | 一种问卷优化方法、系统和存储介质 | |
| CN111104422A (zh) | 一种数据推荐模型的训练方法、装置、设备及存储介质 | |
| Özyirmidokuz et al. | Analyzing customer complaints: a web text mining application | |
| CN114416848A (zh) | 基于数据仓库的数据血缘关系处理方法及装置 | |
| US20170061516A1 (en) | Social result abstraction based on network analysis | |
| CN110930189A (zh) | 基于用户行为的个性化营销方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |